Blind channel estimation of underwater acoustic waveguide impulse responses using marine mammal vocalizations
Notice bibliographique
Résumé
Some techniques for underwater passive acoustic localization make use of estimates for the direct and/or interface-reflected acoustic arrival times of an acoustic source at one or more underwater hydrophones. This estimation task can be difficult for non-impulsive sound sources, such as humpback whales, due to later arrivals being masked by earlier ones. In linear system analysis, the impulse response of a system is the system output when the input is an impulse (i.e., a short duration, large bandwidth signal). The impulse response of a system contains information about the propagation environment, and expresses how a source signal interacts with the environment to yield the output waveform (e.g., that recorded by a hydrophone). The recording of a relatively impulsive call (e.g., a sperm whale click) approximates the impulse response between the whale and hydrophone. In recordings of such a call, arrival time estimation can be straightforward. For non-impulsive calls, if the source waveform is known, the impulse response can be estimated through techniques such as deconvolution or cross-correlation. The case of unknown, non-impulsive calls is particularly challenging. However, given the wealth of information present in the impulse response, we seek to estimate impulse responses even in these adverse conditions. Blind channel estimation (BCE) is the process of estimating the set of impulse responses between a single (frequently, unknown) source and multiple receivers, and can potentially help estimate direct and interface-reflected arrival times for non-impulsive marine mammal vocalizations since the impulse responses can be analyzed rather than the waveforms or spectra. In this paper, we look at simulation and measured-data results using marine mammal vocalizations to estimate underwater acoustic impulse responses.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».