شناسایی صداهای منتشر شده از شناورهای سطحی با استفاده از الگوریتم کانولوشنی موبایل نت

با حرکت شناورها بر روی آب و فعالیت موتورهای پیشرانه و چرخش پروانه های آن، سیگنال های صوتی از آنها منتشر می شود که اصطلاحا به آن نویز منتشر شده از کشتی گفته می شود. امروزه نیروهای دریایی جهان با استفاده از این صداها، نسبت به شناسایی شناورهای سطحی عبوری از آب های سرزمینی و بین المللی اقدام می کنند. یکی از بهترین روش ها برای دسته بندی و شناسایی شناورها با توجه به صداهای منتشر شده از آنها، یادگیری عمیق است. با استفاده از یادگیری عمیق، ویژگی های منحصربه فرد سیگنال قابل استخراج بوده که از دقت بالایی در شناسایی اهداف برخوردار است.  در این مقاله مدلی مبتنی بر شبکه موبایل نت طراحی گردیده است که سیگنال های صوتی دریافت شده توسط گیرنده های صوتی زیر آب (هایدروفون ها) را پردازش نموده و درنهایت بادقت بالایی طبقه بندی می نماید. ورودی این مدل تصاویر طیف نگار مربوط به داده های صوتی سونار غیرفعال است که با استفاده از تبدیل فرکانسی کوتاه مدت (STFT) تولید شده اند. این مدل در برنامه پایتون و با استفاده از کتابخانه کراس ایجاد شده و نتایج به دست آمده نشان می دهد دقت شناسایی مدل پیشنهادی بیش از 96% و زیان ارزیابی آن کمتر از 3% است. نسبت به روش های متداول یادگیری عمیق، روش پیشنهادی علاوه بر داشتن سرعت محاسباتی مناسب، از دقت شناسایی قابل قبولی نیز برخوردار است.