多波束測深聲吶海底底質(zhì)分類技術(shù)研究.pdf

1、多波束測深聲吶是海底特征聲學(xué)遙感的主流設(shè)備之一，不僅能提供全海深、寬覆蓋、高精度的海底地形地貌信息，而且利用其接收的海底反向散射數(shù)據(jù)還可用于判別海底表層底質(zhì)信息，從而能實(shí)現(xiàn)海底地形、地貌與底質(zhì)類型多種海底特征信息的一體化探測，這有利于提高海洋調(diào)查的工作效率。而如何有效地利用多波束測深聲吶測量的聲學(xué)數(shù)據(jù)并可靠地判斷海底底質(zhì)類型長期以來一直是人們廣泛關(guān)注地?zé)狳c(diǎn)與難點(diǎn)問題。本文結(jié)合國內(nèi)外多波束測深聲吶海底底質(zhì)分類技術(shù)的研究現(xiàn)狀與發(fā)展趨勢，重點(diǎn)

2、圍繞具有完全自主知識產(chǎn)權(quán)的國產(chǎn)多波束測深聲吶海底反向散射成像，成像數(shù)據(jù)的統(tǒng)計(jì)特性，多源信息特征提取方法以及分類算法的實(shí)現(xiàn)等4個(gè)主要方面開展研究工作，并以理論分析、計(jì)算機(jī)仿真以及湖上與海上試驗(yàn)數(shù)據(jù)處理等理論和實(shí)驗(yàn)方法為研究手段，主要研究內(nèi)容如下：
　　1、研究基于多波束測深聲吶的海底反向散射成像技術(shù)。在總結(jié)分析現(xiàn)有3種基于多波束測深聲吶的海底成像方法原理及其各自優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了一種基于多波束相干原理的海底聲學(xué)成像方法。首先理論

3、研究多波束相干算法估計(jì)海底回波到達(dá)時(shí)間（Time of Arrival, TOA）與到達(dá)角度（Direction of Arrival, DOA）信息的基本方法，并在估計(jì)相位差序列時(shí)為抑制噪聲影響，從相干信號的幅度、相關(guān)性以及頻譜3個(gè)角度對相位差數(shù)據(jù)進(jìn)行質(zhì)量控制。在此基礎(chǔ)上，利用得到的TOA-DOA數(shù)據(jù)并考慮水中聲速對聲波傳播路徑的影響對海底檢測點(diǎn)的回波強(qiáng)度以及空間位置進(jìn)行估計(jì)。由于該成像方法在對海底檢測點(diǎn)的回波強(qiáng)度及其位置進(jìn)行測量時(shí)都

4、利用共同的TOA-DOA信息，因此避免了snippet法中對各波束內(nèi)回波強(qiáng)度序列的位置及其入射角度計(jì)算時(shí)的近似處理，實(shí)現(xiàn)回波強(qiáng)度及其空間位置數(shù)據(jù)的準(zhǔn)確融合，提高了成像質(zhì)量，并且該方法具有良好的空間分辨率。然后，結(jié)合聲吶方程對回波強(qiáng)度數(shù)據(jù)進(jìn)行修正，獲取與海底底質(zhì)特征聯(lián)系更為緊密的反向散射強(qiáng)度數(shù)據(jù)，并分析研究反向散射強(qiáng)度的角度關(guān)系修正模型，以剔除其對海底聲圖像顯示的不利影響。最后，通過試驗(yàn)數(shù)據(jù)對基于多波束相干原理的海底成像方法性能進(jìn)行檢驗(yàn)，

