基於多波束聲納技術的海底混合底質類型分類方法
2023-10-06 14:10:49 2
專利名稱：基於多波束聲納技術的海底混合底質類型分類方法
技術領域：
本發明涉及應用多波束聲納技術對海底混合底質類型進行分類識別的方法。
背景技術：
海底底質類型是一種重要的海洋環境參數，底質類型的分布對海洋科學研究、海 洋工程以及國防建設等具有重要的科學與實際意義。傳統的地質取樣方式在分析底質特 徵、確定底質類型，存在設備笨重，工作費時、費力等不足；而且，傳統取樣通常按一定網格 離散地取樣，通過資料內插與外延來了解區域內海底底質特性，並進行分類，因此其代表性 有局限性，可靠性也常不夠。多波束聲納技術是二十世紀六十年代以來發展起來的新一代海底地形測量技術。 多波束聲納系統不但可以獲取高精度的水深地形數據，而且可以同時獲取高精度的海底反 向散射強度數據。利用其反向散射強度數據，結合一定的傳統地質取樣進行底質分類，為海 底底質分布提供了一種快速而有效的探測方法。目前國內外研究人員在多波束底質分類方 面做了大量有益的工作，但是，存在分類精度不高、分類級別不多(主要針對單一底質類型 分類)等問題。針對這些問題，本發明提出基於多波束聲納系統獲取的反向散射強度數據，通過 分析海底地形特徵、中央波束區反射信號等因素對反向散射強度產生的影響，改進現存的 多波束反向散射強度數據改正模型；依次基礎，結合海底地質取樣獲取的真實海底沉積物 樣品數據，詳細系統地尋求海底反向散射強度與底質類型特徵之間的關係；並以神經網絡 分類方法，實現對海底混合底質類型的快速、準確自動識別。
發明內容
本發明的目的就是藉助多波束聲納技術，發展出一種實用性強、通用性高，能夠通 過處理和分析高精度多波束聲納數據，實現對海底混合底質類型分類的方法。本發明首先基於多波束聲納系統獲取的反向散射強度數據，通過分析海底地形特 徵、中央波束區反射信號等因素對反向散射強度產生的影響，改進現存的多波束反向散射 強度數據改正模型；依次基礎，結合海底地質取樣獲取的真實海底沉積物樣品數據，詳細系 統地尋求海底反向散射強度與底質類型特徵之間的關係；並以神經網絡分類方法，實現對 海底礫砂、砂質粉砂、泥質粉砂等混合底質類型的快速、準確自動識別。
本發明的具體實施流程圖
具體實施例方式1.改進多波束反向散射強度數據改正模型原始的多波束反向散射強度不能直接反應真實的海底底質特徵，必須對其進行改正處理。著重分析地形起伏、反射信號影響這兩種因素對反向散射強度的影響，改進目前的 多波束反向散射強度數據改正模型，獲取能真實反映海底底質特徵的反向散射強度值。針 對前人在數據改正處理方面所做的研究，主要進行以下兩項改進a.垂直航跡和沿航跡三維方向地形起伏改正實際海底地形起伏的改正不但受 到垂直航跡方向的傾斜影響，還受到沿航跡方向的傾斜影響，計算模型比較複雜。為得到精 確的地形起伏改正模型，擬用高精度的多波束水深數據建立精確的海底數字地面模型，再 對每一個反向散射強度值進行地形起伏改正計算。b.中央波束區反射信號影響及改正船底垂直正下方的中央波束區附近，由於受 到鏡面反射的影響，多波束換能器接收到的多為反射信號，主要是由法向入射和海底直接 反射形成的。一般在中央波束正負幾度範圍內，強度較大，表現在海底聲像圖上為沿航跡線 上的明亮條帶。在這一區域，換能器接收到的反射信號不能被當作一般的反向散射強度數 據直接用於底質分類研究，而應用現有的多波束後處理算法無法消除這一影響因素。中央 波束區反射信號對散射強度的影響，應用高斯加權平均算法，將中央波束區附近的反射強 度值加於改正計算，使得每個波束所代表的強度信息能正確反映海底底質類型特徵，削弱 反射信號對底質分類的影響。2.構建反向散射強度與底質類型特徵之間關係模型基於不同區域的同一種沉積物由於其含水量、密度和力學強度等物理特性以及海 底沉積環境的不盡相同，會產生不同的反向散射強度，所以並不能簡單通過數學公式確定 反向散射強度與底質特徵之間的關係。