基于自组织神经网络的声学底质分类研究.pdfVIP

维普资讯 第 26卷第 3期 声 学 技 术 Vo1．26，No．3 2007年6月 TechnicalAcoustics Jun．，2007 基于自组织神经网络的声学底质分类研究 唐秋华 1,2,3，刘保华2，陈永奇3，周兴华2，丁继胜2 (1．中国海洋大学海洋地球科学学院 青岛 266003；2．国家海洋局第一海洋研究所 青岛 266061； 3．香港理工大学土地测量及地理资讯学系 香港) 摘要：研究利用多波束测深系统获取的反向散射强度数据 ，应用 自组织(SerfOrgan~ Map。简称 SOM)神经网 络分类方法实现了对海底泥、砂、砾石和基岩等底质类型的快速、有效识别。通过实验示例。将 SOM神经网络的分类 结果与传统海底地质取样获取的真实底质类型进行分析 比较 ，表 明该方法是可行和有效的。 关键词： SOM神经网络；多波束测深系统；声学底质分类；反向散射强度 中图分类号：P229．2 文献标识码 ：A 文章编号：1000-3630(2007)-03-0380-05 Acousticseafloorclassification using self- organizingmap neuralnetwork TANGQiu-hua 。，删 Bao-hua~，CHEN Yong ， OUXing-hua~，DINGJi-sheng~ (1．CollegeofMa~neGeoscienoes，OceanUniversityofChina，Qingaao266003，hCina； 2．FirstInstituteofOceanography，StateOceanicAdmin~tration，Qingaao266061，hCina； 3．DepartmentofLandSurveyingandGeo—Iroeormatics，HongKongPolytechnicUniversity,HongKong) Abstract： Multibeam sonarsystemscallprovidehydrographicquality depthdataaswellashigh-resolution seafloorsonarimages．Using hteseafloor—backscatteredadtafrom each beam andwiht automaticclassifi— cation,seabedsedimentsdistribution mapscallbeobtaineddirectly．Inthispaper,hteserf-organizingmpa (SOM)neuralnetworkisusedinacousticseafloorclassificationfrom multibeam sonaradta．nIismehtod callrapidlyidentifyallkindsofseafloortypessuchasmu~ sand, gravelandrockni hteexperimental surveyingraeas．Comparedwiht htetraditionalgeolo~cgrabmehtod,hteepxerimentnidicatesthathte SOM mehtod si feasiblena dvalid． Keywords：SOM neuralnewt ork；multibeam sonarsystems；acoustic seafloorclassification；backsca~er strength