استخراج ویژگی های مطلوب حوزه ادراکی بهبود یافته توسط الگوریتم وال کوهان دار به منظور تشخیص اهداف آکوستیکی زیرآبی
Publish place: Marine Technology Journal، Vol: 8، Issue: 3
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 145
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJMT-8-3_002
تاریخ نمایه سازی: 25 دی 1400
Abstract:
استفاده از سیگنال های آکوستیکی زیرآبی دریافت شده توسط هیدروفن ها به منظور ارتباط بین شناورها و مدل سازی سامانه های سوناری، بسیار اهمیت دارد. این مدل سازی برای دریافت داده های ورودی به صورت تک ویژگی با حداقل تعداد است. هدف از این مقاله، استخراج ویژگی های بهینه ضرایب کپسترال فرکانس مل (MFCC) بدون کاهش دقت شناسایی برای کاربرد تشخیص سیگنال رسیده به سونار است. با توجه به اینکه تعداد ویژگی ها در پیچیدگی دسته بندی کننده بسیار موثر است، در این مقاله به منظور کاهش تعداد ویژگی ها، از الگوریتم بهینه ساز وال کوهان دار (WOA) استفاده خواهد شد. به منظور ارزیابی ویژگی های استخراج شده، از شبکه عصبی احتمالی (PNN) به عنوان دسته بندی کننده استفاده می شود. در این راستا، نتایج الگوریتم پیشنهادی با روش های MFCC متعارف و پویا مقایسه خواهد شد. نتایج شبیه سازی نشان دهنده آن است که تعداد ویژگی های MFCC از ۱۳ عدد برای هر فریم به ۵ عدد کاهش می یابد، بدون آنکه دقت دسته بندی کننده کاهش یابد.
Keywords:
Authors
محمد خویشه
استادیار دانشگاه علوم دریایی امام خمینی (ره)
سید محمدرضا موسوی
استاد دانشکده مهندسی برق دانشگاه علم و صنعت ایران
بهمن صفرپور
دانشکده مهندسی برق، دانشگاه علوم دریایی امام خمینی (ره)
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :