📄 头顶的飞机多久能定位一段录音:AircraftWitness 如何测量
英文题目:AircraftWitness: How Often Aircraft Can Locate Recordings
评分:6.7/10 | 创新 1.5/2 | 技术严谨 1/1.5 | 实验充分 1.2/1.5 | 清晰度 0.7/1 | 影响力 1/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 1/1.5
👥 作者与机构
- Kris Atallah:New York University;New York, NY, USA
📌 核心摘要
户外录音常带有公开时间和粗略区域,头顶经过的螺旋桨飞机和直升机会留下随距离变化的音调曲线,结合公开广播式自动相关监视广播存档可以反推麦克风可能的位置,难点在于曲线是否清晰可辨、存档是否覆盖该空域、时钟和区域先验是否足够紧。论文把一段五分钟左右的白天音频、标称起始时刻和边长20 km的正方形连同该时段存档航迹一起交给定位器,以1 km内是否命中为指标在正方形内搜索评测,输出最佳地点是否落在1 km内。定位器先用窄带语谱图脊线提取明显下降的通过曲线并输出音调脊线,再把预测曲线与实测脊线比对计算频率距离,最后送入区域搜索找出距离最小的地点。相对已有挑选案例的公开演示,本文把是否命中、回答次数、与均匀猜测的比较以及错误时间和错位音频对照固定为可复验的度量,并发布AircraftWitness评测集与参考定位器。在24个新地点、用记录器自身时钟加300 s宽容的登记测试中,以1 km内命中地点数为指标,三个定位器中最好的在4个地点把清晰片段定位到1 km内,高于均匀猜测期望的0.57个地点,而错误时间或错位音频下该定位器命中0个地点。该结论仅适用于白天、有清晰可辨通过曲线且有存档覆盖的片段,在无清晰曲线、存档缺失或随机公开录音中很少回答且难以命中,原文未披露训练、推理或部署成本。
🔗 开源与复现资源
- 第三方资源:https://github.com/nyu-kr/aircraftwitness — 链接可访问(HTTP 200)
可达状态仅表示本次链接检查结果,不代表许可证、本文权重或运行复现已验证。
🧭 深度解读
户外录音为什么会被飞机暴露地点
这篇论文研究的是户外录音的地点推断。输入是一段户外麦克风录音,以及它声称的开始时间和一个大致区域,目标是判断录音是否真在该区域内,并给出更精确的估计位置。必须保留的信息是录音里与地点有关的物理痕迹,输出是一个坐标猜测或弃答。
许多野外录音机没有卫星授时,自身时钟每天可漂移数秒,公开的坐标也可能标错。同时,头顶飞过的螺旋桨飞机和直升机会在音频里留下音调由高到低的经过声。另一侧,社区网络存档了装有广播式自动相关监视设备飞机的广播位置。把两边对上,就可能反推麦克风在哪里听到了这架飞机。
对刚入门的读者,关键是区分能力存在与频率高低。已有公开演示和工具说明在挑选过的例子上能定位,但没有测量在无人挑选的大量录音上多久成功一次。本文要回答的正是频率:在盲测、有对照和机会基线的条件下,多大比例的录音能被放到 1 公里以内。
已有演示和本文测量有何不同
论文把已有路线分为两类。第一类是直接定位录音的演示与工具,包括公开案例、dopplerprint、DOPPLERGEIST、Unheard 中附带的搜索、AeroDoppler 等。它们的做法都是在区域和开始时间上搜索,使预测的经过曲线与录音吻合。论文指出,这些工作用的是作者挑选或已知答案的例子,有的带对照,能证明可行,但没有在多台录音机、答案 withheld 的条件下测量频率。
第二类是音频中飞机经过的读取与配对。螺旋桨音调的多普勒曲线读速度、音调、最近时间和距离是经典方法,已有数据集把 40 段手机录音的多普勒频移与航迹配对求速度和高度,AeroSonicDB 则在 3 个站点把广播触发的录音与人工核对的可听事件配对。本文沿用这类读取思路,但目标不是单次定位展示,而是注册、盲测和对照下的发生率。
