多波束声呐数据与历史测量反演声速剖面——仿真研究
信号处理
2024-09-04 v1 数值分析
数值分析
摘要
海洋的不透明性为安全问题带来挑战，新技术如水下无人机为非法活动（如走私与恐怖主义）提供了新的机会。无人地面车辆 (USV) 和自治 underwater 车辆 (AUV) 的网络为水下监视提供了潜在解决方案，但需要高度自主性和紧凑的硬件。为了提高 situational awareness 和高效运行，声呐性能模型可能为网络提供传感器覆盖图，但这需要不断更新的环境信息，特别是当前的声速剖面 (SSP)。我们提出从多波束声呐 (MBES) 数据中反演 SSP 的方法，假设海底地形已知。该方法利用 MBES 到底部的双程飞行时间，将测量值与模型化的飞行时间进行比较，以拟合 SSP 模型。声学射线追踪器用于模拟 SSP 模型的飞行时间。仅凭双程飞行时间构建的反演问题显示为非唯一，这通过引入基于 Tikhonov 正则化项来解决，将关于 SSP 的先验知识以及飞行时间共同纳入最终代价函数中。从历史 SSP 数据集中推导出经验正交函数 (EOF)，并确定 EOF 系数的方差。假设 EOF 系数分布为高斯分布，并用于正则化项，以将反演算法的搜索空间限制在物理上可行的 SSP 范围内。神经网络用于确定正则化参数。通过对挪威沟的合成声呐数据评估方法的有效性和对误差的灵敏度。该方法能够准确恢复 SSP，平均均方根误差为 0.83 m/s。与最新气候学 (WOA) 的误差为 2.6 m/s。
引用
@article{arxiv.2409.01933,
title = {Inverting the sound speed profile from multi-beam echo sounder data and historical measurements -- a simulation study},
author = {Yohann Gourret and Tommi Brander and Karl Thomas Hjelmervik},
journal= {arXiv preprint arXiv:2409.01933},
year = {2024}
}
备注
8 pages, 3 figures