基于物理建模与机器学习的海底底质分类
信号处理
2023-07-19 v1
摘要
在这项工作中，基于两层海底的地球声学特性，采用基于模型的方法与机器学习技术对海洋环境中的沉积物进行分类。研究了两种不同的场景。首先，建立一个简单的低频情况，其中声场用正常模式建模。对海底沉积物可能性做出四种不同的假设，并使用多种机器学习技术和简单的匹配场方法对其进行探究。对于大多数噪声水平，后者的性能劣于机器学习方法。其次，考虑粗糙两层海底散射的高频模型。同样，用机器学习对四种不同的沉积物可能性进行分类。为了获得更高精度，采用了1D卷积神经网络（CNNs）。在两种情况下，我们都看到机器学习方法，无论是简单还是更复杂的表述，都能实现有效的沉积物表征。我们的结果评估了不同分类器对噪声和模型设定错误的鲁棒性。
引用
@article{arxiv.2003.11156,
title = {Seabed classification using physics-based modeling and machine learning},
author = {Christina Frederick and Soledad Villar and Zoi-Heleni Michalopoulou},
journal= {arXiv preprint arXiv:2003.11156},
year = {2023}
}