面向被动声速反演的物理正则化深度学习：提升深海环境中的水声导航与通信

《Ocean Engineering》：Physics-regularized deep learning for passive sound speed inversion: Enhancing underwater acoustic navigation and communication in deep-sea environments

　　

•MDAN 融合环境噪声和 ERA5 进行 SSP 反演。
•射线追踪损失强制声学传播一致性。
•深度注意力机制准确捕捉表面声道动力学。
•与线性基线相比，误差减少了 43%。
•已通过独立现场 Argo 剖面浮标进行验证。

引言

精确的水下声学定位和可靠的通信链路是深海工程作业安全的基础前提。在自主水下航行器（AUV）导航、海底基础设施检查以及海洋观测站声学遥测等关键应用中，声速剖面（SSP）的时空变异性是操作不确定性的主要来源。具体而言，由动态温跃层波动引起的未补偿射线弯曲会导致长基线（LBL）系统中的定位误差超过可接受公差，危及海上建设精度和 AUV 回收。因此，获取高分辨率 SSP 不仅是海洋学目标，更是减少商业和科学深海任务中声学传播风险的迫切工程需求（Chen et al., 2025, Qin et al., 2025）。

虽然使用 CTD（电导率、温度、深度）和 XBT（丢弃式深温仪）等仪器进行的现场测量提供了真值数据，但其操作成本和空间稀疏性阻碍了导航系统动态误差校正所需实时时间分辨率的获取（Liu et al., 2023）。由 Munk 和 Wunsch（1979）提出的海洋声学层析成像（OAT）提供了一种可扩展的替代方案。然而，传统的主动 OAT 方案需要高功率声源，这对电池供电的自主节点构成了高昂的能源消耗负担，并面临日益增加的环境合规限制（Li et al., 2019）。这些工程限制催生了向被动海洋声学层析成像（P-OAT）的转变，这是一种低功耗、非侵入式的方法，利用环境噪声干涉测量提取格林函数，为长期水下声学网络提供了可持续的解决方案（Roux et al., 2004）。

被动 OAT 通过 Godin et al. (2010) 和 Li et al. (2019) 等开创性工作确立了其可行性，然而传统方法在应用于操作场景时面临基本的“线性化瓶颈”。为了处理反演的欠定性质，这些方法主要依赖线性化扰动分析并结合低维参数化，如经验正交函数（EOF）或压缩感知（CS）（Liu et al., 2024）。虽然这些线性方案对背景趋势有效，但本质上无法捕捉强非线性垂直结构，特别是温跃层和混合层的尖锐梯度。在工程背景下，这一限制至关重要：产生的过度平滑剖面无法准确预测声学射线转折点或会聚区位置。因此，依赖此类线性化反演会在射线追踪算法中引入巨大的建模误差，直接降低依赖精确多径预测的水下声学定位和通信系统的性能。

近年来，数据驱动方法，特别是深度学习（DL），为建模非线性海洋动力学提供了新范式。现有研究证明了 DL 在融合多源信息方面的效用；例如，Su et al. (2024) 使用深度森林模型实现了高分辨率温度重建，而 Wu et al. (2025) 结合射线理论与长短期记忆（LSTM）网络处理到达角。类似地，Huang et al. (2023) 引入元学习来解决数据稀缺问题。然而，关于操作部署仍存在一个关键限制。大多数框架将反演视为基于稀疏标量输入（例如峰值传播时间）的通用回归问题，从而丢弃了在低信噪比环境中鲁棒检测所需的信号包络中的丰富形态信息。此外，通用深度学习模型往往缺乏物理约束，将海洋视为“黑盒”。这种无约束性可能导致违反基本声学传播定律的预测，使得此类“黑盒”解决方案在安全关键导航和测距任务中不可信。

为了提高模型的可靠性和可解释性，将物理定律整合到神经网络中——即物理信息神经网络（PINNs）——已成为前沿研究方向（Raissi et al., 2019）。在海洋声学领域，取得了显著进展：Yin et al. (2024) 利用基于抛物方程（PE）包络的 PINN 在稀疏测量下预测声场，而 Xia et al. (2025) 提出了结合时域波求解器的物理信息生成对抗网络（PI-GAN）。Xi et al. (2024) 进一步将有限元方法与神经网络结合，用于结构诱导传播问题。然而，在训练过程中嵌入高阶偏微分方程（PDEs）或进行迭代全波场模拟会产生计算成本，这对于实时或资源受限的边缘计算应用往往是无法承受的。此外，在特征为低信噪比（SNR）的被动感知场景中，标准 PINN 往往面临收敛不稳定性。这产生了对一个框架的需求，该框架需平衡快速环境评估所需的计算效率与声学传播定律的物理严谨性，同时避免每次训练迭代求解 PDE 的重重负担。

