针对深海复杂环境下传统声源定位技术精度不足的问题,研发基于电化学传感的矢量水听器定位系统。项目旨在突破低信噪比环境下的技术瓶颈,实现高精度声源定位,为海洋勘探和国防安全提供技术支撑。
通过将预处理后的水声数据输入到网络中,模型根据要求分割多个快拍,对每个快拍进行doa估计。CNN-CBAM 混合深度学习模型构建,设计双卷积层与注意力机制的级联结构;创新性KANsformer 混合架构,将样条激活函数与Transformer 机制结合,建立等边三角形阵列模型。在深海低频高噪声下实现精确doa估计。
解决传统方法在-5~0 dB 低信噪比环境下的性能退化问题,实现方位角误差<10°、俯仰角误差<5°的定位精度;完成5 种主流算法(KANsformer、Transformer、LSTM-ATT、LSTM、MUSIC)的对比验证,KANsformer模型在相干源场景下保持<10°估计误差,显著提升系统在脉冲噪声环境下的鲁棒性;