Акустическая пеленгация: СПУТНИК | Защита Вашего автомобиля от Угона и Разбоя

СПУТНИК | Защита Вашего автомобиля от Угона и Разбоя

Центр
реагирования Сотрудничество
с полицией Режим
активной охраны Удаленная
блокировка Акустическая
пеленгация

Спутниковые Противоугонные Системы Pandora создаются специально для российского рынка, с учетом специфических условий эксплуатации, реальной криминогенной обстановки, максимально защищая автомобиль и его владельца от преступных посягательств. Служба Pandora-СПУТНИК поднимает планку охраны и сервиса автомобиля на новый уровень.

Благодаря службе Pandora-СПУТНИК в Вашем полном распоряжении дополнительные эксклюзивные охранные и сервисные функции. У Вашего автомобиля появляется беспрецедентная система защиты и сервиса, недоступного даже автомобилям Luxury-класса. Эксклюзивные преимущества Спутниковых Противоугонных Систем Pandora с активированной службой Pandora-СПУТНИК сделают Ваш автомобиль недосягаемым для злоумышленников и позаботятся о Вашей личной безопасности

Спутниковые Противоугонные Системы Pandora создаются специально для российского рынка, с учетом специфических условий эксплуатации, реальной криминогенной обстановки, максимально защищая автомобиль и его владельца от преступных посягательств. Служба Pandora-СПУТНИК поднимает планку охраны и сервиса автомобиля на новый уровень.

Благодаря службе Pandora-СПУТНИК в Вашем полном распоряжении дополнительные эксклюзивные охранные и сервисные функции. У Вашего автомобиля появляется беспрецедентная система защиты и сервиса, недоступного даже автомобилям Luxury-класса. Эксклюзивные преимущества Спутниковых Противоугонных Систем Pandora с активированной службой Pandora-СПУТНИК сделают Ваш автомобиль недосягаемым для злоумышленников и позаботятся о Вашей личной безопасности

Спутниковая Противоугонная Система находится на постоянной связи с Центром Реагирования компании, что позволяет в случае попытки угона оперативно направить экипаж полиции на место происшествия.

Спутниковая Противоугонная Система находится на постоянной связи с Центром Реагирования компании, что позволяет в случае попытки угона оперативно направить экипаж полиции на место происшествия.

В случае угона, данные об автомобиле и координатах его расположения мгновенно передаются в правоохранительные органы, после чего осуществляется поиск и возврат автомобиля совместно с экипажами полиции.

В случае угона, данные об автомобиле и координатах его расположения мгновенно передаются в правоохранительные органы, после чего осуществляется поиск и возврат автомобиля совместно с экипажами полиции.

Ваша Спутниковая Противоугонная будет постоянно находиться в режиме активной охраны, что позволит мгновенно получить оповещение от наших серверов в случае глушения GSM- сигнала при попытке угона Вашего автомобиля.

Ваша Спутниковая Противоугонная Система модели NAV 05 и модельного ряда 5XXX, 39XX будет постоянно находиться в режиме активной охраны, что позволит мгновенно получить оповещение от наших серверов в случае глушения GSM- сигнала при попытке угона Вашего автомобиля.

Отправляясь в отпуск или длительную командировку, Вы можете заказать блокировку двигателя на весь период вашей поездки. Что сделает невозможным завести автомобиль в период вашего отсутствия.

В случае угона, Центр Реагирования может удаленно заблокировать двигатель вашего автомобиля, что нарушит планы угонщиков.

Отправляясь в отпуск или длительную командировку, Вы можете заказать блокировку двигателя на весь период вашей поездки. Что сделает невозможным завести автомобиль в период вашего отсутствия.

В случае угона, Центр Реагирования может удаленно заблокировать двигатель вашего автомобиля, что нарушит планы угонщиков.

Метод акустической пеленгации позволяет обнаружить угнанный автомобиль в местах плохого приема GPS/ГЛОНАСС/LBS координат (гаражи, подземные стоянки и т.д.). Этот метод эффективно используется оперативно-розыскной группой.

Метод акустической пеленгации позволяет обнаружить угнанный автомобиль в местах плохого приема GPS/ГЛОНАСС/LBS координат (гаражи, подземные стоянки и т.д.). Этот метод эффективно используется оперативно-розыскной группой.

