用于被动声纳分类的直方图层时延神经网络
声音
2023-07-27 v1 机器学习
音频与语音处理
摘要
在远程海洋传感作业中，由于声波传播的复杂性，水下声学目标检测颇具挑战。尽管存在可靠的声纳系统，目标识别仍属难题。多种方法致力于改善目标识别。然而，大多数难以解耦观测目标记录中的高维非线性模式。本工作提出一种结合时延神经网络与直方图层的新方法，以引入统计上下文从而改进特征学习与水下声学目标分类。所提方法优于基线模型，展示了在被动声纳目标识别中引入统计上下文的效用。本工作的代码已公开可用。
引用
@article{arxiv.2307.13788,
title = {Histogram Layer Time Delay Neural Networks for Passive Sonar Classification},
author = {Jarin Ritu and Ethan Barnes and Riley Martell and Alexandra Van Dine and Joshua Peeples},
journal= {arXiv preprint arXiv:2307.13788},
year = {2023}
}
备注
5 pages, 5 Figures, Accepted to 2023 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics