基于神經網絡的海面噪聲預測算法

陶　榮，詹　鋒

(1.廣西工商職業技術學院,廣西 南寧 530008； 2.廣西大學,廣西 南寧530004)

基于神經網絡的海面噪聲預測算法

陶榮1，詹鋒2

(1.廣西工商職業技術學院,廣西 南寧 530008； 2.廣西大學,廣西 南寧530004)

摘要：海面噪聲是整個海洋噪聲研究領域的重要組成部分，準確預測海面噪聲對于船舶探測系統及水聲系統性能至關重要。本文對影響海面噪聲的信號源特性進行分析，通過統計學方法對噪聲源的分布情況及噪聲傳播條件進行研究，分析傳播中的射線原理對噪聲的影響。最后利用神經網絡算法對簡正波模型進行改進，研究小角度范圍內噪聲場的密度函數，并發散至大廣角范圍，得到海面噪聲以及噪聲信道的統計特性函數，并進行了實驗。

關鍵詞：神經網絡；簡正波；海面噪聲

0引言

隨著海洋開發的持續深入，船舶及探測系統已越來越向縱深發展。海底探測現行主要技術是聲吶探測，但是海洋環境噪聲對聲吶探測會造成一定干擾，所以對海洋噪聲的研究成為海洋探測領域中很重要的課題，在對目標物進行探測定位時，首先需要了解目標物周圍的噪聲場統計特性。

現在已發展了多種海洋噪聲預測模式對噪聲的特性進行預測，如簡正波模型、射線模型以及波束積分模型，這些模型都是基于噪聲獨立分布于海面上，并且沒有考慮海水的折射反射影響。同時，經過多年的實驗測量表明，海面噪聲統計特性往往是深海噪聲特性的Wenz曲線，所以海面噪聲是整個海洋噪聲研究的基礎。

本文在分析海面噪聲簡正波模型以及射線理論的基礎上，利用神經網絡算法對小角度范圍內噪聲場進行研究，得到其密度函數，同時計算獲得了海面噪聲空間及強度的算術表達式。

1海面噪聲數學模型分析

1.1　海面噪聲的射線理論模型

假設海面噪聲源在海面均勻分布，并且所有噪聲源信號發射向下，如圖1所示。

圖1　海面噪聲模型Fig.1　The sea surface noise model

圖1假設噪聲源信號以傾斜角度a角度向水下輻射，則其聲壓指向為：

D(a,φ)=0，a<0；

Eγ(a),a>0。

(1)

式中：a為噪聲源與海平面的角度；γ(π/2)=1； E為噪聲統計平均值。射線理論模型有如下假設：

1)假設噪聲源在海面均勻分布，數量為N，δ=N(E2)為噪聲源垂直于海面的噪聲強度。

2)假設海面至海底為分層信道，聲音在海水中速度為c(z)，海水密度恒定，海深為h，海面與海底反射強度分別為-Vs(as)和Vb(ab)e-iφ。

N個噪聲源噪聲輻射如圖2所示。

圖2　海面噪聲聲線圖Fig.2　The line graph of sea surface noise

圖2模型的海面噪聲方向密度函數Nr(a,z)為：

Nr(a,z)=δγ2(as)exp(-2aL1)[1-V2exp(-2aL)sinas]>，a<0，

(2)

1.2　海面噪聲場簡正波模型

同樣假設噪聲源均勻發散在海面下一定深度的平面上，其分布如圖3所示。

圖3　海面噪聲模型幾何圖Fig.3　The geometric figure of sea surface noise surface model

圖3噪聲源離海面深度為z=z′，信號接收器在(r,z)處的噪聲場表達式為：

φ(r,z)=∫S(r′)g(r,r′,z,z′)d2r′。

(3)

式中：S為噪聲源的統計量；(r,r′,z,z′)為格林表達式。

2基于簡正波模型的實驗數據分析

2.1　數據實驗

本實驗在東海海域測試了大量海面噪聲數據：假設相鄰噪聲源信號經過相同信道的時序信號為x1(t),x2(t)， 按間隔ΔTi對信號截取，截取后分為n段，對其進行傅里葉變換，變換后的信號記為：

(4)

為了弱化海面噪聲源隨機統計特性及沖激函數對最后結果的影響，對n時間段歸一化取均值，算式為：

(5)

圖4分別給出了100 Hz廣角范圍內噪聲場水平相關實驗數據、簡正波模型計算結果比較及100 Hz噪聲波速的功率譜。

圖4　實驗噪聲場水平相關與簡正波模型計算結果比較Fig.4　Experimental measurement data compared with computing　result based on normal-mode

圖4中，圓圈代表式(4)處理的精確實驗記錄的統計噪聲水平相關數值與噪聲源距離曲線圖，實線代表利用簡正波算數模型求得的噪聲預報相關系統的結果，實驗統計的噪聲頻率為100 Hz，噪聲源水平間距為20 m。可以看出，實驗實際的噪聲水平相關系數與利用簡正波模型預報得出的噪聲場水平相關系數誤差較大。本次計算的參數如下：海面至統計噪聲源器件深度H1=30.5 m，噪聲沉積面距離海面H2=25.5 m，H1處的密度為ρ1=1.83 g/cm2，H2處的密度為ρ2=1.95 g/cm2，沉積面的噪聲傳播的梯度分界c1=1 565.3 s/m，c1=1 653.3 s/m，沉積面及海面海底具有相同的信道衰減系數β1=β2=0.265(f/1000)1.96db/m。

