买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明涉及一种基于阵列多途时延结构的声速剖面反演方法，建立了声速扰动模型，利用垂直位移扰动和海面声速扰动表征声速扰动信息，实现了声速剖面的高自由度扰动结构至垂直位移扰动和海面声速扰动的非线性映射。建立合成数据集，基于经验正交分解算法并添加约束条件，生成新的合成数据集，增强了数据集的可变性，使其最大程度覆盖研究区域真实的声速剖面。基于大深度阵列的直达信号和一次海面反射信号之间的多途时延结构，构造适应度函数，结合遗传算法实现了声速剖面的预测反演，利用大深度阵列各通道接收信号的多途时延到达结构和一个爆炸弹信号便可以实现声速剖面的预测反演，实现简单，适用于对卫星遥感技术同化预测进行校正，提高预测精度。

主权项：1.一种基于阵列多途时延结构的声速剖面反演方法，其特征在于步骤如下：步骤1：对研究海域内，以公开的argo历史数据和公开的woa18数据生成若干声速剖面ssps作为基样本，求均值，得到的声速剖面平均值作为参考声速剖面sspref；1000m深度以上，采用argo历史数据；1000m以下的，采用woa18数据；以参考声速剖面sspref数据作为声速扰动模型的输入，得到扰动数据集sspdis；步骤2：以扰动数据集sspdis的数据作为经验正交分解算法的输入，得到以声速剖面均值，模态向量和相应的系数表达的扰动数据集，得到公式5如下； 其中：sspmean是扰动数据集的均值，Φk是经验正交分解的第k个模态向量，αk为选取的一组经验正交分解系数α中第k个模态向量对应的系数，sspdis为选取的这组经验正交分解系数对应的扰动数据集；计算模态基向量对应系数αk的均值μk和标准差σk，从均匀分布Uμk+2σk＜＝αk＜＝μk+2σk中随机抽取一组αk系数，采用公式5生成对应的声速剖面；对新的一组声速剖面，强制执行物理约束：-γΔcmin,j≤csyn,j-cmean,j≤γΔcmax,jγ≥1,j＝1,2,...,mcmean,j表示扰动数据集在深度为j时的平均声速，csyn,j为合成数据集在深度为j时的声速，Δcmax,j和Δcmin,j分别表示扰动数据集相比其平均声速在深度为j时最大和最小的声速扰动，γ为耐受性因子；将经过约束和筛选得到合成数据集并起来，形成最终的合成数据集sspsyn；再次对合成数据集采用下述公式7进行EOF经验正交分解： 其中：ssp'mean是合成数据集的均值，Φk'是对合成数据集进行经验正交分解的第k个模态向量，αk'为选取的一组经验正交分解系数α'中第k个模态向量对应的系数，sspsyn选取的这组经验正交分解系数对应的合成数据集；步骤3：仅使用系数αk'的前3阶系数α1'，α2'和α3'作为遗传算法的待反演参数，计算系数α1'，α2'和α3'的变化范围，得到的经验正交分解系数范围内任意选取一组系数α1'，α2'和α3'；通过公式7在合成数据集中找到与其一一映射的声速剖面，再使用bellhop声学射线模型计算得到与声速剖面对应的多途时延到达结构dlyak',i,j；构造的适应度函数即目标函数fαk'为公式8： 其中，n表示阵列的通道数；dlyrli,j为声学观测数据对应的多途时延结构；利用遗传算法对待反演的参数α1'，α2'和α3'进行反演估计，然后结合合成数据集的均值sspmean'以及合成数据集经验正交分解的前3阶模态向量Φ1'，Φ2'和Φ3'，将参数代入式公式7中实现声速剖面的反演，即在合成数据集中寻找到适应度最低对应的声速剖面。

全文数据：

权利要求：

百度查询： 西北工业大学 基于阵列多途时延结构的声速剖面反演方法