بررسی نویز سونار برای بهبود آشکارسازی در یک سیستم فعال

آشکارسازی هدف یکی از مسائل پر کاربرد در مخابرات است. در سال های اخیر با افزایش تعداد کشتی ها، زیردریایی ها، اژدرهای زیر آبی و ...آشکارسازی در زیر آب بسیار مورد توجه قرار گرفته است. سونار وسیله ای است که برای آشکارسازی هدف در زیر و سطح آب مورداستفاده قرار می گیرد. در این مقاله برای ایجاد اختلال در سیستم های آشکارساز غیر خودی یک سیگنال با توان بالا (جمینگ) در محیطمنتشر می کنیم . این سیگنال توان بالا باعث می شود که آشکارسازی در گیرنده های غیرخودی با مشکل رو به رو شود. از آنجا کهسیگنال های دریافتی توسط گیرنده های خودی نیز شامل این سیگنال قوی است برای انجام آشکارسازی در سیستم آشکارساز خود بایدابتدا این سیگنال تداخلی توان بالا را حذف کرده و سپس باقیمانده سیگنال که شامل سیگنال های اهداف است را جداسازی کنیم. برایاین منظور ابتدا یک روش جدید جهت حذف سیگنال های جمینگ از ترکیب سیگنال ها پیشنهاد شده است و سپس به جداسازیسیگنال های اهداف می پردازیم. به منظور آشکارسازی سیگنال های اهداف از روش ICA-fast که یکی از روش های پرکاربرد جدا سازیمنابع کور است استفاده می کنیم سپس برای بهبود آشکارسازی از الگوریتم خوشه بندی means-k استفاده می کنیم به اینصورت که ابتدا داده ها را با روش خوشه بندی means-k دسته بندی کرده و سپس مراکز این دسته ها را به عنوان بردار اولیه برایالگوریتم ICA-fast در نظر می گیریم. این الگوریتم پیشنهادی ( ICA-fast means-k )+ حجم محاسبات ما را برای دستیابی بهماتریس جدا کننده کاهش می دهد و چون انتخاب بردار اولیه با الگوریتم means-k باعث می شود که بردار اولیه انتخاب شده با توجهبه ویژگی کلی هر دسته از سیگنا ل ها انتخاب می شود باعث پایداری و همگرایی سریع تر می شود. با شبیه سازی الگوریتم های -k+fastica means و fastica معمولی و مقایسه دو روش مشاهده می شود که الگوریتم پیشنهادی در زمان کمتر و با حجم محاسباتیکمتر می تواند ترکیب سیگنال ها را جداسازی کرده و به همگرایی برسد. در انتها با بررسی الگوریتم پیشنهادی مشاهده می کنیم کهالگوریتم پیشنهادی در برابر نویز مقاومت بیشتری دارد و در نسبت سیگنال به نویز کمتر نسب به روش جداسازی بدون استفاده ا زالگوریتم لغو تداخل عملکرد بهتری از خود نشان می دهد .

Keywords:

نویز , سونار , جداسازی منابع کور , حذف جمینگ , الگوریتم means-k