شناسایی خودکار شناورهای سطحی در سونار غیرفعال با استفاده از فناوری های نوظهور هوش مصنوعی و یادگیری عمیق
Publish place: Defensive Future Studies، Vol: 8، Issue: 30
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 35
نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_DFSR-8-30_006
تاریخ نمایه سازی: 7 اسفند 1402
Abstract:
هدف: سیستمهای هوشمند شناسایی خودکار اهداف زیرآبی، به طور فزایندهای در سونار غیرفعال استفاده می شوند تا دخالت انسانی و چالشهای مربوط به آن را در شناسایی دقیق شناورها کاهش دهند. امروزه روشهای بسیار پیشرفته یادگیری عمیق به منظور شناسایی خودکار اهداف صوتی، توسط نیروهای دریایی جهان در حال بهره برداری می باشند. روش شناسی: در این مقاله روشی جدید در زمینه شناسایی خودکار اهداف صوتی زیر آب مبتنی بر الگوریتم های یادگیری عمیق ارائه شده است. در این روش ابتدا سیگنال های صوتی خام از هایدروفونها دریافت شده و پس از انجام پیش پردازش های لازم، با استفاده از تبدیل فرکانسی زمان_کوتاه، تصاویر طیف نگار مربوط به داده های صوتی سونار غیرفعال تولید شده و به لایه های پنهان مدل برای اعتبارسنجی و طبقه بندی ، تغذیه می شود. یافته ها: نتایج بدست آمده نشان می دهد این مدل می تواند به طور خودکار چندین ویژگی را که برای دسته بندی کلاس های مختلف کشتی مورد نیاز است را استخراج نمایند و با جستجوی آموزنده ترین ویژگی از داده های سوناری، موجب افزایش دقت شناسایی و کاهش خطای ارزیابی گردند. نتیجه: دقت شناسایی مدل پیشنهادی بیش از ۹۷% و خطای ارزیابی آن کمتر از ۳% می باشد. در این روش با بهبود نسبی دقت طبقه بندی، سرعت شناسایی اهداف بطور قابل ملاحظه ای افزایش یافته است.
Keywords:
Authors
حسن اکبریان
دانشکده مهندسی برق، دانشگاه صنعتی سهند، تبریز، ایران
محمدحسین صداقی
دانشکده مهندسی برق دانشگاه صنعتی سهند تبریز