高大治[1]2003年在《声学方法海底底质分类研究》文中指出海底底质分类研究在军用和民用上有着非常广阔的应用前景。在民用方面，修筑港口，建设跨海大桥；军用方面，匹配场定位、低频远程声纳作用距离预报、潜艇沉底隐蔽地点选择等方面都有广泛的应用。 本文针对声学方法海底底质分类问题进行了研究。主要研究了反演底质声学参数和统计特征量两种方法。在反演底质声学参数方法中，通过改进冲击响应提取方法，提高了反演精度和稳定性。统计特征量方法中，改进了子带能谱特征量提取方法；独立提出了散射信号相平面特征量提取方法。 利用反演和统计特征量提取方法，对实验室声脉冲管数据和海上实际调查数据(200组)进行了具体分析处理，得出以下结论： (1) 声阻抗反演方法可以用于表层海底分类。实验室声脉冲管数据反演误差仅为1.3％，这一误差范围不超过海底分类的精度要求：海上调查数据反演结果整体偏小，但每个站位的数据反演结果方差小(如图3-13)，两类海底差别明显。 (2) 统计特征量方法也可用于海底分类。本文对于每一组海上试验数据获取两两互不相关的4个统计特征量。改进后的子带能谱法提取出的两个特征量互不相关性更强，做出的二维样本分布图与传统的办法相比效果更好。本文提出的相平面方法是一种新的办法，对现有的两类海底散射信号数据处理效果很好，其有效性需要进一步验证。
徐铭[2]2006年在《基于相平面的声学方法浅海海底底质分类研究》文中提出在世界海洋中,洋底的大部分覆盖着一层比较松软的沉积层,如何准确、迅速地对海底沉积物类型进行分类识别具有重要的军事及民用意义。因此对大陆架及深海海底的底质类型进行研究一直是一个经典、热点课题,也是我国新一轮国土资源大调查的重要内容之一。传统的海底取样方法能够实现对海底底质的精确分类,但需要耗费大量的资金与人力,一般采用定点离散采样,难以取得连续资料,且样品容易受扰动而影响分类准确性,因此已逐渐被间接探测方法作取代。在各种间接探测方法中,声学方法遥测海底沉积物类型,具有工作高效、经济,取得资料连续、丰富的特点,结合一定的传统取样,为海底沉积物分类提供了一种迅速而可靠的方法。本文主要内容为应用相平面一阶据统计特征的分类方法,通过处理2005年9月黄海中北部海底散射实验所得数据,进行该海域浅海表层沉积物分类的研究。在利用以往处理宽带信号所用的方法(如:EMD,KL等)处理窄带回波信号时效果不好,难以提取特征参数进行分类,分析了这些方法不适用的原因,同时独立提出了基于相平面轨迹的相点统计方法提取特征值进行分类。文章对窄带海底回波信号的组成进行剖析,将反射信号与散射信号进行区分处理,并提出采用回波散射成份与入射角的关系进行比对,得出了不依赖于信号截取时间的统计分析结果。通过对5个站位的海底回波信号样本进行统计分析,将5个站位的海底分成3类海底即A、B、H2站位为细砂海底、C站位为粉砂质砂底、H3站位为泥底。分析结果与地质采样结果及海图均吻合,说明本文提出的方法应用于窄带脉冲信号的海底底质分类是适用的。
徐超[3]2014年在《多波束测深声呐海底底质分类技术研究》文中进行了进一步梳理多波束测深声呐是海底特征声学遥感的主流设备之一,不仅能提供全海深、宽覆盖、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数据还可用于判别海底表层底质信息,从而能实现海底地形、地貌与底质类型多种海底特征信息的一体化探测,这有利于提高海洋调查的工作效率。而如何有效地利用多波束测深声呐测量的声学数据并可靠地判断海底底质类型长期以来一直是人们广泛关注地热点与难点问题。本文结合国内外多波束测深声呐海底底质分类技术的研究现状与发展趋势,重点围绕具有完全自主知识产权的国产多波束测深声呐海底反向散射成像,成像数据的统计特性,多源信息特征提取方法以及分类算法的实现等4个主要方面开展研究工作,并以理论分析、计算机仿真以及湖上与海上试验数据处理等理论和实验方法为研究手段,主要研究内容如下:1、研究基于多波束测深声呐的海底反向散射成像技术。