Underwater Acoustic Signal Recognition Based on Salient Features

要約

技術の急速な進歩に伴い、複雑な環境における水中の音響信号の認識がますます重要になってきています。
現在、水中音響信号認識の主流は、主に時間周波数分析に依存してスペクトル特徴を抽出しており、この分野で広く応用されています。
しかし、既存の認識方法はエキスパート システムに大きく依存しており、知識ベースの制限や複雑な関係の処理における課題などの制限に直面しています。
これらの制限は、ルールや推論エンジンに関連する複雑さとメンテナンスの難しさに起因しています。
複雑な関係を処理する際の深層学習の潜在的な利点を認識し、この論文では、水中音響信号認識にニューラル ネットワークを利用する方法を提案します。
提案されたアプローチには、水中音響信号を分類するためにスペクトルから抽出された特徴の継続的な学習が含まれます。
深層学習モデルは、データから抽象的な特徴を自動的に学習し、トレーニング中に重みを継続的に調整して分類パフォーマンスを向上させることができます。

要約(オリジナル)

With the rapid advancement of technology, the recognition of underwater acoustic signals in complex environments has become increasingly crucial. Currently, mainstream underwater acoustic signal recognition relies primarily on time-frequency analysis to extract spectral features, finding widespread applications in the field. However, existing recognition methods heavily depend on expert systems, facing limitations such as restricted knowledge bases and challenges in handling complex relationships. These limitations stem from the complexity and maintenance difficulties associated with rules or inference engines. Recognizing the potential advantages of deep learning in handling intricate relationships, this paper proposes a method utilizing neural networks for underwater acoustic signal recognition. The proposed approach involves continual learning of features extracted from spectra for the classification of underwater acoustic signals. Deep learning models can automatically learn abstract features from data and continually adjust weights during training to enhance classification performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google