سونارهای تصویربرداری اعماق آب یک تکنولوژی با اهمیت برای کندوکاو اقیانوس می باشند. سونارهای بیومتریک که از پستانداران دریایی نظیر دلفین ها شبیه سازی کرده اند، یک توسعه در حال ظهور در این حوزه می باشند. گروهی از محققان مؤسسه علوم دریایی گرمسیری دانشگاه ملی سنگاپور  یک سونار فشرده با کمک شبیه سازی از دلفین ها از طریق پردازش اکو جدید تولید کرده اند که فرصت تصویربرداری بصری واضح تری را در اعماق آب، در قیاس با روش پردازش سیگنال مرسوم استفاده کرده اند. به این صورت که صدا را پژواک می کند.

در تطبیق با سایر سونارها با اندازه و هدف هایی که همانند سونار بهبود پیدا کرده بود، با کمک تیم NUS، تبادل بهتری بین وضوح عکس سونار، شمار سنسورها و اندازه آرایه سنسور قابل استفاده ارائه می‌دهد. روش‌های مرسوم پردازش پژواک صدا همواره موقعی که حسگرها خیلی کم یا پخش می‌شوند، خراب می‌شوند. به هر حال، روش پردازش سونار بهبود پیدا کرده از طریق دانشمندان، توانایی استخراج اطلاعات و افزایش وضوح عکس را در شرایط زیر آب ممکن کرده است.

توضیحات درباره سونار الهام گرفته شده از دلفین

محققان متوجه شده اند که دلفین ها قادر هستند اشیاء زیر آب را به شکل صوتی اسکن کنند و اشیاء همانند را به شکل بصری تایین کنند. این مسئله مشخص کرد که انعکاس صدای دلفین که از یک شی ساطع می شود حاوی اطلاعاتی از وضعیت جسم است. آنها آنگاه انعکاس دلفین‌ها را که هنگام اسکن یک شی در پایین آب منتشر می‌شد، ضبط کردند.

بر اساس مشاهدات خود، این گروه یک سونار بیومیمتیک را راه اندازی کردند که سونار دلفین را تکرار می کرد. سونار که تقریبا 25 سانتی متر عرض و در حد سر دلفین است، به گونه ای دیزاین شده است که صداهای کلیک تیز و تکانشی شبیه به پژواک دلفین منتشر می کند. از سه فرستنده برای ارسال صداها از جهات مختلف مورد استفاده قرار می گیرد. آنگاه تحقیق کنندگان صداهای دلفین و سونار آنها را پردازش کردند تا آنچه را که پژواک ها درباره حالت جسم بیان می‌کند، تجسم کنند.

برای تکمیل سخت‌افزار، تیم یک نرم‌افزار نوآورانه ارائه کرد که به سونار اجازه می‌داد تجسم پژواک‌ها را توسعه ببخشد. بر اساس این فرضیه که دلفین ها از اطلاعات گذشته برای پردازش پژواک خود استفاده می برند، تحقیق کنندگان مفهوم پراکندگی را در نرم افزار سونار گنجانده اند. این مسئله مشخص می کند که خارج از فضای اسکن شده، تنها درصد اندکی با کمک جسم اشغال شده است.

استفاده از اطلاعات گذشته، نظیر ایده پراکندگی، شهودی است. این کاری است که انسان ها طبق معمول انجام می دهند، ما درک خود از واقعیت را به انتظاراتی مبدل می کنیم که می تواند استنتاج و تصمیم گیری ما را تسریع کند. مثلا، در غیاب اطلاعات دیگر. دکتر هاری ویشنو، پژوهشگر ارشد در NUS TMSI می گوید، مغز و سیستم بینایی انسان علاقه دارند تصور کنند که در یک عکس، نور روی یک جسم از بالا می افتد.

موثر بودن این نرم افزار زمانی نمایان شد که موفق شد اطلاعات پژواک های سونار دلفین ها را هنگام اسکن یک شی و همچنین سیگنال های سونار تولید شده از طریق سونار فشرده آنها را مجسم کند. یک رویکرد مرسوم پردازش هر دو پژواک سونار منجر به عکس هایی پر سر و صدا در فضای مجازی شد. به هر حال، رویکرد پردازش جدید وضوح بهتر و در نتیجه، عکس های واضح‌تری ارائه می‌دهد. این نرم افزار همچنین می تواند تنها با سه کلیک در نرم افزار سونار تصاویری را بوجود آورد، لذا به آن این توانایی را می دهد تا از منظر عملیاتی سرعت بالایی داشته باشد.

روش جدید پردازش سونار توانایی آن را دارد که امتیازات بالقوه ای در سونارهای تجاری یا نظامی اعماق آب داشته باشد. به عنوان نمونه، می‌توان از آن برای اسکن بستر دریا برای جستجوی خصوصیاتی مورد استفاده قرار داد که توانایی آن را دارند برای یاری رساندن به حمل و نقل بکار برده شوند. فشردگی سونار همچنین آن را برای نصب روی ربات های اعماق آب برای کندوکاو اقیانوس سازگار می کند.