گروه بندی اهداف داخل آب بر اساس ویژگیهای شکل

شناسایی و طبقه بندی اشیاء داخل آب به خصوص مین های دریایی نیاز اساسی برای دستگاه های نظامی و غیرنظامی است.یکی از مهمترین وسایلی که بدین منظور طراحی و ساخته شده،سونار است.سونار به عنوان یک حسگر صوتی زیر سطحی، به منظور شناسایی اجسام داخل آببه کار می رود. از جمله قابلیت های سونار، آشکارسازی،تشخیص وطبقه بندی اهداف داخل آب،از جمله تشخیص مین-های دریایی در برابر صخره های سنگی است.تصمیم گیری در مورد نوع اجسام داخل آب و طبقه بندی آن ها بر اساس سیگنال های بازگشتی از اهداف صورت می گیرد. مسئله تشخیص و طبقه بندی اهداف آکوستیکی بر اساس سیگنال های رسیده به سونار همواره با چالش هاییروبرو بوده است.بعضی از این عوامل عبارتند از: وجود صداهای مبهم و اغتشاشات داخل محیط آب، انعکاسات سطح و کف دریا، وجود نویز محیطی دریا و پدیده چندمسیری. چنانچه تعداد اشکال هندسی اهداف داخل آب زیاد شود، کلاس های دسته بند زیاد می شود و این مسئله هم باعث کاهش نرخ طبقه بندی می شود. علاوه بر این مسائل،چرخش زاویه ی هدف به عنوان یک عامل غیرخطی هم باعث کاهش صحت طبقه بندی می شود. بنابراین به منظور غلبه بر این مسائل، به دنبال روش هایی هستیم که نه تنها از کاهش عملکرد طبقه-بندی کننده جلوگیری کند، بلکه نرخ طبقه بندی را تا حد مطلوبی بهبود دهد. آزمایشات انجام شده در این پایان نامه شامل دو مرحله ی کلی است. درفاز اول آزمایشات،کارایی متداول ترین الگوریتم های خطی استخراج ویژگی pca، cca و ldaو الگوریتم غیرخطی استخراج ویژگی kpcaرا بر روی سیگنال های بازگشتی از اهداف سونار مورد مطالعه قرار داده ایم. هر الگوریتم استخراج ویژگی با توجه به ساختار و فرمول بندی که دارد برخی از ویژگی های داده های سونار را بیشتر مورد توجه قرار می دهد و برخی را کمتر،بنابراین طبقه بندی کننده هایی که از الگوریتم های مختلف استخراج ویژگی استفاده می کنند کارایی متفاوت دارند. در فاز دوم آزمایشات،به منظور انتخاب بهینه طبقه بندی کننده ها، ترکیبی از نتایج حاصل از طبقه بندی کننده های مبتنی بر فضای استخراج ویژگی را برای تصمیم گیری استفاده کرده ایم.این روش شاملدو مرحله، یکی انتخاب بهترین طبقه بندو دیگری ادغام اطلاعات حاصل از هر طبقه بنداست. با این روش از کلیه قابلیت های طبقه بندی کننده های مختلف استفاده کردهو نقاط ضعف یک طبقه بندی توسط نقاط قوت طبقه بندی کننده دیگر پوشانده می شود. بر اساس این پایان نامه، ساختار جدیدی برای ادغام اطلاعاتبمنظور شناسایی اهداف سونار، به دست آمده است، که نتایج آزمایشات بر مبنای این ساختار، نشان دهنده بهبود صحت طبقه بندی اهداف سونار می باشد.