必須通過現場獲取的多波束反向散射強度數據以及 相應的地質取樣數據，應用多元統計相關分析方法詳細分析沉積物的粒度大小、孔隙度等 物理特性同反向散射強度值之間的統計關係，進而構建適合具體應用需要的反向散射強度 與底質類型特徵之間數學關係模型，通過模型計算，獲取反向散射強度與底質類型之間的 改正係數，並將這一改正結果應用到底質分類中，從而有效地提高了分類精度和分類級別。3.利用神經網絡對海底混合底質進行分類識別神經網絡是數據驅動、非線性、非參數模型，分類是人工神經網絡最活躍的一個研 究和應用領域。利用神經網絡方法實現對海底礫砂、砂質粉砂、泥質粉砂等混合底質類型的 快速、準確自動識別。(1)網絡建立建立一個監督型神經網絡，選取輸入向量P，同輸入向量P相對應的輸出目標類 別為現場取樣的海底底質類型數據，用向量T表示。選定網絡競爭層的神經元數目，將 輸入樣本向量數據ρ進行歸一化處理，數據值歸算到
之間，獲取網絡初始化權值 ω i j (0 ^ ω i j 彡 1)。(2)網絡訓練設定學習速率為Ir = 0. 01，最大訓練步數，期望誤差小於0. 1，其它參數使用網絡 默認值。經過多次循環訓練後，隱含層的神經元的權重向量分布發生了變化，這種分布適合 對輸入數據向量進行分類。(3)網絡測試及使用網絡訓練好以後，其權值就固定下來了。以後對於每一個輸入值，網絡就會輸出相 應的分類值，可以利用這一點來進行網絡的測試。
最後，將全部樣本數據輸入到訓練、測試好的神經網絡中，輸入的全部數據都有和 它們相對應的底質類型，數據被分為各種底質類型，獲得了高精度的海底底質分類結果。通過上述設計，本發明能夠快速、準確地識別海底混合底質類型，使得通過處理和 分析高精度多波束聲納數據，實現對海底混合底質類型的分類與識別，本發明既具有實用 性，又具有一定的通用性。
權利要求
1.原始的多波束反向散射強度不能直接反應真實的海底底質特徵，必須對其進行改正 處理；著重分析地形起伏、反射信號影響這兩種因素對反向散射強度的影響，改進目前的多 波束反向散射強度數據改正模型，獲取能真實反映海底底質特徵的反向散射強度值。
2.必須通過現場獲取的多波束反向散射強度數據以及相應的地質取樣數據，應用多元 統計相關分析方法詳細分析沉積物的粒度大小、孔隙度等物理特性同反向散射強度值之間 的統計關係，進而構建適合具體應用需要的反向散射強度與底質類型特徵之間數學關係模 型，通過模型計算，獲取反向散射強度與底質類型之間的改正係數。
3.利用神經網絡對海底混合底質進行分類識別(1)網絡建立建立一個監督型神經 網絡，選取輸入向量P，同輸入向量P相對應的輸出目標類別為現場取樣的海底底質類型數 據，用向量T表示；( 網絡訓練設定學習速率為Ir = 0.01，最大訓練步數，期望誤差小 於0. 1，其它參數使用網絡默認值；經過多次循環訓練後，隱含層的神經元的權重向量分布 發生了變化，這種分布適合對輸入數據向量進行分類；C3)網絡測試及使用網絡訓練好以 後，其權值就固定下來了 ；以後對於每一個輸入值，網絡就會輸出相應的分類值，可以利用 這一點來進行網絡的測試；最後，將全部樣本數據輸入到訓練、測試好的神經網絡中，輸入 的全部數據都有和它們相對應的底質類型，數據被分為各種底質類型，獲得了高精度的海 底底質分類結果。
全文摘要
基於多波束聲納技術的海底混合底質類型分類方法。本發明屬於海洋聲學遙感探測和識別領域，提出了基於多波束聲納系統獲取的反向散射強度數據，通過分析海底地形特徵、中央波束區反射信號等因素對反向散射強度產生的影響，改進現有的多波束反向散射強度數據改正模型；依次基礎，結合海底地質取樣獲取的真實海底沉積物樣品數據，詳細系統地尋求海底反向散射強度與底質類型特徵之間的關係；並以神經網絡分類方法，實現對海底混合底質類型的快速、準確自動識別。本發明實用性強、通用性高，主要用於對海底混合底質類型的分類和識別。
文檔編號G06N3/08GK102109495SQ20091026541
公開日2011年6月29日 申請日期2009年12月28日 優先權日2009年12月28日
發明者丁繼勝, 吳永亭, 周興華, 唐秋華, 陳義蘭 申請人:唐秋華