海洋-声学-探测模型的并行预报技术研究

范培勤，李玉阳，过武宏，赵建昕，张　林

（海军潜艇学院，山东　青岛　266071）

海洋-声学-探测模型的并行预报技术研究

范培勤，李玉阳，过武宏，赵建昕，张林

（海军潜艇学院，山东青岛266071）

针对声纳探测性能预报的需求，建立了海洋-声学-探测模型，实现了并行计算。该模型将海洋数值预报模式、声学模式与海洋观测资源进行整合，辅以战术需求，实现了对水声环境和声纳探测性能的动态预报和估计。同时，结合高性能计算机系统，设计并实现了模型的并行算法，结果表明，该程序具有较高的并行性能，较好地满足了声纳探测性能预报对实效性的要求，为形成业务化海洋水声环境预报能力打下了良好的基础。

海洋模式；声纳；探测性能；预报

长期以来受海洋环境数据获取能力和计算能力的制约，海洋水声环境信息保障主要是针对具体的小范围海域，基于历史和统计数据通过统计分析得到，无法解决“现报”和“预报”的问题，难以满足水声环境信息精细化保障的要求。因此，如何有效集成模型、数据等方面的现有资源，实现声纳探测性能的动态预报，成为目前亟需解决的问题。本文以声纳装备使用热点海区为背景，将海洋预报模型、声学模型与声纳探测模型进行耦合，把传感器性能的研究与水声学、海洋学的研究紧密地联系在一起，结合高性能计算平台，实现了相关海区未来时刻声纳探测性能的动态预报和估计，对声纳装备有效使用具有十分重要的意义。

1　海洋—声学—探测模型

海洋—声学—探测模型主要包括海洋数值模式［1-2］、声学传播模型、声纳探测模型，通过海洋动力模型的状态变量、声学计算参数、声纳方程参数之间的相互传递与影响形成统一的海洋—声学—探测模型。该模型计算流程为：基于高性能并行计算平台和水声环境数据库，首先通过水声环境数据库并结合实时更新的实测数据为POM模式提供历史数据作为初始场，完成预报海区的温度、盐度、密度等环境基础数据的预报，由此可得到声速场的动态预报；在此基础上读取水声环境数据库中的海底地形、密度、声速、吸收系数等地声参数，作为输入文件传递给声场计算模型，完成相关海区的声场计算；最后，利用声场计算结果，结合声纳探测模型，基于高性能并行计算平台，完成相关海区的声纳探测性能预报，为声纳装备的使用和指挥决策提供辅助决策信息支持。图1给出了整个系统的信息流程图。

图1　海洋—声学—探测模型并行预报信息流程图

1.1海洋数值模式

海洋数值模式是把海洋原始方程组离散求解的过程，用数值模式进行数值模拟是目前海洋相关研究的实用方法之一。随着读入数值模式的实测数据种类的增多和质量的优化以及模式自身的发展，数值模式如今已能较好地应用于三维海洋温、盐、流的数值模拟并向精确预测方向发展。目前海洋学界较为常用的海洋数值模式有POM，FVCOM，ROMS，HYCOM等。由于POM模式的开源性以及在中国海区的成功应用，本文采用该模式为声学模型提供三维温、盐、密的动态预报。

1.2声学模型

本文水下声传播模型采用的是波束位移射线简正波（BDRM）模型，BDRM模型是一种十分有效的声场计算方法，具有较高的精度、较快的计算速度，而且该方法把海洋边界条件对声场的影响与水层中的折射与绕射效应分离开来，有利于定性分析与定量计算海洋边界条件对声场的影响。BDRM理论的研究目前已经比较成熟，在此不再赘述，文献［4］给出了模型的详细推导过程。

1.3声纳探测模型

Carlo M．Ferla在深海中声纳最优工作深度选择的研究过程中［5］，在目标深度未知时，通过统计不同深度上声源声场的概率分布得到声纳最优工作深度，本文借鉴这种思想进行声纳探测性能的计算。

1.3.1被动声纳方程被动声纳方程［6］为：

式中：SL为目标声源级；TL为传播损失；NL为噪声级（包括自噪声与环境噪声）；DI为声纳指向性指数；DT为检测阈。

FOM（Figure of Merit）为声纳优质因子，可表示为：

式中：DTFOM表示当目标检测概率Pdet=PdetFOM时的DT值，通常概率取0.5（50%）。

声纳优质因子将不同的声纳设备和目标参数结合在一起，当在声纳方程被满足的情况下，它等于传播损失，而声传播损失可以通过声传播模型计算而得到，因此确定优质因子后便可以得出声纳探测距离。

