طبقه‌بندی سیگنال‌های سونار غیرفعال با استفاده از ادغام ویژگیهای طنین صوت و تبدیل فوریه زمان-کوتاه

تشخیص و طبقه‌بندی شناور های دریایی بر اساس نویز تشعشعی صوتی از آن‌ها از جمله ضرورت های سیستم های سوناری است. در این مقاله روش‌هایی که تاکنون در حوزه طراحی سیستم طبقه‌بندی اهداف سونار غیرفعال انجام شده است مورد بررسی قرار گرفته و الگوریتمی جدید ارائه گردیده است. در روش پیشنهادی با استفاده از الگوریتم استخراج ویژگی LDA و ترکیب ویژگی‌های تبدیل فوریه زمان کوتاه و طنین صوت، الگوریتم طبقه‌بندی با نام STFTLDA-Timb ارائه شده است که موجب استخراج ویژگی‌هایی با تفکیک پذیری بالا شده و صحت طبقه‌بندی را در مقایسه با سیستم‌های متداول مبتنی بر STFT تا %45/8 بهبود بخشیده است. الگوریتم پیشنهادی بر روی برخی داده های واقعی آزمایش شده و نتایج حاصله شده در مقایسه با الگوریتمهای طبقه‌بندی کننده رایج و پرکاربردی مثل طبقه‌بندی کننده‌های آماری، طبقه‌بندی کننده‌های شبکه عصبی و طبقه‌بندی‌کننده‌های تجمعی، نتایج بهتری را ارایه کرده است.