买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：陕西科技大学

摘要：本发明公开基于卷积神经网络预测海洋湍流相位的方法，具体包括如下步骤：步骤1，通过数值仿真得到经过海洋湍流后的畸变光强图样和对应的海洋湍流相位图样，建立数据集；步骤2，设计并搭建卷积神经网络；步骤3，对步骤1中得到的训练数据进行数据预处理，并送入步骤2设计好的网络进行模型训练；步骤4，利用测试集测试卷积神经网络预测海洋湍流相位的效果。该方法能够解决现有光学方法直接预测海洋湍流相位不足的问题。

主权项：1.基于卷积神经网络预测海洋湍流相位的方法，其特征在于，具体包括如下步骤：步骤1，通过数值仿真得到经过海洋湍流后的畸变光强图样和对应的海洋湍流相位图样，建立数据集；步骤1按照以下具体步骤实施：步骤1.1，基于功率谱反演法，实现海洋湍流随机相位屏的数值模拟；首先，确定海水折射率波动谱Φkx,ky，其表达式为： （9）式中，kx、ky分别表示x、y方向的波数，ε为单位体积海水的能动耗散率，从海水深处到海水表面；χT为温度耗散率，从海水深处到海水表面；为温度导致海洋湍流与盐度导致海洋湍流的比值；η为Kolmogorov微尺度；式（9）中其他参数分别为：，AT＝1.863×10-2,AS＝1.9×10-4,ATS＝9.41×10-3；再者，获得基于功率谱反演法的海洋湍流随机相位屏：先生成一个复高斯随机矩阵hkx,ky，然后利用海洋湍流相位扰动的功率谱函数对其进行滤波，最后通过傅里叶逆变换获得海洋湍流随机相位屏，这一过程用公式表达为： （10）式中，C为控制相位屏方差的常数因子，hkx,ky为复高斯随机矩阵，Δz为湍流层的距离，k＝２πλ为光束的波数，λ为波长，Φkx,ky为海水折射率波动谱，i为虚数；步骤1.2，在圆柱坐标系下，拉盖尔-高斯光束的光场表达式为： （11）式中，z为传输距离，ZR是瑞利长度，wz是光束在z处的光束半径；为拉盖尔多项式，k表示光波波数，p为径向指数，l拓扑荷数；步骤1.3，根据菲涅耳原理，光束的电场为Ux,y,z光束在海洋湍流中传输Δz距离后，其电场函数Uz+Δz,x,y表示为： （12）式中，FFT-1为傅里叶逆变换，为菲涅耳传输系数，φx,y为海洋湍流随机相位屏；步骤1.4，将步骤1.1中海洋湍流随机相位屏φx,y与步骤1.2中拉盖尔-高斯光束的光场表达式代入公式（12），生成海洋湍流后的畸变光强图和对应的海洋湍流相位图共6600对样本，构造数据集；按照10:1的比例划分成训练集和测试集，6000对样本作为CNN的训练集，600对样本作为测试集测试CNN模型的预测效果；步骤2，设计并搭建卷积神经网络；步骤3，对步骤1中得到的训练数据进行数据预处理，并送入步骤2设计好的网络进行模型训练；步骤4，利用测试集测试卷积神经网络预测海洋湍流相位的效果。

全文数据：

权利要求：

百度查询： 陕西科技大学 基于卷积神经网络预测海洋湍流相位的方法