Защита от подготовленного угона — это комплекс мер по контролю состояния спутниковой противоугонной системы сотрудниками Центра Реагирования в круглосуточном режиме, для фиксации подготовки ТС к угону и своевременного противодействия.

Защита от подготовленного угона — это комплекс мер по контролю состояния спутниковой противоугонной системы сотрудниками Центра Реагирования в круглосуточном режиме, для фиксации подготовки ТС к угону и своевременного противодействия.

Что такое Пандора-Спутник

0

Центр Автомобильной Безопасности

21.01.201605:5321.01 2016

Пандора-спутник — это эксклюзивный сервис, воспользоваться которым могут владельцы автосигнализаций с телеметрической системой. Суть этого новшества в двух словах не описать, поскольку сервис предполагает два десятка полезных опций и привилегий.
Заключение договора с сервисом Пандора-спутник предполагает круглосуточную и ежедневную поддержку Вашего автомобиля в самых разных ситуациях на дороге. Всего существует 4 типа договоров с разной степенью ответственности и денежных компенсаций в случае угона. Обладатели 4-ого (максимального) активированного пакета получат компенсацию в сумме 150 000 руб, если автомобиль не будет возвращен.

Пандора-спутник помогает не только в случаях угона, но и в бытовых ситуациях, а также, в моментах, связанных с Вашим личным распорядком дня и темпом жизни. Возможности сервиса Пандора-спутник, условно можно разделить на три группы: противоугонные, поисковые и сервисные.
Противоугонные.
Датчики системы настроены фиксировать любые изменения пространства и тут же передают сигнал с описанием угрозы. Владелец, получив такое сообщение, может заблокировать двигатель в одно касание, предотвратив угон.
К противоугонным также относятся функции постоянной активной охраны и опции удаленной блокировки двигателя. Даже если вы сами не успели принять меры, центр реагирования заблокирует двигатель машины, где бы она ни находилась. Здесь мы подходим к поисковым особенностям системы Пандора-спутник.
Поисковые.
Поисковые способности Пандора-спутник действительно впечатляют, поскольку предполагают метод акустической пеленгации, облегчающей поиск даже в условиях сильных помех и закрытых пространств.

Сервисные.
Если автомобиль попадает в ДТП, то Пандора-спутник получает данные с датчиков о характере повреждения и местонахождении машины. При нажатии кнопки “SOS” активируется вызов экстренных служб. Также, автомобиль возможно отвезти в назначенный пункт при помощи эвакуатора.
На все время обслуживания к пользователю Пандора-спутник прикрепляется персональный менеджер, который находится всегда на связи и готов сориентировать по маршруту или дать рекомендации по ремонту автомобиля.
Пандора-спутник также обеспечивает скидку на страхование автомобиля в системе КАСКО. Скидка может достигать 80%. Во все телеметрические охранные комплексы устанавливается сим-карта. Сервис помогает поддерживать ее баланс даже за рубежом.

Телеметрическое оборудование помогает отслеживать курс автомобиля и мониторить события, которые с ним происходят. Просматривать журнал действий с описаниями и временем исполнения команд. В некоторых автосигнализациях доступна прослушка салона.

Центр Автомобильной Безопасности

21.01.201605:5321.01 2016

Просмотров:2853 Комментариев:0 0

Теги: GSM, автосигнализации

Акустическая пеленгация с использованием антенн с временной модуляцией

. 2016 11 декабря; 16 (12): 2107.

дои: 10.3390/s16122107.

Бен Кларк ¹ , Джеймс А. Флинт ²

Принадлежности

• ¹ Школа машиностроения, электротехники и производства Вольфсона, Университет Лафборо, Лестершир, LE11 3TU, Великобритания. [email protected].
• ² Школа машиностроения, электротехники и производства Вольфсона, Университет Лафборо, Лестершир, LE11 3TU, Великобритания. [email protected].

• PMID: 27973432
• PMCID: PMC5191087
• DOI: 10.3390/s16122107

Бесплатная статья ЧВК

Бен Кларк и др. Датчики (Базель). 2016 .

Бесплатная статья ЧВК

. 2016 11 декабря; 16 (12): 2107.

дои: 10.3390/s16122107.

Авторы

Бен Кларк ¹ , Джеймс А. Флинт ²

Принадлежности

• ¹ Школа машиностроения, электротехники и производства Вольфсона, Университет Лафборо, Лестершир, LE11 3TU, Великобритания. [email protected].
• ² Школа машиностроения, электротехники и производства Вольфсона, Университет Лафборо, Лестершир, LE11 3TU, Великобритания. [email protected].

