循环神经网络在浅海声速-声源联合反演中的应用

王同， 苏林， 任群言， 王文博， 马力

(1.中国科学院 水声环境特性重点实验室， 北京 100190；2.中国科学院 声学研究所， 北京 100190；3.中国科学院大学， 北京 100049)

海水中的声速决定了海洋中的声传播特性[1]，剖面受到很多海水环境参数的影响，其中有一些相对稳定的参数，如海底的结构、海洋的深度等；还有一些动态变化的参数，如海水的生物群、海流、温度、盐度等。这些动态变化的参数，会随着时间的变化而发生变化。变化不稳定，会导致海水中声速产生变化，使得水层声速剖面具有明显的时空变化。

海水声速剖面的显著时间演化特性为声速剖面的序贯反演提供了可行性。Candy[2]将扩展卡尔曼滤波算法引入到海洋声学反演中，将声速剖面的时间演化过程建立为一阶时间演化模型。Yardim[3]通过经验正交函数(empirical orthogonal function，EOF)描述声速剖面，采用序贯滤波中的卡尔曼滤波和粒子滤波的方法对地声参数进行跟踪。Carriere[4-5]在水平变化环境中将声学反演问题改进为状态-空间模型，通过序贯滤波的数据同化算法进行海洋环境状态估计。李建龙等[6]通过海洋动力学模型与声速的关系反演声速场的时间与空间结构信息并验证了算法的有效性；金丽玲等[7]利用自回归分析拟合方法将声速场扰动建模为高阶自回归演化模型，通过集合卡尔曼滤波序贯的估计时间演化的海洋声速场。这些研究将时变声速剖面的反演问题改进为由描述声速剖面时变特性的状态方程与包含测量声场信息的测量方程组成的状态-空间模型，应对声场环境的时变特性。……