آمار
| تعداد نشریات | 39 |
| تعداد شماره‌ها | 1,115 |
| تعداد مقالات | 8,121 |
| تعداد مشاهده مقاله | 6,011,538 |
| تعداد دریافت فایل اصل مقاله | 3,273,918 |
شناسایی صداهای منتشر شده از شناورهای سطحی با استفاده از الگوریتم کانولوشنی موبایلنت | ||
| علوم و فناوریهای پدافند نوین | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 21 شهریور 1402 اصل مقاله (1.36 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| حسن اکبریان* 1؛ محمدحسین صداقی2 | ||
| 1دانشجو/ دانشگاه صنعتی سهند -تبریز-ایران | ||
| 2استاد / دانشگاه صنعتی سهند-تبریز-ایران | ||
| تاریخ دریافت: 13 دی 1401، تاریخ بازنگری: 21 تیر 1402، تاریخ پذیرش: 21 خرداد 1402 | ||
| چکیده | ||
| با حرکت شناورها بر روی آب و فعالیت موتورهای پیشرانه و چرخش پروانه‌های آن، سیگنال‌های صوتی از آنها منتشر می‌شود که اصطلاحاً به آن نویز منتشر شده از کشتی گفته می‌شود. امروزه نیروهای دریایی جهان با استفاده از این صداها، نسبت به شناسایی شناورهای سطحی عبوری از آب‌های سرزمینی و بین المللی اقدام می‌کنند. یکی از بهترین روش‌ها برای دسته بندی و شناسایی شناورها با توجه به صداهای منتشر شده از آنها، یادگیری عمیق می‌باشد. با استفاده از یادگیری عمیق، ویژگی‌های منحصربفرد سیگنال قابل استخراج بوده که از دقت بالایی در شناسایی اهداف برخوردار می‌باشد. در این مقاله مدلی مبتنی بر شبکه موبایلنت طراحی گردیده است که سیگنال‌های صوتی دریافت شده توسط گیرنده‌های صوتی زیر آب (هایدروفون‌ها) را پردازش نموده و درنهایت با دقت بالایی طبقه بندی می‌نماید. ورودی این مدل تصاویر طیف‌نگار مربوط به داده‌های صوتی سونار غیرفعال می‌باشد که با استفاده از تبدیل فرکانسی کوتاه‌مدت (STFT) تولید شده‌اند. این مدل در برنامه پایتون و با استفاده از کتابخانه کراس ایجاد شده و نتایج بدست آمده نشان می‌دهد دقت شناسایی مدل پیشنهادی بیش از 96% و زیان ارزیابی آن کمتر از 3% می‌باشد. نسبت به روش‌های متداول یادگیری عمیق، روش پیشنهادی علاوه بر داشتن سرعت محاسباتی مناسب، از دقت شناسایی قابل قبولی نیز برخوردار می‌باشد. | ||
| کلیدواژه‌ها | ||
| شناورهای سطحی؛ یادگیری عمیق؛ سونار غیرفعال؛ شناسایی صوت زیر آب | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 26 تعداد دریافت فایل اصل مقاله: 8 |
||