• PMID: 27973432
• PMCID: PMC5191087
• DOI: 10,3390/с16122107

Абстрактный

Линейные решетки с временной модуляцией (TMLA) обеспечивают полезную экономию эффективности по сравнению с обычными фазированными решетками при использовании в приложениях для оценки параметров. В настоящей статье рассматривается применение TMLA к акустическим системам и предлагается алгоритм для эффективного определения угла прихода сигнала. Предлагаемый метод применяется в частотной области, где улавливаются сигнал и содержание гармоник. Используя метод средневзвешенного значения амплитуд гармоник и их соответствующих углов основного луча, можно определить оценку направления прихода сигнала. Метод демонстрируется и оценивается с использованием результатов как численных, так и практических реализаций, и предоставляются данные о производительности. Использование датчиков микроэлектромеханических систем (МЭМС) позволяет применять методы временной модуляции на ультразвуковых частотах. Теоретические прогнозы для массива из пяти изотропных элементов с интервалом в половину длины волны и 1000 выборок данных предполагают точность ± 1 ∘ в пределах углового диапазона примерно ± 50 ∘ . В экспериментах с пятиэлементной микрофонной решеткой 40 кГц оценка направления прихода (DoA) в пределах ± 2 . 5 ∘ целевого сигнала легко достигается в диапазоне ± 45 ∘ с помощью одного переключаемого входного каскада и простой аппаратной настройки.

Ключевые слова: МЭМС; направление прибытия; линейный массив; временная модуляция.

Заявление о конфликте интересов

Авторы заявляют об отсутствии конфликта интересов.

Цифры

Рисунок 1

Типовая схема N…

Рисунок 1

Типовая схема массива элементов N с временной модуляцией и шагом d .

фигура 1

Типовая схема массива элементов N с временной модуляцией и интервалом d .

Рисунок 2

Фактор имитации массива…

Рисунок 2

Симулированный массив Коэффициент пятиэлементного массива для пяти различных гармоник, когда каждая…

фигура 2

Симулированный массив Коэффициент пятиэлементного массива для пяти различных гармоник, когда каждый элемент последовательно включается и выключается.

Рисунок 3

Спектр мощности, производимый…

Рисунок 3

Спектр мощности, создаваемый одним синусоидальным источником при однородной выборке…

Рисунок 3

Спектр мощности, создаваемый одним синусоидальным источником при дискретизации равномерно переключаемой пятиэлементной линейной решеткой с временной модуляцией. Сигнал падает на массив под углом 45∘.

Рисунок 4

Спектр мощности, производимый…

Рисунок 4

Спектр мощности, создаваемый пятиэлементной матрицей, принимающей сигнал от источника…

Рисунок 4

Спектр мощности, создаваемый пятиэлементной решеткой, принимающей сигнал от источника под углом 25∘. Когда выборки из внешних элементов удаляются, массив создает новый спектр с другими характеристиками (показаны пунктирными линиями на рисунке).

Рисунок 5

Симулированная ошибка в направлении…

Рисунок 5

Имитация ошибки в оценке направления прихода линейного массива с использованием пяти…

Рисунок 5

Имитация ошибки оценки направления прихода линейной решетки с использованием пяти (сплошной) или трех микрофонов (штриховая линия).

Рисунок 6

Симулированная ошибка в направлении…

Рисунок 6

Имитация ошибки в оценке направления прибытия при выборе наилучшего результата…

Рисунок 6

Симулированная ошибка оценки направления прибытия, когда лучший результат выбирается из линейного массива, состоящего из пяти или трех его элементов.

Рисунок 7

Симулированная ошибка в направлении…

Рисунок 7

Смоделированная ошибка в оценке направления прихода с тремя разными количествами элементов…

Рисунок 7

Смоделированная ошибка оценки направления прихода с тремя разными количествами элементов при наличии шума. В каждом тесте было 1350 отсчетов, взятых из массива из пяти (пунктир), девяти (штрих) или пятнадцати (сплошной) элементов, где отношение сигнал/шум источника составляло 10 дБ.