5、驗(yàn)證了該方法的有效性。
　　2、對多波束海底反向散射數(shù)據(jù)的統(tǒng)計(jì)特性進(jìn)行研究。在理論分析海底反向散射信號幅度服從K分布模型的基礎(chǔ)上，推導(dǎo)得到海底反向散射強(qiáng)度數(shù)據(jù)的概率分布服從對數(shù)域K分布，并估計(jì)模型參數(shù)的表達(dá)式。通過對上述概率分布模型的進(jìn)一步近似推導(dǎo)，分析高斯分布假設(shè)描述反向散射強(qiáng)度概率分布的適用條件與局限性。然后利用仿真數(shù)據(jù)以及多種底質(zhì)類型、兩個(gè)不同頻率的多波束測深聲吶試驗(yàn)數(shù)據(jù)對上述理論結(jié)果進(jìn)行檢驗(yàn)，驗(yàn)證了理論分析的正確性和實(shí)用性

6、。最后對不同底質(zhì)、不同角度下反向散射強(qiáng)度數(shù)據(jù)的對數(shù)域K分布模型兩參數(shù)——尺度參數(shù)與形狀參數(shù)的一般變化規(guī)律進(jìn)行分析，試驗(yàn)結(jié)果表明兩參數(shù)與入射角度之間存在一定聯(lián)系，且不同底質(zhì)下的形狀參數(shù)與尺度參數(shù)存在一定差別。
　　3、對多源信息特征提取方法及其分類性能進(jìn)行研究。首先以多波束海底聲圖像為數(shù)據(jù)源研究基于數(shù)據(jù)概率分布特性的特征提取方法，基于灰度共生矩陣的紋理特征提取方法以及基于功率譜比的Pace特征提取方法；其次，結(jié)合試驗(yàn)數(shù)據(jù)分析圖像樣本

7、窗大小對分類結(jié)果的影響，結(jié)果表明隨著樣本圖像尺度的增加，分類正確率越高，而當(dāng)增大到一定程度時(shí)分類正確率趨于恒定，不再受樣本窗尺度的影響；并且通過利用Fisher判別比對上述特征提取方法得到各特征量的分類性能進(jìn)行比對分析；其中，將對數(shù)域K分布兩參數(shù)用作分類特征量，且分類性能較好；然后，將各特征提取方法得到的特征量構(gòu)成3組特征向量，并利用支持向量機(jī)（Support Vector Machine, SVM）分類器對各特征向量整體的分類能力進(jìn)行

8、綜合分析，最后，以反向散射強(qiáng)度數(shù)據(jù)的角度響應(yīng)曲線為數(shù)據(jù)源提取分類特征，并對其性能進(jìn)行仿真分析以及試驗(yàn)數(shù)據(jù)的檢驗(yàn)。從整體上看利用角度響應(yīng)曲線提取的特征向量與上述3種基于聲圖像的特征提取方法相比，分類正確率相對較低，其中基于數(shù)據(jù)概率分布特性得到的特征向量分類性能最好，對砂、礫質(zhì)砂、砂質(zhì)礫、泥質(zhì)砂質(zhì)礫以及巖石5種類型樣本數(shù)據(jù)的總體分類正確率可達(dá)到91.95％。
　　4、研究多源特征合成核SVM的多波束底質(zhì)分類方法。為使多種特征信息聯(lián)合使

9、用后充分發(fā)揮各自特點(diǎn)，提高分類性能，本文在理論分析傳統(tǒng)單核SVM分類器分類原理的基礎(chǔ)上提出利用合成核SVM進(jìn)行多波束海底底質(zhì)分類的方法，即將不同特征信息數(shù)據(jù)以加權(quán)加法形式構(gòu)成合成核以代替?zhèn)鹘y(tǒng)的單核形式，并用SVM分類器進(jìn)行海底底質(zhì)分類。討論了分類算法中最優(yōu)參數(shù)的交叉驗(yàn)證搜索方法以及總體樣本正確率、Kappa系數(shù)等分類正確率評價(jià)方法。并在此基礎(chǔ)上，結(jié)合試驗(yàn)數(shù)據(jù)對本文研究方法的有效性進(jìn)行檢驗(yàn)。試驗(yàn)結(jié)果表明，基于合成核SVM的海底底質(zhì)分類可得