MétaCan
Menu
Retour à la cohorte
Enregistrement W2028941851 · doi:10.1109/oceans.2008.5151864

Passive tracking and detection of underwater narrow-band acoustical spectral signatures

2008· article· en· W2028941851 sur OpenAlexaff
Jüri Sildam

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésBearing (navigation)Frequency bandSIGNAL (programming language)Tracking (education)AcousticsTime–frequency analysisHarmonicsUnderwaterComputer sciencePower (physics)Cluster analysisPhysicsPattern recognition (psychology)Artificial intelligenceTelecommunicationsComputer visionGeologyAntenna (radio)Filter (signal processing)

Résumé

récupéré en direct d'OpenAlex

Tracking, detection and classification of targets is complicated in presence of multiple targets located at close or overlapping bearings. Assuming that the respective targets exhibit unique spectral signatures, which include narrow-band (NB) tonals and associated harmonics, this problem is addressed in several steps using conventionally beam-formed array data. The first two include detection of signals and associated bearings, followed by clustering bearings and associated frequencies. Signal and bearing detections are carried out independently analyzing their time-frequency distributions sorted along bearing in direction of descending spectral power. Values of power and bearings are grouped independently from each other into vectors, which in turn form sets called time-frequency (TF) cells. The Maximum Mean Discrepancy (MMD) test of empirical centres of masses of respective TF cells in an inner product space is a similarity measure used for required detections. Respective MMD's of power and bearing TF cells are used to obtain weights used to cluster detected bearings and associated frequencies. A signal detected at a given frequency is used to start a single frequency-bearing Kalman tracker (SFBT). A multivariate frequency-bearing tracker (MFBT) is started when the SFBTs associated by a common bearing are observed repeatedly at relative frequency exceeding a predefined threshold. A state vector of MFBT is propagated in time if detections are observed at least at two out of N associated SFBTs. For each SFBT frequency gates of few per cent of central frequency are used. Inconsistency check of latest MFTB bearings observed at different frequencies is used for MFTB stopping decision. Along bearing of each MFTB a mean spectrum is calculated. This spectrum corresponds to a target signature, which can be used for classification purposes in future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,237
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUnderwater Acoustics ResearchTravaux en français237 207