Рисунок 8

Настройка экспериментального микрофона…

Рисунок 8

Установка экспериментальной микрофонной решетки с межэлементным расстоянием (d) примерно…

Рисунок 8

Установка экспериментальной микрофонной решетки с расстоянием между элементами (d) примерно λ/2, где λ — длина волны акустической волны частотой 40 кГц. Каждый микрофон представляет собой всенаправленный микрофон SPU0410LR5H-QB [18] Micro-Electromechanical Systems (MEMS).

Рисунок 9

Полученное гармоническое содержание…

Рисунок 9

Гармонический состав экспериментальной пятиэлементной линейной микрофонной решетки в сравнении с…

Рисунок 9

Полученный гармонический состав экспериментальной пятиэлементной линейной микрофонной решетки по сравнению с ожидаемыми числовыми результатами.

См. это изображение и информацию об авторских правах в PMC

Похожие статьи

• Подводная локализация с помощью широкополосной оценки направления прихода с использованием акустических массивов произвольной формы.

  Дубровинская Э., Кебкал В., Кебкал О., Кебкал К., Касари П. Дубровинская Е и др. Датчики (Базель). 2020 10 июля; 20 (14): 3862. дои: 10.3390/s20143862. Датчики (Базель). 2020. PMID: 32664398 Бесплатная статья ЧВК.

• Метод оценки направления прихода (DOA) на основе системы с переключаемыми элементами для некооперативных широкополосных радиолокационных сигналов с ортогональным частотным разделением и мультилинейной частотной модуляцией (OFDM-LFM).

  Лю Ю, Чжао Ю, Чжу Дж, Ван Дж, Тан Б. Лю Ю и др. Датчики (Базель). 2019 2 января; 19 (1): 132. дои: 10.3390/s1

  32. Датчики (Базель). 2019. PMID: 30609756 Бесплатная статья ЧВК.

• Интерполяция массива логарифмических доменов для улучшенной оценки направления прибытия в автомобильных радарах.

  Ли С., Ким С.К. Ли С. и др. Датчики (Базель). 2019 27 мая; 19(10):2410. дои: 10.3390/s19102410. Датчики (Базель). 2019. PMID: 31137796 Бесплатная статья ЧВК.

• Массивы с временной модуляцией: от их происхождения до использования в системах беспроводной связи.

  Maneiro-Catoira R, Brégains J, García-Naya JA, Castedo L. Манейро-Катойра Р. и соавт. Датчики (Базель). 2017 14 марта; 17 (3): 590. дои: 10.3390/s17030590. Датчики (Базель). 2017. PMID: 28335415 Бесплатная статья ЧВК. Обзор.

• Методы оценки направления прихода в интерферометрическом эхолоте.

  Grall P, Kochanska I, Marszal J. Гралл П. и др. Датчики (Базель). 2020 23 июня; 20 (12): 3556. дои: 10.3390/s20123556. Датчики (Базель). 2020. PMID: 32585964 Бесплатная статья ЧВК. Обзор.

Посмотреть все похожие статьи

Цитируется

• Эффективная структура для оценки направления нескольких источников звука с использованием обобщенной сингулярной декомпозиции высшего порядка.

  Суксири Б., Фукумото М. Суксири Б. и др. Датчики (Базель). 2019 5 июля; 19 (13): 2977. дои: 10.3390/s19132977. Датчики (Базель). 2019. PMID: 31284497 Бесплатная статья ЧВК.

• Двухканальная оценка ITD на основе функции косинуса для надежного разделения речи.

  Ли С, Дин З, Ли В, Ляо Ц. Ли Х и др. Датчики (Базель). 20 июня 2017 г .; 17 (6): 1447. дои: 10.3390/s17061447. Датчики (Базель). 2017. PMID: 28632166 Бесплатная статья ЧВК.

использованная литература

1. 1. Бушар С., Хавелок Д.И., Бушар М. Формирование луча с помощью микрофонных решеток для направленных источников. Дж. Акус. соц. Являюсь. 2009;125:2098–2104. дои: 10.1121/1.3089221. — DOI — пабмед
2. 1. Найду П. С., Субраманьян Р. Оценка направления прибытия при наличии распределенных источников шума: подход на основе кумулянтов. Дж. Акус. соц. Являюсь. 1995;97:2997. дои: 10.1121/1.411863. — DOI
3. 1. Лю К., Уиллер Б.К., О’Брайен В.Д., Билгер Р.К. Локализация нескольких источников звука с двумя микрофонами. Дж. Акус. соц. Являюсь. 2000; 108:1888–1905. дои: 10.1121/1.12
   . — DOI — пабмед
4. 1. Шмидт Р. О. Расположение нескольких излучателей и оценка параметров сигнала. IEEE транс. Муравей. Пропаг. 1986; 34: 276–280. doi: 10.1109/TAP.1986.1143830. — DOI
5. 1. Рой Р., Кайлат Т. ESPRIT-Оценка параметров сигнала с помощью методов вращательной инвариантности. IEEE транс. акуст. Речевой сигнальный процесс. 1989;37:984–995. дои: 10.1109/29.32276. — DOI

