找到适当平衡：使用张量神经网络进行三维海洋声速场重建
摘要：海洋三维声速场（3D SSF）的准确重建对于各种海洋声学应用至关重要，但是声速样本在广阔海洋区域中的稀疏性和不确定性使得这成为一个具有挑战性的任务。为了解决这个挑战，已经开发了大量的重建方法，包括样条插值、基于矩阵/张量的完成和基于深度神经网络的重建。然而，在3D SSF重建的有效性方面仍缺乏一个基本的分析。本文对重建误差进行了彻底分析，强调了需要一个平衡的表示模型，既兼具表达能力又简练。为了满足这一要求，提出了一个针对3D SSF定制的张量深度神经网络，该网络利用张量计算和深度神经网络结构实现了出色的3D SSF重建。所提出的模型不仅包含以前的基于张量的SSF表示模型作为特例，而且具有自然抑制噪音的能力。使用南海3D SSF数据的数值结果表明，所提出的方法优于现有的方法。代码可在https://github.com/OceanSTARLab/Tensor-Neural-Network找到。
作者：Siyuan Li, Lei Cheng, Ting Zhang, Hangfang Zhao and Jianlong Li
论文ID：2308.04930
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-10