水声被动定位中的机器学习方法研究进展综述.pdf

第３５卷第９期信号处理Ｖｏｌ．３５Ｎｏ．９

２０１９年９月ＪｏｕｒｎａｌｏｆＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇＳｅｐ．２０１９

文章编号：１００３－０５３０（２０１９）０９－１４５０－１０

水声被动定位中的机器学习方法研究进展综述

牛海强李整林王海斌宫在晓

（中国科学院声学研究所声场声信息国家重点实验室，北京１００１９０）

摘要：本文对基于机器学习方法的水声被动定位研究进展进行了综述。所涉及的机器学习方法有多层感知机

（前馈神经网络）、支持向量机、随机森林及以卷积网络层和全连接层为主要组成单元的深度神经网络。本文通

过重点引述近几年发表在国际期刊和会议上的相关前沿研究工作，详细论述了将机器学习方法应用于水声被动

定位的关键理论基础、单水听器和阵列前端信号预处理算法设计及几种典型的机器学习模型。此外，还指出了

现有算法在推向实际应用中面临的困难及挑战。最后，基于作者的思考，文章展望了未来基于机器学习的水声

定位算法的几个潜在的研究方向。

关键词：水声被动定位；机器学习；深度学习；神经网络；监督学习

中图分类号：Ｏ４２７．９文献标识码：ＡＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３０５３０．２０１９．０９．００２

引用格式：牛海强，李整林，王海斌，等．水声被动定位中的机器学习方法研究进展综述［Ｊ］．信号处理，２０１９，３５

（９）：１４５０１４５９．ＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３０５３０．２０１９．０９．００２．

Ｒｅｆｅｒｅｎｃｅｆｏｒｍａｔ：ＮｉｕＨａｉｑｉａｎｇ，ＬｉＺｈｅｎｇｌｉｎ，ＷａｎｇＨａｉｂｉｎ，ｅｔａｌ．ＯｖｅｒｖｉｅｗｏｆＭａｃｈｉｎｅＬｅａｒｎｉｎｇＭｅｔｈｏｄｓｉｎＵｎｄｅｒｗａ

ｔｅｒＳｏｕｒｃｅＬｏｃａｌｉｚａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，２０１９，３５（９）：１４５０１４５９．ＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３０５３０．

２０１９．０９．００２．

ＯｖｅｒｖｉｅｗｏｆＭａｃｈｉｎｅＬｅａｒｎｉｎｇＭｅｔｈｏｄｓｉｎＵｎｄｅｒｗａｔｅｒＳｏｕｒｃｅＬｏｃａｌｉｚａｔｉｏｎ

ＮｉｕＨａｉｑｉａｎｇＬｉＺｈｅｎｇｌｉｎＷａｎｇＨａｉｂｉｎＧｏｎｇＺａｉｘｉａｏ

（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｃｏｕｓｔｉｃｓ，ＩｎｓｔｉｔｕｔｅｏｆＡｃｏｕｓｔｉｃｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１００１９０，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｉｎｔｈｉｓｐａｐｅｒ，ａｎｏｖｅｒｖｉｅｗｏｆｓｏｕｒｃｅｌｏｃａｌｉｚａｔｉｏｎｉｎｕｎｄｅｒｗａｔｅｒａｃｏｕｓｔｉｃｓｂａｓｅｄｏｎｍａｃｈｉｎｅｌｅａｒｎｉｎｇｗａｓｐｒｅｓｅｎ

ｔｅｄ．Ｔｈｅｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｅｔｈｏｄｓｉｎｖｏｌｖｅｄｉｎｔｈｉｓｐａｐｅｒｉｎｃｌｕｄｅｄｍｕｌｔｉｌａｙｅｒｐｅｒｃｅｐｔｉｏｎ（ｆｅｅｄｆｏｒｗａｒｄｎｅｕｒａｌｎｅｔｗｏｒｋ），

ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ｒａｎｄｏｍｆｏｒｅｓｔ，ａｎｄｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｓｃｏｍｐｏｓｅｄｏｆｃｏｎｖｏｌｕｔｉｏｎａｌａｎｄｆｕｌｌｙｃｏｎｎｅｃｔｅｄｌａｙｅｒｓ．

Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｃｅｎｔｓｔｕｄｉｅｓｐｕｂｌｉｓｈｅｄｏｎｉｎｔｅｒｎａｔｉｏｎａｌｊｏｕｒｎａｌｓａｎｄｃｏｎｆｅｒｅｎｃｅｓ，ｔｈｅｋｅｙｔｈｅｏｒｅｔｉｃａｌｂａｓｉｓ，ｓｉｎｇｌｅｈｙｄｒｏ

ｐｈｏｎｅａｎｄａｒｒａｙｆｒｏｎｔｅｎｄｓｉｇｎａｌｐｒｅｐｒｏｃｅｓｓｉｎｇ，ａｎｄｓｅｖｅｒａｌｔｙｐｉｃａｌｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｏｄｅｌｓｉｎｓｏｕｒｃｅｌｏｃａｌｉｚａｔｉｏｎｗｅｒｅｄｅ

ｓｃｒｉｂｅｄｉｎｄｅｔａｉｌ．Ｔｈｅｐｒｏｂｌｅｍｓａｎｄｃｈａｌｌｅｎｇｅｓｉｎｒｅａｌｗｏｒｌｄａｐｐｌｉｃａｔｉｏｎｓｗｅｒｅａｌｓｏｄｉｓｃｕｓｓｅｄ．Ａｔｌａｓｔ，ｔｏｔｈｅｂｅｓｔｋｎｏｗ