Обзор глубокой нейронной сети в акустическом пеленгации

• title={Обзор глубокой нейронной сети в акустическом пеленгации}, автор={Мохиз Ахмад и Мухаммад Муаз и Мухаммад Адил}, journal={2021 Международная конференция по цифровому будущему и трансформационным технологиям (ICoDT2)}, год = {2021}, страницы={1-6} }
  • Мохиз Ахмад, Мухаммад Муаз, М. Адил
  • Опубликовано 20 мая 2021 г.
  • Информатика
  • Международная конференция по цифровому будущему и трансформационным технологиям (ICoDT2) 2021 г.
  900DoA оценка важна для многих такие отрасли, как улучшение речи, пространственное кодирование звука, радиочастоты и радиотелескоп. Глубокая нейронная сеть (DNN) нашла свое применение в приложениях DoA вместе с хорошо известными методами, такими как методы на основе подпространства или разницы во времени прибытия, которые открывают основанный на данных подход к оценке DoA. В этом документе сначала рассматриваются различные архитектуры DNN и их вспомогательные методы и используемые наборы данных… 

  Посмотреть на IEEE

  doi.org

  Обзор локализации источника звука с помощью методов глубокого обучения

  Предоставляется обширная топография литературы по локализации источника звука на основе нейронной сети, организованная в соответствии с архитектурой нейронной сети, типом входные функции, выходная стратегия (классификация или регрессия), типы данных, используемые для обучения и оценки модели, и стратегия обучения модели.

  Обзор локализации источника звука с помощью методов глубокого обучения

  • Пьер-Амори Грумио, Срджан Китик, Лоран Гирен, Александр Герен

  • Информатика

  • 2021

  Исчерпывающая топография литературы по нейронной локализации представлена ​​в соответствии с этим контекстом. к нескольким аспектам: архитектуре нейронной сети, типу входных признаков, стратегии вывода (классификация или регрессия), типам данных, используемых для обучения и оценки модели, и стратегии обучения модели.

  Многомасштабный картографический подход, основанный на модели глубокого обучения CNN для реконструкции городских ЦМР с высоким разрешением

  • Линсю Цзян, Ян Ху, С. Ся, К. Лян, А. Солтоджио

  • Экология

    Вода

  • 2020

  Предлагается новый многомасштабный картографический подход, основанный на сверточной нейронной сети (CNN) для работы со сложными характеристиками городской топографии и реконструкции городских ЦМР с высоким разрешением, обеспечивающий рентабельный инновационный метод получения ЦМР высокого разрешения в других средах с дефицитом данных.

  Глубокое обучение в мультимодальном объединении данных дистанционного зондирования: всесторонний обзор

  • Jiaxin Li, D. Hong, J. Chanussot

  • Науки об окружающей среде

    Int. Дж. Заявл. Обсерв. Земли Геоинформация

  • 2022

  Благодаря чрезвычайно быстрому развитию технологии дистанционного зондирования (ДЗ) большое количество данных наблюдения Земли (ЭЗ), отличающихся значительной и сложной неоднородностью, стало легко доступным…

  ERISNet: глубокая нейронная сеть для обнаружения саргассума вдоль побережья мексиканского Карибского моря

  • Javier Arellano-Verdejo, H. Lazcano-Hernandez, N. Cabanillas-Terán

  • Environmental Science

    Peerj

  • 2019

  . Кинтана-Роо, Мексика, который дает новое представление о точном обнаружении появления цветения водорослей.

  INSIDE: инструмент распознавания изображений, помогающий людям с нарушениями зрения контекстуализировать внутреннюю среду

  В этой работе представлен инструмент, основанный на компьютерном зрении и распознавании изображений, который помогает сотрудникам VI лучше ориентироваться в контексте внутри помещений, и полагает, что решение представляет собой недорогой и удобный подход, который может использовать существующую ИТ-инфраструктуру, например. беспроводных сетей и не требует какой-либо физической адаптации в среде, где он будет использоваться.

