基于物理建模和机器学习的海底分类
摘要：基于地声特性的模型方法与机器学习技术结合，用于根据两层海床的地球声学特性对海洋环境中的沉积物进行分类。研究了两个不同的场景。首先，设置了一个简单的低频情况，其中使用正模式模拟声场。对于海底沉积物的可能性，提出了四种不同的假设，并使用各种机器学习技术和简单的匹配场方法进行探索。在大多数噪声水平下，后者的性能较机器学习方法差。其次，考虑了从粗糙的两层海底散射的高频模型。同样，使用机器学习对四种不同的沉积物进行分类。为了提高准确性，采用了1D卷积神经网络（CNN）。在这两种情况下，我们发现机器学习方法在简单和更复杂的形式下都能有效地对沉积物进行表征。我们的结果评估了不同分类器对噪声和模型错误规定性的鲁棒性。
作者：Christina Frederick, Soledad Villar, and Zoi-Heleni Michalopoulou
论文ID：2003.11156
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-07-19