利用声学信号与卷积神经网络估计二维速度模型
信号处理
2020-03-31 v1 机器学习
声音
音频与语音处理
摘要
利用对同一系统的间接测量来估计系统参数，是许多工程领域中出现的问题，被称为逆问题。它同样发生在水声学领域，尤其是在透明度不足的介质中。在这些情况下，仅使用声学信号进行物体形状识别是一项挑战，因为它是通过密度不同于介质的物体所产生的回波信息来完成的。通常，这些回波难以理解，因为它们的信息往往是嘈杂且冗余的。本文提出一种具有编码器-解码器结构的卷积神经网络模型，用于估计产生反射信号的物体的位置和形状。该模型使我们能够获得二维速度模型。模型使用有限差分法生成的数据进行训练，在交并比指标上达到 98.58%，精确度为 75.88%，灵敏度为 64.69%。
引用
@article{arxiv.1906.04310,
title = {Estimation of 2D Velocity Model using Acoustic Signals and Convolutional Neural Networks},
author = {Marco Apolinario and Samuel Huaman Bustamante and Giorgio Morales and Joel Telles and Daniel Diaz},
journal= {arXiv preprint arXiv:1906.04310},
year = {2020}
}
备注
Submitted to IEEE XXVI International Conference on Electronics, Electrical Engineering and Computing (INTERCON 2019). Lima, Peru