بازشناسی خودکار اهداف زیر سطحی با استفاده از تلفیق اطلاعات در سطح داده و پدیده ی میکروداپلر

بازشناسی اهداف زیر سطحی با استفاده از روش تلفیق اطلاعات در سطح داده بسیار کارآمد است و اهداف را با دقت زیادی طبقه بندی می کند. این مقاله با هدف بالا بردن دقت بازشناسی اهداف زیرسطحی با استفاده از روش تلفیق داده های چند سوناری برای بالاتر بردن دقت شناسایی اهداف زیر سطحی می باشد که با استفاده از این روش حتی در صورت از دست رفتن یک یا چند سونار می توان به طبقه بندی اهداف ادامه داد که امری بسیار مهم و حیاتی برای تشخیص اهداف در ماموریت های حساس است. در این مقاله با استفاده از روش موسوم به پدیده ی میکروداپلر، سیگنال های بازگشتی چند دستگاه سونار فعال از پیشرانه اهداف زیر سطحی مختلف شبیه سازی می شوند و پس از تلفیق و 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 های تک سونار، دو سونار و سه سونار، زاویه های مختلف دید سونارها و نسبت سیگنال به نویزهای مختلف پرداخته می شود و همچنین تاثیر مقدار K و استفاده از روش تلفیق اطلاعات در سطح داده در افزایش دقت شناسایی اهداف به وضوح مشاهده می شود.

کلیدواژه ها:

بازشناسی اهداف ، سونار اهداف زیر سطحی ، تلفیق اطلاعات ، تلفیق اطلاعات در سطح داده ، سونار میکرو داپلر