强非线性时间演化声速剖面的序贯反演

作者：苏林; 任群言; 庞立臣; 郭圣明^*; 马力

来源：声学学报(中文版), 2019, 44(04): 452-462.

DOI：10.15949/j.cnki.0371-0025.2019.04.006

• 声速剖面
• UPF
• 时间演化
• 强非线性

受海面波浪起伏、降雨和内波等海洋动力学过程的影响,浅水声速剖面的时间演化具有高度非线性,针对该问题提出使用改进的粒子滤波方法进行声速剖面序贯反演.该方法通过建立声速剖面的经验正交模型(EOF)以及描述声速剖面时间演化特征的状态空间模型,将声速剖面反演问题建模为状态跟踪问题,利用不敏粒子滤波(UPF:Uncented Particle Filter)算法进行声速剖面序贯反演。仿真试验通过实测声速剖面数据和先验地声参数信息产生接收声场数据,再利用模拟声场数据估计声速剖面的时间变化.结果表明,相比于集合卡尔曼滤波(EnKF:Ensemble Kalman Filter),在计算效率等同的情形下,该方法可以在状态参数的时间跳变点保持良好的跟踪性能,一定程度上克服了现有反演算法在跳变点发散的问题,可以有效提高声速剖面反演精度,尤其在声速剖面时变性较强时具有显著优势.

• 出版日期2019
• 单位中国科学院声学研究所; 中国科学院大学