机器学习应用于海洋航船声学定位获得验证

中国科学院声学研究所与美国加州大学的研究人员合作，成功将机器学习分类器算法应用于加州西海岸圣芭芭拉海峡过往商船的水声学定位实验。

该项研究基于2016年在圣芭芭拉海峡开展的水声学实验进行，实验海深为540m～600m，声源为3艘随机的、以不同速度航行的过往船舶。在实验中，28个水听器组成孔径77m的传感器阵列，用来记录出入洛杉矶港口的船舶的噪声；3个时间段内3艘船舶产生的噪声数据作为机器学习分类模型的训练数据和测试数据。研究人员研究了定位算法在53Hz～200Hz和203Hz～

350Hz两个频段的性能，比较了两个频段上常规匹配场处理、支持向量机分类器和神经网络分类器的定位结果。对比结果显示，基于机器学习的定位方法优于常规匹配场定位方法。在没有准确环境信息的条件下，常规匹配场定位方法在超过4km时就因误差过大失效了，而基于机器学习的定位方法可准确定位到10km。机器学习分类器算法不仅能够在未知海洋环境下给出较好的定位结果，还适用于不同航速的随机声源。

该项研究成果有望应用于复杂海洋环境下水下声源的快速、准确定位，同时也为水声大数据和深度学习研究打下了基础。

(科 苑)

我国研发成功全球大数据查询速度最快、性价比最高的服务器

经过一个多月的苛刻审核，TPCxT－BB（TPC Benchmark Express－BigBench）在国际标准化组织事务处理性能委员会（TPC）官网发布，曙光信息产业股份有限公司自主研发的全新一代双路机架服务器——I620-G30服务器集群性能和性价比双破世界纪录。……