为了克服深海环境中高分辨率真值稀缺的问题——在那里获取连续密集的 CTD 链在操作上是无法承受的——本研究采用了一种分层验证策略。我们利用数据同化 HYCOM 再分析资料作为中尺度结构的动力一致训练代理。虽然再分析产品本质上会过滤掉细尺度湍流，但它们提供了空间连续的 4D 水动力基线，使网络能够学习表面强迫与次表层分层之间的基本映射。至关重要的是，我们通过强制严格的声学物理一致性来解决再分析数据的“不完全监督”问题。我们的假设是网络作为一个物理约束去噪器：通过融合高保真声学形态特征与低保真空间标签，并通过可微射线追踪损失调节输出，模型可以恢复再分析平滑过程中丢失的结构细节（例如尖锐的温跃层梯度）。随后通过独立的现场 Argo 剖面验证了此映射的操作可行性，确保模型捕捉对减少声纳系统中模型不匹配误差至关重要的现实海洋变异性。

针对从路径积分声学观测中解析复杂表面动力学的挑战，本文提出了一种用于被动 SSP 反演的物理正则化多模态深度感知网络（MDAN）。不同于将海洋视为孤立声学波导的范式，我们的框架明确纳入了 ERA5 大气边界条件。认识到混合层深度和温跃层梯度——表面声道传播的关键因素——受表面强迫动力约束，这种多模态融合允许网络利用大气输入来解决近表面解空间。这有效地将风驱动扰动与背景声学积分解耦，显著提高了水下操作环境估计的可靠性。

本研究的主要贡献无缝整合到我们提出的框架中。首先，我们设计了一个多模态特征融合框架，具有双分支编码器，集成了高维声学形态特征与 ERA5 大气强迫。这种方法利用表面边界约束来解决混合层的非线性模糊性，有效表征了准确声纳性能预测所需的关键表面声道结构。其次，我们引入了一个深度感知变异性适应模块。为了解决深水稳定性本质上掩盖近表面波动性的体积不平衡问题，这种深度感知注意力机制自适应地优先保证温跃层等高梯度区域的重建精度。它有效防止了传统线性反演中常见的“削峰”伪影，并确保精确的声学射线弯曲计算。最后，我们通过纳入基于费马原理并由观测 NCCF 传播时间约束的可微射线追踪损失，实现了一种物理正则化验证策略。这在无需全波求解器计算负担的情况下强制了声学一致性。实验结果表明，与传统线性方法相比，误差减少了 43%。至关重要的是，针对现场 Argo 剖面的独立验证确认了模型修正再分析产品中固有物理偏差的能力，建立了一种用于自主导航系统深海环境感知的稳健、低成本方法。

本文其余部分组织如下：第 2 节详细介绍了所提方法的整体框架，包括特征构建、网络架构和物理约束机制。第 3 节介绍了实验数据、评估指标和参数设置，随后是对结果的综合分析。最后，第 4 节总结了结论。

章节片段

问题表述

为了减轻深海作业中由射线弯曲引起的定位误差，本研究的主要目标是在两个水听器之间反演时变的、有效范围平均的声速剖面（SSP）。水柱（0–1500 米）被离散化为 Nz 层，特别是在上层海洋进行了细化以解决表面声道动力学。因此，第 i 个时间步的 SSP 向量 ci 作为声学传播建模的状态向量，定义为：ci=[ci(z1),ci(z2),…,ci

操作测试台与阵列几何结构

为了在真实的深海作业条件下严格验证所提框架，选择了美国海洋观测台计划（OOI）位于阿克斯亚尔海山的区域有线阵列（RCA）作为操作测试台。该地点位于美国俄勒冈州海岸外约 270 公里处（45.95°N, 130.01°W），典型地代表了深海干预任务中遇到的复杂声学环境，其特征是动态的热液喷口和内波活动。如图所示...

结论

为了克服连续深海剖面的高昂成本和传统声学层析成像中固有的“线性化瓶颈”，本文提出了物理正则化多模态深度感知网络（MDAN）。通过融合从环境噪声中提取的声学形态特征与 ERA5 大气边界条件，MDAN 建立了一种非线性反演范式，解决了表面强迫与次表层水文之间的复杂耦合。评估基于...

CRediT 作者贡献声明

崔学荣：形式分析。田佳：写作 – 审查与编辑，写作 – 初稿，验证，资源，方法论，形式分析，数据整理，概念化。李娟：调查。崔帅：调查。李磊：资源。江斌：形式分析。

竞争利益声明

作者声明他们没有任何已知的竞争性财务利益或个人关系可能影响本论文中报告的工作。

致谢

本研究得到了国家自然科学基金委员会资助项目 62571552 和 62471494 的支持。本材料基于海洋观测台计划（OOI）的工作，OOI 是美国国家科学基金会根据合作协定 No. 2244833 完全资助的主要设施，以及伍兹霍尔海洋研究所 OOI 项目办公室。作者感谢 HYCOM 联盟提供全球海洋预报系统（GOFS）3.1 再分析数据。

崔学荣 | 田佳 | 李娟 | 崔帅 | 李磊 | 江斌