Deeplofargram preciso: Recuperación precisa de líneas de frecuencia de atenuación dinámica para objetivos acústicos...

Área de la Ciencia:

• Procesamiento de señales
• Teledetección
• Aprendizaje automático

Sus antecedentes:

• La estimación precisa de las líneas de frecuencia es vital para la clasificación de fuentes submarinas en teledetección.
• Los desafíos incluyen la baja relación señal/ruido (SNR), las variaciones de frecuencia y los tiempos impredecibles de nacimiento/muerte de la señal.

Objetivo del estudio:

• Desarrollar un método mejorado para la recuperación de líneas de frecuencia dinámicas tenues en teledetección.
• Abordar las limitaciones de los métodos existentes considerando tanto las líneas de frecuencia como el ruido de fondo.

Principales métodos:

• Se propone un modelo de difusión de forma de onda que incorpora tanto líneas de frecuencia como ruido de fondo.
• Proceso hacia adelante: adición progresiva de ruido gaussiano para crear señales con diferentes índices de relación señal/ruido.
• Proceso inverso: entrenamiento del modelo para predecir y eliminar el ruido añadido, modelando el ruido no gaussiano a través de ruido gaussiano multivariante.

Principales resultados:

• El modelo maneja con éxito líneas de frecuencia fluctuantes y rectas en conjuntos de datos simulados y del mundo real.
• Logra un rendimiento superior en la recuperación de líneas tenues dinámicas, incluso con bajos índices de relación señal/ruido.
• Identifica eficazmente los puntos de tiempo de nacimiento y muerte de la señal con bajos índices de relación señal/ruido.

Conclusiones:

• El modelo de difusión de forma de onda propuesto ofrece una solución robusta para la identificación de fuentes submarinas en escenarios desafiantes de teledetección.
• El método demuestra mejoras significativas en la precisión y la capacidad para detectar señales débiles y sus características temporales.