基于三维N型卷积神经网络和频域注意力–亥姆霍兹正则化的近场声源重建方法

作者：籍宇阳; 王德禹^*

来源：中国舰船研究, 2023, 18(06): 186-196.

DOI：10.19693/j.issn.1673-3185.03127

• 近场声源重建
• 声源识别
• 三维卷积
• 亥姆霍兹正则化

[目的]针对全息面、低采样率条件下近场声源重建误差较大的问题，提出一种高分辨率、低误差的平面声源表面法向振速重建的深度神经网络框架。[方法]首先，建立用于近场声源重建问题的三维N型卷积神经网络框架（包含预编码器），通过提取空间声场频域内的特征，以弥补空间信息的稀疏性；然后，提出频域注意力机制，设计包含频域注意力–归一化重建均方误差、亥姆霍兹正则项的损失函数，以自适应增加频域内难训练样本的损失权重，从而提升声源在高频和本征特征区间的重建精度；最后，通过Matlab对COMSOL Multiphysics软件进行二次开发，建立矩形薄板声振模型的训练集和测试集，开展对比验证。[结果]对比结果表明，该方法在验证集上100～2 000 Hz内的平均重建误差仅为4.96%，重建精度明显高于SRCNN和PV-NN。[结论]该研究成果可以降低近场声源重建实船应用中的全息面采样点数量，同时可保证较高的声源面法向振速重建精度。

• 单位
  上海交通大学; 海洋工程国家重点实验室