آشکارسازی و دسته بندی ریزپرنده ها با شبکه های عصبی عمیق چابک و ویژگی های صوتی استخراج شده برمبنای الگوریتم پرونی

امروزه استفاده از ریزپرنده ها در امور تجاری و نظامی گسترش فراوانی پیدا کرده و باعث تسهیل در انجام بسیاری از کارها شده است. در این میان امکان استفاده نادرست و تهدید آمیز از آنها بالا رفته و باعث ایجاد یک تهدید جدی گردیده و از این رو شناسایی و مقابله با این تهدید، جزء دغدغه های اصلی سیستم های امنیتی و پلیس شده است. در این مقاله برای تشخیص و دسته بندی ریزپرنده ها، از یک رویکرد جدید مبتنی بر قابلیت های شبکه های عصبی عمیق و استخراج ویژگی های صوتی متنوع با تکیه بر مشخصه های صوتی جدید بر مبنای الگوریتم پرونی استفاده شده است. در این روش، برخلاف کارهای معمول قبلی که بر بکارگیری شبکه های عصبی کانولوشنی تکیه دارند، شبکه عمیق پیشنهادی برای ویژگی های صوتی عددی بهینه سازی شده و باعث کاهش پارامترهای شبکه عصبی و در نتیجه کاهش بار محاسباتی شده است. در ارزیابی عملی برای آشکارسازی دقت های بالای ۹۷% و برای دسته بندی بالای ۹۴% بدست آمده که اثر بخشی قابل توجهی را نشان می دهد. آزمایش ها بر روی یک پایگاه داده مناسب جدید انجام شده که این پایگاه داده شامل صدای ضبط شده در محیط های طبیعی و تحت شرایط مختلف پروازی ریزپرنده ها می باشد. علاوه بر این، روش معرفی شده در کاربردهای عملی تشخیص حضور کوادکوپتر خارج از پایگاه داده نیز مورد ارزیابی قرار گرفته است و نتایج نشان دهنده عملکرد بسیار مناسب روش پیشنهادی می باشد. پایگاه داده جدید تهیه شده که شامل داده های متنوع و ارزشمند از صدای کوادکوپترها می باشد، می تواند به عنوان مرجعی جهت تحقیقات بیشتر محققان مورد استفاده قرار گیرد.

کلیدواژه ها:

آشکارسازی و دسته بندی ریزپرنده ها ، ویژگی های صوتی ، الگوریتم پرونی ، شبکه های عصبی عمیق ، پایگاه داده صوتی ریزپرنده