Preview

Фундаментальная и прикладная гидрофизика

Расширенный поиск

Распознавание объектов и определение дистанции по эталонам базы данных спектров сигналов

https://doi.org/10.7868/S2073667319020035

Аннотация

Рассматривается совместное распознавание объекта и определение дистанции методом сравнения спектральной плотности давления шумового сигнала, наблюдаемого на определенной дистанции объекта, с эталонными спектральными плотностями давления шумовых сигналов объектов, хранящимися в базе данных. Решение задачи основано на минимизации меры близости между обнаруженным сигналом и эталонными, хранящимися в базе данных спектров сигналов. В статье проведен анализ основных известных методов оценки дистанции в режиме шумопеленгования и проведен сравнительный анализ различных мер близости для решения задач распознавания и оценки дистанции обнаруженного морского объекта. Рассматривались наиболее характерные меры, отражающие специфику различных видов расстояний: подобности и расстояния для числовых данных (Ружечки, Брея–Кёртиса, Канберры, Кульчинского), аналоги Евклидова расстояния (Евклидова метрика, метрика Манхэттена, расстояние размера Пенроуза, расстояние формы Пенроуза, Лоренцевское расстояние, расстояние Хеллинджера, расстояние Минковского, расстояние Махаланобиса или статистическое расстояние), корреляционные подобности и расстояния (корреляция Пирсона, подобность Орчини, нормированное скалярное произведение). Показана низкая эффективность корреляционных и ковариационных мер близости и целесообразность использования для решения рассматриваемой задачи разностных мер близости – аналогов Евклидова расстояния. Показано, что значения этих мер близости сильно зависят от уровня шумности объекта, что определяет необходимость сравнения измеренного сигнала и эталонных сигналов различных уровней шумности (построения сетки по шумности). Определены перспективные направления дальнейших исследований.

Об авторе

Е. Л. Шейнман
АО «Концерн «Океанприбор»; Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина)
Россия

 Санкт-Петербург



Список литературы

1. Демиденко В.А., Перельмутер Ю.С. Спектральный метод оценки дистанции // Гидроакустика Вып 6. 2006. С. 51–59.

2. Машошин А.И. Синтез оптимального алгоритма пассивного определения дистанции до цели // Морская радиоэлектроника. 2012. № 2 (40). С. 30–34.

3. Шейнман Е.Л. Определение некоторых параметров, характеризующих источник звука и распространение звукового сигнала в стратифицированной среде // Гидроакустика. 2008. № 8. С. 50–60.

4. Шейнман Е.Л. Анализ эффективности идентификации источников звука по эталонным базам данных параметров сигнала // Гидроакустика. 2007. Вып. 7. С. 51–61.

5. Деза Е.И., Деза М.М. Энциклопедический словарь расстояний. М.: Наука, 2008. 446 с. / Пер. с англ. Deza E., Deza M.-M. Dictionary of Distances. ELSEVIER, 2006. 446 p.

6. Половикова О.Н., Фокина В.В. Использование евклидова и манхэттенского расстояний в качестве меры близости для решения задачи классификации // Журнал технических и прикладных исследований «Известия АлтГУ». 2010. Том 1. № 65.

7. Волкова А.А., Зеленкова И.Д., Перельмутер Ю.С. Совместная оценка расстояния до цели и шумности цели // Гидроакустика. 2010. № 11. С. 33–38.

8. Селезнев В.А., Янпольская А.А. Сравнительный анализ различных способов идентификации трасс // Труды. 11-й Всерос. конф. «Прикладные технологии гидроакустики и гидрофизики», 2012.

9. Сташкевич А.П. Акустика моря. Л.: Судостроение, 1966.


Рецензия

Для цитирования:


Шейнман Е.Л. Распознавание объектов и определение дистанции по эталонам базы данных спектров сигналов. Фундаментальная и прикладная гидрофизика. 2019;12(2):20-26. https://doi.org/10.7868/S2073667319020035

For citation:


Sheinman E.L. Recognition of marine objects and distance definition using the samples of the database of signal spectra. Fundamental and Applied Hydrophysics. 2019;12(2):20-26. (In Russ.) https://doi.org/10.7868/S2073667319020035

Просмотров: 100


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2073-6673 (Print)
ISSN 2782-5221 (Online)