10 فروردین 1403
حبيب رستمي

حبیب رستمی

مرتبه علمی: دانشیار
نشانی: دانشکده مهندسی سیستم های هوشمند و علوم داده - گروه مهندسی کامپیوتر
تحصیلات: دکترای تخصصی / کامپیوتر
تلفن: 0773
دانشکده: دانشکده مهندسی سیستم های هوشمند و علوم داده

مشخصات پژوهش

عنوان
طبقه بندی سیگنالهای سونار با استفاده از الگوریتم های تشخیص الگو در سونار غیر فعال
نوع پژوهش پارسا
کلیدواژه‌ها
Signal Classification, Sonar, fractional Fourier Transform.
پژوهشگران مهدی شادلو جهرمی (دانشجو) ، حبیب رستمی (استاد راهنما) ، احمد کشاورز (استاد مشاور)

چکیده

تشخیص و طبقه بندی شناور های دریایی بر اساس نویز تشعشعی صوتی از آن ها از جمله ضرورت های سیستم های سوناری است. سال ها این کار در نیروهای نظامی جهان به توانایی ها و دقت اپراتور سونار وابسته بود. افزایش پیچیدگی های محیط زیر آب، ضرورت استفاده از فناوری های نوین و ایجاد سامانه هوشمندی سونار، بیش از پیش احساس می شود. غیرایستان بودن ماهیت نویز تشعشعی شناور های دریایی و وابستگی آن به کانال انتشار، متغیر بودن برخی پارامترهای آن و دشواری شبیه سازی این نویز، موجب می گردد الگوریتم های دسته بندی کننده که با استفاده از داده های واقعی با تنوع کم و تعداد محدود، یا داده های شبیه سازی شده، آموزش داده شده اند از اعتبار کافی برخوردار نباشند. در این پایان نامه، دو روش جدید جهت ارتقاء راندمان طبقه بندی سیگنال های صوتی تشعشع یافته از شناورهای دریایی ارائه می شود. در روش اول (STFTLDA-Timb) با تحلیل کمبودهای روش پردازش سیگنال STFT، ویژگی های متمایز کننده جدیدی را در حوزه سونار با استفاده از اطلاعات ادراکی صوت (Timbre)، جهت رفع این نواقص ارائه شده است. بردار ویژگی استخراج شده از این روش، از ترکیب ویژگی های حاصل از دو پردازش سیگنال موازی بر روی داده های بهینه شده از روش STFT، بدست می آید. ویژگی های استخراج شده در مسیر اول (STFTLDA) مبتنی بر بکارگیری تکنیک استخراج ویژگی LDA بر روی داده های خروجی روش STFT است و ویژگی های استخراج شده در مسیر دوم (Timbre) مبتنی بر استفاده از ویژگی های ادراکی صوت در دو حوزه زمان و فرکانس است. نتایج حاصل از طبقه بندی با استفاده از بردار ویژگی متمایز کننده ترکیبی جدید، معرفی شده در این قسمت، بیانگر موفقیت چشم گیر این روش در تفکیک شناورهای دریایی از یکدیگر نسبت به روش STFT است. در روش ارائه شده دوم، با استفاده از تبدیل فوریه کسری زمان-کوتاه (STFrFT)، سیگنال صوتی به یک صفحه زمان-فرکانس جدید با رزولوشن بالاتر منتقل می شود و سپس از تکنیک های استخراج ویژگی جدید جهت کاهش ابعاد و استخراج ویژگی های متمایز کننده جدید بهره گرفته می شود. نتایج طبقه بندی حاصل از این روش (STFrFTLDA) نشان می دهد ویژگی های استخراج شده از این حوزه، توانایی تفکیک پذیری شناورهای دریایی را نسبت به ویژگی های استخراج شده از روش STFT بسیار بالاتر برده است. در این روش، جهت رفع محدودیت در انتخاب مرتبه تبدیل