在总结分析现有3种基于多波束测深声呐的海底成像方法原理及其各自优缺点的基础上,提出了一种基于多波束相干原理的海底声学成像方法。首先理论研究多波束相干算法估计海底回波到达时间(Time of Arrival,TOA)与到达角度(Direction of Arrival,DOA)信息的基本方法,并在估计相位差序列时为抑制噪声影响,从相干信号的幅度、相关性以及频谱3个角度对相位差数据进行质量控制。在此基础上,利用得到的TOA-DOA数据并考虑水中声速对声波传播路径的影响对海底检测点的回波强度以及空间位置进行估计。由于该成像方法在对海底检测点的回波强度及其位置进行测量时都利用共同的TOA-DOA信息,因此避免了 snippet法中对各波束内回波强度序列的位置及其入射角度计算时的近似处理,实现回波强度及其空间位置数据的准确融合,提高了成像质量,并且该方法具有良好的空间分辨率。然后,结合声呐方程对回波强度数据进行修正,获取与海底底质特征联系更为紧密的反向散射强度数据,并分析研究反向散射强度的角度关系修正模型,以剔除其对海底声图像显示的不利影响。最后,通过试验数据对基于多波束相干原理的海底成像方法性能进行检验,验证了该方法的有效性。2、对多波束海底反向散射数据的统计特性进行研究。在理论分析海底反向散射信号幅度服从K分布模型的基础上,推导得到海底反向散射强度数据的概率分布服从对数域K分布,并估计模型参数的表达式。通过对上述概率分布模型的进一步近似推导,分析高斯分布假设描述反向散射强度概率分布的适用条件与局限性。然后利用仿真数据以及多种底质类型、两个不同频率的多波束测深声呐试验数据对上述理论结果进行检验,验证了理论分析的正确性和实用性。最后对不同底质、不同角度下反向散射强度数据的对数域K分布模型两参数——尺度参数与形状参数的一般变化规律进行分析,试验结果表明两参数与入射角度之间存在一定联系,且不同底质下的形状参数与尺度参数存在一定差别。3、对多源信息特征提取方法及其分类性能进行研究。首先以多波束海底声图像为数据源研究基于数据概率分布特性的特征提取方法,基于灰度共生矩阵的纹理特征提取方法以及基于功率谱比的Pace特征提取方法;其次,结合试验数据分析图像样本窗大小对分类结果的影响,结果表明随着样本图像尺度的增加,分类正确率越高,而当增大到一定程度时分类正确率趋于恒定,不再受样本窗尺度的影响;并且通过利用Fisher判别比对上述特征提取方法得到各特征量的分类性能进行比对分析;其中,将对数域K分布两参数用作分类特征量,且分类性能较好;然后,将各特征提取方法得到的特征量构成3组特征向量,并利用支持向量机(Support Vector Machine,SVM)分类器对各特征向量整体的分类能力进行综合分析,最后,以反向散射强度数据的角度响应曲线为数据源提取分类特征,并对其性能进行仿真分析以及试验数据的检验。从整体上看利用角度响应曲线提取的特征向量与上述3种基于声图像的特征提取方法相比,分类正确率相对较低,其中基于数据概率分布特性得到的特征向量分类性能最好,对砂、砾质砂、砂质砾、泥质砂质砾以及岩石5种类型样本数据的总体分类正确率可达到91.95%。4、研究多源特征合成核SVM的多波束底质分类方法。为使多种特征信息联合使用后充分发挥各自特点,提高分类性能,本文在理论分析传统单核SVM分类器分类原理的基础上提出利用合成核SVM进行多波束海底底质分类的方法,即将不同特征信息数据以加权加法形式构成合成核以代替传统的单核形式,并用SVM分类器进行海底底质分类。讨论了分类算法中最优参数的交叉验证搜索方法以及总体样本正确率、Kappa系数等分类正确率评价方法。并在此基础上,结合试验数据对本文研究方法的有效性进行检验。试验结果表明,基于合成核SVM的海底底质分类可得到比传统单核SVM更高的分类正确率,验证了利用合成核SVM在该分类问题中的有效性;并且试验结果表明,不同特征信息联合使用后,如果直接合成一个向量进行分类,其分类正确率并不一定能比单独一种特征信息获得的分类正确率高,而经合成核SVM处理后可有效解决此问题。
