Hugging Face's logo

Datasets:
peng7554
/
DS3500

Modalities:
Audio
Formats:
soundfolder
Languages:
English
Size:
1K - 10K
Tags:
underwater_acoustics
data_augmentation
ray_theory
Libraries:
Datasets
License:
Dataset card Data Studio Files
xet
Community
1
DS3500
File size: 7,097 Bytes 
b654ef1
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
 
---
license: Creative Commons Attribution (CC BY) 4.0 # 开源许可证类型，依据文档中数据集遵循的许可协议
tasks:
  - underwater_acoustic_target_recognition # 对应水下声学目标识别任务
  - underwater_target_localization # 对应水下目标定位任务
  - multi_task_learning # 对应多任务学习场景
frameworks: # 支持的深度学习框架，文档未明确提及，此处为通用示例
  - pytorch
  - tensorflow
language: # 数据集为音频数据，无特定语言，此处留空或标注为无
  - none
tags:
  - underwater_acoustics
  - data_augmentation
  - ray_theory
datasets:
  train:
    - ShipsEar
    - DS3500
  test:
    - ShipsEar
    - DS3500
  evaluation:
    - ShipsEar
    - DS3500
metrics:
  - accuracy
  - range_localization_error
  - depth_localization_error
base_model:
  - MEG (multi-task, multi-expert, multi-gate) framework
indexing:
  results:
    - task:
        name: Underwater Target Recognition
      dataset:
        name: DS3500
        type: audio
        args: default
      metrics:
        - type: accuracy
          value: 95.93%
          description: recognition accuracy on DS3500 dataset
          args: default
    - task:
        name: Underwater Target Localization
      dataset:
        name: DS3500
        type: audio
        args: default
      metrics:
        - type: range_localization_error
          value: 0.2011 km
          description: range localization error on DS3500 dataset
          args: default
        - type: depth_localization_error
          value: 20.61 m
          description: depth localization error on DS3500 dataset
          args: default
domain:
  - audio # 数据集为音频类型，属于声学领域
---

- [英文](README.md)
- [中文](README-zh.md)

## 一、数据集基础信息
- **数据集名称**：水下声学目标辐射噪声数据集（含原始ShipsEar数据集及增强DS3500数据集）
- **数据集版本**：V1.0
- **发布时间**：2025年7月（基于论文提交时间）
- **更新记录**：首次发布，暂无更新
- **来源与贡献者**：
  - 原始ShipsEar数据集：采集于2012-2013年西班牙大西洋沿岸
  - 增强DS3500数据集：由中山大学海洋工程与技术学院等机构基于射线理论生成（贡献者：Peng Qian、Jingyi Wang等，单位：中山大学、上海船舶电子设备研究所等）
  - 通讯方式：[email protected]
- **关联论文**：*Multi-Task Mixture-of-Experts Model for Underwater Target Localization and Recognition*（DOI: 10.3390/1010000）


## 二、数据集内容描述
### 1. 数据规模与分布
| 数据集 | 类别 | 样本数量（5秒片段） | 类别分布 | 数据格式 |
|--------|------|---------------------|----------|----------|
| ShipsEar（原始） | A、B、C、D、E（含环境噪声） 数字顺序0-4| 1948（A:345/B:235/C:785/D:395/E:188） | A类占17.7%、B类占12.1%、C类占40.3%、D类占20.3%、E类（环境噪声）占9.6% | WAV音频（采样频率16kHz） |
| DS3500（增强） | 同ShipsEar（A-E，数字顺序0-4） | 1948（与原始数据集规模一致） | 同原始数据集 | WAV音频（采样频率16kHz） |


### 2. 数据来源与场景
- **ShipsEar（原始）**：实际采集的船舶辐射噪声，涵盖11种船舶类型（如摩托艇、渔船、拖船等），采样频率52734Hz，经预处理后分割为5秒片段。
- **DS3500（增强）**：基于射线理论和BELLHOP声场模型生成的深海环境（3500米水深）合成数据，模拟场景为：
  - 地理位置：中沙群岛以北深海区域（17.17°N，114.22°E）
  - 目标参数：距离声纳1-11km（间隔2km）、深度100-1100m（间隔200m），共36个模拟位置
  - 声场环境：基于WOA18世界海洋数据库温度数据计算声速剖面，海底参数为声速1601.9m/s、密度1.7g/cm³、衰减系数0.39f¹·⁷¹ dB/m（f为频率，单位kHz）


## 三、数据预处理与增强
- **ShipsEar预处理**：
  - 去除空白片段，分割为5秒短片段以扩展数据量
  - 未进行额外去噪（保留原始噪声特性）
- **DS3500增强方法**：
  - 基于射线理论和BELLHOP模型模拟海洋声学信道
  - 对ShipsEar的5秒片段进行信道传输模拟，生成包含直达区和阴影区的接收信号
  - 保持与原始数据集相同的样本量（避免训练效率下降）


## 四、数据标注信息
### 1. 标注内容
- **核心标签**：包含分类标签、距离标签、深度标签，具体如下：
  - 分类标签：对应原始ShipsEar的5个类别（A-E，示例中以数字“0”等表示类别编码）
  - 距离标签：目标与声纳的水平距离（1.000-11.000km，精确到0.001km）
  - 深度标签：声纳的部署深度（0.100-1.100km，精确到0.001km）

### 2. 标注示例（文件路径与标签格式）
train_list.txt
```
路径                                                                                                    分类        距离(km)        深度(km)
E:\MTQP\wjy_codes\shipsear_5s_16k_ocnwav_Pos\0_0_2.wav                                               	0	       3.000	       0.100
E:\MTQP\wjy_codes\shipsear_5s_16k_ocnwav_Pos\0_0_3.wav                                               	0	       5.000	       0.100
```



## 五、数据集用途与适用场景
- **主要用途**：
  - 水下声学目标识别模型训练与评估
  - 水下目标定位（距离、深度）模型开发
  - 多任务学习（同时实现识别与定位）算法验证
- **适用场景**：
  - 深海远海环境下的 marine monitoring（海洋监测）
  - 水下防御与目标探测
  - 多任务学习框架（如MEG）的性能测试（论文中MEG框架在本数据集上实现95.93%识别准确率、0.2011km距离误差、20.61m深度误差）


## 六、数据集使用与评估
- **数据划分**：采用5折交叉验证策略（顺序抽样），每类数据中每4个样本选1个作为测试集，迭代5次（分别以1-5号样本为起点），确保数据顺序、类别分布平衡。
- **适用模型**：支持深度学习模型（如CNN、Transformer）及多任务框架（如MoE、MEG），尤其适合需要融合位置信息的水下多任务模型。


## 七、许可协议
遵循Creative Commons Attribution（CC BY）许可协议，允许商用、修改、分发，需注明原作者及来源。


## 八、相关资源
- 关联论文：*Multi-Task Mixture-of-Experts Model for Underwater Target Localization and Recognition*（作者：Peng Qian等，中山大学）
- 推荐模型：MEG（multi-task, multi-expert, multi-gate）框架（适用于本数据集的目标识别与定位任务）
- 社区支持：可联系作者（[email protected]）获取技术支持


## 九、数据集下载与更新
- 下载地址：[魔搭社区数据集仓库](https://modelscope.cn/datasets)（搜索“深海直达区-声影区DS3500船舶辐射噪声数据集（DS3500）”）
- 更新计划：暂无明确更新计划，若有新版本将补充不同深海环境（如不同水深、海况）的模拟数据。