1.3.2声纳探测性能计算模型当声纳方程的各参数确定后，即可得出确切声纳对目标的探测距离。而实际情况中，被动声纳的探测范围受到了自身性能、目标状况、环境条件、主观因素等诸多因素的影响，使得声纳探测性能的预报具有一定的不确定性，从而导致声纳探测范围存在不确定性，此时声纳探测距离不再是某一确定值，而是满足一定分布的概率值。因此，当考虑水下声传播存在一定的随机性分布时，可以用概率函数描述声纳探测的检测概率，建立基于声纳探测概率积分的声纳探测性能预报模型。

声纳信号余量的定义为：

考虑声场存在随机性分布时（如正态分布），对应的检测概率为：

式中：σ与给定距离r处的信号检测性能有关，反映了探测区域和非探测区域之间过渡的快慢。对于给定的发射和接收深度，可以计算得到不同距离上的声传播损失值。由式（1）和确定的优质因子FOM，得到不确定环境参数不同距离上的信号余量，然后通过式（3）计算出某次实现各个距离上不同信号余量对应的检测概率PD（r）。

为了比较不同深度上的检测概率值，将检测概率PD（r）按式（5）换算定义为检测半径，用来表示整个距离上的探测距离的可能性。

前面的讨论都是在假设声源的深度已知的情况下进行的，在声源信息缺乏的情况下，前面得到的结论是不适用的。为了得到声源深度未知情况下的声纳探测深度，假设声源在整个深度上服从一定的概率密度分布，如：均匀分布、正态分布，然后将声纳探测性能看作当接收深度固定时，关于声源深度的函数。这样便可以得到当声源深度服从一定概率密度分布时声纳探测性能的预报结果。

假设声源在水平深度上的分布服从一定的概率p（z）。然后计算声源在每一个深度处探测概率，并将这些值的平均值作为新的探测概率式（4）可表达为：

由式（2）可知，声纳优质因子与目标、环境和声纳自身的性能等因素相关，这给（5）式、（7）式的求解带来了很大的困难。考虑到优质因子通常在一定的范围内取值，在此假设声纳优质因子在区间［FOM1，FOM2］上服从概率分布pFOM（x），式（5）、（7）可表达为：

该模型综合考虑了声纳装备、海洋环境对声纳探测性能的影响，将海洋环境要素对声纳探测性能的影响综合考虑到声传播模型的计算中，简化了性能模型的计算过程，为有效地了解、利用海洋环境，有效地发挥声纳探测性能提供了一个定量评价的方法。

2　模型并行计算方法

基于海洋—声学—探测模型的声纳性能预报模型的并行处理可以分为两部分：第一部分主要是海洋模式的并行计算，实现海洋声速场的并行预报；第二部分主要是针对声纳探测性能预报的并行处理，本文主要讨论该部分的并行计算方法，模型的并行处理流程如图2所示。

图2　模型并行处理流程图

2.1海洋模式的并行计算

本文采用基于消息传递接口（MPI）的并行化设计，利用水平区域二维数据分解进行并行实现。根据对POM数值模式串行程序的计算结构、数据流向、及其差分格式的分析，并行程序将计算海区按经纬度划分成多个子海区分配给不同的进程，每个进程只负责本进程所分配海区的计算任务，具体实现过程参考文献［7］。

表1给出了海洋模式在曙光高性能并行计算机上的测试结果，其中模式的积分时间取为10 d，集合样本数取为80，测试结果表明，进程数在32个以内时，可以在20 min内完成整个海区的声速场预报。图3～图4为表1对应的并行程序效率和加速比图，从图中可以看出，模型并行后加速比接近线性，并行计算效率大于70%。

表1　海洋模式并行计算测试结果

图3　并行程序效率

图4　并行程序加速比

2.2声纳探测性能并行算法

声纳探测性能的计算主要围绕着不同经纬度点的声纳探测性能求解展开，计算主要集中在每个经纬度点的声场计算和声纳探测性能求解两个方面。计算过程中每个经纬度方区只要给出运算必须的海洋水声环境参数（声速剖面、海底地声参数等）可以独立完成计算。信息交互主要集中在程序开始计算时的海洋环境数据广播和计算结束后的计算结果收集两个方面，跟整个计算过程相比，其所耗的时间十分有限，因此，适合利用基于MPI的消息传递并行编程方式实现。

2.2.1并行算法设计与实现几乎在所有的科学工程计算中，循环部分都占有很大的比重，消耗了大部分的计算时间。因此，循环的并行化是一个重要的并行处理方法。声纳探测性能的预报主要围绕着经度和纬度方向的循环计算进行，循环部分占用了整个计算过程的绝大部分时间。因此，在经度和纬度方向的循环计算的并行化处理是整个程序并行处理的关键。

循环的并行划分方法主要有两种［8］:

