Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.14689v1

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2508.14689v1 (cs)
[提交于 2025年8月20日 (此版本) , 最新版本 2025年9月27日 (v3) ]

标题: ECHO:面向频率的变长信号分层编码

标题: ECHO: Frequency-aware Hierarchical Encoding for Variable-length Signal

Authors:Yucong Zhang, Juan Liu, Ming Li
摘要: 预训练基础模型在视觉和语言领域表现出色,但它们在通用机器信号建模方面的潜力——涵盖声学、振动和其他工业传感器数据——仍未得到充分探索。 现有的基于子带编码器的方法已取得有竞争力的结果,但受限于固定的输入长度,以及缺乏显式的频率位置编码。 在本工作中,我们提出了一种新颖的基础模型,该模型结合了先进的带分割架构与相对频率位置嵌入,能够在任意采样配置下实现精确的频谱定位。 该模型支持任意长度的输入,无需填充或分段,生成的嵌入表示保留了时间和频谱保真度。 我们在 SIREN(https://github.com/yucongzh/SIREN)上评估了我们的方法,这是一个新提出的用于机器信号编码的大规模基准,它统一了多个数据集,包括所有 DCASE 任务 2 挑战(2020-2025)和广泛使用的工业信号语料库。 实验结果表明,在异常检测和故障识别方面,我们的方法始终表现出最先进的性能,证实了所提出模型的有效性和泛化能力。 我们在 https://github.com/yucongzh/ECHO 上开源了 ECHO。
摘要: Pre-trained foundation models have demonstrated remarkable success in vision and language, yet their potential for general machine signal modeling-covering acoustic, vibration, and other industrial sensor data-remains under-explored. Existing approach using sub-band-based encoders has achieved competitive results but are limited by fixed input lengths, and the absence of explicit frequency positional encoding. In this work, we propose a novel foundation model that integrates an advanced band-split architecture with relative frequency positional embeddings, enabling precise spectral localization across arbitrary sampling configurations. The model supports inputs of arbitrary length without padding or segmentation, producing a concise embedding that retains both temporal and spectral fidelity. We evaluate our method on SIREN (https://github.com/yucongzh/SIREN), a newly introduced large-scale benchmark for machine signal encoding that unifies multiple datasets, including all DCASE task 2 challenges (2020-2025) and widely-used industrial signal corpora. Experimental results demonstrate consistent state-of-the-art performance in anomaly detection and fault identification, confirming the effectiveness and generalization capability of the proposed model. We open-sourced ECHO on https://github.com/yucongzh/ECHO.
主题: 声音 (cs.SD) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2508.14689 [cs.SD]
  (或者 arXiv:2508.14689v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.14689
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yucong Zhang [查看电子邮件]
[v1] 星期三, 2025 年 8 月 20 日 13:10:44 UTC (101 KB)
[v2] 星期三, 2025 年 9 月 17 日 14:57:08 UTC (115 KB)
[v3] 星期六, 2025 年 9 月 27 日 10:05:10 UTC (115 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.AI
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号