肖旭， 任群言， 苏林， 马力， 鹿力成

(1.中国科学院 水声环境特性重点实验室，北京 100190； 2.中国科学院声学研究所，北京 100190； 3.中国科学院大学，北京 100049)

浅海水声环境往往呈现水平非均匀性，其中海底底质声学特性的水平变化是其主要表现之一。由于直接采样测量海底底质声学特性的方法过程繁琐、成本高昂，许多研究聚焦于利用声学信号反演沉积层声学参数的间接方法。一种典型间接方法是基于单波束测深仪的沉积层地声参数反演方法[1]。它基于海底高频反向散射的复合粗糙度模型[2]，给出小入射角高频声波海底反向散射声信号包络时域建模方法[3]，并通过海底反向散射信号包络进行地声参数反演[4]。

地声参数反演问题通常看成一个非线性优化问题，将各种全局优化算法(模拟退火、遗传算法等)应用于求代价函数最优解问题[5]。此类方法在寻优过程中需反复调用正演模型计算，普遍存在计算开销大、收敛速度慢，以及易陷入局部最优、超参数调优困难等问题。考虑到在实际的海洋测试中，海底底质特性在局部区域随距离变化的过程较为缓慢，这为地声参数的序贯估计提供了可行性。

卡尔曼滤波是一种典型序贯估计算法[7]，可对线性或非线性系统中状态变量和参数进行动态估计[8]，利用卡尔曼滤波框架进行序贯估计的方法已被有效应用于水声目标测距[9]、声速剖面反演[10]等领域。卡尔曼滤波过程分为预测和校正2个步骤，可根据正演模型预测与实测数据之间的误差反馈，自适应地更新对状态变量的激励，从而校正模型参数的预测值。……