【技术实现步骤摘要】
本专利技术属于声层析领域的一种浅海声速剖面匹配场反演方法，具体涉及了一种基于门反馈门控循环单元(gfgru)的浅海声速剖面匹配场反演方法。
技术介绍
1、海洋声层析是海洋环境监测与研究领域的一个重要方向，它通过精确测量的声传播时间或者其他声传播属性如声压的幅度和相位来推断声场所穿过的海洋状态，其中声速作为水声研究中重要的环境参数之一，是了解和研究水声信道和水声传播的基础，是所有水声学研究领域都不可缺少的重要环境参数。在浅海海域中，声速剖面随时间和空间的不同变化较大，这就导致利用航行船只吊放声速仪直接测量，或采用定点布放的温盐深仪通过经验公式计算，获得的声速剖面样本覆盖范围和分辨力不足。相较而言，反演的方法只需一次测量就可获得发射-接收断面上的声速剖面，通过有限次测量就可以获得一个区域的声速场，能降低成本，节省资源。
2、目前，主流的浅海声速剖面反演方法是匹配场方法。传统的匹配场反演方法由于使用有限个经验正交函数表示声速剖面，存在一定的精度损失，同时由于模型的非线性程度受限以及搜索方法容易陷入局部最小值等问题，反演精度不高；在声速剖面表征方法上，虽然近年来陆续提出了字典学习方法和深度学习的方法，表现出了更高表征精度，但是由于用于表征声速剖面的基函数在字典中过于稀疏，难以确定用于表征未知的待反演声速剖面的基函数，目前还没有达到实用程度。
3、综上所述，现有的匹配场反演方法中使用经验正交函数表征声速剖面，容易出现反演精度不高的问题；现有的精度更高的声速剖面表征方法如字典学习方法由于难以确定用于表征未知的待反演声
技术实现思路
1、为了解决上述问题，本专利技术提供一种基于门反馈门控循环单元(gated feedbackgate recurrent unit,gfgru)的浅海声速剖面匹配场反演方法。该方法首先利用k-svd(k-singular value decomposition，k奇异值分解)字典学习算法来产生基函数，表征声速剖面的精准度更高，同时能有效地降低搜索时的参数数量；对于字典学习方法难以确定用于表征未知的待反演声速剖面的基函数的问题，该方法使用了适用于稀疏分类问题的gfgru网络来估计待反演声速剖面的基函数；此外，对于gfgru网络训练数据不足的问题，该方法使用人工合成的数据集对gfgru网络进行预训练，有效提升了gfgru网络分类的准确性和鲁棒性，同时降低了实验数据样本不足对gfgru网络训练的影响。最后在利用gfgru网络获得基函数后，采用遗传算法完成从声场到声速剖面的逆问题推断。
2、本专利技术的具体技术方案如下：
3、一种基于gfgru的浅海声速剖面匹配场反演方法，具体步骤如下：
4、s1：根据已有的待反演区域的实际声速剖面数据，使用k-svd算法生成待反演区域声速剖面的字典并计算构成各个声速剖面的基函数；
5、s2：根据所述待反演区域声速剖面的基函数分布情况生成合成声速剖面数据集，基于合成声速剖面数据集和步骤s1中所述的待反演区域的实际声速剖面数据，分别利用kraken模型计算声场，并对声场进行数据预处理，得到合成数据集和真实数据集；并对所述合成数据集和真实数据集中的各个声速剖面打上标签；
6、s3：使用所述合成数据集对gfgru网络进行预训练，得到预训练模型；然后使用所述真实数据集对所述预训练模型进行训练，以完成多标签分类任务；在训练过程中使用多标签损失函数来帮助收敛；
7、s4：输入待反演区域的实测声场数据到训练完成的gfgru网络中，获取待反演区域的声速剖面的基函数；
8、s5：利用遗传算法对待反演区域声速剖面的基函数系数进行搜索，使用匹配场方法计算损失函数，迭代搜索直至损失函数值低于设置的阈值或者迭代步数达到设置的最大步数，使用最优个体计算获得待反演区域的声速剖面。
9、上述技术方案中，进一步地，所述s1具体为：
