基于物理信息残差神经网络的磁感应波尾签名下船舶长度估计

海洋遥感增强了海事监视、环境监测和 Naval 操作。船舶长度估计是该技术的关键组成部分，通过赋能诸如船舶分类等特征，实现有效的海事监视。本文提出了一种创新方法，用于从船舶的磁感应波尾签名进行船舶长度估计，该方法利用通过单次空中磁感应传感器扫描获取的低复杂度一维轮廓。该方法的核心是我们建立的将磁感应波尾与船舶长度在现实有限深海环境中相联系的非线性积分方程。为求解推导的方程，我们最初采用深度残差神经网络（DRNN）。我们展示的基于 DRNN 的解决方案框架在受限训练数据集约束下无法准确学习参数之间的复杂关系。为克服这一问题，我们引入一种创新方法，利用物理信息残差神经网络（PIRNN）。该模型将物理公式直接集成到损失函数中，实现在准确性和收敛速度方面的性能提升。考虑到传感器扫描角度小于 $15^\circ$（低于 Kelvin 极限角度 $19.5^\circ$ 的合理容差），我们探讨了各种参数对船舶长度估计准确性的影响，包括传感器扫描角度、船舶速度和海浪深度。数值仿真结果表明，所提出的 PIRNN 方法优于传统方法，对于长度大于 100m 的船舶，平均长度估计误差始终保持在 5\% 以下；对于较短的船舶，误差通常保持在 10\% 以下。