基于字典学习的声速剖面重构和反演 |
| |
基金项目: | 国防科技重点实验室基金资助项目(JCKY2022207CH10) |
| |
摘 要: | 声速剖面(Sound Speed Profile,SSP) 是海洋环境观测的重要要素之一,引入遥感参数进行SSP 反演可以实时获取声速数据。反演首先需要依托精确的基函数对声速场进行降维表示,本文提出一种利用非线性基函数-学习字典(Learned Dictionaries,LDs) 提高降维精度的方案,并使用在多源信息融合上表现良好的自组织竞争型神经网络算法(Self-organizing Map,SOM) 对南海海域进行SSP 反演。实验结果使用均方根误差(Root Mean Square Error,RMSE)作为精度评估。实验结果显示:LDs 较传统基函数-经验正交函数(Empirical Orthogonal Functions,EOFs) 的降维精度在使用三阶基函数时提升0.13 m/s,五阶基函数提升0.07 m/s。使用五阶基函数进行反演,LDs 的反演精度为3.01 m/s,低于EOFs 的反演精度2.47 m/s。其原因为反演误差在机器学习训练基函数时被放大,导致所求得反演系数欠优。LDs 基函数较之传统的EOFs 能够有效突破正交性的限制,更精确地表示声速的扰动,达到了更高的降维精度,为声学信号处理任务的基函数学习提供一种方案。
|
关 键 词: | 声速剖面;学习字典;经验正交函数;自组织竞争型神经网络 |
Reconstruction and Inversion of Sound Speed Profile Based on Dictionary Learning |
| |
Abstract: | |
| |
Keywords: | sound speed profile learned dictionaries empirical orthogonal functions self-organizing map |
|
| 点击此处可从《海洋技术学报》浏览原始摘要信息 |
|
点击此处可从《海洋技术学报》下载免费的PDF全文 |