敌对的多任务水下声学目标识别:朝着对各种影响因素的强度发展
Yuan Xie1,2, Ji Xu1,2,3, Jiawei Ren1,2
1Key Laboratory of Speech Acoustics and Content Understanding, Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China.
The Journal of the Acoustical Society of America
|July 10, 2024
概括
本研究引入了一个对抗性的多任务模型,以改善水下声学目标识别. 通过模拟环境因素,它提高了系统的稳定性,并在被动声纳数据上实现了最先进的性能.
科学领域:
- 海洋声学 海洋声学
- 信号处理 信号处理
- 机器学习是机器学习.
背景情况:
- 被动声纳的目标识别受到环境变化的挑战.
- 现有的方法往往忽略了诸如源范围和水条件等有影响力的因素.
- 这种不稳定性阻碍了实际的海上应用.
研究的目的:
- 开发一个强大的水下声学目标识别系统.
- 为了解决环境因素造成的不稳定.
- 为了提高对被动声纳数据的识别性能.
主要方法:
- 设计了辅助任务来模拟影响因素 (例如,源范围,水深,风速).
- 采用多任务框架,将辅助任务与主要识别任务联系起来.
- 综合对抗式学习以促进因子强大的表示.
主要成果:
- 提出的对抗性多任务模型有效地模拟了影响环境因素.
- 在12类识别任务中实现了最先进的性能.
- 证明了对信号特征变化的增强强性.
结论:
- 对抗式多任务方法显著改善了水下声学目标识别.
- 模拟环境因素对于强大的被动声纳系统至关重要.
- 该方法为挑战性海洋声学环境提供了一个有希望的解决方案.
更多相关视频
05:57Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster Nephrops norvegicus
Published on: April 8, 2019
6.8K
08:08Evaluating Targeting Accuracy in the Focal Plane for an Ultrasound-guided High-intensity Focused Ultrasound Phased-array System
Published on: March 6, 2019
5.2K