在100 Hz噪聲場波速角度與噪聲功率譜的關系結果如圖5所示。

圖5　噪聲場波速形成結果Fig.5　The wave form result of noise field

2.2　數據結果分析

首先，通過簡正波數學模型計算的海底噪聲傳播速率、噪聲信道的衰減參數、噪聲功率以及噪聲密度相關系數存在著較大的不確定性。如海底噪聲傳播速率在大角度海面環境以及高頻噪聲環境下，海底的噪聲信道衰減系數會隨之變大，從而在此環境中，引起的噪聲場相關系數也隨之變大。

其次，對實驗噪聲數據進行水平波速分析，如圖5所示。用簡正波模型進行計算時，在45°方向得到最大的噪聲功率譜，之后隨著角度的變大急劇衰減。

一般情況下，利用射線理論及簡正波模型適合高頻遠場噪聲源及小角度范圍內的高頻噪聲源的噪聲場密度。對于大角度范圍的低頻噪聲信號有較大的漏輻射，具有一定的局限性。

3基于神經網絡的海面噪聲預測算法

3.1　算法模型

神經網絡是一種模擬生物神經功能的算法模型，本文利用現流行的多層前傳神經元網絡對噪聲模型進行預測。

多層前傳神經元網絡包含輸入層、網絡層以及輸出層，中間的網絡層又可以有多層結構。

(6)

f(x)=A/{1+exp[-B°x+θ]}。

(7)

式中：x為輸入元素；θ為閥值；A和B分別為整個網絡的幅度及斜率參數。

根據第1.2節描述的簡正波模型，假設在(r,z)有一離散艦船，則其在位置(r1,z1)及(r2,z2)處的噪聲場為：

φ(r1,z1)=∫S(r′)g(r,r′,z,z′)d2r′+S(r)g(r1,r,z1,z)，

(8)

φ(r2,z2)=∫S(r″)g(r2,r″,z2,z′)d2r″+Sr(r)g(r2,r,z2,z)。

(9)

(10)

則第k-1層的第i噪聲場與第k層的第j噪聲場的互譜密度如下：

(11)

把式(10)代入式(11)得到：

(12)

考慮到海面噪聲功率密度函數可用均勻分布在海面及海底的噪聲源密度函數與接受的離散船舶的聲場密度函數的耦合相關表示，最后得到歸一化后的第k-1層的第i噪聲場與第k層的第j噪聲場的互譜密度為：

(13)

3.2　基于神經網絡模型海面噪聲數據實驗

100 Hz廣角范圍內的噪聲場水平相關實驗數據、基于神經網絡的海面噪聲預測模型計算結果比較及100 Hz噪聲波速的功率譜如圖6所示。

圖6　實驗噪聲場水平相關與神經網絡模型計算比較Fig.6　Experimental measurement data compared with computing　result based on neural net model

對比圖(4)可看出，圖6的預測結果更接近真實值。噪聲場波速角度與噪聲功率譜的關系結果如圖7所示。

圖7　噪聲場波速形成結果Fig.7　The wave form result of noise field

4結語

在現代海洋探測領域中，對海面噪聲及整個海洋環境噪聲的精確預測是其關鍵，其對船舶的探測系統至關重要。本文首先分析噪聲源的分布情況，隨后研究了噪聲預測的簡正波模型、射線模型的原理，并在此基礎上通過對簡正波數學模型進行實驗收集的噪聲數據進行分析，與真實噪聲進行了對比，分析了模型的利弊。

最后利用神經網絡算法對現有的簡正波預測模型進行了改進，通過神經自適應來修正預測的噪聲場密度函數，最后通過實驗數據進行預測，結果顯示新的噪聲預測模型更為精確。

參考文獻：

[1]JENSON F B,KUPERMAN W A,PORTER M B,et al.Computational ocean acoustics[M].New York:AIP Press,1994：518-523.

[2]KUPERMAN W A,INGENITO F.Spatial correlation of surface generated noise in a stratified ocean[J].Acoust Soc Am,1980,67(6):1988-1996.

[3]HARRISON C H.Formulas for ambient noise level and coherence[J].Acoust Soc Am,1996,99(4):2055-2066.

[4]杜敬林,遲壽育,馬忠成.基于矢量水聽器淺海波導中海面噪聲場的空間特性研究[J].艦船科學技術,2009,31(10):56-59.

DU Jing-lin,CHI Shou-yu,MA Zhong-cheng.Research on spatial character of surface noise in shallow sea based on vector sensor[J].Ship Science and Technology,2009,31(10):56-59.

[5]WATKINS L H.Environmental impact of roads and traffic[M].England:Applied Science Publishers,1981.

Research on the ocean ambient noise prediction based on neural net

TAO Rong1,ZHAN Feng2

(1.Guangxi Vocational College of Technology and Business,Nanning 530008,China；

2.Guangxi University,Nanning 530004,China)

Abstract：Sea surface noise is an important part of the whole ocean noise field, it's also important to the performance of ship detection system and underwater acoustic system. The paper study the propagation of noise through the statistical method, also study the normal-mode formula of the directional density function suitable model. At last, the normal-mode theory of surface-generated noise is developed based on neural net.

Key words：neural net; normal-model; sea surface noise

作者簡介：陶榮( 1981 - ) ，女，碩士，講師，主要研究方向為計算機技術。

收稿日期：2014-06-20； 修回日期： 2014-07-18

文章編號：1672-7649(2015)02-0172-04

doi：10.3404/j.issn.1672-7649.2015.02.038

中圖分類號：TP391

文獻標識碼：A