基本信息:
- 专利标题： 一种基于深度学习的深海水声传播损失预测方法
- 申请号：CN202510360762.0 申请日：2025-03-26
- 公开(公告)号：CN119882059A 公开(公告)日：2025-04-25
- 发明人： 黄兴国 , 柴小帅
- 申请人： 吉林大学
- 申请人地址： 吉林省长春市朝阳区前进大街2699号
- 专利权人： 吉林大学
- 当前专利权人： 吉林大学
- 当前专利权人地址： 吉林省长春市朝阳区前进大街2699号
- 代理机构： 沈阳铭扬联创知识产权代理事务所(普通合伙)
- 代理人： 屈芳
- 主分类号： G01V1/30
- IPC分类号： G01V1/30 ; G01V1/38 ; G01H5/00
摘要：
本申请属于海洋探测技术领域，具体涉及一种基于深度学习的深海水声传播损失预测方法，包括获取一维声速剖面；对所述一维声速剖面预处理得到二维速度模型，将所述二维速度模型转化为带有位置编码的时空特征数据；采用注意力机制计算时空特征数据之间的相关性得到多个并行的注意力头的第一输出，对所述第一输出融合后进行特征映射形成第二输出；对所述第二输出的特征进行卷积降维操作得到降维特征；将降维特征与声源信息进行通道加权融合；将降维特征映射回二维空间信息特征，并交叉使用卷积和转置卷积与声源信息相结合，将结合后的特征进行卷积输出水声传播损失分布。能够准确预测传播损失的干涉条纹等关键细节，适合复杂的深海波导环境。