• عنوان

    طراحي دسته‌بندي‌كننده‌ بهينه اهداف سوناري مبتني بر شبكه‌هاي عصبي تكاملي

  • نويسنده اصلي

    محمد خويشه

  • مقطع تحصيلي
    دكتري
  • چكيده
    دسته‌بندي اهداف سوناري طيف وسيعي از اهداف قابلِ دسته‌بندي و همچنين روش‌هاي متعددي براي اجراي آن را دربر مي‌گيرد. صوت‌هاي آشكارسازي شده توسط گيرنده سونار به دو گروه كلي صوت‌هاي مربوط به اهداف و صوت‌هاي غيرهدف تقسيم‌بندي مي‌شود. از يك‌ سو تفكيك و دسته‌بندي صوت‌هاي اهداف از صوت‌هاي مزاحم (كه ويژگي‌هاي بسيار شبيه به اهداف دارند) و از سوي ديگر دسته‌بندي صوت اهداف به گروه‌هاي مختلف با توجه به كاربردهاي حساس نظامي و غيرنظامي از موضوعات چالش‌برانگيز تحقيقات مي‌باشد. صوت‌هاي دريافت شده توسط گيرنده سوناري شامل نويز، طنين، كلاتر و انواع اهداف موجود در دريا هستند. در اين رساله، يك سامانه دسته‌بندي‌كننده اهداف سوناري با استفاده از شبكه¬هاي عصبي فراابتكاري ارائه شده است. اين دسته‌بندي‌كننده به¬صورتي طراحي شده¬است كه از يك¬ سو توانايي دسته‌بندي اهداف واقعي ثابت از اهداف كاذب مانند كلاتر را داشته باشد و از سوي ¬ديگر بتواند اهداف واقعي متحرك را از يكديگر با دقت بالاي 94 درصد و به¬صورت بلادرنگ دسته‌بندي كند. در اين رساله به‌منظور كاهش وابستگي به شرايط محيطي، مجموعه داده‌ها وسيع و گسترده و انجام محاسبات آماري از شبكه¬هاي عصبي به¬عنوان دسته‌بندي‌كننده استفاده شده است. با توجه به ويژگي‌هاي داده‌ها سوناري و ابعاد بسيار بالاي آن‌ها، استفاده از رو¬ش¬هاي متعارف و معين براي آموزش به نتايج دسته‌بندي دقيق و بلادرنگ منجر نمي¬گرديد. بدين منظور در اين رساله از الگوريتم‌هاي فراابتكاري مختلف براي آموزش شبكه¬هاي عصبي به‌عنوان دسته‌بندي‌كننده اهداف سوناري استفاده گرديد. در مرحله بعد با توجه به ماهيت داده‌ها سوناري، عملكرد اين الگوريتم‌ها در چند مرحله بهبود داده شد و در نهايت الگوريتمي با نام بهينه‌ساز شامپانزه براي آموزش ارائه گرديد. اين الگوريتم با استفاده از گروه‌هاي مستقل در فاز اكتشاف و نقشه¬هاي آشفته در فاز بهره¬برداري قادر به‌دسته‌بندي اهداف سوناري با دقت 44/97 درصد مي‌باشد كه در اين حالت دقت نسبت به داده‌ها با شرايط تقريباً يكسان 24/2 درصد افزايش پيدا كرد. به‌منظور ارضاي شرط دسته‌بندي بلادرنگ دسته‌بندي‌كننده طراحي شده و تمامي مراحل پيش¬پردازش و استخراج ويژگي بر روي تراشه FPGA با استفاده از ابزارXilinx System Generator پياده‌سازي گرديد.
  • شماره ركورد
    190655
  • دانشگاه
    دانشگاه علم و صنعت ايران
  • رشته تحصيلي
    الكترونيك - سيستم‎هاي الكترونيك ديجيتال
  • استاد راهنما
    دكتر سيد محمدرضا موسوي ميركلايي