基于单传感器浅水环境被动监测的卷积神经网络
声音
2017-10-30 v1
摘要
对海洋保护区和受限海军水域等保护区进行远程监测的一种高性价比方法是使用被动声纳来检测、分类、定位和跟踪海洋船舶活动（包括小艇和自主水下航行器）。水下声学数据的倒谱分析能够测量直达路径到达与第一多径到达之间的时间延迟，进而可以估计源（小艇）的瞬时距离。然而，这种传统方法仅限于 Lloyd 镜效应（直达路径与第一多径到达之间形成的干涉图样）可辨别的距离范围。本文提出使用卷积神经网络 (CNNs) 进行宽带声学噪声源（如海洋船舶）的联合检测与测距，并结合数据增强方法以改善网络在不同信噪比 (SNR) 条件下的性能。利用安装在海底上方单个水听器的真实数据，将其性能与用于监测海洋船舶活动的传统被动声纳测距方法进行了比较。结果表明，基于倒谱数据运行的 CNNs 能够在比传统方法更远的距离上检测过往船舶的存在并估计其距离。
引用
@article{arxiv.1612.03505,
title = {Convolutional Neural Networks for Passive Monitoring of a Shallow Water Environment using a Single Sensor},
author = {Eric L. Ferguson and Rishi Ramakrishnan and Stefan B. Williams and Craig T. Jin},
journal= {arXiv preprint arXiv:1612.03505},
year = {2017}
}
备注
Final draft for IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) 2017. 5 pages, 4 figures