Jag accepterar att kakor lagras på min dator

Läs mer

Identification of object parameters from acoustic scattering data.

Identification of object parameters from acoustic scattering data. Beställ tryckt exemplar Lägg i kundvagnen Ladda ned som PDF
Författare: Bondelind Mia
Ort: Stockholm
Sidor: 21
Utgivningsår: 2005
Publiceringsdatum: 2005-01-01
Rapportnummer: (FOI-R--1702--SE)
Nyckelord Akustisk spridning, bistatisk, identifiering, acoustic scattering, bistatic, identification
Sammanfattning Studier av problemet att bestämma fysikaliska parametrar för ett begravt objekt på havsbottnen genom inversion från akustiska spridningsdata beskrivs i rapporten. En ROV-buren akustisk källa sänder ett pulståg riktat mot ett objekt och de reflekterade ekona registreras av en separat placerad vertikal mottagarkedja. Fitness funktionen mäter sedan avvikelserna mellan de experimentellt observerade och numeriskt predikterade tidsserierna. Endast modell beräkningar har utförts dvs inga experimentella data har använts. Sju parametrar beskrivandes avstånd, djup, roll, yaw, pitch, täthet och ljudhastighet för objektet har studerats. Det globala icke-linjära optimeringsproblemet har l^sts med en Differential Evolution, DE, algoritm. Lokalt beteende hos objektfunktionen har undersökts genom studier av andraderivatan vid det globala minimumet. The Neighbourhood Algorithm Bayes, NAB, har använts för att uppskatta sannolikhetsfördelningen för ensemblen av parametervektorer.
Abstract This paper describes computational analysis of the problem of estimating physical parameters of an object, buried in the seafloor, by acoustic probing. A ROV-mounted directive acoustic source sends a train of pulses at the object and the reflected echoes are registered by a separately located vertical receiver array. The fitness function then estimates the misfit between the experimentally observed and model-predicted time-series. Only model computations have been performed i.e. no experimental data have been used. Seven parameters describing the range, depth, roll, yaw, pitch, density and the sound speed of a box-shaped scatterer have been studied. The nonlinear global optimization problem has been solved with the Differential Evolution algorithm, DE. The local behaviour of the object function has been studied by evaluations of the second derivative at the global minimum. The Neighbourhood Algorithm Bayes, NAB, has been used to estimate the probability density function of the ensemble of parameter vectors.

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182