这种比较是同任务比较:输入都是录音加时间与区域先验,输出都是坐标,监督都来自存档航迹。本文的不同在于评测组织方式,即事先锁定计划、验证器持有真值、只公布汇总,并用均匀猜测和错时间错音频对照来标定结果。
要测量的对象和判定标准是什么
测量对象是定位器在给定数据包上的表现。每个测试数据包固定为 5 分钟左右的白天音频,其中音调脊检测器找到一条清晰的下降经过;同时给出公布的开始时间、一个以真值为中心随机偏移的 20 公里见方区域,以及该方块该小时的存档航班。回答落在公布位置 1 公里以内记为命中,不回答记为未命中。
机会水平按均匀猜测计算,即在每个方形内均匀随机猜点,统计落入 1 公里圆盘的期望命中数。论文强调该计算计入整个圆盘,因此是机会水平的上界。在澳大利亚声学观测站同一地点的多台录音机共享天空,论文区分时刻与地点两种统计单位:时刻指一地一开始时间,地点指录音机聚集;别处则以录音机为单位。
盲测的组织是:定位器只拿到随机编号的数据包,另一台自动验证器持有真值并只发布汇总。计划以提交哈希固定代码,外部时间戳早于首次运行才称为预注册。多数测试在首次运行后有修订,论文用表格交代了每次注册与修订时间。
定位器拿到数据包后做什么
整体流程可以沿一个样本理解。原始输入是 5 分钟音频、开始时间估计和方形区域。第一步是在窄带语谱图上找音调脊,即随时间连续的 tonal 轨迹,判断其中是否有清晰下降的经过,并估计最近时刻、音调、速度与距离区间。第二步是取出该方块该时段的存档航迹,对每个候选地点算出在那里应听到的理论曲线。第三步是比较观测脊与理论曲线,筛掉预测有响亮经过但录音里没有的候选,再按频率距离排序给出最佳地点或弃答。
本文涉及 3 个定位器:作者的参考定位器、开源 dopplerprint、开源 Unheard。参考定位器采用与开源工具相同的标准流程,并使用 dopplerprint 的开源经过检测器。dopplerprint 在方形外接圆上搜索,Unheard 在固定提交按日期和 100 公里见方搜索,重跑时才拿到与其他两者相同的方形和开始时间。
分支的区别在于时钟处理。时间已知时,单个经过的最近距离与速度落在区间即可解释该经过;时钟未知时,还要求两个经过的时间间隔在 12 秒内吻合。日期限定的大范围搜索则按超额证据排序,而非常规频率距离。最终输出都用于同一任务:在方形内猜点或不回答。
飞机经过的音调曲线由什么决定
先看几何有助于理解。论文图 1 左图画出飞机在其经过平面内飞过麦克风,标出速度与最近距离;右图画出听到频率随时间下降,且在最近时刻下降最快。读图时把左图的最近点与右图的拐点对应起来,就是一次经过的核心观测。
看图路径: 1. 先看左图飞机、速度箭头、最近距离与麦克风的几何关系;2. 再看右图频率随时间下降,并在最近时刻下降最快;3. 对照两图理解距离最近对应曲线拐点
论文图 1。原论文 Figure 1::“(a) A pass drawn in its plane through the microphone, with velocity \mathbfu and closest distance d. (b) The heard tone falls fastest at t_c, when the aircraft is nearest.”。
该图确实可见飞机图标、速度箭头、到麦克风的距离线,以及频率随听到时间下降并在标为最近时刻处斜率最大的曲线。它帮助理解为何曲线能反推速度、音调、最近时间与距离:直线经过的形状决定了这些量,而论文的检测器正是寻找下降幅度、对比度和持续时间都达标的脊。
经过曲线 × ADS-B 航迹: 经过曲线指录音里螺旋桨或旋翼音调随飞机接近又远离而下降的频率轨迹,它是录音一侧的观测;ADS-B 航迹指公开存档里飞机广播的位置与速度随时间序列,它是外部一侧的预测来源。二者分工是观测对预测:定位器先从音频提取曲线的最近时刻、音调、速度与距离,再用候选地点和时间的航迹算出理论上应听到的曲线,形状吻合最好者即为答案。
