把握恰当平衡：利用张量神经网络重建三维海洋声速场
信号处理
2023-08-10 v1
摘要
精确重建三维海洋声速场(3D SSF)对多种海洋声学应用至关重要，但广阔海域中声速采样的稀疏性与不确定性使之成为一项挑战。为应对此挑战，已开发大量重建方法，包括样条插值、基于矩阵/张量的补全，以及基于深度神经网络的重建。然而，对其在 3D SSF 重建中有效性的原则性分析仍匮乏。本文对重建误差作透彻分析，并强调对融合表达力与简洁性的平衡表示模型的需求。为满足该需求，提出一种为 3D SSF 定制的张量深度神经网络，其利用张量计算与深度神经网络架构实现卓越的 3D SSF 重建。所提模型不仅将先前基于张量的 SSF 表示模型作为特例纳入，且天然具备抑噪能力。基于南海 3D SSF 数据的数值结果表明，所提方法优于 state-of-the-art 方法。代码见 https://github.com/OceanSTARLab/Tensor-Neural-Network。
引用
@article{arxiv.2308.04930,
title = {Striking The Right Balance: Three-Dimensional Ocean Sound Speed Field Reconstruction Using Tensor Neural Networks},
author = {Siyuan Li and Lei Cheng and Ting Zhang and Hangfang Zhao and Jianlong Li},
journal= {arXiv preprint arXiv:2308.04930},
year = {2023}
}