基于张量的三维声速场基函数学习
信号处理
2022-02-02 v1
摘要
基函数学习是面向海洋声层析、水下目标定位/跟踪和水下通信等多种声学信号处理任务的有效三维(3D)声速场(SSF)反演的基石。经典基函数包括经验正交函数(EOFs)、傅里叶基函数及其组合。无监督机器学习方法(如 K-SVD 算法)近来已涉足基函数设计,展现出优于 EOFs 的表示性能。然而,现有方法未考虑将 3D SSF 数据视为三阶张量的基函数学习途径,因而无法充分利用其中的 3D 交互/关联。为规避此缺陷,本文将基函数学习与张量分解相联系,后者正是近期多维数据挖掘的主要驱动力。特别地,提出了一种基于张量的基函数学习框架,其可将经典基函数(使用 EOFs 和/或傅里叶基函数)作为特例纳入。这为理解和表示 3D SSF 提供了统一的张量视角。基于南海 3D SSF 数据的数值结果已证明了基于张量的基函数之优异性能。
引用
@article{arxiv.2201.08583,
title = {Tensor-based Basis Function Learning for Three-dimensional Sound Speed Fields},
author = {Lei Cheng and Xingyu Ji and Hangfang Zhao and Jianlong Li and Wen Xu},
journal= {arXiv preprint arXiv:2201.08583},
year = {2022}
}