语音小管家DeepShip数据集是一个大规模的真实世界水下录音数据集，专门用于水下声学研究，包括船只分类和噪声检测。
DeepShip数据集规格
以下是对DeepShip数据集规格的详细总结：
数据集规模和多样性
包含47小时和4分钟的真实世界水下录音。
录音涵盖了265艘不同的船只，分为四个类别：油轮（Oil Tanker）、拖船（Tug）、客轮（Passenger Ship）和货轮（Cargo Ship）。
录音条件
录音在一年中的不同时间进行，包括不同的海况和噪声水平。
录音地点位于太平洋西北海岸最繁忙的航道之一，靠近加拿大最繁忙的港口——温哥华。
数据收集
使用Ocean Sonics icListen AF水听器进行数据收集，该设备具有高灵敏度和宽频带特性。
录音以32 kHz的采样率保存，并以wav文件格式提供，以确保与机器学习和深度学习社区使用的平台/库兼容。
数据标注
利用自动识别系统（AIS）数据来获取船只的位置和时间戳，确保数据集的准确性。
只包括在水听器2公里半径内单独船只发出的信号。
数据集结构
数据集分为四个类别的文件夹，每个类别包含两种类型的文件：.wav音频数据文件和包含录音信息的元数据文件（如cargo-metafile, tug-metafile等）。
元数据文件提供了诸如船只ID、录音ID、船只名称、录音日期和时间、录音时长以及船只与传感器之间的距离等信息。
数据集可用性
数据集可以在GitHub的特定仓库下载，但由于文件大小和存储空间限制，只有部分数据集被上传到该仓库。
提供了详细的下载信息，以便用户可以下载完整的数据集。
数据集特点
提供了大规模的、高质量的、经过良好标注的水下录音数据，为水下声学分类任务提供了丰富的资源。
由于录音涵盖了不同的环境条件和船只类型，数据集具有很高的多样性和代表性。
数据集应用
可以用于训练和评估不同的机器学习和深度学习算法，以提高水下声学信号分类的准确性。
适用于军事目的以及商业用途，如海上交通管理、渔业和海洋环境保护。
数据集贡献
DeepShip数据集的提供，不仅有助于评估现有算法的性能，也将促进未来水下声学分类技术的发展。
预处理步骤
DeepShip数据集在用于训练和评估船只分类模型之前，经过了以下预处理步骤：
数据分割
将录音分割成多个时间段，每个时间段对应一个独立的数据样本。这是为了确保模型可以处理和学习不同时间段内的声学特征。
采样率调整
原始录音可能以不同的采样率进行，预处理中可能包括将所有录音重采样到统一的采样率，例如32 kHz，以便于处理和分析。
帧分割
将每个时间段的信号分割成短帧，并使用滑动窗口方法来提取帧。这些帧通常用于时频特征的提取。
特征提取
从分割得到的帧中提取时频特征，如梅尔频率倒谱系数（MFCC）、梅尔频谱图、小波包、伽马tone频率倒谱系数（GFCC）、恒定Q变换（CQT）和倒谱等。
数据格式化
将提取的特征转换为适合输入到机器学习和深度学习模型的格式，例如将时频特征转换为图像形式。
数据增强
尽管文档中没有明确提到，但数据增强是提高模型泛化能力的一个常见步骤，可能包括添加噪声、时间拉伸、频率偏移等技术。
数据标注
使用自动识别系统（AIS）数据来获取船只的位置和时间戳，以确保数据集的准确标注。
数据集划分
将数据集划分为训练集和测试集，以评估模型性能。通常一部分数据用于训练，另一部分用于测试。
数据平衡
确保训练和测试集中各类别样本的数量均衡，避免模型对某一类别的偏见。
归一化/标准化
可能对特征数据进行归一化或标准化处理，以消除不同特征量纲带来的影响，加速模型训练过程。
去除无关噪声
在某些情况下，可能需要去除录音中的非目标噪声，如环境噪声或其他非船只噪声。
数据集结构化
