QiandaoEar22: A high quality noise dataset for identifying specific ship from multiple underwater acoustic targets using ship-radiated noise
音频与语音处理
2024-06-10 v1
摘要
船舶辐射噪声的目标识别是水下目标识别的关键领域。然而，目前缺乏能准确代表真实水下声学条件的多目标船舶数据集。为解决此问题，本文通过实验数据获取，发布了 QiandaoEar22——一个综合性水下声学多目标数据集。该数据集包含 9 小时 28 分钟的真实船舶辐射噪声数据和 21 小时 58 分钟的背景噪声数据。为展示 QiandaoEar22 的可用性，我们执行了两个实验任务：第一个任务聚焦于评估船舶辐射噪声的存在情况，第二个任务涉及在多船混合数据中识别特定船舶。后者我们从数据中提取八种特征，并采用六个深度学习网络进行分类，以评估和比较不同特征和网络的性能。实验结果表明，船舶辐射噪声可在超过 99% 的情况下成功识别为背景噪声。此外，对于对单个船舶的特定识别，最佳识别准确率可达 99.56%。最后，基于我们的发现，我们提供了选择合适特征和深度学习网络的建议，这可能为相关研究提供有价值的见解。我们的工作不仅为算法评估建立了基准，还启发了开发创新方法以提升 UATD 和 UATR 系统的发展。
引用
@article{arxiv.2406.04354,
title = {QiandaoEar22: A high quality noise dataset for identifying specific ship from multiple underwater acoustic targets using ship-radiated noise},
author = {Xiaoyang Du and Feng Hong},
journal= {arXiv preprint arXiv:2406.04354},
year = {2024}
}