声音传播的到达时间由发射时刻加距离除以声速决定,频率则由距离变化率调制。论文用两个公式把该关系写清,先是到达时间,再是听到频率。
\[t(\tau)=\tau+R(\tau)/c\]其中 tau 是声音发出时刻,R 是飞机到麦克风的距离,c 是声速,t 是声音到达麦克风的时刻。该式说明距离越远延迟越大,定位必须同时考虑发射与传播。
\[f\bigl(t(\tau)\bigr)=\frac{f_{0}}{1+\dot{R}(\tau)/c},\qquad\dot{R}=\frac{\mathbf{u}\cdot(\mathbf{p}-\mathbf{r})}{R}.\]其中 f0 是发射音调,u 是飞机速度向量,p 是飞机位置,r 是麦克风位置,R 点是距离变化率。该式说明接近时频率偏高、远离时偏低,最近处变化最快。对直线经过,曲线形状即可解出速度、音调、最近时间与距离,这正是后续与航迹比对的依据。
候选地点如何与录音比对打分
参考定位器的比对细节在附录给出。检测器在 2 千赫兹附近按 1 秒帧跟踪音调脊,清晰经过要求在 80% 步长上下跌至少 4%,中位对比度不低于 8 并持续至少 12 秒。每条经过给出最近时刻、音调、速度与距离及其区间,若航迹的最近距离与速度落在区间内则认为该航迹可解释该经过。
排序用预测曲线与脊周围追踪出的脊线之间的均方根频率距离,在基频和谐波上计算。已知开始时间时,360 段测试集中 21 个命中里有 18 个只用单个经过即可;时钟未知时则要求双经过间隔吻合。搜索还在发射音调正负 12% 内、时钟偏移正负 4 秒内以 0.25 秒步长展开,最优的 10 组航班对再在 50 米网格上重搜。
还有排除规则:若候选地点预测有响亮经过而录音里没有,则丢弃该候选;未知时钟搜索中,若两经过之间另有飞机在 4 公里内经过且距任一经过超过 40 秒而录音无此经过,也丢弃。航迹最多插值 60 秒缺口,只保留至少 4 个位置点的空中飞机。这些规则的作用是减少靠偶然吻合的误报,但论文也报告参考定位器在 360 段中有 241 段找不到匹配航班、21 段找不到经过,因此回答率天然受限。
本文训练了什么,没有训练什么
本文没有训练神经网络定位模型,三者的定位都是检索与拟合计算,不是端到端学习。参考定位器在 Livermore 手机录音上拟合过参数,并在测试前完成开发;dopplerprint 与 Unheard 取固定提交的开源版本,未做修改。后续测试中代码以哈希冻结,验证器独立计分。
实际执行的计算包括检测音调脊、拟合最近时刻与漂移直线、插值航迹、按地形与大地水准面放置网格点、按设定声速预测曲线并打分。涉及的外部模型调用是鸟类先验部分:用 BirdNET 检测物种,再用其地理模型在 0.25 度网格上给出每周出现概率,与记录者分布先验混合后取概率累计 1/4 的最小区域作为日期限定的搜索区。该区域测试的是先验本身,不是飞机搜索。
需要指出的缺口是,论文未报告梯度、优化器或参数更新,因为不存在这类训练;也未测试知情攻击者或更强定位器。因此当前发生率是对今日工具在这些录音上的测量,更好的定位器可能找到更多。
测试集、随机录音与存档如何组织
主测试集是澳大利亚声学观测站第三批,共 360 个数据包,来自 7 个地点的 23 台录音机,每台 6 至 18 段,且地点与开发批和时钟研究录音机不重叠。开发用过第一批 295 段、第二批 61 段和 38 台 Eclipse Soundscapes 录音机的 187 段。更广的测试包括 155 段 xeno-canto 录音、80 个直播窗口与 232 段公园录音,以及分层随机抽的 3000 段公共录音库存。
数据包 × 命中: 数据包指一次定位任务的输入组合,包含一段音频、公布的起始时间、一个 20 公里见方的候选区域及其时间段内的存档航班;命中指输出地点落在公布位置 1 公里以内的判定。数据包固定了时间先验和空间范围,命中则统一了成功标准,使不同录音、不同定位器和随机猜测可以在同一口径下比较。