10、s11：设置误差ε，最大迭代次数i，稀疏度sp；根据所述待反演区域的实际声速剖面数据，使用k-svd算法生成字典；计算所述待反演区域的实际声速剖面数据的平均声速剖面对于已知的m条在垂直方向上离散为k维的声速剖面，其在平均声速剖面上的扰动记为用y来指代实际声速剖面数据集，y对应的字典记为n为字典中基函数的个数，使用omp算法，以稀疏度sp以及字典q对y重构后的系数矩阵记为对字典进行随机初始化后得到初始字典设置k-svd算法的循环初始值i＝0；
11、s12：i＝i+1，稀疏编码：对于已知的qi-1，使用正交匹配追踪(orthogonalmatching pursuit,omp)算法对约束优化问题进行求解，所述约束优化问题为：
12、
13、式中，sp表示待求向量xm的稀疏度，和分别表示l2和l0范数；
14、所述omp算法为：
15、(1)初始化解向量则残差解的支撑集omp算法的循环初始值k＝1
16、(2)对字典中所有基函数分别计算误差其中
17、(3)找到使最小的并更新sk＝sk-1∪{jk}；
18、(4)根据支撑集sk计算使最小的解向量
19、(5)更新残差
20、(6)若||rk||2＜ε或者k＞sp，停止算法；否则k＝k+1，回到(2)进行下一次迭代；
21、s13：字典更新。
22、对qi-1中的基函数以及x中的行向量xj∈x,j＝1,…,n逐个更新，更新步骤如下：
23、(1)当更新字典qi-1的第j个基函数时，计算外字典的重构误差矩阵提取xj中的非零项并按顺序构成新列向量xr，xj中的非零项对应于e中的列向量构成新矩阵er；
24、(2)对er作svd分解：er＝usvt，u和v分别表示对er进行svd分解后的左奇异矩阵和右奇异矩阵，s表示由各阶奇异值组成的对角矩阵；
25、(3)更新xr＝v(:,1)s(1,1)，即将更新为u中第一个左奇异向量，将xr更新为v中第一个右奇异向量与s中第一阶奇异值之积；并用xr中的非零项系数对xj中对应元素进行更新；
26、(4)重复(1)-(3)直至将字典中的列向量全部更新完毕；
27、s14：重复s12和s13，直至i≥i，输出字典qi和系数矩阵x，xm中非零项对应的qi中的基函数即为第m个声速剖面的基函数，xm零项对应的qi中的基函数为非构成第m个声速剖面的基函数。
28、进一步地，所述s2具体为：
29、s21：对系数矩阵x向量化，找出非零项，构成新的向量根据大数定理，近似为高斯分布，求解的采样均值μ和采样方差σ2；设置待合成的声速剖面样本数ns,ns＞＞n；根据采样均值μ、采样方差σ2和稀疏度sp，通过逐个合成系数向量的方式生成新的合成序列矩阵对于中任意一个系数向量其合成的方式为：初始化之后在的n个系数中随机选择sp个本文档来自技高网...
【技术保护点】
1.一种基于GFGRU的浅海声速剖面匹配场反演方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于GFGRU的浅海声速剖面匹配场反演方法，其特征在于，所述S1具体为：
3.根据权利要求2所述的一种基于GFGRU的浅海声速剖面匹配场反演方法，其特征在于，所述S2具体为：
4.根据权利要求1所述的一种基于GFGRU的浅海声速剖面匹配场反演方法，其特征在于，所述S3具体为：
5.根据权利要求1所述的一种基于GFGRU的浅海声速剖面匹配场反演方法，其特征在于，所述S4具体为：
6.根据权利要求1所述的一种基于GFGRU的浅海声速剖面匹配场反演方法，其特征在于，所述S5具体为：
【技术特征摘要】
1.一种基于gfgru的浅海声速剖面匹配场反演方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于gfgru的浅海声速剖面匹配场反演方法，其特征在于，所述s1具体为：
3.根据权利要求2所述的一种基于gfgru的浅海声速剖面匹配场反演方法，其特征在于，所述s2具体为：
4....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。