اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,244 |
| تعداد مقالات | 9,010 |
| تعداد مشاهده مقاله | 7,872,267 |
| تعداد دریافت فایل اصل مقاله | 4,722,214 |
تخمین پارامتر شکل در طنین آکوستیکی با توزیع آماری k | ||
| دوفصلنامه مهندسی شناورهای تندرو | ||
| مقاله 4، دوره 19، شماره 57، بهمن 1399، صفحه 34-41 اصل مقاله (688.8 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| عباس فتح تبار* 1؛ علیرضا جعفری2 | ||
| 1محقق پردازش سیگنال | ||
| 2مهندسی کامپوتر، نرم افزار، دانشگاه آزاد اسلامی، تهران | ||
| تاریخ دریافت: 09 مهر 1399، تاریخ بازنگری: 01 اردیبهشت 1400، تاریخ پذیرش: 06 اردیبهشت 1400 | ||
| چکیده | ||
| سامانه سوناری یکی از ابزارهای آشکارسازی متحرک های دریایی نظیر شناورهای تندرو است. در آشکارسازی شناورها، به علت سرعت بالای متحرک، سیگنال دریافتی، با نویزهای محیطی ترکیب می‌شود و بنابراین شناخت پارامترهای محیط برای سامانه لازم است. محیط زیر آب یک محیط پیچیده است که متاثر از عوامل فیزیکی مختلف بوده و به دلیل ماهیت غیر ایستان و غیر خطی پدیده‌ها، بررسی همه پارامترهای موثر بر موج صوتی، کاری بسیار دشوار یا ناممکن است. اما برای تحلیل پدیده های آکوستیکی، نظیر نحوه انتشار موج، نحوه تضعیف سیگنال در برخورد به سطوح مختلف و مدل‌سازی کانال، طبق تئوری‌های فیزیک و ریاضی، تحلیل‌های آماری مختلفی ارائه شدند. یکی از این مدل‌ها، مدل توزیع احتمال کا (K) است که در بررسی سیگنال طنین آکوستیکی زیرآب کاربرد دارد. در این مقاله، یک سناریوی کانال صوتی شبیه سازی شده و سیگنال طنین با توزیع کا تولید شده است. سپس از روی داده و بر اساس برازش منحنی تابع توزیع تجمعی آن، پارامتر توزیع کا با استفاده از الگوریتم بهینه‌سازی تخمین زده شده است. روش پیشنهادی با روشهای حداکثر تشابه، روش ممان و روش zlogz، مقایسه شده که نتایج تحلیل، برتری روش پیشنهادی را نسبت به دیگر روش‌ها نشان می دهد. | ||
| کلیدواژه‌ها | ||
| طنین آکوستیکی؛ تابع چگالی احتمال؛ توزیع آماری کا؛ تخمین پارامتر؛ الگوریتم بهینه‌سازی | ||
| عنوان مقاله [English] | ||
| Shape parameter Estimation of the k distribution in acoustic reverberation | ||
| نویسندگان [English] | ||
| abbas fathtabar1؛ alireza jafari2 | ||
| 2Computer Engineering, Software, Islamic Azad University, Tehran | ||
| چکیده [English] | ||
| The sonar system is one of the tools for detecting moving marine vessels such as high speed crafts. In marine vessels detection, due to the high speed of movement, the received signal is combined with ambient noise and affected by multi path, therefore it is necessary for the system to know the environmental parameters. The underwater environment is a complex environment that is affected by various physical factors and due to the non-stationary and nonlinear nature of the phenomena, it is very difficult or impossible to study all the parameters affecting the sound wave. But for the analysis of acoustic phenomena, such as how the wave propagates, how the signal attenuates in dealing with different surfaces and channel modeling, according to theories of physics and mathematics, different statistical analyzes were presented. One of these models is the K probability distribution model, which is used to study the underwater acoustic reverberation. In this paper, a scenario of underwater channel reverberation are simulated and a resonant signal with k distribution are generated. Then, based on the fitting of the curve of its cumulative distribution function, the k distribution parameter is estimated using the optimization algorithm. The proposed method is compared with the some methods such as maximum likelihood method, the method of moment and the zlogz method, which the results of the analysis show the superiority of the proposed method over other methods. | ||
| کلیدواژه‌ها [English] | ||
| Acoustic reverberation, probability density function, statistical k distribution, parameter estimation, optimization algorithm | ||
| مراجع | ||
|
[1] De Rango, Floriano, Fiore Veltri, and Peppino Fazio. "A multipath fading channel model for underwater shallow acoustic communications." 2012 IEEE International Conference on Communications (ICC). IEEE, 2012. 10.1109/ICC.2012.6364590.
[2] Yang, Wen-Bin, and T. C. Yang. "Characterization and modeling of underwater acoustic communications channels for frequency-shift-keying signals." OCEANS 2006. IEEE, 2006, doi: 10.1109/OCEANS.2006.306981.
