فهرست نشریات علمی دسترسی آزاد ایران

با حرکت شناورها بر روی آب و فعالیت موتورهای پیشرانه و چرخش پروانه‌های آن، سیگنال‌های صوتی از آنها منتشر می‌شود که اصطلاحاً به آن نویز منتشر شده از کشتی گفته می‌شود. امروزه نیروهای دریایی جهان با استفاده از این صداها، نسبت به شناسایی شناورهای سطحی عبوری از آب‌های سرزمینی و بین‌المللی اقدام می‌کنند. یکی از بهترین روش‌ها برای دسته‌بندی و شناسایی شناورها با توجه به صداهای منتشر شده از آنها، یادگیری عمیق است. با استفاده از یادگیری عمیق، ویژگی‌های منحصربه‌فرد سیگنال قابل‌استخراج بوده که از دقت بالایی در شناسایی اهداف برخوردار است.  در این مقاله مدلی مبتنی بر شبکه موبایل نت طراحی گردیده است که سیگنال‌های صوتی دریافت شده توسط گیرنده‌های صوتی زیر آب‌ (هایدروفون‌ها) را پردازش نموده و درنهایت بادقت بالایی طبقه‌بندی می‌نماید. ورودی این مدل تصاویر طیف‌نگار مربوط به داده‌های صوتی سونار غیرفعال است که با استفاده از تبدیل فرکانسی کوتاه‌مدت (STFT) تولید شده‌اند. این مدل در برنامه پایتون و با استفاده از کتابخانه کراس ایجاد شده و نتایج به دست آمده نشان می‌دهد دقت شناسایی مدل پیشنهادی بیش از 96% و زیان ارزیابی آن کمتر از 3% است. نسبت به روش‌های متداول یادگیری عمیق، روش پیشنهادی علاوه بر داشتن سرعت محاسباتی مناسب، از دقت شناسایی قابل قبولی نیز برخوردار است.