时间先验按任务而异:测试包公布开始时间在 60 秒内,xeno-canto 为正负 5 分钟,Livermore 为正负 2 秒,随机公共录音取声称开始时间在 60 秒内并给 20 公里见方。运行有时限,失败抓取、崩溃、空回答或在处理截止前未完成都记为未命中。真值方面,观测站位置是公开发布的抖动后位置,抖动可达 279 米,会使答案在 1 公里边界两侧移动,论文讨论了按 397 米总不确定性剔除边界命中后的保留数。
均匀猜测 × 对照: 均匀猜测指在每个数据包的方形区域内等概率随机猜一点,由 1 公里圆盘面积占比算出期望命中数,它是机会水平的基线;对照指把同一数据包的时钟拨错 5 分钟或 2 小时,或换成另一地点的音频再跑一次。均匀猜测回答有没有超过运气,对照回答定位是否真的用了正确时间与正确音频的信息。
注册状态用提交与外部时间戳区分:只有外部时间戳早于首次运行才算预注册,否则只是 dated commit 中的计划。盲测第三批、随机公共录音、新地点测试等是预注册的,多数测试在首次运行后有修订。论文强调记录器位置公开,因此盲性依赖冻结代码与验证器,而非位置保密。
在有精确时间的固定网络上命中多少
先看核心结果的分布形态。论文图 2 按每 100 段测试的 1 公里内命中数展示各测试集,蓝色点为不同定位器,空心点为错时间或错音频对照中较高者,横线是按地点重采样的 95% 区间。地点只有 7 个时区间很宽,这是理解显著性口径的关键。
看图路径: 1. 先看横轴每 100 段录音中的命中数与纵轴不同测试集;2. 再比较蓝色实心点与表示机会水平的刻度;3. 注意横线是按地点重采样的 95% 区间,地点少则区间很宽
论文图 2。原论文 Figure 2::“Recordings placed within 1 km per 100 tested, with ticks for chance and open points for the higher wrong-time or wrong-audio control.”。
该图确实可见测试集一行参考与 dopplerprint 的点明显高于机会刻度,而直播、公园与后期 xeno-canto 等行多贴近机会线,对照空心点普遍偏低。它帮助把单段命中率与地点级不确定性分开:段级可观,地点级因地点少而粗糙。
时刻 × 地点: 时刻指同一地点同一开始时间的录音集合,同一地点的多台录音机共享一片天空;地点指录音机所在的地理聚集,论文中澳大利亚声学观测站测试集只有 7 个地点。时刻检验方法能否超过机会,地点检验方法能覆盖多宽的地理范围;前者样本多而后者样本少,因此按时刻显著不等于按地点显著。
下表是测试集一机重跑的行,比较问题是在相同输入与限制下三者各回答多少、命中多少,机会水平与有命中的录音机数如何。指标方向是命中越多越好,回答多但命中少则精度低。
| Set | Entry | Recordings | Answered | Hits | Chance |
|---|---|---|---|---|---|
| Test set | reference | 360 | 98 | 21 | 2.83 |
| dopplerprint† | 157 | 29 | |||
| Unheard | 92 | 12 |
表中参考在 360 段中回答 98 段、命中 21 段,dopplerprint 回答 157 段、命中 29 段,二者有 14 段共同命中,Unheard 回答 92 段、命中 12 段;方形中心不听音频只命中 1 段。按时刻计,两者在 252 个时刻中命中 17 与 23 个,机会预测 2.8 个;按地点计,命中 4 与 5 个地点,机会预测 2.3 个。论文报告按时刻远超机会,按地点则参考不显著而 dopplerprint 显著。错时钟或换音频对照下参考至多 2 段命中,接近机会。
逐段比例是参考约 6%、dopplerprint 约 8% 在 1 公里内。按录音机重采样区间分别为 3% 至 8% 与 5% 至 12%,按 7 个地点重采样则为 2% 至 9% 与 3% 至 14%。论文明确限定该比例只适用于白天 5 分钟、有检测器判定的清晰经过、有航班覆盖的 23 台录音机,不是户外录音的一般比例。
