Robust 2D localization of low-frequency calls in shallow waters using modal propagation modelling
Notice bibliographique
Résumé
We propose a new method to localize low-frequency calls in 2D in shallow waters from a sparse array of hydrophones using modal propagation modelling.An analysis of modal propagation modelling of transients signals in shallow water environment shows that the dispersive behaviour of the waveguide can be exploited to design a robust localization scheme without requiring any knowledge of the acoustics properties of the environment (bottom and water column) nor any simulation of propagation.The localization scheme also does not require synchronization of the array and is therefore independent of any clock drift.Promising results are obtained for Northern right whale gunshot calls from 'Bay of Fundy data set of the 2003 Workshop on Detection and Localization of Marine Mammals Using Passive Acoustics.'r s u m Dans ce papier, un algorithme robuste de localisation 2D partir des missions transitoires dans des milieux petits fonds est propos.Il s'appuie sur un modle de propagation modale.Une analyse des phnomnes de dispersion induits par la propagation montre qu'il est possible, partir d'un rseau lche d'hydrophones, de proposer une mthode de localisation ne ncessitant ni la connaissance du milieu, ni l'excution d'un code de propagation.L 'algorithme de localization ne ncessite pas la synchronization du rseau et est par consquent indpendant des drives d'horloges.Des rsultats encourageants sont obtenus pour localiser les missions gunshot des baleines franches partir du jeu de donnes de la Baie de Fundy, de 'l'Atelier de 2003 sur la dtection, la localisation et la classification de mammifres marins par acoustique passive'.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».