تشخیص نوع کشتی با استفاده از تبدیل زمان – فرکانس و تحلیل مولفه اساسی

امواج می توانند مسافت های طولانی را در اقیانوس طی کنند و از این رو، بهترین حامل اطلاعات برای سنجش و شناسایی اهداف زیرآب هستند. در حوزه پردازش سیگنال صوتی زیرآب، طبقه بندی نویز تابش شده از کشتی یک جهت مطالعه ضروری با پیامدهای اقتصادی و نظامی قابل توجه است. مدل های طبقه بندی نویز تشعشع شده از کشتی این پتانسیل را دارند که در تشخیص خودکار ترافیک دریایی مورد استفاده قرار گیرند و به تضمین ایمنی ترافیک دریایی کمک کنند. علاوه بر این، این مدل ها می توانند در تشخیص و هشدار کشتی کاربرد پیدا کنند، در نتیجه پشتیبانی و امنیت را برای طیف متنوعی از فعالیت های دریایی افزایش می دهند. در این مقاله روش جدیدی برای طبقه بندی امواج صوتی زیرآب به منظور تشخیص نوع کشتی پیشنهاد می شود. روش پیشنهادشده بر اساس استخراج محتوای زمان – فرکانس، از نوع تبدیل فوریه زمان – کوتاه (STFT)، از سیگنال های ذخیره شده است. پس از آن، با استفاده از روش کاهش ویژگی بر اساس تحلیل مولفه اساسی، تعداد ویژگی های زمان – فرکانس استخراج شده کاهش یافته و در نهایت، با استفاده از طبقه بند k-نزدیک ترین همسایه (kNN)، تشخیص نوع کشتی انجام می شود. نتایج به دست آمده نشان می دهد که روش پیشنهادی در پایگاه داده DeepShip به دقت طبقه بندی صحیح معادل ۹۸.۴۸% می رسد.

Keywords:

امواج صوتی زیرآب , تبدیل فوریه زمان کوتاه , تحلیل مولفه اساسی , طبقه بند kNN