ETD

• acustica subacquea
• adattamento di dominio
• array di idrofoni
• deep learning
• domain adaptation
• elaborazione dei segnali
• hydrophone array
• localizzazione di sorgenti sonore
• signal processing
• sound source localization
• underwater acoustics

This thesis investigates passive acoustic sound source localization in shallow-water waveguide environments characterized by severe multipath propagation and acoustic boundary interference. The proposed framework employs deep learning architectures operating on a high-density 60-channel planar hydrophone array, evaluated on authentic marine mammal vocalizations (sperm whale clicks). To tackle the scarcity of real labeled data, neural models are pretrained using physics-based ray-tracing simulations (Bellhop 2D) parameterized with in-situ sound speed profiles, empirical background noise, and hardware mismatch perturbations. The localization task is decoupled into two specialized neural networks featuring Attentive Statistics Pooling: BearingSeqNet for direction-of-arrival estimation using Generalized Cross-Correlation Tensors (GCCT), and RangeGcctCepSeqNet for metric distance regression fusing spatial correlation and cepstral quefrency features. Experimental validation on lake trials demonstrates that empirical domain adaptation sufficiently bridges the sim-to-real gap, yielding accurate angular tracking and metric range estimation against GPS ground truth while overcoming classical peak-hopping limitations in reverberant waveguides.

La presente tesi affronta la localizzazione acustica passiva di sorgenti sonore in ambienti di guida d'onda in acque basse, caratterizzati da forte propagazione multipath e interferenze di contorno. Il lavoro propone un framework basato su deep learning applicato a un array planare ad alta densità composto da 60 idrofoni, testato su vocalizzazioni biologiche reali (click di capodoglio). Per superare la scarsità di dati etichettati, i modelli sono preaddestrati su simulazioni acustiche fisiche basate su ray-tracing (Bellhop 2D), arricchite con profili di velocità del suono in-situ, tolleranze hardware e rumore ambientale reale. La stima è disaccoppiata in due architetture neurali dotate di Attentive Statistics Pooling: BearingSeqNet per la direzione di arrivo tramite tensori di correlazione incrociata (GCCT) e RangeGcctCepSeqNet per la regressione della distanza tramite fusione di matrici spaziali e spettri quefrenziali (Cepstrum). I risultati sperimentali mostrano che il fine-tuning colma in modo accettabile il divario sim-to-real, raggiungendo elevata precisione angolare e buona precisione metrica rispetto alle misurazioni GPS e superando i limiti dei metodi classici in canali riverberanti.