Estimativa de DOA vetorial acústica subaquática em ambientes de ruído híbrido baseada em mecanismo sparsely-gated mixture-of-experts

Ouvindo sinais ocultos debaixo d’água

Navios, submarinos, robôs subaquáticos e até biólogos marinhos dependem de ouvir sons fracos no oceano para descobrir de onde eles vêm. Mas o mar é um lugar barulhento: motores, ondas, animais e os próprios instrumentos contribuem com interferência. Este estudo apresenta uma nova forma de localizar a direção de sons subaquáticos mesmo quando o ruído é confuso e imprevisível, usando uma forma moderna de inteligência artificial que aprende a lidar com diferentes tipos de ruído em vez de assumir que tudo é simples e uniforme.

Por que encontrar a direção é tão difícil no oceano

Para localizar uma fonte sonora, engenheiros usam uma matriz de microfones subaquáticos, chamados hidrofones vetoriais, disposta em linha. Ao comparar as pequenas diferenças de tempo com que um som alcança cada sensor, é possível estimar a direção de onde ele chegou — uma tarefa conhecida como estimação da direção de chegada (DOA). Métodos clássicos assumem que o ruído de fundo é como um sussurro uniforme — matematicamente, “ruído gaussiano branco”. Oceanos reais raramente se comportam tão bem. O ruído pode ser impulsivo, como estalos; colorido, com mais energia em certas frequências; ou desigual entre sensores. Essa mistura de comportamentos, chamada ruído híbrido, quebra as hipóteses das antigas algoritmos, fazendo com que sua precisão desabe exatamente quando as condições são mais desafiadoras.

Uma linha de sensores mais inteligente

Os pesquisadores baseiam seu trabalho em um arranjo simples, porém potente: uma linha reta de hidrofones vetoriais, que medem tanto pressão quanto o movimento de partículas na água. Quando fontes sonoras distantes emitem ondas, essas ondas alcançam cada sensor em tempos e fases ligeiramente diferentes, dependendo do ângulo de chegada. A partir dessas medições, o sistema constrói uma matriz de covariância — um resumo compacto de como os sinais nos diferentes sensores se relacionam ao longo do tempo. Essa matriz contém as pistas geométricas necessárias para inferir a direção, mas está emaranhada com todo o ruído complexo presente no ambiente.

Transformando dados ruidosos em padrões aprendíveis

Redes neurais tipicamente trabalham com números reais, mas a matriz de covariância é complexa. A equipe, portanto, a separa em duas matrizes reais, representando as partes real e imaginária, e as alimenta como uma “imagem” de dois canais em uma rede neural convolucional (CNN). Essa CNN percorre a matriz para descobrir padrões espaciais que distinguem a estrutura do sinal verdadeiro do ruído. Em vez de confiar em fórmulas projetadas à mão, a CNN aprende essas características diretamente dos dados, construindo gradualmente desde relações locais simples até padrões de nível mais alto que são informativos para localizar fontes sonoras.

Muitos especialistas e um coordenador inteligente

A inovação-chave acontece após a CNN: uma rede mistura-de-especialistas com gatilho esparso (sparsely-gated mixture-of-experts, SMoE). Em vez de um único modelo grande e monolítico tentando lidar com todas as situações, o sistema inclui vários modelos especialistas menores, cada um treinado para se destacar sob um tipo específico de ruído, como branco, rosa, vermelho, azul, violeta ou ruído impulsivo. Uma rede de gate separada analisa as características extraídas pela CNN e, para cada exemplo de entrada, decide quais poucos especialistas são mais relevantes. Apenas esses especialistas selecionados são ativados, e suas saídas são combinadas para produzir uma estimativa final da probabilidade de haver uma fonte sonora em cada ângulo de 0° a 180°. Esse projeto torna o modelo adaptativo — pois muda quais especialistas escuta conforme as condições de ruído variam — e eficiente, por evitar executar todos os especialistas o tempo todo.

Testes em condições difíceis e realistas

Para treinar esse sistema, os autores primeiro geraram dados em que cada especialista vê apenas um tipo de ruído, permitindo que ele se especializasse. Em seguida, treinaram a rede de gate em misturas dos seis ruídos, imitando ambientes híbridos reais. Também avaliaram o modelo em um grande conjunto de teste realista que inclui tanto ruído simulado quanto ruído subaquático gravado, cobrindo uma ampla gama de razões sinal-ruído e comprimentos de dados. Em comparação com técnicas clássicas conhecidas e outras abordagens de aprendizado profundo, o modelo SMoE entregou consistentemente erros menores e taxas de sucesso maiores, particularmente quando o ruído era forte ou quando havia apenas uma quantidade limitada de dados disponível. Em uma razão sinal-ruído de 0 dB — onde a potência do sinal e do ruído são iguais — o modelo alcançou um erro angular médio inferior a um grau, enquanto métodos rivais podiam errar por vários graus.

O que isso significa para a sensoriamento subaquático futuro

Em termos simples, este trabalho mostra que permitir que múltiplos “ouvintes” de IA especializados compartilhem a tarefa, e escolher entre eles em tempo real, pode melhorar dramaticamente nossa capacidade de determinar de onde vêm os sons subaquáticos em condições caóticas e ruidosas. A abordagem pode ser adaptada a outros arranjos de sensores além de arrays lineares simples, e a mesma ideia — mistura de especialistas com um gate inteligente — pode ajudar em radar, robótica e outras áreas onde sinais precisam ser localizados na presença de interferência complexa. Para aplicações que dependem de escuta subaquática confiável, desde navegação até monitoramento ambiental, esse método oferece uma forma mais flexível e robusta de ouvir através do ruído.

Citação: Xu, W., Yi, S., Gu, H. et al. Underwater acoustic vector DOA estimation in hybrid noise environments based on sparsely-gated mixture-of-experts mechanism. Sci Rep 16, 6192 (2026). https://doi.org/10.1038/s41598-026-37217-3

Palavras-chave: acústica subaquática, direção de chegada, ruído híbrido, aprendizado profundo, mistura de especialistas