طبقه بندی سیگنال های سونار غیرفعال با استفاده از ادغام ویژگی های طنین صوت و تبدیل فوریه زمان-کوتاه

تشخیص و طبقه بندی شناور های دریایی بر اساس نویز تشعشعی صوتی از آن ها از جمله ضرورت های سیستم های سوناری است. در این مقاله روش هایی که تاکنون در حوزه طراحی سیستم طبقه بندی اهداف سونار غیرفعال انجام شده است مورد بررسی قرار گرفته و الگوریتمی جدید ارائه گردیده است. در روش پیشنهادی با استفاده از الگوریتم استخراج ویژگی LDA و ترکیب ویژگی های تبدیل فوریه زمان کوتاه و طنین صوت، الگوریتم طبقه بندی با نام STFTLDA-Timb ارائه شده است که موجب استخراج ویژگی هایی با تفکیک پذیری بالا شده و صحت طبقه بندی را در مقایسه با سیستم های متداول مبتنی بر STFT تا %45/8 بهبود بخشیده است. الگوریتم پیشنهادی بر روی برخی داده های واقعی آزمایش شده و نتایج حاصله شده در مقایسه با الگوریتمهای طبقه بندی کننده رایج و پرکاربردی مثل طبقه بندی کننده های آماری، طبقه بندی کننده های شبکه عصبی و طبقه بندی کننده های تجمعی، نتایج بهتری را ارایه کرده است.