【作者】 刘一宁； 牛海强； 李整林；

【Author】 LIU Yi-ning;NIU Hai-qiang;LI Zheng-lin;State Key Laboratory of Acoustics,Institute of Acoustics,Chinese Academy of Sciences;University of Chinese Academy of Sciences;

【机构】 中国科学院声学研究所声场声信息国家重点实验室； 中国科学院大学；

【摘要】 深海实验数据较难满足深度学习需要的庞大数据量。本文使用声传播模型计算得到的仿真数据对卷积神经网络进行训练,利用得到的卷积网络对实验数据进行深度估计,并与传统匹配场处理方法进行对比。结果表明,方法在距离未知情况下的测深性能优于常规匹配场处理方法。更多还原

【Abstract】 The experimental data in deep water are difficult to meet the huge amount of data needed for deep learning.In this paper,simulated acoustic data from the acoustic propagation model are used to train the convolutional neural network(CNN).The network is used for sound source depth estimation and the results are compared to matched field processing(MFP).The results show that the performance of the CNN method is better than the conventional MFP method.更多还原