論文の概要: Denoising by neural network for muzzle blast detection

• arxiv url: http://arxiv.org/abs/2508.14919v1
• Date: Mon, 18 Aug 2025 09:05:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-22 16:26:46.015269
• Title: Denoising by neural network for muzzle blast detection
• Title（参考訳）: ミューズルブラスト検出のためのニューラルネットワークによるデノイング
• Authors: Hadrien Pujol, Matteo Bevillacqua, Christophe Thirard, Thierry Mazoyer,
• Abstract要約: Acoemは、マイクアレイと、戦場で射手を検出し、位置を特定するソフトウェアで構成される銃弾検出システムの開発を行っている。 このようなシステムの性能は、動作中の音響環境の影響を受けやすい。 音響環境の影響を抑えるため,ニューラルネットワークが開発された。
• 参考スコア（独自算出の注目度）: 0.23999111269325263
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Acoem develops gunshot detection systems, consisting of a microphone array and software that detects and locates shooters on the battlefield. The performance of such systems is obviously affected by the acoustic environment in which they are operating: in particular, when mounted on a moving military vehicle, the presence of noise reduces the detection performance of the software. To limit the influence of the acoustic environment, a neural network has been developed. Instead of using a heavy convolutional neural network, a lightweight neural network architecture was chosen to limit the computational resources required to embed the algorithm on as many hardware platforms as possible. Thanks to the combination of a two hidden layer perceptron and appropriate signal processing techniques, the detection rate of impulsive muzzle blast waveforms (the wave coming from the detonation and indicating the position of the shooter) is significantly increased. With a rms value of noise of the same order as the muzzle blast peak amplitude, the detect rate is more than doubled with this denoising processing.
• Abstract（参考訳）: Acoemは、マイクアレイと、戦場で射手を検出し、位置を特定するソフトウェアで構成される銃弾検出システムの開発を行っている。 このようなシステムの性能は、動作中の音響環境の影響を受けており、特に移動中の軍用車両に搭載された場合、ノイズの存在によってソフトウェアの検出性能が低下する。 音響環境の影響を抑えるため,ニューラルネットワークが開発された。 重い畳み込みニューラルネットワークを使用する代わりに、可能な限り多くのハードウェアプラットフォームにアルゴリズムを埋め込むために必要な計算リソースを制限するために、軽量なニューラルネットワークアーキテクチャが選択された。 2つの隠蔽層パーセプトロンと適切な信号処理技術の組み合わせにより、インパルス型ノズルブラスト波形(起爆から来る波とシューターの位置を示す波)の検出率が大幅に向上する。 ムズルブラストピーク振幅と同じ順序の雑音のrms値で、このデノナイジング処理で検出率が2倍以上になる。

関連論文リスト

• Histogram Layer Time Delay Neural Networks for Passive Sonar Classification [58.720142291102135]
  時間遅延ニューラルネットワークとヒストグラム層を組み合わせた新しい手法により,特徴学習の改善と水中音響目標分類を実現する。 提案手法はベースラインモデルより優れており,受動的ソナー目標認識のための統計的文脈を取り入れた有効性を示す。
  論文  参考訳（メタデータ） (2023-07-25T19:47:26Z)
• 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)
• Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
  高雑音および地中設定におけるインパルス応答推定は難しい問題である。 本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T18:57:23Z)
• Convolutional Deep Denoising Autoencoders for Radio Astronomical Images [0.0]
  我々は、最先端の電波望遠鏡の合成画像に、畳み込み復号化オートエンコーダ(Convolutional Denoising Autoencoder)と呼ばれる機械学習技術を適用した。 我々のオートエンコーダは、器用感度の限界でかすかな物体を識別し、抽出する複雑な画像を効果的に識別することができる。
  論文  参考訳（メタデータ） (2021-10-16T17:08:30Z)
• 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)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Learning based signal detection for MIMO systems with unknown noise statistics [84.02122699723536]
  本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。 実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。 我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
  論文  参考訳（メタデータ） (2021-01-21T04:48:15Z)
• Object Detection based on OcSaFPN in Aerial Images with Noise [9.587619619262716]
  オクターブ畳み込みに基づく意味的注意特徴ピラミッドネットワーク(OcSaFPN)は、ノイズによる物体検出の精度を高めるために提案されている。 提案アルゴリズムは,3つのデータセットで検証し,ガウス雑音や乗法雑音による最先端検出性能を実現する。
  論文  参考訳（メタデータ） (2020-12-18T01:28:51Z)
• Robust and fast post-processing of single-shot spin qubit detection events with a neural network [0.0]
  我々は、単発スピン検出イベントの集合を分類するためにニューラルネットワークを訓練する。 その結果,Rabi-oscillationの可視性は7%向上した。
  論文  参考訳（メタデータ） (2020-12-08T19:13:09Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Robust Processing-In-Memory Neural Networks via Noise-Aware Normalization [26.270754571140735]
  PIM加速器は、しばしば物理的成分の固有のノイズに悩まされる。 雑音設定に対してロバストなニューラルネットワーク性能を実現するためのノイズ非依存手法を提案する。
  論文  参考訳（メタデータ） (2020-07-07T06:51:28Z)

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。