基于卷积神经网络的水下声学直接定位：一种数据驱动方法
机器学习
2022-07-22 v1 机器人学
信号处理
摘要
直接定位（DLOC）方法利用观测数据一步程序将未知位置的源定位，通常优于间接的两步方法（例如利用到达时间差）。然而，水下声学 DLOC 方法需要环境的先验知识，且计算代价高，因而速度慢。我们提出了，据我们所知，首个数据驱动的 DLOC 方法。受经典与当代基于模型的最优 DLOC 解法的启发，并利用卷积神经网络（CNNs）的能力，我们设计了一种整体的基于 CNN 的解法。我们的方法包含专门定制的输入结构、架构、损失函数以及渐进式训练过程，这些在更广泛的机器学习背景下也具有独立意义。我们证明我们的方法优于有吸引力的替代方案，并在渐近意义上匹配了预言机最优基于模型解法的性能。
引用
@article{arxiv.2207.10222,
title = {Direct Localization in Underwater Acoustics via Convolutional Neural Networks: A Data-Driven Approach},
author = {Amir Weiss and Toros Arikan and Gregory W. Wornell},
journal= {arXiv preprint arXiv:2207.10222},
year = {2022}
}