面向海洋内部脉冲波定位的尺度平移等变网络

内部脉冲波 (ISWs) 是在海洋内部而非海面经常观察到的重力波。由于其承载大量能量的能力，ISWs 对污染物输运、油平台运营、潜艇导航等具有重要影响。研究人员通过光学图像、合成孔径雷达 (SAR) 图像以及来自遥感仪器的 altimeter 数据来研究 ISWs。然而，光学遥感图像因云层遮挡而导致地表信息模糊或缺失，从而引起表面观测的不完整。因此，本文旨在基于 altimeter 的机器学习解决方案来自动定位 ISWs。然而，面临两个挑战：1) altimeter 数据分辨率较低，需要强大的机器学习模型；2) 标注数据极其费力，导致训练数据极其有限。近年来，深度学习的巨大进展在数据充足的情况下展现出强大的学习能力。此外，更近期关于高效学习和自监督学习的研究为解决上述挑战奠定了坚实基础。本文提出通过注入先验知识来实现强大且高效的学习器。具体而言，使用尺度平移等变卷积神经网络 (ST-ECNN) 高效捕捉 altimetry 数据中的内在模式。通过考虑神经网络设计中的内在对称性，ST-ECNN 在基线模型之上实现了更高的效率和更好的性能。此外，我们还引入大量无监督数据的先验知识，通过 SimCLR 框架进行预训练以增强解决方案。我们的最终解决方案在手工制作的 altimetry 数据集上优于基线模型。数据和代码均可在 https://github.com/ZhangWan-byte/Internal_Solitary_Wave_Localization 获取。