自律型水中無人機自己ノイズのためのモーション対応ソナーデノイジング、速度条件付きU-Netトランスフォーマーデュアルブランチ条件付き敵対的生成ネットワークを使用

科学分野:

• 水中音響学
• 信号処理
• 人工知能

背景:

• 自律型水中無人機（AUV）によるパッシブソナー監視は、非定常で速度依存の自己ノイズによって著しく劣化します。
• 既存のデノイジングメソッドは、AUV速度の影響を受ける動的なノイズ特性に適応するのに苦労しています。

研究 の 目的:

• AUV向けのモーション対応ソナーデノイジングフレームワークを開発し、速度依存ノイズに効果的に対処すること。
• 困難な水中環境におけるパッシブソナー監視システムのパフォーマンスを向上させること。

主な方法:

• U-Netとトランスフォーマーアーキテクチャを統合したデュアルブランチ条件付き敵対的生成ネットワークであるSpeed-UT2-CGANを提案しました。
• 動的なノイズ適応のためにAUV速度を条件付け入力として組み込みました。
• 包括的な信号再構成のために、敵対的、時間領域、周波数領域の損失関数の組み合わせを採用しました。

主要な成果:

• Speed-UT2-CGANは、従来のメソッドや他のディープラーニングアプローチを大幅に上回りました。
• 入力-5dBで平均6.6dBの信号対雑音比、相関係数0.87を達成しました。
• 様々なAUV速度（0、2、3ノット）での浅水湖トライアルで有効性を実証しました。

結論:

• モーション対応の速度条件付けは、単一センサーAUVシステムにおけるパッシブソナー強化に非常に効果的です。
• 提案されたフレームワークは、AUV運用におけるソナーデータ品質を向上させるための堅牢なソリューションを提供します。
• 結果は、制御された条件下での実世界のアプリケーションに対するフレームワークの可能性を検証します。