基于注意力辅助的多模态数据融合模型用于实时估测水下声速
信号处理
2026-04-10 v3 声音
摘要
水下声速分布估计是有效水下通信和精确定位的关键基础，因为声速的变化会影响信号传输路径。传统的声速直接测量技术，以及利用声场数据反演声速的方法，都需要现场数据收集。这不仅对设备部署提出了高要求，还给实现声速分布的实时估计带来了挑战。为构建实时声速场并消除水下现场数据测量操作的需求，我们提出了一种自注意力嵌入多模态数据融合卷积神经网络（SA-MDF-CNN），用于实时水下声速剂面（SSP）估计。该模型旨在阐明遥感海表温度（SST）数据、历史声速剂面（SSP）的主要组成特征以及它们的空间坐标之间的内在关系。这通过采用卷积神经网络和注意力机制从输入数据中提取局部和全局关联性来实现。最终目标是实现在指定任务区域内声速分布的快速精确估计。实验结果表明，本文提出的方法相比其他最先进方法具有更低的均方根误差（RMSE）和更强的鲁棒性。
引用
@article{arxiv.2502.12817,
title = {An Attention-Assisted Multi-Modal Data Fusion Model for Real-Time Estimation of Underwater Sound Velocity},
author = {Pengfei Wu and Wei Huang and Yujie Shi and Hao Zhang},
journal= {arXiv preprint arXiv:2502.12817},
year = {2026}
}