捕捉环境不确实性的声学—动力数据同化技术

发布时间：2020-04-29 19:40

【摘要】：海洋是一个复杂的流体动力学系统,其内部存在着形式多样的动力过程,如锋面、涡流、内波等。这些过程以及它们之间的耦合,加上与海床的相互作用,导致海洋环境时间与空间上的显著变化,存在所谓的环境不确实性。这些海洋环境的不确实性和水声传播及声纳信号处理之间存在着紧密的联系。首先环境不确实性使得声压场在空间和时间上具有不确实性和变化性,而声压场的不确实性和变化性又使得声纳信号处理存在较大的不确实性。比如,目前水下被动源定位的主要手段-匹配场处理(Matched-Field Processing-MFP)利用了声在海洋波导中的传播特性与观察数据,但对于环境的不确实性和变化性非常敏感。如果可用的环境信息不够准确,即使在信噪比非常高的情况下MFP性能也会明显下降。因此,当今水声研究的一个主要方向是量化各种物理过程对声传播的影响,捕捉环境不确实性,进而减小环境不确实性对声纳系统工作性能的影响。通常环境参数可由仪器设备直接测量得到,但是由于现场观测资源和能力有限,获取长期、大范围空间、时间充分采样的数据是不现实的。数据同化通过融合观察数据和海洋动力系统,将不同性质的测量数据有效地结合起来,给出相关尺度上与观测数据吻合的动力过程的确定性描述,是目前综合海洋环境监测常用的手段之一。由于声传播包含了丰富的海洋温度场、流场分布信息,声学数据为传统同化技术提供了新的有效数据来源,同时声学-动力数据同化也为捕捉环境不确实性问题提出了一种新的手段。论文针对环境不确实性对声纳系统工作性能的影响,在综合、分析和评估哈佛海洋预测系统(Harvard Ocean Prediction System-HOPS)和自适应快速环境评估系统的基础上,开展基于声学-动力数据同化技术的海洋环境与声场预测理论及方法研究,旨在为解决在实际海洋环境背景下,通过动态建模,动态测量、量化和融合,以及模型与数据的结合,获取既灵敏又宽容的海洋观测的信息科学问题提供思路。一方面,声学-动力数据同化技术融合了高分辨力的环境测量数据以及声学测量数据,将动力系统工作尺度建模到声传播建模所要求的较小尺度上。另一方面,根据系统特定的应用模式建立了声学测量模型,并耦合数据同化结果进行误差分析以及声学测量性能分析,将分析结果用于环境观测网络资源部署的优化。全文根据声学-动力数据同化技术的基本框架,分别对海洋动态建模、数据同化算法、声学测量模型建模与移动观测系统优化部署算法这几个问题展开了深入的研究,主要包括以下三方面的结果。 1.根据特定海区与内波建模有关的实测数据,通过对传统Garrett-Munk模型的修正发展了适用于此海区的工作尺度在100m量级的浅海线性内波模型,并给出了内波影响下与声学测量密切相关的声速动态演化特性。同时,论文详细描述了用于大尺度海洋环境预测的HOPS实现框架、功能原理及使用方法,并以Massachusetts Bay区域为例,给出了HOPS的预测结果。HOPS预测结果可作为声学-动力数据同化系统的初始化及边界条件。 2.针对海洋中声速场复杂的空-时演化特性,发展了基于声速局部测量、声速动力模型、声场传播模型以及声压测量这四个方程的声学-动力数据通用框架,并且在此基础上采用多点扰动法、集合卡尔曼滤波(Ensemble Kalman Filter-EnKF)以及无迹卡尔曼滤波(Uscented Kalman Filter-UKF)等方法实现了声速场不确实性估计。基于多点扰动法的反演算法将内波动力模型代入通用框架,根据最小均方误差准则求解代价函数,从而获得声速场的估计结果。该方法能够很好地应用于存在内波扰动的非线性系统,然而需要对每一维估计参数在可能的分布区域进行搜索,在高维情况下计算复杂度较高。考虑到算法的计算效率,论文采用经验正交函数(Empirical Orthogonal Functions-EOF)来描述声速场不确实性,并且基于序贯滤波思想将声学-动力数据同化技术的通用框架建模成状态-空间模型。由于直接通过海洋动力模型推导显式的EOF系数随时间演化的状态方程较为困难,这里根据海洋动力模型或实测声速数据通过自回归分析拟合方法得到EOF系数的高阶时间演化模型。相比于传统的一阶假设建模,仿真结果表明基于高阶状态方程的EnKF算法和UKF算法具有更优的估计性能。 3.将系统具体的应用模式设定为减少声速场预测不确实性、减少声场预测不确实性以及目标源定位问题这三种情况,并且开展了对应模式下的移动观测系统优化部署算法研究。移动观测系统优化部署算法的主要思路是根据不同的应用模式建立对应的目标函数,并且将最小化目标函数转化为求取最短路径问题从而获取水下自主航行器的运行路径。针对第一种应用模式,直接将数据同化算法的估计结果用于卡尔曼滤波器产生声速场预测的后验不确实性,并将此定义为目标函数。针对第二种应用模式,需要解决声速场不确实性向声场不确实性的传递问题。考虑到在线处理的需要,采用线性近似法计算随机声场的统计信息,将待估区域声传播损失的方差信息作为目标函数。针对第三种应用模式,根据Bayesian框架下的克莱梅-罗下限的参量估计耦合性建立声学测量性能的误差分析模型,并将与声源估计耦合性较大的环境参数的不确实性作为目标函数。通过PRIMER实验环境中的仿真分析了不同应用模式下的移动观测系统优化部署算法的效果。论文声学-动力数据同化技术的部分理论内容采用2006年SW06实验采集数据和2011年千岛湖实验的实测数据进行了验证。处理结果表明将声学-动力数据同化技术用于捕捉海洋环境中声速场不确实是可行并有效的。基于减少声速场预测不确实性应用模式的移动观测系统优化部署算法也采用HOPS输出的Massachusetts Bay海域环境数据进行了验证,说明该路径规划方法是有效的。
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2013
【分类号】：P733.2;P714.3

【参考文献】