Localization and tracking of fish sounds with a 4-element underwater passive acoustic array
Notice bibliographique
Résumé
Localization and tracking are parameter estimation problems. As such, estimates are evaluated by their statistical distribution, in particular, their bias (equal to the mean of estimated positions minus the true position) and variance (variability in the measured positions about their mean). A variety of methods are used to localize sounds recorded by acoustic arrays. Here, we quantitatively compare the performance of four algorithms: (1) plane-wave-front frequency-domain beamforming; (2) curved-wave-front frequency domain beamforming; (3) time-difference-of-arrivals (TDOAs) using waveform cross-correlation; and (4) TDOAs using spectrogram cross-correlation, for fish sounds generated with a controlled underwater source at various GPS-located positions around a 4-element array. The array consisted of a SoundTrap ST4300 (Ocean Instruments, Auckland, NZ) four-channel acoustic recorder, equipped with four HTI-96-MIN hydrophones (High Tech, Inc., Long Beach, MS). The hydrophones were arranged in a tetrahedral-shaped configuration with a 20-m inter-element spacing. The objective is to optimize the localization and tracking of individual soniferous fish to better understand their small-scale spawning movements and reproductive behavior. Research supported by the Office of Naval Research, the Scripps graduate department, and a Natural Sciences and Engineering Research Council of Canada (NSERC) Postgraduate Scholarship-Doctoral (PGS D-3).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».