在 24 个新地点用自身时钟能复制吗
注册测试的目的是看新地点、录音机自身时钟下能否复制。计划在任何音频前加时间戳,2 次修订也在读到答案前,覆盖 24 个与之前地点相距 5 公里以上的新 Eclipse 地点,每地每天一段、至多 6 段清晰 5 分钟片段。开始时间来自录音机自身时钟,每定位器给 300 秒宽容,统计单位是地点,机会用盲测的移位零假设。
结果是参考命中 2 个地点对机会 0.20 个,dopplerprint 命中 4 个对 0.10 个,Unheard 命中 1 个对 0.15 个。均匀猜测预测 0.57 个地点。取三者最优并做三重校正后 p 值为 0.0065。论文说明清晰经过检测器曾用于参考定位器开发,因此参考是描述性的,两个开源工具各自是在 0.05 水平下的注册问题,其中只有 dopplerprint 通过复制。
对照同样关键:用错时间或别处音频并给同样宽容时,dopplerprint 无地点命中,任何定位器至多命中 1 个地点。73 段中参考回答 30 段、dopplerprint 回答 16 段、Unheard 回答 15 段,dopplerprint 的 16 个回答中有 4 段在 1 公里内。事后用 300 秒宽容重跑盲测,参考与 dopplerprint 各命中 7 个地点中的 4 个,说明宽容放宽后仍有信号,但这属于事后重跑,不能当作预注册结论。
在随机公共录音上多久能答对
随机公共录音测试抽 1600 段有公布地点与开始时间且在航班存档日期内的录音。挑选与剪辑都不用真值:5 分钟内用全段,更长则在检测器找到经过处剪,否则随机剪。每定位器拿到声称开始时间在 60 秒内与 20 公里见方,抓取失败、崩溃、空回答或截止前未完成都记为未命中。3 次修订在计分前改变了部分录音下载方式并推后截止。
1600 段中 1378 段拿到音频,至多 73 段截止时未完成。参考回答 13 次、命中 2 段在 1 公里内,按天统计的 95% 区间为 0.00% 至 0.31%;Unheard 回答 20 次、命中 1 段;dopplerprint 回答 7 次、命中 0 段。错时间或换音频对照完成段更少,任何定位器至多命中 1 段。
全猜名义上可命中 0.79%,但计划未设检验。因此结论是限时运行下定位器在随机公共音频上几乎不回答,命中的绝对数是个位数。
论文还报告了库存最佳情形:3000 段带标签经过的公共录音因围绕真值已知的经过剪辑,参考命中 9.5%、Unheard 5.7%、仅覆盖美国本土的 dopplerprint 为 0.17%,机会为 0.79%。但多数命中来自本工作用过的地点,距其 5 公里外参考在 1556 段中命中 3.0%,且其中多数在运营观测站门户同一运营者的平台上,其他地方 1069 段中仅 7 段命中。这说明段级比例高度依赖地点是否见过、平台与剪辑方式,不能推广。
对照、宽容、置信与时钟读数说明什么
对照与先验变化是判断信息来源的抓手。事后固定其他条件只改时间宽容或方形大小时,开始时间自由度从 60 秒收紧到 5 秒命中增加,放宽到 300 秒命中下降;在 10 公里见方仍超机会,在 5 公里见方则不再超全盘机会。方形中心基线在测试集只命中 1 段,说明方形本身不给出答案。
回答 × 确信回答: 回答指定位器愿意给出坐标而非弃答的输出,回答率低意味着多数录音无法定位;确信回答指定位器按自带分数标记为高可信的子集。回答解决有没有输出,确信标记解决输出值不值得信,论文事后统计发现确信子集命中比例更高,但仍约有一半偏差超过 1 公里,所以不能把有回答直接当作答对。
回答是否可信需要看置信分级。论文事后汇总各定位器自己的定位测试,参考把命中机会 0.9 以上记为确信,dopplerprint 用其高等级,Unheard 在这些回答中无确信标记。结果是确信子集命中比例更高,但仍约一半偏差超 1 公里;参考的置信在测试集排序尚可而在后期 xeno-canto 上反向,说明确信分数不能跨分布直接当作正确概率。