[3] Ruiz-Vega, Fernando, et al. "Ricean shadowed statistical characterization of shallow water acoustic channels for wireless communications." arXiv preprint arXiv:1112.4410 (2011).
[4] Abraham, Douglas A., and Anthony P. Lyons. "Simulation of non-Rayleigh reverberation and clutter." IEEE Journal of Oceanic Engineering 29.2 (2004): 347-362, doi: 10.1109/JOE.2004.828202.
[5] Jakeman, Eo, and P. Pusey. "A model for non-Rayleigh sea echo." IEEE Transactions on antennas and propagation 24.6 (1976): 806-814.
[6] Sangston, Kevin J., Fulvio Gini, and Maria S. Greco. "Coherent radar target detection in heavy-tailed compound-Gaussian clutter." IEEE Transactions on Aerospace and Electronic Systems 48.1 (2012): 64-77.
[7] Therrien, Charles, and Murali Tummala. Probability and random processes for electrical and computer engineers. CRC press, 2018.
[8] Ward, K. D., R. J. A. Tough, and Simon Watts. "Sea clutter: Scattering, the K distribution and radar performance." Waves in Random and Complex Media 17.2 (2007): 233-234.
[9] Minghui, Zhang, and Sun Hui. "Simulation model of bottom reverberation signals for horizontal bistatic receiving array." 2008 IEEE Ultrasonics Symposium. IEEE, 2008, doi: 10.1109/ULTSYM.2008.0349.
[10] Lingevitch, Joseph F., and Kevin D. LePage. "Parabolic equation simulations of reverberation statistics from non-Gaussian-distributed bottom roughness." IEEE Journal of Oceanic Engineering 35.2 (2010): 199-208.
[11] Abraham, Douglas A., and Anthony P. Lyons. "Simulation of non-Rayleigh reverberation and clutter." IEEE Journal of Oceanic Engineering 29.2 (2004): 347-362.
[12] Iskander, D. Robert, and Abdelhak M. Zoubir. "Estimation of the parameters of the K-distribution using higher order and fractional moments [radar clutter]." IEEE Transactions on Aerospace and electronic systems 35.4 (1999): 1453-1457.
[13] Shui, Peng-Lang, Ming Liu, and Shu-Wen Xu. "Shape-parameter-dependent coherent radar target detection in K-distributed clutter." IEEE Transactions on Aerospace and Electronic Systems 52.1 (2016): 451-465.
[14] Roberts, William JJ, and Sadaoki Furui. "Maximum likelihood estimation of K-distribution parameters via the expectation-maximization algorithm." IEEE Transactions on Signal Processing 48.12 (2000): 3303-3306.
[15] Chalabi, Izzeddine, and Amar Mezache. "Estimating the K-distribution parameters based on fractional negative moments." 2015 IEEE 12th International Multi-Conference on Systems, Signals & Devices (SSD15). IEEE, 2015.
[16] Marhaban, Mohammad Hamiruce. "Estimation of K–Distributed Clutter by using Characteristic Function Method." Jurnal Teknologi (2008): 29â-40.
[17] Wachowiak, Mark P., et al. "Estimation of K distribution parameters using neural networks." IEEE Transactions on Biomedical Engineering 49.6 (2002): 617-620.
[18] Blacknell, D., and R. J. A. Tough. "Parameter estimation for the K-distribution based on [z log (z)]." IEE Proceedings-Radar, Sonar and Navigation 148.6 (2001): 309-312.
[19] Abraham, Douglas A., and Anthony P. Lyons. "Novel physical interpretations of K-distributed reverberation." IEEE Journal of Oceanic Engineering 27.4 (2002): 800-813.
[20] Laferriere, Alison Beth. K-distribution fading models for Bayesian estimation of an underwater acoustic channel. Diss. Massachusetts Institute of Technology, 2011.
[21] Olson, Derek R., et al. "Scattering statistics of rock outcrops: Model-data comparisons and Bayesian inference using mixture distributions." The Journal of the Acoustical Society of America 145.2 (2019): 761-774; https://doi.org/10.1121/1.5089892.
[22] Joughin, Ian R., Donald B. Percival, and Dale P. Winebrenner. "Maximum likelihood estimation of K distribution parameters for SAR data." IEEE transactions on Geoscience and Remote Sensing 31.5 (1993): 989-999.
[23] Tu, Fuquan, et al. "Hysteresis curve fitting optimization of magnetic controlled shape memory alloy actuator." Actuators. Vol. 5. No. 4. Multidisciplinary Digital Publishing Institute, 2016.
Pitha, J., and R. Norman Jones. "A comparison of optimization methods for fitting curves to infrared band envelopes." Canadian Journal of Chemistry 44.24 (1966): 3031-3050. | ||
|
آمار تعداد مشاهده مقاله: 16,387 تعداد دریافت فایل اصل مقاله: 121 |
||