A comparison of modal decomposition algorithms for matched-mode processing
Notice bibliographique
Résumé
This paper compares a variety of modal decomposition methods used in matched-mode processing (MMP) for ocean acoustic source localization.MMP consists of decomposing far-field acoustic mea surements at an array of sensors to obtain the constituent mode excitations (modal decomposition), and then matching these excitations with modelled replica excitations computed for a grid of possible source locations.Modal decomposition can be ill-posed and unstable if the sensor array does not pro vide an adequate spatial sampling of the acoustic field, so the results of different approaches can vary substantially.Solutions can be characterized by modal resolution and solution covariance; however the ultimate test of the utility of the various methods is how well they perform as part of a MMP source localization algorithm.In this paper, the resolution and variance of the methods are examined using an ideal ocean environment, and MMP results are compared for a series of realistic synthetic test cases, including a variety of noise levels and sensor array configurations.Zeroth order regularized inversion is found to give the best results. SOM M AIRECet article compare différentes méthodes de décomposition modale utilisées en matched-mode process ing (MMP) pour la localisation de source acoustique marine.La méthode MMP consiste à décomposer le champ acoustique mesuré par un réseau de capteurs pour obtenir les excitations modales présentes (décomposition modale), et ensuite à faire correspondre ces excitations avec les excitations calculées par un modèle numérique pour une grille de positions possibles de la source.Le problème de décomposition modale peut être mal posé et instable si les capteurs du réseau ne fournissent pas un échantillonnage spatial adéquate du champ acoustique.Les résultants de différentes approaches peuvent donc varier considérablement.Les solutions peuvent être caractérisées par la résolution modale et la covariance de la solution.Cependant, le critère ultime d'utilité des différentes méthodes est de savoir leur degré de perfomance dans l'algorithme MMP pour la localisation de source.Dans cet article, la résolution et la variance des méthodes sont examinées en utilisant un environnement océanique idéal.Les résultats obtenus avec la méthode MMP sont comparés pour une série de cas réalistique et synthétiques, com prenant différents niveaux de bruit et différentes configurations du réseau de capteurs.Les meilleurs résultats sont obtenus avec la méthode d'inversion basée sur une régularisation d'ordre zéro.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».