[論文レビュー] An Features Extraction and Recognition Method for Underwater Acoustic Target Based on ATCNN

Gang Hu, Kejun Wang+1 more|arXiv (Cornell University)|Nov 29, 2020

Blind Source Separation Techniques参考文献 44被引用数 7

ひとこと要約

本論文では、聴覚認識にインspiredされた特徴抽出と時間拡張畳み込みネットワークを統合した、水中音響的標的認識（UATR）のための新しい深層学習モデル、ATCNNを提案する。深度分離畳み込みを用いて船から放射されるノイズを周波数成分に分解し、拡張畳み込みを用いて長距離の文脈的モデリングを行うことで、ATCNNは90.9%の分類精度を達成し、既存の手法を上回る性能を発揮する。

ABSTRACT

Facing the complex marine environment, it is extremely challenging to conduct underwater acoustic target recognition (UATR) using ship-radiated noise. Inspired by neural mechanism of auditory perception, this paper provides a new deep neural network trained by original underwater acoustic signals with depthwise separable convolution (DWS) and time-dilated convolution neural network, named auditory perception inspired time-dilated convolution neural network (ATCNN), and then implements detection and classification for underwater acoustic signals. The proposed ATCNN model consists of learnable features extractor and integration layer inspired by auditory perception, and time-dilated convolution inspired by language model. This paper decomposes original time-domain ship-radiated noise signals into different frequency components with depthwise separable convolution filter, and then extracts signal features based on auditory perception. The deep features are integrated on integration layer. The time-dilated convolution is used for long-term contextual modeling. As a result, like language model, intra-class and inter-class information can be fully used for UATR. For UATR task, the classification accuracy reaches 90.9%, which is the highest in contrast experiment. Experimental results show that ATCNN has great potential to improve the performance of UATR classification.

研究の動機と目的

• 複雑な海洋環境下における船から放射されるノイズを用いた水中音響的標的認識の課題に対処すること。
• 人間の聴覚認識を模倣することで、生の音響信号からの特徴抽出を向上させる深層学習モデルの開発。
• 自然言語処理にインspiredされた拡張畳み込みネットワークを組み込むことで、UATRにおける長期的文脈モデリングを強化すること。
• 統合的かつ学習可能な特徴抽出と文脈モデリングにより、既存の手法を上回る分類精度を実現すること。
• 実世界の水中音響信号データを用いて、提案されたATCNNモデルの有効性を検証すること。

提案手法

• ATCNNモデルは、生の時間領域における船から放射されるノイズを周波数成分に分解するため、深度分離畳み込み（DWS）を用いる。
• 聴覚認識メカニズムにインスパイアされた学習可能な特徴抽出器が周波数成分を処理し、知覚的に関連する特徴を抽出する。
• 統合層が抽出された特徴を統合し、聴覚系の統合を模倣した統一された表現を形成する。
• 時間拡張畳み込みを適用して長距離の時間的依存性をモデリングし、言語モデルにおけるものと同様の文脈モデリングを可能にする。
• 手動による特徴工学を一切行わず、元の水中音響信号上でエンドツーエンドにネットワークを学習する。
• DWSは計算効率を、拡張畳み込みは音響信号における有効な長距離シーケンスモデリングを実現するため、アーキテクチャが統合される。

実験結果

リサーチクエスチョン

• RQ1 聴覚認識にインスパイアされた深層ニューラルネットワークは、生の水中音響信号からの特徴抽出を改善できるか？
• RQ2 時間拡張畳み込みは、標的認識のための水中音響信号における長期的依存性をどれほど効果的にモデリングできるか？
• RQ3 聴覚にインスパイアされた特徴抽出と拡張畳み込みを統合することで、既存の手法と比較して分類精度が向上するか？
• RQ4 提案されたATCNNモデルは、信号対ノイズ比が低い複雑な海洋音響環境においても良好に一般化できるか？
• RQ5 標準的なUATRベンチマークにおいて、ATCNNモデルの分類精度の上限はどの程度か？

主な発見

• ATCNNモデルは、UATRタスクにおいて90.9%の分類精度を達成し、実験で比較された手法の中で最高の性能を示した。
• 聴覚認識にインスパイアされた特徴抽出と時間拡張畳み込みの統合により、特徴表現学習が顕著に向上した。
• 深度分離畳み込みは、高い特徴忠実度を維持しながら効率的な周波数成分の分解を可能にした。
• 時間拡張畳み込みは、長距離の時間的依存性を効果的にモデリングし、複雑な信号パターンの認識を向上させた。
• 追加のデータオーグメンテーションや前処理を必要とせず、ベースラインモデルを上回る性能を発揮した。
• 結果から、ATCNNは現実の海洋環境下でも頑健に動作する水中音響的標的認識のための有望なフレームワークであることが示された。