Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: V Всероссийская (национальная) научная конференция «Достижения науки и технологий» (ДНиТ-V-2026); Красноярск; Красноярск
Год издания: 2026
Ключевые слова: source localization, spatiotemporal information, generalization ability, deep learning, локализации источников, пространственно-временной информации, способность к обобщению, глубокое обучение
Аннотация: В данной статье представлена оценка способности метода локализации источников пространственно-временной информации к обобщению при изменении условий применения. Рассматриваются две модели глубокого обучения: одна локализует источник с пространственным разрешением 10º, а другая - 2º. Результаты моделирования показали способность преПоказать полностьюдложенной модели с пространственным разрешением 10º к хорошей степени обобщения, достигая точности прогнозирования со средними значениями 99.5%, 100% и 99% при изменении размера помещения, расположения микрофонной решетки и расстояния между источником и микрофонной решеткой соответственно, в то время как модель с пространственным разрешением 2º продемонстрировала свою способность к приемлемому обобщению. This paper presents an evaluation of the generalization ability of a spatiotemporal information source localization method under changing application conditions. Two deep learning models are considered: one localizing a source with a spatial resolution of 10º, and the other with a spatial resolution of 2º. Simulation results demonstrate the ability of the proposed model with a spatial resolution of 10º to generalize well, achieving prediction accuracy with average values of 99.5%, 100%, and 99% when changing room size, microphone array location, and source-to-microphone array distance, respectively, while the model with a spatial resolution of 2º demonstrates acceptable generalization ability.
Журнал: Достижения науки и технологий (ДНиТ-V-2026)
Номера страниц: 50-55
Место издания: Красноярск