[发明专利]一种基于域自适应网络的水下声源定位方法及系统

说明书

本发明公开了一种基于域自适应网络的水下声源定位方法及系统，该方法包括：利用实验海区的环境信息生成仿真声压数据，采集实验海区实际声压数据；对生成的仿真声压数据和采集的实际声压数据进行加噪、归一化，并计算协方差矩阵；生成标签；构建域自适应网络，域自适应网络包含特征提取网络、声压样本分类网络以及域分类网络；利用训练好的域自适应网络计算实际声压数据的分类概率，将概率最大的类别对应的位置作为预测的声源位置。本发明通过引入域自适应学习，把无监督的实际数据引入到训练过程中，能够有效地提高网络对水下声源跨域定位的准确度，并且能够一定程度上缓解实际数据量偏少，不足以用来训练模型的问题。

技术领域

本发明涉及声学信号处理技术领域和人工智能领域，特别涉及一种基于域自适应网络的水下声源定位方法及系统

背景技术

近年来，海洋的战略地位得到了越来越多的重视，目标定位与海洋资源的探测和开发息息相关，因此目标声源的被动定位是水声领域的重要问题。目前，基于物理声场建模的匹配场处理方法是水声被动定位领域的主流算法。然而，传统的匹配场在网格划分较细的情况下计算耗时较大，且容易受到环境先验信息准确度影响。因此，近年来基于深度学习的水下声源定位算法逐渐受到关注，但是深度学习方法需要大量数据来支撑，而水声定位领域由于实际样本获取难度大、成本高，很难有满足大规模模型训练需要的高质量、丰富度高的实际数据集，因此国内外研究者大多采用模拟数据训练模型，但是由于模拟数据和真实数据存在偏差，这样训练出的模型在真实数据上性能往往会明显下降。综上所述，提出一种准确、拥有良好跨域工作能力水下声源定位方法及系统十分重要。

现有的技术面临的挑战主要有：1.水下声源定位通常基于匹配场方法，将感兴趣的区域划分成网格，根据简正模传播模型来计算各个网格存在声源时阵的接收数据，这些数据被称为拷贝场。将阵元接收到的真实数据与拷贝场做相关，来搜索声源位置。匹配场方法对误差敏感，算法性能对环境的先验信息准确程度依赖度高，然而，海洋是一种时变，空变的动力学演化的声信道，这就导致在某些时刻和位置实测的声场与理论建模声场之间存在一定的偏差和失配。2.现有的基于深度学习的算法大多采用相同环境参数生成的仿真声压数据，再随机划分训练集和测试集；或者将同一次实验中采集到的声压数据划分成训练集和测试集，训练测试集分布高度相同，模型在测试集上通常性能很好。然而，这样训练出的模型在环境参数变化的情况下性能可能会大幅度下降，无法执行跨域任务。3.由于声学实验存在数据量少、缺少高质量的标注数据和训练样本、样本不平衡等问题，训练出来的模型可能过拟合或是泛化能力不高。

综上，提高源跨域定位的准确度成为目前亟待解决的重要技术问题。

发明内容

本发明的目的在于针对现有水下声源定位算法的不足，提供了一种基于域自适应网络的水下声源定位方法及系统，用于定位声源位置。本发明可以利用域自适应学习的方式提高模型的跨域工作性能，定位结果准确率高，模型具有较高的鲁棒性。

本发明的目的是通过以下技术方案来实现的：

本发明一方面提出了一种基于域自适应网络的水下声源定位方法，该方法包括以下步骤：

(1)数据采集：利用实验海区的环境信息生成仿真声压数据；采集实验海区实际声压数据。

(2)数据预处理：对生成的仿真声压数据和采集的实际声压数据进行加噪、归一化，并计算协方差矩阵。

(3)标签生成：假设有两种数据分布：源域数据分布S(x,y)和目标域数据分布T(x,y)，定义d_i为第i个样本的域标签，若d_i＝0表示该样本是一个来自源域的有监督样本，具有类别标签，标签信息中带有声源位置信息。反之若d_i＝1则该样本是一个来自目标域的无监督样本，无类别标签，标签信息中不带有声源位置信息。对于仿真声压数据d_i＝0，对于实际声压数据d_i＝1。