面向空中超声波 QR 码：基于深度学习的被动反射器构型分类
信号处理
2025-10-23 v1 计算机视觉与模式识别
摘要
在视觉传感器失效的环境中，空中声呐提供了可靠的自主系统替代方案。虽然之前的研究成功分类了单个声学地标，但本文通过引入反射器构型作为编码标签，致力于提高信息容量。我们的主要贡献是设计了一个多标签卷积神经网络（CNN），能够从单次空中 3D 声呐测量中同时识别多个靠近的反射器。我们对小规模数据集的初始实验结果确认了这一方法的可行性，验证了其解码复杂声学图案的能力。其次，我们研究了使用自适应波束赋形配合零指向来隔离单个反射器，以实现单标签分类。最后，我们讨论了实验结果与局限性，提供了关键见解和未来方向，为开发信息熵显著提升的声学地标系统及其准确稳健的检测与分类提供了指导。
引用
@article{arxiv.2509.06615,
title = {Towards In-Air Ultrasonic QR Codes: Deep Learning for Classification of Passive Reflector Constellations},
author = {Wouter Jansen and Jan Steckel},
journal= {arXiv preprint arXiv:2509.06615},
year = {2025}
}
备注
Accepted for publication at IEEE IUS 2025