基于三维温盐场的海洋声道智能识别方法研究.pdf

基于三维温盐场的海洋声道智能识别方法研究

摘要

海洋声学环境中声道的特征分析是海洋研究领域的重要组成部分，通过海洋声场分

析所获取的声道特征信息，对于海洋防灾减灾、保护海洋生态环境、维护海洋安全以及

开展海洋科学研究等具有重大意义。当前声道识别方法主要通过声速数据本身的数学计

算来识别声道位置及其特征信息，因此声速数据的准确度会直接影响到声道识别及其特

征信息的准确度。但是在数据采集预处理过程中以及声速计算过程中，都会出现误差积

累，会造成声速数据准确度较低的问题。声速剖面表示海水中声速随深度变化情况，并

非所有声速剖面都具有声道，可以通过声速剖面分类判断声道是否存在及其类型。声速

剖面分类是对声速数据进行特征提取并聚类分析，声速数据的准确度同样会影响到声速

剖面分类的准确度。因此将声速剖面输出成图像，从数据识别变为图像识别，降低声速

数据本身对声速剖面分类和声道识别的影响。卷积神经网络利用计算机通过神经网络结

构自主地从图像数据样本中学习数据特征，可以提取出更高维、更抽象的数据特征，在

声道目标识别和声速剖面图像分类方面具备潜在优势。本文提出基于卷积神经网络的声

速剖面分类和声道目标智能识别算法，通过对海洋三维温盐场数据的预处理将声速剖面

输出成图像，为算法提供图像数据集，通过文献分析确定声速剖面及声道类型，并设计

时空泛化性实验。本文主要研究内容如下：

（1）为了提供算法图像数据集，分别设计制作基于卷积神经网络图像分类和目标

检测的图像数据集。通过分析选择三维海洋温盐场的数据集及声速计算公式，针对离散

的声速序列进行插值方法的对比分析，并对Akima插值法进行算法改进。通过对文献中

声速剖面类型的分析，将声速剖面及声道类型分为8种类型，在此基础上将声速剖面输

出成图像，为算法提供图像数据集。

（2）针对声速剖面的分类受声速数据准确度影响的问题，通过卷积神经网络提取

声速剖面的图像特征，提出了一种基于VGG16（VisualGeometryGroup16）的声速剖面

分类方法。从提取数据特征变为提取图像特征，根据图像的数据特征进行分类确定声速

剖面中的声道及其类型。对VGG16的网络结构进行改进，使其适用于声速剖面分类。

对VGG16网络中的参数进行调整以及设计与模糊C-均值聚类算法、自组织特征映射神

经网络聚类算法和BP神经网络的对比实验，基于VGG16的声速剖面分类方法可以提

升分类的准确度。

（3）针对声道识别方法中声道位置及其特征信息受声速数据准确度影响的问题，

哈尔滨工程大学专业学位硕士学位论文

在声速剖面分类确定声道及其类型的基础上，通过卷积神经网络进行声道目标检测识别，

提出了一种基于改进Faster-RCNN的声道智能识别方法。从数据识别变为图像识别，对

有声道目标的声速剖面进行声道智能识别，确定声道特征信息。针对声道目标种类少、

目标单一等情况对Faster-RCNN目标检测算法进行网络模型的改进，基于改进Faster-

RCNN的声道智能识别方法可以进行声道特征智能识别。针对声速剖面分类和声道目标

识别设计时空泛化性实验，实验结果表明，算法对声速剖面分类和声道目标检测识别在

时间和空间上具备泛化性。

关键词：声速剖面；声道；卷积神经网络；图像分类；目标检测

基于三维温盐场的海洋声道智能识别方法研究

ABSTRACT

Thecharacteristicanalysisofsoundchannelinthemarineacousticenvironmentisan

importantcomponentofthefieldofoceanresearch.Thesoundchannelfeatureinformation

obtainedthroughtheanalysisofoceansoundfieldsisofgreatsignificanceformarinedisaster

preventionandreduction,protectionofmarineecologicalenviron