دسته بندي و شناسايي اهداف زيرآبي بر اساس اصوات منتشره

Classification and Identification of Underwater Targets based on Sound Propagation

در اين مقاله يك سيستم دسته‌بندي اهداف دريايي با استفاده از نويز منتشره از آن‌ها ارايه مي‌شود. اين سيستم براي استفاده در محيط‌هاي آبي كم‌عمق همچون خليج فارس پيشنهاد شده است. در محيط‌هاي آبي نويز محيط غير گوسي بوده و به علت نزديك بودن سطح و كف محيط پخش‌شدگي محيط بالاست. نويزهاي آكوستيكي به سبب خاصيت محيطي غير خطي و ايستا هستند. كه اين حقيقت كيفيت سيستم دسته‌بندي را تحت تاثير قرار مي‌دهد. براي دسته‌بندي نويز منتشره از اهداف دريايي از يك سيستم شناسايي اهداف دريايي استفاده مي‌شود كه از يك بخش استخراج ويژگي بر مبناي روش تحليل سيگنال هيلبرت هوانگ و بخش دسته‌بندي ماشين بردار پشتيبان طراحي شده است. سپس عملكرد روش ارايه شده با استفاده از شبيه‌سازي مورد آزمايش قرار مي‌گيرد. شبيه‌سازي‌ها بر روي دو گروه از سيگنال‌ها ضورت مي‌گيرد. گروه اول نويز مربوط به 3 شناور كه از سيگنال‌هاي موجود در اينترنت استفاده شده است و گروه دوم نويز مربوط به يك دسته شنارو سبك و يك دسته شناور سنگين، كه از نمونه‌هاي موحود در خليج فارس استفاده شده است. نتايج دسته بندي نشان مي‌دهد كه روش پيشنهادي عملكرد بهتري را در مقايسه با روش مبتني بر تبديل موجك دارد.

In this paper, an underwater targets classification system is presented using the noise released from them. This system is proposed for shallow water environments such as Persian Gulf. Acoustic noise is non-Gaussian and due to the near-surface and properties of the environment acoustic noise is nonlinear and nonstationary. This fact affects the quality of the classification system. To classify acoustic noise, a target identification system is developed using a feature extraction section based on Hilbert Huangʹs Transform (HHT) and Support Vector Machine (SVM). Then the performance of the proposed method is illustrated using simulation results. Simulations take on two groups of signals. The first group of noise was related to three different type of vessels, and the second group of noise was related to a number of heavy and a number of light vessels, which were used in the Persian Gulf. Classification results show that the proposed method has a better performance than the wavelet transform method.