Page 84 - 《应用声学》2021年第5期

728 2021 年 9 月

Input feature
conv 1 ֒ × , 5 20
conv ֒ 1× , 5 5 conv , 1× , 5 10
conv 1 ֒ × 5֒ 20
conv ֒
1× , 5 20
conv ֒ 1× , 5 5 conv , 1× , 5 10
conv , conv 1 ֒ × , 5 20
1× , 5 10
conv ֒ 1× , 5 5 conv , 1× , 5 10
conv 1 ֒ × , 5 20
conv ֒ 1× , 5 5 conv , 1× , 5 10
+
conv ֒ 1× , 5 5 + Average poooling

+ Range Regression,1
图 6 CNN 结构图
Fig. 6 CNN structure chart

5.0 5.0
4.5 ࠄᬅᡰሏ 4.5 ࠄᬅᡰሏ
4.0 ᮕ฾ᡰሏ 4.0 ᮕ฾ᡰሏ
3.5 3.5
ᡰሏ/km 3.0 ᡰሏ/km 3.0

2.5
2.5
2.0 2.0
1.5 1.5
1.0 1.0
0.5 0.5
0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70
ನవᎄՂ ನవᎄՂ
(a) 235 Hz (b) {112 235 388} Hz
图 7 CNN 在测试集上的距离估计结果
Fig. 7 Range estimation results of CNN on test set
3.2.3 GRNN回归器 于窄带声源，由于和窄带声源相比，宽带声源的输入
GRNN的输入和CNN一致，图8为窄带声源和 特征较多，因此其估计性能会更好。
宽带声源在不同扩展因子下的预测结果，可得到窄 宽带声源的距离在 3 种方法下估计结果的绝
带声源和宽带声源的最佳扩展因子分别为 0.005 和 对误差如图 10 所示。MFP、CNN 和 GRNN 的平均
0.006。窄带声源和宽带声源的验证集在 GRNN 方 绝对误差分别为 1.121 km、0.310 km 和 0.058 km，
法下的距离估计结果如图 9 所示，可得到：和 MFP CNN 和 GRNN 均大幅度地减小了距离估计的绝对
相比，GRNN对窄带和宽带声源的距离估计性能均 误差，且 GRNN 具有最高的估计精度和最好的稳
明显提升，尤其是在0∼2 km间的声源距离估计。 定性。
窄带和宽带声源的距离分别在 MFP、CNN
和 GRNN 三种方法估计下的 MAPE 如表 1 所示。 表 1 宽带声源和窄带声源在不同方法下的 MAPE
由表 1 的横向对比可得到，窄带声源和宽带声源 Table 1 MAPE of broadband and narrow-
在GRNN 方法下的 MAPE 均远小于 CNN 和MFP， band sources under different methods
GRNN 估 计 性 能 明 显 优 于 CNN 和 MFP； 相 比
方法 MFP CNN GRNN
MFP，CNN 方法下的 MAPE 较小，CNN 的估计
窄带 235 Hz 83.10 19.85 8.0634
性能较为优良。由表 1 的纵向对比可得到，GRNN、
宽带 {112 235 388} Hz 37.78 15.05 2.0433
CNN 和 MFP 三种方法对宽带声源的 MAPE 均小