شناسايي صداهاي منتشر شده از شناورهاي سطحي با استفاده از الگوريتم كانولوشني موبايل‌نت

با حركت شناورها بر روي آب و فعاليت موتورهاي پيشرانه و چرخش پروانه‌هاي آن، سيگنال‌هاي صوتي از آنها منتشر مي‌شود كه اصطلاحاً به آن نويز منتشر شده از كشتي گفته مي‌شود. امروزه نيروهاي دريايي جهان با استفاده از اين صداها، نسبت به شناسايي شناورهاي سطحي عبوري از آب‌هاي سرزميني و بين‌المللي اقدام مي‌كنند. يكي از بهترين روش‌ها براي دسته‌بندي و شناسايي شناورها با توجه به صداهاي منتشر شده از آنها، يادگيري عميق است. با استفاده از يادگيري عميق، ويژگي‌هاي منحصربه‌فرد سيگنال قابل‌استخراج بوده كه از دقت بالايي در شناسايي اهداف برخوردار است.  در اين مقاله مدلي مبتني بر شبكه موبايل نت طراحي گرديده است كه سيگنال‌هاي صوتي دريافت شده توسط گيرنده‌هاي صوتي زير آب‌ (هايدروفون‌ها) را پردازش نموده و درنهايت بادقت بالايي طبقه‌بندي مي‌نمايد. ورودي اين مدل تصاوير طيف‌نگار مربوط به داده‌هاي صوتي سونار غيرفعال است كه با استفاده از تبديل فركانسي كوتاه‌مدت (STFT) توليد شده‌اند. اين مدل در برنامه پايتون و با استفاده از كتابخانه كراس ايجاد شده و نتايج به دست آمده نشان مي‌دهد دقت شناسايي مدل پيشنهادي بيش از 96% و زيان ارزيابي آن كمتر از 3% است. نسبت به روش‌هاي متداول يادگيري عميق، روش پيشنهادي علاوه بر داشتن سرعت محاسباتي مناسب، از دقت شناسايي قابل قبولي نيز برخوردار است.