聲場-動力環(huán)境耦合反演方法研究.pdf

1、海洋環(huán)境監(jiān)測長期以來面臨著分辨率與工作距離、空時尺度與資源之間的矛盾。動力模式可實現(xiàn)大范圍海洋環(huán)境預報，但對中小尺度環(huán)境變化敏感度低，預報的分辨率和精度受到限制。聲學反演依賴于局部觀測節(jié)點，但對中小尺度動力學過程敏感。本文充分挖掘海洋動力-聲傳播之間的耦合關(guān)系，將大范圍低精度的模式計算與局部節(jié)點的較高精度的聲學反演結(jié)合起來，以得到一種更準確的海洋信息獲取方法?？紤]到動態(tài)水體環(huán)境參數(shù)反演須同時利用海底地聲參數(shù)信息，采用經(jīng)典匹配場反演方法估

2、計靜態(tài)海底地聲參數(shù)。從目標函數(shù)敏感性分析出發(fā)，結(jié)合高效的全局搜索算法----遺傳算法進行匹配場反演。對于水體聲速剖面反演的聲學測量系統(tǒng)，本文對垂直接收陣模型進行了單頻和寬帶信號反演地聲參數(shù)的對比分析。此外，本文對分布式傳感器節(jié)點用于海底地聲參數(shù)反演進行了初步研究。
　　本研究針對水體聲速剖面的空-時演變特性，從序貫濾波觀點出發(fā)，在集合卡爾曼濾波(Ensemble Kalman Filter, EnKF)算法的基礎(chǔ)上，提出了權(quán)重集合

3、卡爾曼（Weighted Ensemble Kalman Filter, WEnKF）算法。該算法考慮到背景集合樣本分布情況，加入樣本權(quán)重以緩解集合樣本的高斯近似假設(shè)限制。通過實例分析， WEnKF算法可有效提高空-時演化聲速剖面的性能，由于聲速剖面演化的非高斯性，WEnKF在時變性較強的反演問題中有顯著優(yōu)勢。同時，利用海洋動力模式ROMS（Regional Ocean Model System）預報的先驗聲速場信息，建立狀態(tài)演化方程；