基于航船噪声的海底声参数序贯估计研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11604360
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A2302.水声和空气动力声学
  • 结题年份:
    2019
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2019-12-31

项目摘要

The estimation and monitoring of the coastal ocean properties, especially the ocean bottom characteristics is very important for human activities and ocean environmental modelling at this region. This research discusses a sequential geoacoustic parameter estimator, which is based on the waveguide specific impedance that derived from the noise field due to a moving ship. This estimator provides the geoacoustic parameters and their associated variations along the sailing ship track. This technique is environmental friendly in the sense of bring no additional noise pollution to the ocean as compared to these active measurements by emitting high-power sound signals. Besides, owing to the significant advantages of high sensitive to environmental properties and independent of source spectral levels, the using of waveguide specific waveguide impedance is expected to yield more accurate and reliable inversion results as compared to pressure or vector field when treated separately. Moreover, the capacity of a sequential filter in iteratively correcting the estimates upon continuously inputting data, this technique is more favorable than traditional matched field processing methods in highly dynamical ocean environments.
海洋特别是海底特性的估计和监测对沿岸人类活动以及局部海洋环境建模有着非常重要的意义。本课题讨论一种基于航船噪声传播特性的地声参数序贯估计算法,该算法通过观察从噪声场中提取的波导特征阻抗特性对航船轨迹上的海底声参数及其变化进行估计。相比于传统的发射大功率声信号的环境测量技术,本方法使用海洋中已经存在的噪声源、对海洋环境保护有积极的意义。相比于基于声压场或矢量场的地声参数反演,波导特征阻抗由于对环境参数更敏感和不依赖于声源特性的特点、故而在处理复杂多变的航船噪声可以达到较可靠和准确的反演结果。相比于传统的匹配场地声参数反演技术,序贯法可以不断吸收新输入数据的信息对当前的估计结果进行更正,因而非常适于处理连续的航船噪声实现海洋环境参数的连续估计。

结项摘要

海洋特别是海底特性的估计和监测对沿岸人类活动以及局部海洋环境建模有着非常重要的意义。浅海中,海底特性在很大程度上决定声信号的传播规律,其声参数的获取是声传播准确预报及相关声纳应用的前提。本课题讨论一种基于航船噪声传播特性的地声参数序贯估计算法,该算法通过观察从噪声场中提取的波导特征阻抗特性对航船轨迹上的海底声参数及其变化进行估计。研究项目获得批准以来,开展了复杂海洋环境下声传播建模、联合声压场和矢量处理提取可规避航船噪声不确定性并对环境参数敏感的新变量、航船噪声特征有效提取信号处理方法软件的开发以及利用序贯算法实现地声参数反演的研究工作。本研究的成果和意义可概况为分两部分,1.首次给出了波导特征阻抗分量相比于传统声学变量对海底声学参数更敏感的理论解释,并通过数据仿真证实,波导特征阻抗分量可给出更稳健的地声参数、尤其是传统变量不太敏感的沉积层密度和声吸收系数。2.地声参数走航测量研究。申请人将粒子滤波算法应用到多爆炸声源信号和单波束声纳回波包络信号来连续估计沉积层的声学参数,大大提高了数据的处理效率并取得了与传统匹配场处理方法一致的结果。申请人正开发基于单波束声纳的沉积层参数走航测量系统,充分利用粒子滤波在线处理数据的能力和单波束声纳实时获取数据的特点,为海上声纳应用提供实时的海底声环境信息。

项目成果

期刊论文数量(5)
专著数量(0)
科研奖励数量(0)
会议论文数量(11)
专利数量(0)
利用渔船噪声矢量场对地声参数的估计
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    哈尔滨工程大学学报
  • 影响因子:
    --
  • 作者:
    任群言;朴胜春;马力;郭胜明;廖天俊
  • 通讯作者:
    廖天俊
利用宽带声场干涉结构特性对移动船只距离的连续估计
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    声学学报
  • 影响因子:
    --
  • 作者:
    任群言;朴胜春;郭胜明;马力;廖天俊
  • 通讯作者:
    廖天俊
Characteristic acoustic impedance for reliable environmental characterization
用于可靠环境表征的特征声阻抗
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    ournal of Theoretical and Computational Acoustics
  • 影响因子:
    --
  • 作者:
    Qunyan Ren;Yaxiao Mo;Li Ma;Shengming Guo;Tianjun Liao
  • 通讯作者:
    Tianjun Liao
利用混合图像处理方法提取浅层海底沉积层等效分层结构
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    哈尔滨工程大学学报
  • 影响因子:
    --
  • 作者:
    王文博;任群言;胡涛;马力
  • 通讯作者:
    马力
Deep transfer learning for source ranging: Deep-sea experiment results
用于源测距的深度迁移学习:深海实验结果
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    The Journal of the Acoustical Society of America
  • 影响因子:
    --
  • 作者:
    Wenbo Wang;Haiyan Ni;Lin Su;Tao Hu;Qunyan Ren;Peter Gerstoft;Li Ma
  • 通讯作者:
    Li Ma

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

声矢量场计算方法
  • DOI:
    10.1175/jcli-d-18-0243.1
  • 发表时间:
    --
  • 期刊:
    哈尔滨工程大学学报
  • 影响因子:
    --
  • 作者:
    张海刚;杨士莪;朴胜春;任群言;马树青
  • 通讯作者:
    马树青
一种宽带声场干涉图案处理的方法及其应用
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    哈尔滨工程大学学报
  • 影响因子:
    --
  • 作者:
    任群言;朴胜春;HERMAND Jean-Pierre
  • 通讯作者:
    HERMAND Jean-Pierre
强非线性时间演化声速剖面的序贯反演
  • DOI:
    10.15949/j.cnki.0371-0025.2019.04.006
  • 发表时间:
    2019
  • 期刊:
    声学学报(中文版)
  • 影响因子:
    --
  • 作者:
    苏林;任群言;庞立臣;郭圣明;马力
  • 通讯作者:
    马力

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码