纪雪[4]2017年在《基于多波束数据的海底底质及地形复杂度分类研究》文中进行了进一步梳理随着声学探测技术的不断发展,多波束测深系统凭借其全覆盖、高精度、高分辨率等优势被广泛应用于海底地形地貌测绘、海底底质勘探等海洋探测研究中。多波束测深系统主要记录有水深数据、声强数据和水柱数据叁种重要信息,其中水深数据主要用来描述海底地形起伏和地貌形态变化;声强数据是海底介质散射、反射信号的反映,可以用来研究海底底质的类别和分布;水柱数据涵盖了声波在水体传播过程中的全部反射、散射声信号,可用来研究整个水体中的声学特征。本文就多波束测深系统采集的声强数据和水深数据在海底底质分类和海底地形复杂度分类中的应用进行了研究,主要工作如下:(1)阐述了多波束数据开展海底底质和地形复杂度分类研究的意义,对国内外基于多波束数据进行海底底质和地形复杂度分类的研究现状进行了详细的梳理,并归纳总结其在数据处理、分类指标建立以及分类库构建等方面存在的问题和不足。(2)介绍了多波束测深系统的基本原理与系统组成,并解释了基于多波束反向散射数据进行海底底质分类的原理。(3)给出了详细的多波束反向散射强度数据处理与分析流程,对水深数据进行拟合延伸实现了声强数据全提取,完善了顾及地形坡度的声照面积改正;对滤波方法进行比较,选取维纳滤波进行声强数据、水深数据滤波,选取双边滤波方法进行多波束声纳图像滤波;加入中央波束改正,构建了较为完善的声能补偿改正模型;分别采用反距离加权插值、样条函数插值和克里金插值方法进行多波束声纳图像重采样,比较不同方法的优缺点;对多波束声纳图像特征提取进行了归纳总结。(4)利用灰度共生矩阵分别提取多波束声纳图像的角二阶矩、对比度、相关性、熵、逆差距和协方差6项纹理特征,加上图像灰度信息共7维特征值作为分类特征信息,分别基于ISODATA、SVM和BP神经网络叁种方法进行底质分类。(5)将卷积神经网络(CNN)应用到海底底质分类中,在详细介绍CNN分类工作原理的基础上提取10项图像纹理特征,加之3维统计特征和3维声强灰度信息共16维特征值进行底质分类,对ISODATA、SVM、BP神经网络和CNN四种方法分类结果进行比较,分析不同算法的优劣,得出CNN分类结果优于其它叁种算法。(6)建立角度响应分析模型(AR)进行海底底质分类。提取泥质砂、砾石、基岩、细砂和砂质泥、粗砂六类底质的角度响应曲线,提取7项统计特征和4项Hellequin L模型参数特征组成11维特征参数,利用距离最小方法实现底质分类,每一类底质分别选取100Ping数据对建立的角度响应分析模型有效性进行检验。(7)海底地形复杂度研究,在传统单一分类指标的基础上引入地形坡度和起伏度作为新的分类指标,并进行量化引入到海底地形复杂度分类中,详细介绍二维模式复杂度方法在海底地形复杂度分类中的应用,利用BP神经网络建立18种地形的特征数据库实现海底地形复杂度的自动划分,实验验证表明该方法分类精度高,不仅能实现地形复杂度定性分类还能进行定量分析,具有明显的分类优势。
