Resumen

Los clasificadores de blancos acústicos submarinos tienen muchas aplicaciones en los ámbitos militar y de seguridad, donde se necesita un mayor grado de precisión en las predicciones, lo que hace que la eficacia y fiabilidad de los clasificadores sea un tema interesante. Los clasificadores se entrenan a menudo con especímenes de blancos acústicos conocidos con su conjunto de rasgos característicos y se prueban con mediciones obtenidas con el sonar desplegado en la zona de vigilancia u observación. La selección de características deterministas específicas de la fuente en un sistema de reconocimiento automático de blancos (RTA) es muy importante, ya que determina la fiabilidad, la eficacia y la tasa de éxito del clasificador. Se ha investigado la robustez de los coeficientes cepstrales gammatónicos (GTCC) en combinación con los clasificadores estadísticos de distancia euclidiana, red neuronal artificial (ANN) y modelo de Markov oculto (HMM), y se ha comparado su rendimiento con el de otros esquemas de extracción de características. Se ha analizado el rendimiento del clasificador en condiciones de desvanecimiento de Rayleigh, a partir de lo cual se mejora el rendimiento incorporando una compensación autorregresiva (AR) del canal de desvanecimiento de Rayleigh. Se investiga el rendimiento del clasificador en diferentes condiciones de funcionamiento, con señales objetivo submarinas consistentes en los datos de campo reales recogidos durante la expedición, y los resultados se presentan en este artículo.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:rendimiento, clasificadores de blancos acústicos submarinos, otros esquemas de extracción de características, muestras de blancos acústicos, red neuronal artificial, reconocimiento automático de blancos, diferentes condiciones de funcionamiento, coeficientes cepstrales gammatónicos, datos de campo reales, características deterministas específicas
• Keywords:performance, underwater acoustic target classifiers, other feature extraction schemes, acoustic target specimens, artificial neural network, automatic target recognition, different operating conditions, gammatone cepstral coefficients, real field data, specific deterministic features