著名医師による解説が無料で読めます
すると翻訳の精度が向上します
海洋の周囲の騒音が存在すると、船舶放射騒音から効果的な機能を抽出することが困難になります。フーリエ変換またはウェーブレットに基づく従来の特徴抽出方法は、このような複雑な海洋環境で制限されています。最近、エントロピーベースの方法は、従来の方法と比較して多くの利点があることが証明されています。この論文では、階層エントロピー（HE）に基づいた船舶放射ノイズの新しい特徴抽出方法を提案します。従来のエントロピー、すなわちマルチスケールサンプルエントロピー（MSE）と比較して、より低い周波数成分にある情報のみを考慮しているため、信号のより低い周波数コンポーネントとより高い周波数成分の両方を考慮しています。シミュレーション信号でそれらをテストすることにより、HEとMSEのさまざまな特性を説明します。結果は、特に信号の違いが主により高い周波数コンポーネントに焦点を合わせている場合、彼がMSEよりも優れたパフォーマンスを持っていることを示しています。さらに、5種類の船舶放射ノイズの実際のデータに関する実験が行われます。確率的なニューラルネットワークが採用されており、取得した機能のパフォーマンスを評価します。結果は、彼がMSEと比較して5種類の船舶放射騒音に対してより高い分類精度を持っていることを示しています。これは、HEベースの特徴抽出方法を使用して、水中音響信号処理の分野で船を識別できることを示しています。
海洋の周囲の騒音が存在すると、船舶放射騒音から効果的な機能を抽出することが困難になります。フーリエ変換またはウェーブレットに基づく従来の特徴抽出方法は、このような複雑な海洋環境で制限されています。最近、エントロピーベースの方法は、従来の方法と比較して多くの利点があることが証明されています。この論文では、階層エントロピー（HE）に基づいた船舶放射ノイズの新しい特徴抽出方法を提案します。従来のエントロピー、すなわちマルチスケールサンプルエントロピー（MSE）と比較して、より低い周波数成分にある情報のみを考慮しているため、信号のより低い周波数コンポーネントとより高い周波数成分の両方を考慮しています。シミュレーション信号でそれらをテストすることにより、HEとMSEのさまざまな特性を説明します。結果は、特に信号の違いが主により高い周波数コンポーネントに焦点を合わせている場合、彼がMSEよりも優れたパフォーマンスを持っていることを示しています。さらに、5種類の船舶放射ノイズの実際のデータに関する実験が行われます。確率的なニューラルネットワークが採用されており、取得した機能のパフォーマンスを評価します。結果は、彼がMSEと比較して5種類の船舶放射騒音に対してより高い分類精度を持っていることを示しています。これは、HEベースの特徴抽出方法を使用して、水中音響信号処理の分野で船を識別できることを示しています。
The presence of marine ambient noise makes it difficult to extract effective features from ship-radiated noise. Traditional feature extraction methods based on the Fourier transform or wavelets are limited in such a complex ocean environment. Recently, entropy-based methods have been proven to have many advantages compared with traditional methods. In this paper, we propose a novel feature extraction method for ship-radiated noise based on hierarchical entropy (HE). Compared with the traditional entropy, namely multiscale sample entropy (MSE), which only considers information carried in the lower frequency components, HE takes into account both lower and higher frequency components of signals. We illustrate the different properties of HE and MSE by testing them on simulation signals. The results show that HE has better performance than MSE, especially when the difference in signals is mainly focused on higher frequency components. Furthermore, experiments on real-world data of five types of ship-radiated noise are conducted. A probabilistic neural network is employed to evaluate the performance of the obtained features. Results show that HE has a higher classification accuracy for the five types of ship-radiated noise compared with MSE. This indicates that the HE-based feature extraction method could be used to identify ships in the field of underwater acoustic signal processing.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。