[发明专利]一种基于核极限学习机的水下声源被动定位方法

说明书

本发明公开了一种基于核极限学习机的水下声源被动定位方法，包括：对使用KRAKEN程序模拟出的复声压数据进行取模运算以及归一化操作，将得到的实矩阵作为核极限学习机的训练数据；使用训练数据训练核极限学习机，得到水下声源定位预测模型，即根据观测到的声场数据，预测出信号源的距离和深度。本发明同时适用于单水听器以及水听器阵列的情形，取得了较高的定位精度，并且在实时性上具有显著优势。

技术领域

本发明涉及一种水下声源被动定位方法，尤其涉及一种基于核极限学习机的水下声源被动定位方法，属于信号处理技术领域。

背景技术

水下声源被动定位是利用水听器对水下声波信号进行接收并以此判断水下声源的水平距离以及垂直深度的技术。通常，被动式声源定位系统主要由单个或多个水听器构成，根据接收到的声压信号以及声波信号在水下传播的特性，反推出声源的位置。

目前，基于匹配场处理结合声传播模型和阵列信号处理的方法，是水下目标被动定位的主要手段之一。这种方法在水下目标被动定位领域具有广泛的应用。匹配场处理的性能主要依赖于对传播环境的精确建模，这就要求对环境参数具有非常精确的测量和估计，在某些情况下，如环境失配、表面干扰、模型参数未知等，其定位性能会受到严重影响与制约。

近年来，机器学习方法在诸如计算机视觉，自然语言处理等领域取得了突破性的成就。机器学习方法能够对数据的高维特征进行抽象和提取，提高处理的精度以及速度。

发明内容

发明目的：鉴于以上陈述的已有技术的不足，本发明旨在提供一种基于核极限学习机的水下声源被动定位方法，该方法能够在保证较高精度的同时，明显提高水下定位的速度，提高算法实时性。

技术方案：本发明的目的是通过如下手段来实现的。

一种基于核极限学习机的水下声源被动定位方法，包括以下步骤：

(1)对使用KRAKEN程序模拟出的向量数据进行取模运算以及归一化操作，得到一个实矩阵作为训练数据。

(2)使用训练数据对核极限学习机进行训练，得到水下声源定位模型，则根据观测到的声场数据，预测出声源的深度及位置。

进一步的，步骤(1)中，首先在预期的深度范围和距离范围内，以距离间隔Δr和深度间隔Δd，生成K₁个距离标签和K₂个深度标签然后按照生成的距离和深度标签，使用KRAKEN程序进行仿真，生成相应距离和深度下的复声压数据；该数据需通过取模运算将其转换为实数形式，然后将声压数据归一化，以作为训练数据。

进一步的，步骤(2)中使用核极限学习机模型进行声源定位，训练过程如下：

1)将训练数据输入核极限学习机，训练数据包括声压数据矩阵[x_i1，x_i2，...，x_in]^T∈Rⁿ以及对应声压数据的标签向量[c_i1，c_i2，...，c_im]^T∈R^m，其中，n代表输入特征维度，m代表输出特征维度；

2)训练数据中声压数据经过核函数映射，生成高维特征核矩阵Ω_ELM，利用该特征矩阵与one-hot形式的标签矩阵C共同求解输出权重矩阵B；

基于核极限学习机的水下声源被动定位方法预测过程如下：

1)将待预测声压数据进行取模以及归一化预处理，然后输入核极限学习机；