KaydedilenlerDerginizi ekleyin

Dergiler / Journal of Naval Sciences and Engineering / 2009 / Cilt: 5 - Sayı: 3

UNDERWATER ACOUSTIC SIGNAL RECOGNITION METHODS

Underwater Acoustic Signal Recognition Methods

Murat KÜÇÜKBAYRAK
Özhan GÜNEŞ
Nafiz ARICA
Sayfa
64–78
Yayın Tarihi
2016-03-25
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Öznitelik vektörlerinin her biri bir akustik kelimeye atanmaktadır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Su altı Akustik Sinyal Tanıma (SAST) terimi, platformları ürettikleri seslerden bazı teknikler kullanarak tanıma işlemi için kullanılmaktadır.
📊
Temel Bulgular & Veri:Her gemi makine, pervane, tekne yapısı ve mürettebat alışkanlıklarının birleşiminden meydana gelen kendine özgü özelliğe sahiptir.
💡
Sonuç & Katkı:Öznitelik vektörlerinin her biri bir akustik kelimeye atanmaktadır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Akustik Kelimeler Kümesi · Çevrimsel Saklı Markov Model · Su altı Akustiği

Özet

Su altı Akustik Sinyal Tanıma (SAST) terimi, platformları ürettikleri seslerden bazı teknikler kullanarak tanıma işlemi için kullanılmaktadır. Her gemi makine, pervane, tekne yapısı ve mürettebat alışkanlıklarının birleşiminden meydana gelen kendine özgü özelliğe sahiptir. Bu makalede, SAST için iki değişik yöntem önermekteyiz. Her iki yöntemde özellik çıkarımı işlemi konuşma tanıma konusunda yarar sağladığı kanıtlanmış Mel-Frekans Kepstral Katsayıları ve Doğrusal Kestirimci Kodlama ile türetilmiş Kepstral Katsayılar ile hesaplanmaktadır. İlk yöntem de öznitelik çıkarımından sonra sinyal vektör dizisi olarak ifade edilir. Vektör dizilerinin sınıflandırılması daha sonra değişik topolojilere sahip Saklı Markov Modelleri ile yapılmaktadır. İkinci yöntem çerçeve özelliklerini Akustik ses kümesi yaklaşımını kullanarak temsil eder. Eğitme safhasında, giriş sinyalinin çerçevelerinden çıkarılan tüm öznitelik vektörleri önce bir akustik kelimeler kümesine gruplandırılır. Öznitelik vektörlerinin her biri bir akustik kelimeye atanmaktadır.

🔖

Bu Makaleye Atıf Yap

KÜÇÜKBAYRAK, M., GÜNEŞ, Ö., ARICA, N. (2016). UNDERWATER ACOUSTIC SIGNAL RECOGNITION METHODS. Journal of Naval Sciences and Engineering, Cilt: 5 - Sayı: 3, 64–78. https://ajindex.com/articles/238147

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. Lobo, V., F. M. Pires, ”Ship Noise Classification Using Kohonen Networks”, EANN 95, Kurcan, R. Serdar, “Isolated Word Recognition from in-Ear Microphone Data Using Hidden Markov Models (Hmm)”, NPS Master Thesis, 2006.
  2. Nooralahiyan, A., H. Kirby, “Vehicle Classification by Acoustic Signature”, Elsevier Science Ltd., 1998.
  3. Lin, Jing, “Feature Extraction of Machine Sound Using Wavelet and Its Application in Fault Diagnosis”, Elsevier Science Ltd., 2001.
  4. Bennett, Richard Campbell. ”Classification of Underwater Signals Using a BACK- Propagation Neural Network”, NPS Master Thesis, 1997.
  5. Halkias C., Daniel P., “Estimating the Number of Marine Mammals Using Recordings of Clicks from One Microphone”, Columbia University, 2006
  6. Urazghildiiev, I., C.W. Clark, T. Krein, “Acoustic Detection and Recognition of Fin Whale and North Atlantic Right Whale Sounds”, Bioacoustics Research Prog., Cornell Laboratory of Ornithology, 2008.
  7. Alkan, Mahmut. “Warship Sound Signature Recognition Using Mel Frequency Cepstral Coefficients”, Naval Science and Engineering Institute MS Thesis, 2005.
  8. Yue, Z., K. Wei, X. Qing, “A Novel Modelling and Recognition Method for Underwater Sound Based on HMT in Wavelet Domain”, Springer, Verlag Berlin Heidelberg, 2004.
  9. Rashidul, H., M. Jamil, G. Rabbani, S. Rahman, “Speaker Identification Using Mel Frequency Cepstral Coefficients”, 3rd International Conference on Electrical & Computer Engineering, Dhaka, 2004.
  10. Bardici, N., B. Skarin, "Speech Recognition using Hidden Markov Model", Blekinge Institute of Technology MS Thesis, 2006.
  11. Vergin, R., “An Algorithm for Robust Signal Modeling in Speech Recognition,” IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP '98), 1998.
  12. Vaseghi, Saeed V., “Advanced Digital Signal Processing and Noise Reduction”, Second Edition, John Wiley & Sons Ltd., 2000
  13. Rabiner, L. R., R. W. Schafer, “Digital Processing of Speech Signals”, Prentice-Hall, Englewood Cliffs, New Jersey, 1978.
  14. Picone, J. “Signal Modeling Techniques in Speech Recognition,” Proceedings of the IEEE, 1993. Wikipedia, the free encyclopedia web site, 2007, (last accessed on 16 July 2009) Ayats A.R., “Object Recognition for Autonomous Robots: Comparison of two approaches”, Report of the stay at the Autonomous Systems Lab, 2007.
  15. Rabiner, L.R., “A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition,” IEEE, 1989.
  16. Gold, B., N. Morgan, “Speech and Audio Signal Processing,” John Wiley & Sons, Deller, J. R., J