論文の概要: Automatic source localization and spectra generation from sparse beamforming maps

• arxiv url: http://arxiv.org/abs/2012.09643v3
• Date: Fri, 9 Apr 2021 09:40:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-03 02:40:17.589799
• Title: Automatic source localization and spectra generation from sparse beamforming maps
• Title（参考訳）: スパースビームフォーミングマップからのソースローカライズとスペクトル生成
• Authors: Armin Goudarzi, Carsten Spehr, Steffen Herbold
• Abstract要約: 本稿では,スパースビームフォーミングマップにおけるエアロ音響音源の自動識別を可能にする2つの手法を提案する。 この手法は2つのスケールドエアフレームの半模型風洞実験で評価された。
• 参考スコア（独自算出の注目度）: 7.444673919915048
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Beamforming is an imaging tool for the investigation of aeroacoustic phenomena and results in high dimensional data that is broken down to spectra by integrating spatial Regions Of Interest. This paper presents two methods which enable the automated identification of aeroacoustic sources in sparse beamforming maps and the extraction of their corresponding spectra to overcome the manual definition of Regions Of Interest. The methods are evaluated on two scaled airframe half-model wind tunnel measurements. The first relies on the spatial normal distribution of aeroacoustic broadband sources in sparse beamforming maps. The second uses hierarchical clustering methods. Both methods are robust to statistical noise and predict the existence, location and spatial probability estimation for sources based on which Regions Of Interests are automatically determined.
• Abstract（参考訳）: ビームフォーミングは、空力音響現象を調査するためのイメージングツールであり、興味のある空間領域を統合することでスペクトルに分解される高次元データを生成する。 本稿では,スパースビームフォーミングマップにおける音響源の自動同定と,それに対応するスペクトルの抽出により,関心領域のマニュアル定義を克服する2つの手法を提案する。 この手法は2つのスケールドエアフレームの半模型風洞実験で評価された。 1つ目は、スパースビームフォーミングマップにおける空気音響ブロードバンド源の空間正規分布に依存する。 2つ目は階層的クラスタリング手法である。 どちらの手法も統計雑音に対して頑健であり、興味のある領域を自動的に決定したソースの存在、位置、空間的確率推定を予測できる。

関連論文リスト

• Detecting Audio-Visual Deepfakes with Fine-Grained Inconsistencies [11.671275975119089]
  空間領域と時間領域の両方において微妙なアーティファクトを検出するためのきめ細かいメカニズムを提案する。 まず,音声との不整合が生じやすい小さな空間領域を撮影できる局所視覚モデルを提案する。 第2に、トレーニングセットに微妙な時間的不整合を取り入れたサンプルを含む、時間的に局所的な擬似フェイク増強を導入する。
  論文  参考訳（メタデータ） (2024-08-13T09:19:59Z)
• Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
  実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。 モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
  論文  参考訳（メタデータ） (2024-01-12T14:56:45Z)
• A deep learning framework for jointly extracting spectra and source-count distributions in astronomy [3.7277730514654555]
  本稿では,異なる放射成分のスペクトルと点源集団のSCDを共同で再構成する枠組みを提案する。 概念実証の例では、シミュレーションされた地図から複雑な形状のスペクトルやSCDを正確に抽出できることが示されている。
  論文  参考訳（メタデータ） (2024-01-06T23:45:16Z)
• Towards Generalizable Deepfake Detection by Primary Region Regularization [52.41801719896089]
  本稿では,新しい正規化の観点から一般化能力を高める。 本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。 5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-07-24T05:43:34Z)
• Deep Spectro-temporal Artifacts for Detecting Synthesized Speech [57.42110898920759]
  本稿では,トラック1(低品質フェイク音声検出)とトラック2(部分フェイク音声検出)の総合評価を行う。 本稿では, 原時間信号, スペクトル特性, 深層埋没特性を用いて, 分光時相アーティファクトを検出した。 我々はそれぞれ1番線と2番線で4位と5位にランクインした。
  論文  参考訳（メタデータ） (2022-10-11T08:31:30Z)
• Implicit Neural Spatial Filtering for Multichannel Source Separation in the Waveform Domain [131.74762114632404]
  モデルはエンドツーエンドで訓練され、空間処理を暗黙的に実行する。 提案したモデルを実世界のデータセット上で評価し,そのモデルがオラクルビームフォーマの性能と一致することを示す。
  論文  参考訳（メタデータ） (2022-06-30T17:13:01Z)
• Dencentralized learning in the presence of low-rank noise [57.18977364494388]
  ネットワーク内のエージェントが収集した観測は、観測ノイズや干渉のために信頼性が低い。 本稿では,各ノードが自身の観測の信頼性を向上させる分散アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-18T09:13:57Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Expert decision support system for aeroacoustic classification [7.444673919915048]
  このシステムは、スペクトル情報と空間情報に基づく音響特性の計算、2これらの特性に基づくソースのクラスタリングの2つのステップで構成されています。 スペクトルの特性と特性を捉えた様々なエアロ音響特性が提案されている。 与えられたサンプルデータに対して、この方法は、ソースタイプの人間エキスパート分類に対応するソースタイプクラスタを生成する。
  論文  参考訳（メタデータ） (2021-02-27T15:47:59Z)
• Fusion of Dual Spatial Information for Hyperspectral Image Classification [26.304992631350114]
  双対空間情報の融合を利用した新しいハイパースペクトル画像分類フレームワークを提案する。 異なるシーンの3つのデータセットで行った実験は、提案手法が他の最先端の分類手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2020-10-23T12:20:18Z)
• Unsupervised Learning for Subterranean Junction Recognition Based on 2D Point Cloud [3.8532191223676517]
  本稿では, 獲得した2次元点雲に基づいて地下環境におけるトンネル接合数を検出するための, 教師なし学習フレームワークを提案する。 我々は,複数の現実的なシミュレーションや地下環境の実際の飛行から収集した複数のデータセットを用いて,開発フレームワークを検証した。
  論文  参考訳（メタデータ） (2020-06-07T18:36:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。