Denoising de sónar consciente del movimiento para el ruido propio de vehículos submarinos autónomos utilizando una...

Área de la Ciencia:

• Acústica submarina
• Procesamiento de señales
• Inteligencia artificial

Sus antecedentes:

• La vigilancia de sónar pasivo por vehículos submarinos autónomos (AUV) se ve significativamente degradada por el ruido propio no estacionario y dependiente de la velocidad.
• Los métodos de denoising existentes luchan por adaptarse a las características dinámicas del ruido influenciadas por la velocidad del AUV.

Objetivo del estudio:

• Desarrollar un marco de denoising de sónar consciente del movimiento para AUV que aborde eficazmente el ruido dependiente de la velocidad.
• Mejorar el rendimiento de los sistemas de vigilancia de sónar pasivo en entornos submarinos desafiantes.

Principales métodos:

• Se propuso Speed-UT2-CGAN, una red generativa adversaria condicional de doble rama que integra arquitecturas U-Net y transformer.
• Se incorporó la velocidad del AUV como entrada de condicionamiento para la adaptación dinámica del ruido.
• Se empleó una combinación de funciones de pérdida adversarias, en el dominio del tiempo y en el dominio de la frecuencia para una reconstrucción integral de la señal.

Principales resultados:

• Speed-UT2-CGAN superó significativamente a los métodos tradicionales y a otros enfoques de aprendizaje profundo.
• Se logró una relación señal/ruido promedio de 6,6 dB a -5 dB de entrada y un coeficiente de correlación de 0,87.
• Se demostró la efectividad en pruebas de lago en aguas poco profundas a varias velocidades de AUV (0, 2 y 3 nudos).

Conclusiones:

• El condicionamiento de velocidad consciente del movimiento es muy eficaz para la mejora del sónar pasivo en sistemas AUV de un solo sensor.
• El marco propuesto proporciona una solución robusta para mejorar la calidad de los datos de sónar en operaciones de AUV.
• Los resultados validan el potencial del marco para aplicaciones del mundo real en condiciones controladas.