近日，我校机械工程学院博士生尚光涛在国际顶级期刊《Reliability Engineering & System Safety》上发表了一篇题为“Reliability-Aware Bayesian Decision Framework for Passive Acoustic Localization under Model Mismatch”的学术论文。机械工程学院海洋技术与装备研究中心王茂法教授为论文的通讯作者。
《Reliability Engineering & System Safety》是工程技术领域的国际顶级期刊，（中科院一区Top，影响因子13.7）。期刊主编为国际著名学者、斯洛文尼亚卢布尔雅那大学Marko Cepin教授。
被动声学定位在海洋监测、水下目标评估和近海监视中应用广泛，但是其价值取决于定位准确性和报告可用性——错误位置会误导评估，过度拒绝则浪费有用信息，因此需要制定报告发布标准和性能达标条件。在浅水波导中，标量垂直线列阵（VLA）采样压力场，匹配场处理与贝叶斯定位将其与模型副本比较，性能受环境、阵列和接收器表征的影响。环境建模、阵列几何、信道响应和协方差估计带来耦合不确定性，失配会导致后验集中到错误副本分支，因此报告前需经验评估，仅靠平均定位误差不足以描述失败频率和报告可用性。
“Reliability-Aware Bayesian Decision Framework for Passive Acoustic Localization under Model Mismatch”论文针对环境和接收器的不确定性可能导致产生自信但错误的被动声学定位估计问题，研究开发了一个贝叶斯框架。将任务依赖的点估计与选择性报告相结合，并基于有限样本风险界限、最低覆盖率和相对于匹配先验的改进进行条件特定合格性评估，同时设计了共享增益瑞利方法将连续细化限制在三个最佳候选单元以提高计算效率。实验结果表明：在KRAKEN仿真中，固定MAP规则在27°相位RMS条件下将可接受失败从53次降至2次，覆盖率达99.32%且估计值不变；在3072个基任务上满足全部质量要求，处理时间减少约63%~64%；在实测海试数据中，MAP定位距离和深度平均绝对误差分别为49.13米和8.71米，平均有界任务损失从0.5582降至0.2177。整体上，该方法在明确操作条件和质量要求下实现了报告可靠性与计算效率的双重提升。
文字：尚光涛
图片：尚光涛
一审：陈爱红
二审：纪华伟
三审：王胡英