Datasets:

peng7554
/

DS3500

license: Creative Commons Attribution (CC BY) 4.0
tasks:
  - underwater_acoustic_target_recognition
  - underwater_target_localization
  - multi_task_learning
frameworks:
  - pytorch
  - tensorflow
language:
  - 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

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（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。