بازشناسی خودکار اهداف زیر سطحی با استفاده از پدیده ی میکروداپلر و الگوریتم KNN

استفاده از پدیده ی میکروداپلر و الگوریتم KNN می تواند در بازشناسی اهداف زیر سطحی بسیار کارآمد باشد و اهداف را با دقت زیادی طبقه بندی کند هدف از این مقاله بالا بردن دقت بازشناسی اهداف زیر سطحی با استفاده از روش پدیده ی میکروداپلر و الگوریتم KNN می باشد که با استفاده از این روش اهداف زیر سطحی با دقت بالاتری شناسایی می شوند. در این مقاله با استفاده از روش موسوم به پدیده ی میکروداپلر سیگنال های بازگشتی دستگاه سونار فعال از پیشرانه ی اهداف زیر سطحی مختلف شبیه سازی می شوند و پس از تولید نمونه های آموزشی و تبدیل فوریه سریع ۱۲۸ نقطه ای برای آموزش دادن طبقه بند KNN با مقادیر مختلف K استفاده می شوند و در ادامه طبقه بندها مورد آزمایش قرار گرفته دقت آنها در حالت های مختلف بررسی شده و به مقایسه ی دقت تشخیص اهداف مختلف زیر سطحی بین حالت هایی با زاویه های مختلف دید سونار و نسبت سیگنال به نویزهای مختلف پرداخته می شود و همچنین تاثیر مقدار K و زاویه های دید مختلف و نسبت سیگنال به نویز در افزایش دقت شناسایی اهداف به وضوح مشاهده می شود.

کلیدواژه ها:

بازشناسی ، اهداف زیر سطحی ، سونار ، میکروداپلر ، الگوریتم KNN