Тип публикации: статья из журнала
Год издания: 2024
Ключевые слова: acoustic sources localization, signal processing, Deep Neural Networks, training data, локализация акустических источников, обработка сигналов, глубокие нейронные сети, обучающие данные
Аннотация: В данной статье представлен обзор традиционных методов локализации акустических источников, основанных на обработке сигналов, а также современных методов, основанных на применении глубоких нейронных сетей. Проанализированы и рассмотрены преимущества и недостатки приведенных методов. Несмотря на то что некоторые традиционные методы Показать полностьюмогут адаптироваться к наблюдаемым сигналам, все они зависят от принятых предположений и допущений о характере среды, о свойствах сигналов и т.д. Модели глубокого обучения явно не требуют ни одного из этих предположений, а вместо этого эффективно адаптируются к предоставленным обучающим данным. Однако это также является основным недостатком современных методов, поскольку они менее способны к обобщению и менее универсальны, чем традиционные методы. Дано обоснование необходимости развития новых методов локализации, а также интеграции традиционных и современных интеллектуальных методов локализации для объединения преимуществ каждого из этих групп методов. This article provides an overview of traditional methods to acoustic sources localization based on signal processing, as well as modern methods based on the use of deep neural networks. The advantages and disadvantages of the above methods are analyzed and discussed. Although some traditional methods can adapt to observed signals, they all depend on assumptions made about the nature of the environment, the properties of the signals, etc. Deep learning models do not explicitly require any of these assumptions, but instead efficiently adapt to the training data provided. However, this is also a major disadvantage of modern methods, as they are less generalizable and less versatile than traditional methods. A justification is given for the need to develop new localization methods, as well as the integration of traditional and intelligent modern localization methods to combine the advantages of each of these groups of methods.
Журнал: Журнал Сибирского федерального университета. Серия: Техника и технологии
Выпуск журнала: Т. 17, № 3
Номера страниц: 380-398
ISSN журнала: 1999494X
Место издания: Красноярск
Издатель: Сибирский федеральный университет