本文主要研究内容
作者苏林,任群言,庞立臣,郭圣明,马力（2019）在《强非线性时间演化声速剖面的序贯反演》一文中研究指出：受海面波浪起伏、降雨和内波等海洋动力学过程的影响,浅水声速剖面的时间演化具有高度非线性,针对该问题提出使用改进的粒子滤波方法进行声速剖面序贯反演.该方法通过建立声速剖面的经验正交模型(EOF)以及描述声速剖面时间演化特征的状态空间模型,将声速剖面反演问题建模为状态跟踪问题,利用不敏粒子滤波(UPF:Uncented Particle Filter)算法进行声速剖面序贯反演。仿真试验通过实测声速剖面数据和先验地声参数信息产生接收声场数据,再利用模拟声场数据估计声速剖面的时间变化.结果表明,相比于集合卡尔曼滤波(EnKF:Ensemble Kalman Filter),在计算效率等同的情形下,该方法可以在状态参数的时间跳变点保持良好的跟踪性能,一定程度上克服了现有反演算法在跳变点发散的问题,可以有效提高声速剖面反演精度,尤其在声速剖面时变性较强时具有显著优势.
Abstract
shou hai mian bo lang qi fu 、jiang yu he nei bo deng hai xiang dong li xue guo cheng de ying xiang ,jian shui sheng su pou mian de shi jian yan hua ju you gao du fei xian xing ,zhen dui gai wen ti di chu shi yong gai jin de li zi lv bo fang fa jin hang sheng su pou mian xu guan fan yan .gai fang fa tong guo jian li sheng su pou mian de jing yan zheng jiao mo xing (EOF)yi ji miao shu sheng su pou mian shi jian yan hua te zheng de zhuang tai kong jian mo xing ,jiang sheng su pou mian fan yan wen ti jian mo wei zhuang tai gen zong wen ti ,li yong bu min li zi lv bo (UPF:Uncented Particle Filter)suan fa jin hang sheng su pou mian xu guan fan yan 。fang zhen shi yan tong guo shi ce sheng su pou mian shu ju he xian yan de sheng can shu xin xi chan sheng jie shou sheng chang shu ju ,zai li yong mo ni sheng chang shu ju gu ji sheng su pou mian de shi jian bian hua .jie guo biao ming ,xiang bi yu ji ge ka er man lv bo (EnKF:Ensemble Kalman Filter),zai ji suan xiao lv deng tong de qing xing xia ,gai fang fa ke yi zai zhuang tai can shu de shi jian tiao bian dian bao chi liang hao de gen zong xing neng ,yi ding cheng du shang ke fu le xian you fan yan suan fa zai tiao bian dian fa san de wen ti ,ke yi you xiao di gao sheng su pou mian fan yan jing du ,you ji zai sheng su pou mian shi bian xing jiao jiang shi ju you xian zhe you shi .
论文参考文献
论文详细介绍
论文作者分别是来自声学学报的苏林,任群言,庞立臣,郭圣明,马力，发表于刊物声学学报2019年04期论文，是一篇关于,声学学报2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自声学学报2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：声学学报2019年04期论文;