論文の概要: Underwater Acoustic Signal Denoising Algorithms: A Survey of the State-of-the-art

• arxiv url: http://arxiv.org/abs/2407.13264v1
• Date: Thu, 18 Jul 2024 08:14:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-19 16:22:32.128670
• Title: Underwater Acoustic Signal Denoising Algorithms: A Survey of the State-of-the-art
• Title（参考訳）: 水中音響信号復調アルゴリズムの現状と課題
• Authors: Ruobin Gao, Maohan Liang, Heng Dong, Xuewen Luo, P. N. Suganthan,
• Abstract要約: この分野でかなりの進歩があったにもかかわらず、水中環境の複雑な性質は、デノナイジング過程を複雑にする固有の課題を生んでいる。 まず, 水中音響信号処理に関する基本的な課題について概説し, 信号減衰, ノイズ変動, 環境要因の影響について概説する。 このレビューは、従来の、分解ベース、学習ベースのテクニックなど、さまざまな分類アルゴリズムを体系的に分類し、議論し、それらの応用、利点、限界を強調している。
• 参考スコア（独自算出の注目度）: 8.874900087462134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper comprehensively reviews recent advances in underwater acoustic signal denoising, an area critical for improving the reliability and clarity of underwater communication and monitoring systems. Despite significant progress in the field, the complex nature of underwater environments poses unique challenges that complicate the denoising process. We begin by outlining the fundamental challenges associated with underwater acoustic signal processing, including signal attenuation, noise variability, and the impact of environmental factors. The review then systematically categorizes and discusses various denoising algorithms, such as conventional, decomposition-based, and learning-based techniques, highlighting their applications, advantages, and limitations. Evaluation metrics and experimental datasets are also reviewed. The paper concludes with a list of open questions and recommendations for future research directions, emphasizing the need for developing more robust denoising techniques that can adapt to the dynamic underwater acoustic environment.
• Abstract（参考訳）: 本稿では,水中通信・監視システムの信頼性・明快性向上に不可欠な水中音響信号デノナイジングの最近の進歩を概観的にレビューする。 この分野でかなりの進歩があったにもかかわらず、水中環境の複雑な性質は、デノナイジング過程を複雑にする固有の課題を生んでいる。 まず, 水中音響信号処理に関する基本的な課題について概説し, 信号減衰, ノイズ変動, 環境要因の影響について概説する。 このレビューは、従来の、分解ベース、学習ベースのテクニックなど、さまざまな分類アルゴリズムを体系的に分類し、議論し、それらの応用、利点、限界を強調している。 評価指標と実験データセットもレビューする。 本稿は, 動的水中音響環境に適応可能な, より堅牢な遮音技術開発の必要性を強調した, 今後の研究方向性に関するオープンな質問とレコメンデーションのリストで締めくくっている。

関連論文リスト

• A Self-Supervised Denoising Strategy for Underwater Acoustic Camera Imageries [3.0918473503782042]
  本稿では,深層学習技術を用いた音響カメラ画像の復調手法を提案する。 微細な特徴を保存しながらノイズを除去し、局所的な特徴マッチングの性能を向上させる。
  論文  参考訳（メタデータ） (2024-06-05T04:07:37Z)
• Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
  動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。 標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。 Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
  論文  参考訳（メタデータ） (2024-04-02T13:43:08Z)
• Underwater Acoustic Signal Recognition Based on Salient Feature [9.110359213246825]
  本稿では,水中音響信号認識のためのニューラルネットワークを用いた手法を提案する。 提案手法は,水中音響信号の分類のためのスペクトルから抽出した特徴を連続的に学習することを含む。
  論文  参考訳（メタデータ） (2023-12-20T16:04:02Z)
• Explainable Artificial Intelligence driven mask design for self-supervised seismic denoising [0.0]
  自己教師付きコヒーレントノイズ抑圧法は、ノイズ統計の広範な知識を必要とする。 本稿では,視覚ネットワークであるブラックボックスの内部を見るために,説明可能な人工知能アプローチを提案する。 ランダムに選択された多数の入力画素に対するジャコビアン寄与の簡易な平均化が、最も効果的なマスクの指標であることを示す。
  論文  参考訳（メタデータ） (2023-07-13T11:02:55Z)
• Realistic Noise Synthesis with Diffusion Models [68.48859665320828]
  Deep Image Denoisingモデルは、しばしば高品質なパフォーマンスのために大量のトレーニングデータに依存します。 本稿では,拡散モデル,すなわちRealistic Noise Synthesize Diffusor(RNSD)を用いて現実的な雑音を合成する新しい手法を提案する。 RNSDは、より現実的なノイズや空間的相関を複数の周波数で生成できるような、ガイド付きマルチスケールコンテンツを組み込むことができる。
  論文  参考訳（メタデータ） (2023-05-23T12:56:01Z)
• Geometric and Learning-based Mesh Denoising: A Comprehensive Survey [17.652531757914]
  メッシュデノイングはデジタル幾何学処理の基本的な問題である。 従来の幾何学的アプローチと最近の学習に基づく手法の両方を含むメッシュ認知の進歩を概観する。
  論文  参考訳（メタデータ） (2022-09-02T06:54:32Z)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• Removing Noise from Extracellular Neural Recordings Using Fully Convolutional Denoising Autoencoders [62.997667081978825]
  ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。 シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-09-18T14:51:24Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Dynamic Layer Customization for Noise Robust Speech Emotion Recognition in Heterogeneous Condition Training [16.807298318504156]
  ノイズ条件毎に,サンプルを特殊特徴エンコーダに動的にルーティングすることで,性能を向上できることを示す。 時間的順序付けを動的にルーティングすることで,これらの改善をマルチモーダル設定に拡張する。
  論文  参考訳（メタデータ） (2020-10-21T18:07:32Z)
• Simultaneous Denoising and Dereverberation Using Deep Embedding Features [64.58693911070228]
  ディープ埋め込み特徴を用いた同時発声・発声同時学習法を提案する。 ノイズ発生段階では、DCネットワークを利用してノイズのないディープ埋込み特性を抽出する。 残響段階では、教師なしのK平均クラスタリングアルゴリズムの代わりに、別のニューラルネットワークを用いて無響音声を推定する。
  論文  参考訳（メタデータ） (2020-04-06T06:34:01Z)

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。