  Структура «свой-чужой» для разработки политик многоагентного обучения с подкреплением в смешанных кооперативно-конкурентных сценариях

  Предлагается усовершенствованный алгоритм, называемый многоагентным глубоким детерминированным градиентом политики «свой-чужой» для решения критических проблем, таких как плохая стабильность обучения и низкая надежность политики.

  Обнаружение и диагностику повреждений для оффшорных фондов ветра

  • B. Puruncajas, Y. Vidal, C. Tutivén

  • Engineering

    ICINCO

  • 2020

  : Структурное мониторин местонахождение, как и оффшорное, имеет решающее значение (Presencia and Shafiee, 2018). Оффшорные ветряные электростанции все чаще реализуются на глубине за пределами…

  Новый оптимизированный подход LightGBM на основе элитного алгоритма поиска противоположных воробьев для диагностики неисправностей

  Новый подход к диагностике неисправностей, основанный на алгоритме элитного поиска противоположных воробьев (EOSSA), оптимизированный LightGBM для обучения классификатора, который может получить более высокую скорость распознавания неисправностей и проведения экспериментов результаты показывают, что подход на основе EOSSA-LightGBM превосходит другие алгоритмы.

  MLife: упрощенная инфраструктура для инициализации жизненного цикла машинного обучения

  В этой работе представлена ​​простая, но гибкая инфраструктура MLife для быстрой инициализации жизненного цикла машинного обучения, основанная на том факте, что поток данных в MLife находится в замкнутом цикле, управляемом плохими случаями, особенно те, которые больше всего влияют на производительность модели ML, но также обеспечивают наибольшую ценность для дальнейшей разработки модели ML — ключевой фактор, позволяющий предприятиям быстро отслеживать свои возможности ML.

  ПОКАЗАНЫ 1-10 ИЗ 46 ​​ССЫЛОК

  СОРТИРОВАТЬ ПО Релевантности Наиболее влиятельные документы Недавность

  Оценка направления поступления для нескольких источников звука с использованием сверточной рекуррентной нейронной сети

  Результаты показывают, что предлагаемая DOAnet способна оценивать количество источников и их соответствующее количество DOA с хорошей точностью и генерируют SPS с высоким отношением сигнал/шум.

  Онлайн-оценка направления прибытия на основе глубокого обучения

  • Qinglong Li, Xueliang Zhang, Hao Li

  • Информатика

    Международная конференция IEEE по акустике, обработке речи и сигналов (ICASSP), 2018 г.

  • 2018
  ) и долговременная кратковременная память (LSTM), которые могут значительно повысить точность и адаптироваться к новому массиву микрофонов, используя только очень небольшой объем данных.

  Глубокие сети для оценки направления прихода при низком ОСШ

  В этой работе представлена ​​сверточная нейронная сеть, которая предсказывает угловые направления с использованием выборочной оценки ковариационной матрицы и представляет метод обучения, в котором CNN учится делать выводы об их количестве и прогнозировать DoA. с высокой уверенностью.

  Оценка DOA для нескольких динамиков с использованием глубоких сверточных сетей, обученных с помощью шумовых сигналов

  Способность предлагаемого метода контролируемого обучения на основе сверточной нейронной сети для оценки направления прибытия (DOA) нескольких динамиков для адаптации к невидимым акустическим условиям и его надежность демонстрируется невидимый тип шума.

  Метод оценки направления прихода, основанный на глубоком обучении

  В этом документе устанавливается классификационная сетевая модель глубокого обучения, которая может эффективно определять направление прихода неизвестного сигнала и подтверждается программным моделированием, что точность улучшена по сравнению с классической музыкальный алгоритм.

  Локализация источника звука на основе глубоких нейронных сетей с функцией направленной активации, использующей фазовую информацию

  • Рю Такеда, Казунори Коматани

  • Информатика

    Международная конференция IEEE по акустике, обработке речи и сигналов (ICASSP), 2016 г.

  • 2016

  что метод превзошел наивный SSL на основе DNN на 20 пунктов с точки зрения точности на уровне блоков.

  Сеть глубокой свертки для оценки направления прибытия с разреженным априором

  Результаты моделирования продемонстрировали превосходство предложенной структуры на основе DCN как в точности оценки DOA, так и в эффективности вычислений, особенно при низком ОСШ.