朱艳[5]2007年在《声学方法海底沉积物类型分类研究》文中进行了进一步梳理海底底质类型的分类与识别是海洋科学研究的基础，准确、迅速地对海底沉积物进行分类识别具有重要的军事及民用意义。采用声学方法通过遥测海底沉积物的声学特性来了解其物理力学性质，具有工作高效、经济，取得资料连续、丰富的特点，该方法结合一定的传统取样或光学观察，为海底沉积物分类提供了一种迅速而可靠的途径。鉴于海底的复杂性，某一种方法、某个特征量可能只对识别一部分类型的沉积物有效，而要有效地识别各种沉积物海底，则可能需要使用几个特征量，甚至使用几种不同的方法，因此探索新的更有效的分类特征量具有重要的意义。本文采用统计特征分类的方法，分别从时域、频域、时频分析叁个方面采用不同的方法对底质类型进行分类。时域上基于能量归一化曲线和相平面方法提取与回波信号持续时间相关的特征量；频域上应用等Q值子带能量特征提取与频率衰减相关的特征量；时频域上对回波信号进行短时傅立叶变换、连续小波变换、离散小波变换、频域离散小波变换，将各变换后得到的矩阵分别进行奇异值分解作为特征量进行底质类型分类。另外，定义统计特征分类方法提取特征量的类内距与类间距的比值作为特征有效性的判别准则，通过比较得出，离散小波变换的模极大值结合奇异值方法提取的特征量具有较好的类内紧致性和类间可分性。应用上述方法，处理舟山海上实验的海底回波数据，对该海域表层沉积物进行分类研究，分别将各方法提取的特征量结合相对反射系数特征量绘制出二维样本分布图，分类结果与海底采样分析结果相吻合。
唐秋华, 李杰, 周兴华, 陆凯, 张志珣[6]2014年在《济州岛南部海域海底声呐图像分析与声学底质分类》文中提出东海北部外陆架靠近济州岛南部海域,是黄海槽向冲绳海槽延伸的部分,属于黑潮分支黄海暖流的通道入口,分布着脊槽相间的海底底形,对其海底声呐图像的处理分析及声学底质分类的分析研究,有助于了解该通道海底底形表层纹理特征及沉积物分布规律。基于在济州岛南部海域获取的多波束声呐数据,应用图像处理技术和方法,对数据进行了处理,获得了海底声呐影像图,并对其表层纹理特征进行了描述和分析;同时,基于多波束反向散射强度数据,结合19组海底地质取样数据,建立研究区海底反向散射强度与沉积物粒度特征之间的统计关系模型,并以改进的学习向量量化神经网络方法,实现对海底粉砂质砂、黏土质砂以及砂-粉砂-黏土3种底质类型的快速自动分类识别。
李东[7]2017年在《近海开发影响下底栖生境演变的声学观测与评估研究》文中提出近海开发已成为沿海地区进行空间资源扩展的主要途径。大规模沿海开发活动如围填海工程、海洋牧场建设等在促进了沿海地区社会经济发展的同时,对海洋底栖生境也产生了显着影响。声学方法改变了传统调查方法效率不高、获取信息不全的缺点,为底栖生境调查提供了一种新的技术方法。多波束声呐系统是当代海洋勘测中一项高新技术产品,国内将其应用于近海底栖生境观测、评估的研究还比较少见;声学数据结合分类算法可以实现底栖生境的识别与评估,但目前还缺乏人工鱼礁区底栖生境自动化分类方法的相关研究。本论文在总结多波束数据处理方法的基础上设计了一种底栖生境自动化制图方法,实现人工鱼礁区底质类型的识别;利用高分辨率、高精度的多波束声呐系统,分析人工鱼礁区、围填海区微地形地貌特征。主要研究成果如下:1、设计了一种底栖生境自动分类方法,并将其应用于人工鱼礁区。结果表明:(1)多波束数据量大,包含信息丰富,通过数据挖掘可以提取反映海底底质属性的多种声学变量(如坡度slope、底栖位置指数BPI等);(2)PCA能够在保留主要信息的同时,将多种声学变量实现数据压缩,减少数据冗余(特征值大于1的前3个PCs的累积频率近80%);(3)ISODATA非监督分类算法与人工解译方法相比,处理速度快效率高,可以消除相邻声相边界的不确定性,确保分类结果的正确性,大大降低操作人员的偏差,节省人力成本。这一自动化智能分类方法在山东近海大规模人工鱼礁区取得了良好效果,实现了鱼礁区叁种基本底质(沙质海底、泥质海底及人工鱼礁)的分类识别。底质取样、水下摄像验证结果与自动化分类结果保持一致,进一步证明了该方法的有效性。人工鱼礁区底栖生境的自动化分类技术可以将复杂的多波束数据转化为可视化的专题图,能够使用户快速获取感兴趣区的海底底质信息,满足鱼礁管理的需求,具有较强的实际意义。该底栖生境制图方法主要在GIS平台下完成,可以实现进一步的空间分析与算法改进。