（1）对总的循环次数N进行交叉计算，让不同的进程计算满足条件的计算任务，如：将0，np，2× np，...号循环交给进程0计算，将1，np+1，2×np+1，...号循环交给进程1计算，如此分配下去。

（2）对总的循环次数N按块分解。即将N的根据进程的个数分为np（进程数）段，每段的大小基本相同，每一连续的段分给一个进程进行计算，如：将号循环的计算任务分配给进程0，将号循环的计算任务分配给进程1，如此分配下去。

本文采用第一种划分方法，在对等模式下，对N进行交叉计算。算法思路如下:

进程id满足公式（3）的循环号数:

其中［］是取整符号，np是进程的个数。即:

进程0负责0，0+np，0+2np，…号循环的计算；

进程1负责1，1+np，1+2np，…号循环的计算；

……

当每个进程计算完成后，进程0从其他进程中收集计算结构并将其输出，由于计算得到的数据量非常大，也可以让每次循环的计算结果在计算完成后单独输出到一个文件，以减少计算时间、提高程序的效率。流程图如图5所示。

图5　声纳探测性能并行计算流程图

2.2.2并行算法性能分析表2给出预报海区未来6 d声纳探测性能预报所花费的时间。从表2可以看出，程序并行后，预报所用的时间大大减小，其中当用512个处理器来计算时，所有产品的预报只需：2 124.63 s，可以有效为声纳使用提供决策参数支持。提供相关海区的探测性能预报结果。同时还可以看出，随着处理器个数的增加，预报所需时间基本呈线性递减，程序具有比较高的并行效率。

表2　并行计算时间表

图6～图7分别给出在并行计算时的加速比、并行效率，从图中可以明显地看出并行程序具有十分好的并行效果。

图6　并行程序加速比

图7　并行程序效率

3　结论与讨论

本文构建了海洋—声学-探测耦合模型，将海洋模式、声学模型与传感器探测性能预报紧密耦合在一起，基于高性能计算平台，实现了声纳探测性能的动态预报与估计，初步构建了水声环境业务化预报流程。该方法对声纳装备使用人员充分利用海洋环境信息，优化传感器和武器的使用，提高水下作战的环境效应利用能力具有重要的意义。

［1］Lermusiaux P F J.Uncertainty Estimation and Prediction for Interdisciplinary Ocean Dynamics［J］.Journal of Computational Physics，2006，217：176-199.

［2］过武宏，笪良龙，赵健昕.动态水声环境不确定性的估计与分析.应用声学［J］.2013，32（6）：464-472.

［3］方国洪，魏泽勋，崔秉昊，等.中国近海域际水、热、盐输运：全球变网格模式结果［J］.中国科学（D辑），2002，32（12）：969-977.

［4］张仁和，李风华.浅海声传播的波束位移射线简正波理论［J］.中国科学（A辑），1999：29（3）：241-251.

［5］CarloM.Ferla，Michael B.Porter.Receiver Depth Selection for Passive Sonar Systems［J］.Oceanic Engineering，1991，16（3）：267-278.

［6］杨士莪.水声传播原理［M］.哈尔滨：哈尔滨工程大学出版社，1990.

［7］李东，刘璟，韩桂军，等.POM海洋模式的并行算法［J］.海洋通报，2010，29（3）：329-333.

［8］Micheal J Quinn著，陈文光，武永为，等译.MPI与OpenMP并行程序设计（C语言版）［M］.北京：清华大学出版社，2004.

Study on the Parallel Forecast Technology of the Oceanic Acoustic Detection Model

FAN Pei-qin，LI Yu-yang，GUO Wu-hong，ZHAO Jian-xin，ZHANG Lin
Naval Submarine Academy，Qingdao 266071，Shandong Province，China

To meet the needs of sonar performance prediction，an oceanic acoustic detection model is established to realize parallel computation.This model，supplemented by tactical requirements，integrates marine numerical prediction，acoustic mode and ocean observing resources，and realizes dynamic forecast and estimation on the underwater acoustic environment and sonar detection performance.Meanwhile，combined with the highperformance computer system，a parallel algorithm is designed and implemented for the model.The results show that the program has high parallel performance，meeting the requirements of sonar prediction performance on the effectiveness，which lays a good foundation for the formation of operational ocean acoustic environment forecast.

ocean model；sonar；detection efficiency；forecast

TP391；P733.23

A

1003-2029（2016）04-0036-05

10.3969/j.issn.1003-2029.2016.04.007

2015-12-24

新世纪优秀人才支持计划，总装预研基金项目资助（9140A03060213JB15039）

范培勤（1981-），男，博士，研究方向为水声环境效应、并行计算。E-mail：similaroly05@163.com