Сибирский федеральный университет 
- Номер
- Журнал СФУ. Техника и технологии. 2024 17 (3)
- Авторы
- Шаход, Д. М.; Агафонов, Е. Д.
- Контактная информация
- Шаход, Д. М.: Сибирский федеральный университет Российская Федерация, Красноярск; Агафонов, Е. Д.: Сибирский федеральный университет Российская Федерация, Красноярск
- Ключевые слова
- локализация акустических источников; обработка сигналов; глубокие нейронные сети; обучающие данные; acoustic sources localization; signal processing; deep neural networks; training data
- 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 могут 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
- Страницы
- 380–398
- EDN
- TSIHQW
- Статья в архиве электронных ресурсов СФУ
- https://elib.sfu-kras.ru/handle/2311/152883
Эта работа лицензируется по лицензии Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0).