[논문 리뷰] Surface Waves Prediction Based on Long-Range Acoustic Backscattering in a Mid-Frequency Range

A. V. Ermoshkin, Dmitry A. Kosteev외 3명|arXiv (Cornell University)|2022. 05. 25.

Underwater Acoustics Research참고 문헌 37인용 수 10

한 줄 요약

이 연구는 흑해에서 수행된 중주파수 소나 실험의 반사파 도플러 스펙트럼 분석을 통해 1–3 kHz 대역의 장거리 음향 반사 신호를 이용하여 현저한 파고와 피크 파도 주파수를 예측할 수 있는 가능성을 입증한다. 저자들은 물리적 특징을 기반으로 훈련된 XGBoost 기반 기계학습 모델을 활용하여 현장 측정치와 양호한 일치를 보이는 표면 파라미터를 추정한다. 이는 해양 표면을 원격으로 모니터링하기 위한 새로운 접근법을 제시한다.

ABSTRACT

Underwater acoustic echosounding for surface roughness parameters retrieval is studied in a frequency band that is relatively new for such purposes. During the described 2-weeks sea experiment, 1–3 kHz tonal pulses were emitted from an oceanographic platform, located on the northern Black Sea shelf. Doppler spectra of the resulting reverberation were studied. The frequency band of the acoustic system, selected for this study, is chosen due to the fact that the sound propagation range is large enough for remote sensing in a coastal zone, and the resolution cell size does not limit the research. Backscattering of acoustical signals was received for distances around two nautical miles. However, it turned to be quite difficult to interpret the obtained data since backscattering spectrum shape was influenced by a series of effects, resulting in a complicated link to wind waves and currents’ parameters. Significant wave height and dominant wave frequency were estimated as the result of such signals processed with the use of machine learning tools. A decision-tree-based mathematical regression model was trained to solve the inverse problem. Wind waves prediction is in a good agreement with direct measurements, made on the platform, and machine learning results allow physical interpretation.

연구 동기 및 목표

• 중주파수(1–3 kHz) 수중 음향 반사 신호가 표면 파라미터를 원거리에서 감지하는 데의 잠재력을 조사한다.
• 장거리 반사파 신호로부터 현저한 파고와 피크 파도 주파수를 추정하는 역문제를 해결한다.
• 다양한 물리적 산란 메커니즘에 영향을 받는 복잡한 음향 도플러 스펙트럼을 해석하는 데 기계학습의 효과성을 평가한다.
• 14일간의 해양 실험 동안 수집된 직접적인 현장 측정치와 모델 예측치를 비교하여 모델의 타당성을 검증한다.

제안 방법

• 지속적인 소나 시스템이 흑해 북부 shelf에 위치한 플랫폼에서 1–3 kHz 톤 펄스를 방출한다.
• 반사된 반사파 신호의 도플러 스펙트럼을 약 2해리 거리에서 기록한다.
• 도플러 스펙트럼에서 유도된 물리적 특징—예: 브라그 산란 강도, 스펙트럼 비대칭도, 시간 지연—를 기계학습의 입력으로 추출한다.
• 음향 특징에서 현저한 파고와 피크 파도 주파수를 예측하기 위해 XGBoost 기반의 회귀 모델을 훈련시킨다.
• 예측 모델에서 가장 영향력 있는 물리적 변수를 식별하기 위해 특징 중요도 분석을 수행한다.
• 지역 현장 측정치인 바람 속도, 파고, 해류 속도를 이용하여 모델 校정을 실시한다.

실험 결과

연구 질문

• RQ1 1–3 kHz 대역의 장거리 음향 반사 신호를 이용해 현저한 파고와 피크 파도 주파수를 추정할 수 있는가?
• RQ2 도플러 반사파 스펙트럼의 물리적 특징이 실제 표면 파라미터와 어떻게 상관관계가 있는가?
• RQ3 XGBoost와 같은 기계학습 모델이 복잡하고 노이즈가 많은 음향 반사 데이터에서 파라미터를 얼마나 정확하게 재구성할 수 있는가?
• RQ4 气 bubbles 산란과 브라그 공진은 중주파수에서 관측된 도플러 스펙트럼의 형태를 어떻게 형성하는가?
• RQ5 산란 메커니즘에 대한 물리적 이해에 기반한 특징 선택이 모델 성능에 미치는 영향은 어떠한가?

주요 결과

• XGBoost 모델은 예측된 현저한 파고와 피크 파도 주파수 값이 현장 측정치와 양호한 일치를 보이며, 원거리 파도 모니터링을 위한 접근법의 타당성을 입증한다.
• 예측에 가장 중요한 특징은 스펙트럼 비대칭도(sk_le)와 브라그 산란 강도(lv_brag_le)였으며, 특히 특정 각도와 주파수에서 두드러졌다.
• 작은 시간 지연(예: 0–30 ms)을 가진 신호에서 유도된 스펙트럼 특징이 좌표계 중심의 표면 상태 추정에 우선적으로 고려되었다.
• 모델 성능은 시간 동기화에 매우 민감했으며, 잘못된 정렬은 의미 없는 결과를 초래했고, 이는 정확한 데이터 정렬의 중요성을 강조한다.
• 강한 바람 조건에서도 산란 강도의 유의미한 증가가 관측되지 않아, 본 연구 조건 하에서 기포 산란이 1–3 kHz 대역에서 지배적이지 않을 수 있음을 시사한다.
• 중간에서 거친 해상 상태에서 브라그 피크가 명확하지 않다는 점은 브라그 공진만으로는 전체 산란 거동을 설명할 수 없으며, 다른 메커니즘이 역할을 할 수 있음을 나타낸다.