مهدی شادلوجهرمی - دانشگاه خلیج فارس بوشهر
وحید باقری - دانشگاه خلیج فارس بوشهر
حبیب رستمی - دانشگاه خلیج فارس بوشهر
احمد کشاورز - دانشگاه خلیج فارس بوشهر

تشخیص و طبقه بندی شناورهای دریایی براساس نویز تشعشعی صوتی از آن ها از جمله ضرورت های سیستم های سوناری است. سال ها این کار در نیروهای نظامی جهان به توانایی ها و دقت اپراتور سونار وابسته بود. افزایش پیچیدگی های محیط زیرآب، غیرایستان بودن ماهیت نویز تشعشتعی شناورهای دریایی، وابستگی آن به کانال انتشار، متغیر بودن پارامترهای آن و دشواری شبیه سازی این نویز، موجب می گردد الگوریتم های دسته بندی کننده که با استفاده از داده های واقعی با تنوع کم وتعداد محدود و یا داده های شبیه سازی شده آموزش داده شده اند از اعتبار کافیبرخوردار نباشند. در این مقاله، یک روش جدید جهت ارتقاء راندمان طبقه بندی سیگنال های صوتی تشعشع یافته از شناورهای دریایی ارائه می شود. در این روش (STFTLDA-Timb) با تحلیل کمبودهای روش پردازش سیگنال STFT، ویژگی های تمامیز کننده جدیدی را در حوزه سونار با استفاده از اطلاعات ادراکی صوت (Timbre)، جهت رفع این نواقص ارائه شده است. بردار ویژگی استخراج شده از این روش، از ترکیب ویژگی های حاصل از دو پردازش سیگنال موازی بر روی داده های بهینه شده از روش STFT، بدست می آید. ویژگی های استخراج شده در مسر اول ( STFTLDA) مبتنی بر بکارگیری تکنیک استخراج ویژگی LDA بر روی داده های خروجی روش STFT است و ویژگی های استخراج شده در مسیر دوم ( Timbre) مبتنی بر استفاده از ویژگی های ادراکی صوت در دو حوزه زمان و فرکانس است. ننتایج حاصل از از طبقه بندی با استفاده از بردار ویژگی متمایز کننده ترکیبی جدید در مقایسه با بردار ویژگی حاصل از روش STFT، توانسته است 8/45 درصد راندمان طبقه بندی را ارتقاء دهد.

سونار غیرفعال، استخراج ویژگی (Feature Extraction)، ویژگی های طنین صوت (Features Timbre)، تبدیل فوریه زمان کوتاه (STFT)