科技工作者之家
科技工作者之家APP是专注科技人才,知识分享与人才交流的服务平台。
科技工作者之家 2020-07-17
来源:中科院声学所
宽带信号的模态提取包含水平波数和模态深度函数的估计,是浅海声学中一项经典的研究课题。传统方法通常需要以下三者之一:海洋环境的先验信息、大孔径的接收阵列或移动声源。
近期,中科院声学所的牛海强、李整林、张仁和、宫在晓、王海斌等人联合美国Scripps海洋研究所的研究人员,合作提出一种利用块稀疏贝叶斯学习的垂直阵模态提取方法。这是一种结合了模态多频信息的压缩感知方法,优点是不需要海底参数的先验信息、运动声源和声源的位置信息(距离和深度)。因此,提取的模态水平波数和深度函数可用于地声参数反演和声源被动定位。理论上,该方法适用于任意已知海水声速剖面的浅海波导环境。对于图1所示的典型夏季负梯度声速剖面,由块稀疏贝叶斯学习估计得到的频率-波数模糊度表面图及KRAKEN理论计算结果如图2所示。可以看出存在四个明显的峰值线,对应前四号简正波。峰值点的位置同样与理论计算结果一致,说明了该方法在负梯度水文环境下的有效性。
▲ (a)负梯度海水声速剖面;(b)对应的前5阶模态的相速度(图/中科院声学所)
▲ 负梯度水文环境下由块稀疏贝叶斯学习估计得到的模态幅度模糊度图,圆圈表示KRAKEN理论计算结果(图/中科院声学所)
▲ 由块稀疏贝叶斯学习估计得到的4.4~56.6 km范围内的波数谱:(a) 实验数据;(b) 仿真数据(图/中科院声学所)
来源:cas-ioa 中科院声学所
原文链接:http://mp.weixin.qq.com/s?__biz=MzIyNzk0MzI4MQ==&mid=2247489182&idx=1&sn=6b52400319b103eb034ac58c4cd4f795&chksm=e8582080df2fa996704d69f45d165074517c01c37e0a8922b81c97beda4f1202167772dfe5ce&scene=27#wechat_redirect
版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。
电话:(010)86409582
邮箱:kejie@scimall.org.cn
贝叶斯网络
基于最大后验贝叶斯法的个体化用药研究进展
每日一词 | 贝叶斯分类 Bayesian Classification
功能材料中原子结构的贝叶斯预测
贝叶斯法建树的新进展 — 用简约值作建议向导可大幅提高贝叶斯算法的收敛速度
当贝叶斯,奥卡姆和香农一起来定义机器学习
贝叶斯用概率论,居然轻松预测了未来?
图灵奖得主Judea Pearl :从“贝叶斯网络之父”到“AI社区的叛徒”
【深度】基于贝叶斯序贯博弈模型的智能电网信息物理安全分析
CICC科普栏目|机器学习必学10大算法