2、利用多波束系统结合地理空间分析方法实现了大规模人工鱼礁区底栖生境的监测与评估。分析结果显示:(1)采用多波束声呐系统能够快速获取鱼礁的形态、分布及其周围海底的微地形地貌信息,比传统调查方法(如水下探摸)准确度高、效率高、成本低;(2)借助地理信息系统地形分析技术可以提取鱼礁区地形特征变量,坡度、曲率、粗糙度、地形耐用指数以及地形起伏度的高值区均出现在礁石分布区域,能够将礁石从平坦海底区分开来;(3)由于自身重力及水动力作用,礁石发生沉降现象(沉降深度达0.45 m),鱼礁的存在使底层流速减弱、流向发生变化,其周围出现特有的冲淤地形,多波束水深数据可以定量分析投石后引起的海底地形变化特征,为人工鱼礁建设评估工作提供数据支持;(4)不同类型的人工鱼礁,其构造不同,形成的局部流场也不同,为底栖生物创造了不同的底栖环境,实地验证发现水泥预制件礁体比山石鱼礁的聚鱼效果更为明显。高分辨率的多波束数据不仅可以反映出海底鱼礁的宏观信息(分布、规模、占地面积等),还可以提供鱼礁的微观信息(叁维结构、大小、形状及沉降深度等),达到人工鱼礁精准监测的目的。3、结合历史海图与多波束数据,在GIS平台下构建龙口湾水下DEM,分析了龙口湾近50年的形态演变过程。结果显示:1960s到2010s半个世纪以来,龙口湾水下地形地貌发生了巨大改变,研究区水域面积减少了13.5 km2。具体来说:(1)1960s~1990s,龙口湾自然演变,受人类活动影响较小;(2)1990s~2000s,龙口港扩建加之航道清淤,龙口湾形态发生了明显变化,龙口浅滩面积缩小,平均水深从7.56 m增加到8.16 m;(3)2000s~2010s,龙口港的进一步扩展及离岸人工岛的建设使龙口湾海底地形发生了剧烈改变,龙口浅滩基本消失,人工岛北部水下地形复杂、海底较为破碎,陆地面积从23.10km2增长到29.35 km2。近几十年频繁的海岸活动(包括港口扩建、航道清淤及人工岛建设)已成为决定龙口湾形态变化的主导因素。高分辨率的多波束数据显示,人工岛吹填工程抽取沉积物后,在海底留下了大量取土坑,平均水深加深了2.34 m,使海底地形地貌发生了极大改变,对海底底栖生境造成了严重破坏。本研究中设计的鱼礁区底栖生境自动化分类方法,是海底声学探测领域的一次尝试,有助于人工鱼礁的科学管理,具有较强的现实意义;利用多波束声呐手段结合地理空间分析方法获取人工鱼礁区、围填海区微地形地貌特征,为监测近海人类活动影响下的底栖生境演变提供了一种新的技术手段。
周木荣[8]2009年在《基于声学分形特征的深海钴结壳识别研究》文中提出随着世界经济和科学技术的飞速发展,人类对矿产资源的需求量与日俱增,由于陆地资源的日趋枯竭,人们开始把目光转向海洋。深海钴结壳成为21世纪最具有商业开采价值的战略资源,世界主要发达国家已经开始了开采研究工作。面对国际社会对海洋资源争夺的形势,为维护我国的海洋权益,开辟我国新的矿产资源来源,本文在国家自然科学基金项目“深海钴结壳微地形监测技术与最佳采集深度建模研究”的资助下,对深海钴结壳的识别做了相关研究。根据分形理论在特征提取中的应用,本文提出了一种基于分形特征的声学回波识别深海钴结壳的方法。论文紧紧围绕特征提取、特征优化和分类器设计这叁个问题,对钴结壳识别展开研究。根据超声波探测底质得到的回波信号具有分形特性,在讨论了利用单一维数不能完全刻画分形信号的基础上,提取了广义维数分形特征。由于原始特征的维数较高且存在非线性关系,利用核Fisher判别分析方法进行特征优化,得到了最佳非线性目标识别特征矢量。最后设计了概率神经网络分类器。在此理论基础上,对我国钴结壳调查区内的23种代表性海底底质,在实验室水池内进行钴结壳识别试验。试验结果表明:钴结壳正确识别率平均达到79.6%,非钴结壳被判为钴结壳的错判率平均仅为23%。由此可看出,本论文提出的钴结壳识别方法是有效可行的。本文的研究为深海钴结壳识别提供了良好的理论基础,为我国的深海采矿事业提供了有效的技术支持。
