آشکار سازی اهداف سونار غیرفعال با استفاده از جداسازی آماری و آستانه وفقی

نویسندگان

1 دانشجوی دکتری برق مخابرات سیستم

2 استاد تمام دانشگاه بیرجند

چکیده

همواره آشکارسازی اصوات منتشر شده در آب جزء چالشهای اساسی محقیقان در حوزه سونار میباشد. این چالش زمانی پیچیده تر خواهدشد که عمق دریا کم بوده و یا اینکه اصوات با توان بسیار پایینی منتشر شده اند. به طور معمول آشکارسازی در سونارها با استفاده از حد آستانه ثابتی انجام می شود که این امر خطای آشکارسازی را افزایش خواهد داد. هدف از ارائه این مقاله، ارائه پیشنهادی جدید جهت آشکارسازی اهداف در سونارهای غیرفعال با استفاده از سطح استانه وفقی می باشد.به طور معمول آشکار سازی در سونارهای غیر فعال بر اساس حل معادله سونار است. در این معادلات با توجه به متغیرهای معادله که در بسیاری موارد تابعی از یکدیگر می باشند حد آستانه به صورت عددی ثابت انتخاب شده و آشکارسازی بر روی دامنه سیگنال و با استفاده از این حد آستانه ثابت انجام می گردد. در روش پیشنهادی با استفاده از فیلترهای ذره ای (Particle Filter) روش مونت کارلو(Monte Carlo) و جداسازی توسط الگوریتم بیزین (Bayesian)، در دو حوزه زمان و فرکانس اعمال شده و در نهایت عملیات آشکار سازی پس از ترکیب نتایج آشکاری سازی در این دو حوزه با استفاده از فیلتر وفقی انجام می شود. نتایج این مقاله نشان می دهد روش پیشنهادی عملکرد مناسب تری نسبت به روش های دیگر آشکارسازی اهداف سونار داشته است و نسبت به بهترین روش آَشکارسازی 23 درصد بهتر می باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Target Detection in Passive Sonar with Stochastic Classifier and Adaptive Threshold

نویسندگان [English]

  • Hamed Komari Alaei 1
  • Hassan Farsi 2
چکیده [English]

Sounds detection in the water is one of the main challenges of researchers in the sonar field. This challenge will become more complex when the depth of the sea is low or published sound is negligible. Usually Target detection in sonar system is performed with a fix defined threshold that it will increase the detection error. The purpose of this paper is to present a new target detection method in passive sonar using adaptive threshold. In the proposed method, adaptive threshold due to the statistical analysis and Bayesian classifier applied in both time and frequency domains. Particle Filter is used to calculate prior pdf in Bayesian classifier. Finally target detection point is calculated after fusion detection points in time and frequency domains by adaptive filter. The results indicate that the proposed method has better performance (23%) than recent methods in passive sonar target detection issue.

کلیدواژه‌ها [English]

  • Passive Sonar
  • k-mean
  • Bayesian Classifier
  • Adaptive Threshold
  • Target Detection
  • Particle Filter
  • Monte Carlo