人工智能在被动水声感知领域的研究进展OA

[背景]被动水声感知是海洋国防安全、海洋资源勘探、海洋生态环境监测以及水下无人系统自主作业的核心支撑技术,其通过被动接收水下目标辐射噪声实现目标探测、识别、定位与跟踪,具有隐蔽性强、能耗低、作用距离远等显著优势.传统被动水声信号处理方法高度依赖人工设计特征与理想化声场物理模型,在浅海复杂信道、强海洋噪声、低信噪比、多目标混叠以及时变空变环境下,普遍存在检测性能下降、识别准确率低、定位误差大、泛化能力弱等问题.近年来,以深度学习为代表的人工智能技术凭借强大的特征自主学习、非线性映射与鲁棒表征能力,为突破被动水声感知技术瓶颈提供了全新解决方案.[进展]本研究对被动水声感知技术的最新研究动态展开系统综述,内容涵盖人工智能技术在面向低信噪比环境的信号增强与分离技术、特征提取与端到端的特征表征、模型架构创新与全局依赖建模、低资源学习与跨域泛化技术、轻量化设计与端侧部署能力、多目标检测与多属性多模态融合感知,以及跨域协同与前沿探索等方面的应用与进展,着重剖析Transformer架构应用、少样本学习策略与多模态大模型引入等关键研究方向.[展望]最后,总结当前技术面临的瓶颈与现实挑战,指出未来需要通过深度融合物理声学模型与人工智能技术,推动人工智能技术在新一代被动声呐系统与海洋智能观测装备中的工程化落地.