水下滑翔机声学数据处理及在海洋环境噪声中的应用研究.pdfVIP

水下滑翔机声学数据处理及在海洋环境噪声中的应用研究

摘要

声波作为海洋中唯一可进行远距离传输的能量形式，是水下目标探测、水下通讯

和导航等方面的唯一有效辐射能。海洋环境噪声是海洋中的固有声场，包含了海面风

速、降水等丰富的环境信息；同时也是水声信道中的一种干扰背景场，影响水声设备

的声通信能力。所以对海洋环境噪声进行长时间、大范围的连续观测具有重要科学意

义及工程实用价值。水下滑翔机是一种新型水下无人潜航器，在海洋环境噪声观测上

具有活动范围大、功耗低和机动性强等优势，但是水下滑翔机各类自噪声作为干扰源

会对海洋环境噪声的观测带来影响。因此本文以“海燕-L”水下滑翔机在印度洋东南

海域实测的声学数据为研究对象，主要做了以下研究：

改进传统LeNet-5神经网络实现水下滑翔机自噪声的分类研究。先分析了自噪声

的组成及其时频域特性；针对自噪声信号通过梅尔滤波器组不同频带所表现出不同能

量特征信息的特点，共截取了5580段各类自噪声数据，提取对数梅尔谱图特征，再转

化为灰度图作为模型的输入。通过多次实验，不断改进神经网络结构，调整模型的参

数设置，搭建了一个新的神经网络模型：卷积层的层数为3层，各层的深度分别为16、

32、64个5×5的卷积核；并且在每个卷积层和全连接层后使用ReLU激活函数；采用

Adam梯度下降算法来更新神经网络的权重参数，初始学习率为0.001，下降因子设置

为0.3，此时的模型经过50轮迭代后最高准确率可达到96.36%，但存在过拟合。针对

模型的过拟合现象，在全连接层中加入Dropout操作，这明显的消除了分类准确率曲

线振荡的现象。在经过100轮的迭代，和改进前的82.47%的分类准确率相比，改进后

的模型最终取得了98.06%的分类准确率。

对水下滑翔机自噪声分类后，在观测到的原始声学数据中截取出没有自噪声影响

的海洋环境噪声数据，同时根据NCEP海面风速再分析数据。先分析了整个观测期间

海洋环境噪声的时频域特性；由于每个环境噪声数据段所处深度都是变化的，然后分

析了环境噪声谱级与深度的变化关系；最后定量计算了环境噪声谱级与风速的相关系

数，并对二者做线性拟合分析，得到如下结论：环境噪声谱级与海面风速的变化趋势

具有较强的一致性，即海面风速大小对环境噪声谱级起主导作用；海洋环境噪声谱级

受深度变化的影响较小，在分析水下滑翔机观测的海洋环境噪声风关特性时可以忽略

深度变化带来的影响；在小于4kHz的频段内受水下滑翔机所搭载温盐深仪（CTD）

泵噪声影响，相关系数在0.2以下，在6-10kHz频段内相关系数达到0.8左右的高度

哈尔滨工程大学专业学位硕士学位论文

相关；在5-20kHz频段内，环境噪声谱级与海面风速拟合曲线呈线性函数关系。海洋

环境噪声谱级随着风速增大而增大，随着中心频率增高而逐渐降低，并且频率衰减平

均5dB左右。

关键词：水下滑翔机；卷积神经网络；自噪声分类；海洋环境噪声特性；海面风

速

水下滑翔机声学数据处理及在海洋环境噪声中的应用研究

ABSTRACT

Astheonlyformofenergythatcanbetransmittedoverlongdistancesintheocean,sound

wavesaretheonlyeffectiveradiantenergyinunderwatertargetdetection,underwater

communicationandnavigation.Marineambientnoiseistheinherentsoundfieldinthemarine,

whichcontainsrichen