时钟读取是另一条线。已知地点时穿过多个经过拟合直线可得偏移与漂移,在 Livermore 手机录音上单经过读自身时钟的稳健标准差为 1.1 秒,但无卫星钟确认;28 台卫星授时录音机中有足够经过的 9 台均未解出时钟。图 4 展示一台无卫星授时的 AudioMoth 在户外 5.1 天中 86 个上线的经过落在一直线上,漂移为每天 1.31 秒,回到提示音设钟处为负 0.38 秒,接近设钟应读零。
看图路径: 1. 先看横轴设钟后天数与纵轴由经过读出的钟差;2. 再看蓝色拟合直线与浅色带的斜率即每天漂移;3. 注意起点星号是手机提示音设钟位置,灰点是未上线的经过
论文图 4。原论文 Figure 4::“The clock of ESID#278 read from aircraft passes, with no GPS or independent truth.”。
该图确实可见散点随天数上升的蓝色拟合线与置信带,起点星号标出提示音设钟,灰点为未上线经过。它帮助理解漂移是斜率、偏移是截距,但论文强调无独立真值,且位置误差 200 米可带来秒级偏移,因此这只是方法演示而非授时验证。
下表是抑制器处理后检测器还能找到多少经过,比较问题是常见降噪与转码是否抹掉定位所依赖的音调脊。
| Processing | Passes found |
|---|---|
| None | 30/35 |
| RNNoise | 2/35 |
| DeepFilterNet3 | 18/35 |
| Unheard | 0/35 |
表中无处理找到 30/35,强降噪与音调去除保留极少,RNNoise 仅 2/35,Unheard 音调去除与自带清理器为 0/35。解释是多数降噪保留大部分可检经过,但针对音调的去除会直接去掉定位线索;代价是该统计只计检测器在原频率处是否还找到线,不是定位端到端命中率。
结论在什么条件下才成立
盲测只覆盖一个卫星授时网络的 7 个地点。按时刻远超机会,按地点为 7 中 4 与 7 中 5 对 2.3,且单位是运行后选择的,单独看不能定论。新地点测试假设设备钟在舰队模型下偏离 300 秒内,未逐台实测。广播存档漏掉未装设备的飞机,美国规则只在部分空域强制要求;模型假设直线单声速传播。标签是 10 公里内接近标签,不是人工听到的可听标签,不同可听规则会不一致。
数据与评测限制也需记住。观测站公开位置经抖动,边界命中可能因抖动移入移出;部分测试的方形与验证器、直播的服务器延迟、公园元数据命名公园等问题都会影响盲性与先验。直播服务器时钟中位偏 15 秒,参考与 dopplerprint 起始中位偏 38 秒。存档核验部分用冻结阈值,在 xeno-canto 上确认多于 decoy,但位移判定少且部分不可评分。
伦理上,搜索用已公开地点,例外是 Livermore 片段,其发布距离隐含地点,发布物含恢复代码与输入但不印地址。网络摄像头音频因发布者未授权录制,仅保留在注册直播测试中。志愿者与公共土地上的录音机可能录到路人,论文只读飞机经过与鸟类且不重发音频。
要复现与使用基准第一步做什么
复现第一步是拿到基准与冻结版本。论文发布 AircraftWitness 基准、参考定位器、注册计划与逐录音结果,含盲测方形与评分器,以及约 11,700,000 段的标签。开源基线取固定提交,未修改;重跑需用同一方形、同一航班切片、同一时间宽容与时限,否则数字不可比。
下表是冻结时钟核验的判定统计,比较问题是核验器在真时钟与拨错时钟下确认与位移多少,机会行由 decoy 率换算。
| Set | Cases | Confirmed | Shifted |
|---|---|---|---|
| Livermore, true clock | 39 | 18 | 0 |
| Livermore, clock shifted | 195 | 0 | 19 |
