面向深度学习 underwater 声学源定位的联合源-环境适应
声音
2025-04-01 v1 机器学习
音频与语音处理
信号处理
摘要
本文提出一种方法，用于适应预训练的深度学习模型以应用于新的 underwater 声学定位环境。我们采用无监督域适应技术提高模型的泛化性能，即在不获取目标环境任何标签或用于预训练的数据的情况下，通过无监督损失函数微调预训练网络参数。该方法通过与基于接收信号能量（取决于声源）的近似独立估计相耦合，提高了预训练模型的预测性能。在基于 Bellhop 生成数据构建的环境模型中进行评估，该模型类似于 SWellEx-96 实验环境，并受到来自 KAM11 实验的真实海洋噪声污染。
关键词
引用
@article{arxiv.2503.23262,
title = {Joint Source-Environment Adaptation for Deep Learning-Based Underwater Acoustic Source Ranging},
author = {Dariush Kari and Andrew C. Singer},
journal= {arXiv preprint arXiv:2503.23262},
year = {2025}
}