一种跨时频测量的相干模式通用提取器

科学发现日益依赖于在人工检查难以应对的海量传感器数据中寻找有意义的模式。现有的时频事件提取器往往针对每种仪器、基于人工标注的样本进行设计或训练，这一过程既繁琐又难以适应新环境。为解决这一问题，我们提出 TokEye，一种无参考方法，能够从异构融合测量中学习连贯结构的通用判据。在该方法下开发的模型无需重新训练，即可从海洋生物声学和宽带雷达等多个其他领域提取信号。它找回了 82.5\% 的专家标注仿星器信号，检测到 78\% 的海豚哨声，并在六个基准上以 81.5\% 的平均精度识别雷达事件，同时在 GPU 上处理完整的实验频谱图耗时不到一秒。这种跨不相关传感器与物理系统的迁移，揭示了时频测量中可利用的共性结构，并为自动化科学信号发现奠定了可扩展的基础。

中文由 AI 翻译，仅供参考，以原文为准。