| xeno-canto, detector finds a pass | 715 | 18 | 1 |
表中 Livermore 真时钟 39 例确认 18 例、位移 0 例且全对,拨错时钟 195 例确认 0 例、位移 19 例且全对;xeno-canto 有经过的 715 段确认 18 段、位移 1 段,机会期望为确认 1.0 段、位移 5.0 段,held-out 混合 decoy 908 例观测到确认 1 段、位移 7 段。它说明核验器在受控手机录音上能纠正其判定的位移,但在野外存档上决策少、确认多依赖单架飞机,不能当作普遍的真伪鉴定器。
标签规模看来源构成有助于选数据。论文图 5 给出各来源 10 公里内标签的飞行器构成与计数,声学观测站、公园、Eclipse 与美国 xeno-canto 的螺旋桨、直升机、喷气机与其他占比不同,公园标签极少。
看图路径: 1. 先看左侧四类飞行器颜色条在 10 公里内标签中的占比;2. 再看右侧各来源的录音数、小时数与标签数;3. 注意公园存档标签极少,中位数多为 0
论文图 5。原论文 Figure 5::“Sources with released pass labels and their aircraft mix within 10 km. Counts and valid-cut medians appear at right.”。
该图确实可见观测站 716 段 60 小时 736 个标签而中位每段 1 个,美国 xeno-canto 10464 段 182 小时 3084 个标签而中位为 0。它提示复现时应先从标签密集的固定台站开始,再谈随机存档;是否值得尝试取决于是否有白天清晰经过、航班覆盖与合理的时间区域先验。
下表交代哪些测试是预注册,比较问题是计划提交与外部时间戳相对首次运行的早晚及修订次数。
| Test | Pre-registered | Amendments | After first run |
|---|---|---|---|
| A2O batch 3 | yes | 13 | 7 |
| Random public recordings | yes | 3 | 1 |
| New Eclipse places | yes | 2 | 0 |
表中第三批、随机公共录音与新地点测试的外部时间戳早于首次运行,属于预注册,而早期多批与直播等多为 git 锁定但外部戳晚于运行。解释是只有预注册行能按注册检验解读,其余应视为计划性或探索性;修订次数多意味着解读时需考虑多重检验与事后选择。
什么时候值得尝试,还缺哪项验证
值得尝试的情形是固定录音机、公布大致时间与区域、白天有清晰下降音调、且该空域有存档航班。此时可按论文流程先跑检测器找经过,再在方形内按预测曲线打分,对错时间与换音频做对照,并与方形中心与均匀猜测比较。若无经过或无匹配航班,应直接弃答而非强行猜点。
还缺的验证包括更多网络与更多地点的密封测试、逐台时钟实测下的新地点复制、欧洲与喷气机为主空域的系统评估,以及确信分数跨分布校准。论文的欧洲手机与 xeno-canto 附加测试中参考在 500 米或 1 公里内命中为 0,核验器在陈述与 decoy 处确认差异小,说明结论不能搬到航班构成不同的地区。
总体上,飞机能定位录音,但频率小且条件苛刻:紧时间先验的固定网络上清晰片段约百分之几在 1 公里内,随机公共录音上限时运行几乎不回答。基准与 11,700,000 段标签使他人可测量新定位器,但新分数在已公开真值上只是开发结果,只有新录音机的密封测试才是盲测。
📎 论文与评分元数据
排名:前50% | 文档类型:数据集与基准 | arXiv 原文
⚖️ 评分明细
评分属于系统判断,不是论文实验结果;八维数值与总分见页首,原始审计记录保留在后端。
评分规则:type-aware-v1
评分模型:muse-spark-1.3-contributor
评分请求协议:openai_responses
