水声被动定位中的机器学习方法研究进展综述

• 作者: 宫在晓 李整林 牛海强 王海斌
• 来源期刊: 信号处理
• 学科: 物理学
• 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
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 综述
• 页码范围: 1450-1459
• 页数: 10页
• 分类号: O427.9
• 字数: 9233字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2019.09.002

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李整林	中国科学院声学研究所声场声信息国家重点实验室	42	187	8.0	13.0
2	王海斌	中国科学院声学研究所声场声信息国家重点实验室	21	29	3.0	5.0
3	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	14	3	1.0	1.0
4	牛海强	中国科学院声学研究所声场声信息国家重点实验室	4	0	0.0	0.0