模型失配下用于被动声学定位的可靠性感知贝叶斯决策框架

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Reliability-aware bayesian decision framework for passive acoustic localization under model mismatch

　　•基于任务的报告将位置估计与报告选择分离。
•在27°时，固定MAP门限将失败次数从53降至2，覆盖率99.32%。
•资格认证结合了风险界限、覆盖率和匹配先验增益。
•已知方差时，细化满足质量裕度，并将全Rice时间缩短63%–64%。
•S5声学MAP相对于其匹配先验降低了任务损失。

引言

被动声学定位为海洋监测、水下目标评估和近海监视提供声源位置[1], [2], [3]。其运行价值取决于准确性和报告可用性：错误位置可能误导评估，而过度拒绝则会保留有用信息。因此，报告需要发布估计值的标准，并识别满足特定性能要求的条件。

在浅水波导中，标量垂直阵列（VLAs）采样深度相关的压力场，其模态干涉携带由水柱和海床塑造的距离和深度信息[1], [4]。匹配场处理与贝叶斯定位将这些测量值与模型生成的副本进行比较，使其性能依赖于环境、阵列和接收器表示[5], [6], [7], [8], [9]。

环境建模、阵列几何、信道响应和协方差估计引入了耦合的不确定性[10]。声速近似影响声传播时间[11]；环境和接收器失配以及有限观测改变了匹配场模糊度[5], [6]。旁瓣也影响管道泄漏定位[12]。在失配条件下，集中的后验可能偏向错误的副本分支，因此支持需要在报告前进行实证评估。平均定位误差单独既不能描述已发布报告中的失败频率，也不能描述报告可用性。

海上安全监测将可观测指标与运行决策联系起来[13]，具有明确的验收原则和基于风险的性能验证[14], [15]。运行设计域[16]、开阔海域与限制水域航行指标之间的差异[17]，以及扰动下的性能[18]，强调了对运行条件的依赖。声学报告同样需要在定义的环境和接收器条件下进行风险和覆盖率评估。

贝叶斯决策理论、拒绝选项和有限样本风险控制为这一评估提供了基础[19], [20], [21], [22]。可靠性应用包括基于不确定性的裂纹分割弃权[23]，以及逆向设计中独立的候选生成和共形评估[24]。最大可靠性估计器（MRE）是在工作后验下针对容差损失的有限网格贝叶斯动作。物理失配评估还需要定位误差和接受决策；保持位置固定将报告选择与估计器变化分离。

这里的资格认证同时要求有界的接受失败风险、足够的覆盖率，以及相对于匹配比较器使用上下文信息（无需声学数据）的任务改进。基于可靠性的模型验证同样识别满足差异容差的输入区域[25]。目标是确定哪些测试条件支持在可测量要求下的固定报告策略，同时考虑错误报告和通过拒绝丢失的信息。

接收器增益不确定性也增加了干扰拟合和空间细化的成本[26], [27]。选择性计算出现在主动学习可靠性分析[28]、条件推断和损失控制的早期退出中[29], [30]。这里，频率共享增益允许在连续细化之前进行候选评分，连续细化仅限于选定的单元。计算节省根据明确的任务质量要求进行评估。

本研究开发和评估了用于被动声学定位的这些报告和计算方法。其贡献如下：
1. 基于任务的报告公式将位置估计与发布估计值的决策分离。动作匹配比较识别支持阈值化、校准和测量健康筛选的贡献，而匹配先验动作则量化在共同任务损失下声学观测的贡献。
2. 条件特定的资格认证程序将接受失败的有限样本界限与最小覆盖率和先验相对增益要求相结合。KRAKEN模拟在规定的世界-源-上下文配置和有序失配条件下评估固定报告策略。任务层比较分别评估指定任务分布下的覆盖率和声学贡献。
3. 共享增益Rice方法对空间候选进行评分，并将连续细化限制在三个单元内。独立的配对任务确认预定义的质量增量要求，而完整的处理时间比较和受控的候选数量消融实验量化了计算效益和候选选择的贡献。

受控后验示例表征动作选择；KRAKEN在失配条件下评估报告；SWellEx-96评估联合定位与导航推导距离和名义深度。独立的接收器增益研究在其自身观测模型下评估计算和质量。

第2节发展决策规则和数值方法。第3节指定实验，第4节呈现结果。第5节检查其工程意义和范围，随后第6节给出结论。

章节片段

观测模型与后验构建

每个观测窗口单独处理。不使用时间状态转移模型或递归后验更新。窗口间的依赖在解释现场结果时考虑。

考虑一个具有M个传感器和频率集F的标量VLA。对于频率fk，复阵列快照表示为yk,t∈?M。样本互谱密度矩阵及其迹归一化为R?k=1T∑t=1Tyk,tyk,tH,R?k=R?ktr(R?k)，其中归一化减少尺度敏感性。

设x表示

验证设计

表1总结了验证问题。受控后验表征动作损失和选择；KRAKEN提供固定策略确认和独立的匹配成分比较。独立配对任务评估接收器增益细化和完整运行时间，而S5评估联合定位与导航和名义深度参考（仅用于评分）。

结果

未门控的距离/深度误差和Bartlett MFP提供跨点动作的共同精度参考。报告性能通过覆盖率、条件毛损失、残差和总失败、无条件接受失败以及动作匹配声学增益进行评估。

讨论

KRAKEN结果表明控制发布哪些位置估计的工程价值。在27°时，选择性报告将接受失败从53降至2，同时保留99.32%的覆盖率并保持MAP坐标不变。因此效益来自报告选择。36°的结果表明为何这一评估必须保持条件特定：有利的汇总性能与某些固定世界要求的证据不足共存。资格认证是

结论

本研究解决了环境和接收器不确定性下被动声学定位中的可靠位置报告和计算效率问题。所提出的贝叶斯决策框架将任务依赖的点估计与选择性报告和基于有限样本风险界限、最小覆盖率以及相对于动作匹配先验的改进的条件特定资格认证相结合。互补的共享增益Rice方法对空间候选进行排序并限制联合

CRediT作者贡献声明

Guangtao Shang：写作——初稿，可视化，验证，软件，方法学，形式分析。Pengwei Wang：写作——初稿，可视化，验证。Zidong Cheng：写作——初稿，可视化。Maofa Wang：写作——审阅与编辑，监督，资源，项目管理，资金获取。

利益冲突声明

作者声明没有已知的利益冲突或个人关系可能影响本文报告的工作。

致谢

作者感谢SWellEx-96实验数据提供者为研究社区提供基准声学数据。作者还感谢KRAKEN简正波声传播模型及相关声场计算工具的开发者，他们支持了本研究中的物理验证。

Guangtao Shang获得南京信息工程大学控制科学与工程硕士学位。目前是杭州电子科技大学海洋技术与装备研究中心的博士候选人，主修海洋技术与工程。研究兴趣包括海洋声学传感、被动声学定位、可靠性评估和贝叶斯决策方法。

Guangtao Shang|Pengwei Wang|Zidong Cheng|Maofa Wang