水声被动定位中的机器学习方法研究进展综述

论文摘要

本文对基于机器学习方法的水声被动定位研究进展进行了综述。所涉及的机器学习方法有多层感知机(前馈神经网络)、支持向量机、随机森林及以卷积网络层和全连接层为主要组成单元的深度神经网络。本文通过重点引述近几年发表在国际期刊和会议上的相关前沿研究工作,详细论述了将机器学习方法应用于水声被动定位的关键理论基础、单水听器和阵列前端信号预处理算法设计及几种典型的机器学习模型。此外,还指出了现有算法在推向实际应用中面临的困难及挑战。最后,基于作者的思考,文章展望了未来基于机器学习的水声定位算法的几个潜在的研究方向。

论文目录

• 1 引言
• 2 定位算法
•   2.1 理论基础
•   2.2 前端预处理算法
•   2.3 典型机器学习模型
•   2.4 性能评价
•   2.5 与匹配场定位的区别
• 3 部分海试实验数据概述
• 4 现有模型存在的问题及解决思路
• 5 结论

文章来源

类型: 期刊论文

作者: 牛海强,李整林,王海斌,宫在晓

关键词: 水声被动定位,机器学习,深度学习,神经网络,监督学习

来源: 信号处理 2019年09期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅱ辑

专业: 物理学,工业通用技术及设备,自动化技术

单位: 中国科学院声学研究所声场声信息国家重点实验室

基金: 国家自然科学基金资助项目(11434012,11874061),中国科学院青年创新促进会资助项目

分类号: TP181;TB56

DOI: 10.16798/j.issn.1003-0530.2019.09.002

页码: 1450-1459

总页数: 10

文件大小: 374K

下载量: 454