杨峰[9]2004年在《声学方法浅海表层沉积物分类识别研究》文中认为在世界海洋中，洋底的大部分覆盖着一层比较松软的沉积层，如何准确、迅速地对海底沉积物类型进行分类识别具有重要的军事及民用意义。因此对大陆架及深海海底的底质类型进行研究一直是一个经典、热点课题，也是我国新一轮国土资源大调查的重要内容之一。 传统的海底取样方法能够实现对海底底质的精确分类，但需要耗费大量的资金与人力，一般采用定点离散采样，难以取得连续资料，且样品容易受扰动而影响分类准确性，因此已逐渐被间接探测方法作取代。在各种间接探测方法中，声学方法遥测海底沉积物类型，具有工作高效、经济，取得资料连续、丰富的特点，结合一定的传统取样，为海底沉积物分类提供了一种迅速而可靠的方法。 本文主要内容为应用声学参数统计特征分类方法，通过处理2002年8月黄海中北部海底反演实验所得数据，进行该海域浅海表层沉积物分类识别的研究，独立提出了基于声能流密度的相平面方法和基于短时傅氏变换和奇异值分解方法两种统计特征提取及分类方法；利用以上两种方法所提取的有效特征量进行了模式分类器的设计，提出了一种改进的最小距离模式分类器，并利用5个站位的海底回波信号样本进行了分类器的训练与识别结果分析；同时还进行了界面散射对不同底质回波信号影响的研究，推导了垂直入射情况下界面散射信号的时域表达式，通过与实验数据的比较与分析探讨了由于海底界面粗糙度引起的界面散射对不同底质回波信号低频成分造成的影响。通过研究得到以下结论： 1)本文提出的这两种方法所提取的有效特征矢量物理意义明确，与海底采样样品分析结果较为一致，且聚类分析显示其较之以往方法所提取的特征量具有更好的可分性。 2)利用测试样本对改进的最小距离模式分类器进行沉积物类型识别，并与传统方法识别结果进行比较，结果表明该分类器对于叁类浅海表层沉积物具有较好的分类识别效果。 3)利用所提出的界面散射模型进行计算得到的结果与实验数据进行比较，结果显示:砂质海底回波信号受界面散射影响较大，泥质海底受界面散射影响较小。通过界面散射对不同底质海底影响的研究，也可将砂质海底与泥质海底比较明显地区分开来。
陶春辉[10]2001年在《海底声学底质分类研究》文中认为海底底质声学特性一直是海洋地质、水下工程地质、海底矿产资源、海洋渔业、潜艇、水雷和水下通讯等领域研究的重要内容,海底底质的声学特征可以通过海底声反射和声散射进行研究。声学方法为海底表面的沉积物特性即海
参考文献：
[1]. 声学方法海底底质分类研究[D]. 高大治. 中国海洋大学. 2003
[2]. 基于相平面的声学方法浅海海底底质分类研究[D]. 徐铭. 中国海洋大学. 2006
[3]. 多波束测深声呐海底底质分类技术研究[D]. 徐超. 哈尔滨工程大学. 2014
[4]. 基于多波束数据的海底底质及地形复杂度分类研究[D]. 纪雪. 国家海洋局第一海洋研究所. 2017
[5]. 声学方法海底沉积物类型分类研究[D]. 朱艳. 哈尔滨工程大学. 2007
[6]. 济州岛南部海域海底声呐图像分析与声学底质分类[J]. 唐秋华, 李杰, 周兴华, 陆凯, 张志珣. 海洋学报(中文版). 2014
[7]. 近海开发影响下底栖生境演变的声学观测与评估研究[D]. 李东. 中国科学院烟台海岸带研究所. 2017
[8]. 基于声学分形特征的深海钴结壳识别研究[D]. 周木荣. 中南大学. 2009
[9]. 声学方法浅海表层沉积物分类识别研究[D]. 杨峰. 中国海洋大学. 2004
[10]. 海底声学底质分类研究[C]. 陶春辉. 新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）. 2001