将数据组织成结构化的格式，如文件夹按船只类别分类，以及包含元数据的文件，以便于数据管理和访问。
这些预处理步骤为后续的特征学习和模型训练提供了干净、一致且格式正确的数据输入。
声纳性能指标
DeepShip表格提供了一个名为icListen Smart Hydrophone的智能水听器的主要规格和特性。以下是对表格中各项参数的翻译和解读：
Bandwidth (带宽)：1 Hz to 12 kHz。这意味着水听器可以捕捉从1赫兹到12千赫兹的声波，覆盖了人耳听力范围之外的更广频率。
Dynamic Range (动态范围)：120 dB。表示水听器能够处理的声音强度范围，120分贝的动态范围意味着它可以分辨非常微弱到非常响亮的声音。
Sensitivity (灵敏度)：−170 dBV re. μPa。这指的是水听器对声波的敏感度，−170 dBV re. μPa是一个相对较高的灵敏度，意味着它可以检测到非常微小的声压变化。
Sampling frequency (采样频率)：32 kHz。水听器每秒可以采样32000次，这为捕捉高频声音提供了足够的采样点。
Power Input (电源输入)：12–24 Vdc, 0.8 W。水听器的电源输入范围是12到24伏特直流电，消耗功率为0.8瓦特。
Output Interface (输出接口)：Ethernet。数据通过以太网接口传输，这是一种常见的网络传输方式，可以方便地与其他设备连接。
Internal Storage (内部存储)：32 GB。水听器内置32GB的存储空间，用于保存录制的音频数据。
Case Material and Depth (外壳材料和深度)：Engineered Plastic – 200 m, Titanium - 3500 m。水听器的外壳材料根据使用深度不同而有所区别，在200米深度以内使用工程塑料，在3500米深度以内使用钛金属，以适应不同的水下压力。
这个水听器是一个紧凑型的全合一仪器，设计用于实时处理采集到的数据，并能直接输出数字信号。它被设计用于在水下环境中长时间记录音频数据，适用于海洋生物观察、船舶交通监控以及其他水下声学研究。
数据收集处理流程
DeepShip数据集中的船只分类是基于水下声学信号的录音来进行的。关键因素包括：
声学特征
船只发出的声音信号包含了可以用于分类的特征，如发动机噪音、螺旋桨噪声等。
录音条件
数据集在不同的海况和季节条件下收集，确保了录音的多样性和代表性。
船只类型
数据集涵盖了不同类型的船只，包括油轮、拖船、客轮和货轮，每种类型的船只都有其独特的声学特征。
时间-频率特征
从录音中提取的特征包括梅尔频率倒谱系数（MFCC）、梅尔频谱图、小波包、伽马tone频率倒谱系数（GFCC）、恒定Q变换（CQT）和倒谱等，这些特征有助于揭示船只声音信号的不同方面。
自动识别系统（AIS）数据
使用AIS数据来获取船只的位置和时间戳，确保了录音数据的准确标注。
信号处理技术
应用各种信号处理技术来增强信号并提取有用的特征，如滤波、去噪等。
机器学习和深度学习算法
使用不同的机器学习和深度学习算法来训练模型，以识别和分类船只类型。这些算法包括支持向量机（SVM）、随机森林（RF）、K最近邻（KNN）、朴素贝叶斯等传统方法，以及卷积神经网络（CNN）、残差网络（ResNet）、Inception网络等深度学习方法。
特征可视化
使用t-SNE等数据可视化技术来分析和展示特征在高维空间中的分布，帮助理解不同类别船只声音信号的区分度。
性能评估
通过准确率、精确率、召回率和F1分数等指标来评估分类模型的性能。
统计测试
使用配对样本统计t-检验来分析分类结果的显著性，确保分类方法的有效性。
