文献

J-GLOBAL ID：201802240339529155   整理番号：18A2033468

機械学習技術による音響環境の推定【JST・京大機械翻訳】

Estimation of the acoustic environment through machine learning techniques

著者 (3件)： Viquez Oscar A. (Massachusetts Institute of Technol., 77 Massachusetts Ave., Bldg. 5-204, Cambridge, MA 02139, [e-mail]) ,  Fischell Erin M. (Massachusetts Institute of Technol., 77 Massachusetts Ave., Bldg. 5-204, Cambridge, MA 02139, [e-mail]) ,  Schmidt Henrik (Massachusetts Institute of Technol., 77 Massachusetts Ave., Bldg. 5-204, Cambridge, MA 02139, [e-mail])
資料名： Journal of the Acoustical Society of America  (Journal of the Acoustical Society of America)
巻： 144  号： 3  ページ： 1743  発行年： 2018年 
JST資料番号： C0249A  ISSN： 0001-4966  CODEN： JASMAN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 浅い水路の底の材料組成は,対応する音響環境に及ぼす重要な影響を持つことができる。それは,自律的水中車両(AUV)が,センシング,ナビゲーション,および通信に依存する。適切な環境モデルを必要とする技術は,センサデータを解釈するためにAUVに搭載されることが多いが,そのような技術はモデルと現実の間の小さな偏差にも敏感であることが多い。この偏差を低減するための提案手法は,局所的な土壌と測深調査からのデータを用いて,事前に車両に負荷される可能性のある環境モデル近似を生成することである。展開の初期段階の間,車両はK-最近傍分類手法を用いて,様々なモデルによる現場較正測定を比較し,アクティブミッションの残りの間に使用するための最も適切な解決策を選択した。環境モデルに基づく音響場シミュレーションを,正規モード理論と波数積分を用いて生成し,次に,フィールドアレイデータと比較した。ここで開発した技術は,自律運転中の検出と追跡のための環境に敏感な手法の利用を容易にするために使用できる。[作業は海軍研究所によって支持された]Copyright 2018 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 基準モード ,  モデル ,  測深 ,  水路 ,  波数 ,  積分 ,  近似法 ,  シミュレーション ,  音場 ,  環境モデル ,  海軍 ,  *音環境
準シソーラス用語： センサデータ ,  自律性 ,  機械学習技術 , 【Automatic Indexing@JST】

分類 (3件)： 音響信号処理  (BB03050C) ,  音波伝搬  (BB03030G) ,  水中音響応用  (BB03090U)

タイトルに関連する用語 (3件)： 機械学習技術 ,  音響環境 ,  推定