Avvikelsedetektion i hydrofondata

Akustiska undervattensonarer, även kallade hydrofoner, används av Försvarsmakten för att spela in ljud från undervattensmiljön, bland annat i syfte att kunna detektera fientlig aktivitet. Att analysera de ljudsignaler som samlas in bygger idag på ett stort inslag av manuellt arbete. Vi undersöker i denna rapport möjligheter att automatisera delar av den processen genom att tillämpa metoder inom artificiell intelligens och djupinlärning. Utifrån antagandet att de mål vi vill kunna upptäcka är ovanliga och att de delvis skiljer sig från den "normala" ljudbilden undersöker vi särskilt metoder för avvikelsedetektion. I rapporten ges en genomgång av vilka metoder för avvikelsedetektion som finns, vi analyserar förutsättningarna för att tillämpa dem, identifierar för problemet lämpliga metodalternativ och drar slutligen upp en skiss över hur framtida forskning kan pröva metoderna - först i labbet, men på sikt i den verkliga undervattensmiljön.