基于知识引导学习模型的浅海声源识别方法及其算法研究

来源：海洋技术学报杂志2025年第03期北京时间：

作者：李琦

单位：单位李琦， 黄翠， 刘颉， 孙桂玲

摘要：基于海洋环境知识和引导学习方法构建水下声源识别方法模型研究是近年来海洋声学 领域的研究前沿和热点 ，在水下声源识别方面具有重要应用价值 。本文建立了基于内嵌专业知 识和经验的深度学习模型的浅海声源识别方法 ，构建了水声环境空间中声场模型和物理学知识 模型 ，提出了模型优化方法和水下声源识别算法 ，构建基于以物理信息神经网络为内核网络的 深度学习模型 ，该模型提高了分类精度 ，增强了识别分类的容错能力； 基于模型在海洋环境中 的适用条件及声学环境参数不确定性 ，对模型性能的影响规律开展研究 ，提升了对声源追踪和 分类识别的性能 ， 以解决应用于实际海洋环境背景下识别模型环境适应性差的难题 。在此基础 上 ，开展了海洋声学环境中水下声源浅海声源被动声学识别算法实验验证 ， 以实现海洋声源较 高精度、较高分辨率识别分类。

关键词：声源识别； 引导学习； 声场； 物理学知识； 声学环境参数

基金资助：自然资源部海洋环境探测技术与应用重点实验室资助项目（MESTA-2022-B006）；天津市科技计划项目资助项目 （24ZYCGYS00680）； 自然资源部海洋观测技术重点实验室资助项目（2021klootB02，2021klootB01）