Classification of vessel acoustic signatures using non-linear scattering based feature extraction
Doğrusal olmayan saçılma temelli oznitelik çıkarma kullanarak gemilerin akustik izlerinin sınıflandırılması
- Tez No: 436330
- Danışmanlar: PROF. DR. AHMET ENİS ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Bu tez gemilerin akustik izlerine dayanan gemi tanıma ve sınıflandırma sistemi önermektedir. Sonar operatörlerin, gemi sonarları tarafından algılanan akustik sesleri dinleyerek geleneksel yöntemlerle tanıma yapmaktadır. Bu çalışmanın amacı, insana dayanan tanıma sistemini otomatik bilgisayar tabanlı sınıflandırma sistemi ile değiştirmektir. Bundan dolayı, konuşma tanıma algoritmalarındaki öznitelik vektörleri sualtı akustik sinyallerin tanınmasında da (UASR) kabul etmek mantıklı bir düşünce olacaktır. Konuşma tanımada en yaygın kullanılan öznitelik vektör çıkarma algoritmaları Doğrusal Kestirimci Kodlama (LPC) ve Mel Frekans Kepstral katsayılarıdır (MFCC) ve ayrıca bu iki metot UASR'de de kullanılmıştır. Ek olarak, süzgeç bankasını elde etmek için MFCC algoritmasında bulunan mel ölçekli süzgeç bankası yerine saçılma dönüşümü kullanılmıştır. Saçılma, sinyali ardı ardına aralarında doğrusal olmayan operatörlerin bulunduğu dalgacık dönüşümleriyle bölmüş ve dalgacık katsayılarını elde etmiştir. Önerilen yeni metod Saçılma Dönüşümü Kepstral katsayıları (STCC) olarak isimlendirilmiştir. İnsanın duyma hassasiyeti bütün frekans bantlarında aynı değildir ve MFCC düşük frekanslardaki değişimlere yüksek frekansa göre daha hassastır. Bu nedenle daha doğru bir gösterim yapabilmek için düşük frekanslarda DWT sayını arttırarak daha çok bölünme işlemi yapılmıştır ve deneysel sonuçlar göstermiştir ki eşdağılım yapmayan süzgeç bankası daha iyi başarı göstermiştir. Önerilen öznitelik çıkarma metodlarında sınıflandırma performansını arttırmak için farklı doğrusal olmayan operatörler kullanılmıştır. Doğrusal olmayan operatörler ve saçılma dönüşümünün uygulanması akustik gürültü üreten platformları tanımada ilk kez kullanılacaktır. Teager enerji operatörü (TEO) bulunan MFCC'nin gürültülü ortamlara daha dayanıklı olduğu ve platformların enerjilerinin daha iyi tahmin edilmesini sagladığı görülmüştür. TEO'nun MFCC'de positif etkisi olmasına rağmen STCC'de performansı düşürmüştür. Ayrıca farklı bir doğrusal olmayan tanh operatörü LPC, MFCC ve STCC'ye uygulanmış ve deneysel sonuçlar bu operatörün bütün öznitelik çıkarma metodlarında performansı arttırdığı gösterilmiştir. Analiz ve uygulama 10 farklı sınıfa ait 24 farklı gemi sesi kaydının olduğu veri kümesi ile yürütülmüştür. Sınıflandırıcı olarak Yapay Sinir Ağı (YSA) ve Destekçi Vektör Makinası (DVM) kullanılmıştır. Önerilen metotların performansları karşılaştırılmıştır ve deneysel sonuçlar STCC'nin en iyi sınıflandırma performansına sahip olduğu kanıtlanmıştır ve tanh uygulanan STCC'nin gemi seslerini sınıflandırmada %98,50 do˘gruluk ile en yüksek oranı başarmıştır.
Özet (Çeviri)
This thesis proposes a vessel recognition and classification system based on acoustic signatures. Conventionally, acoustic sounds are recognized by sonar operators who listen to audio signals received by ship sonars. The aim of this work is to replace this conventional human-based recognition system with an automatic feature-based classification system. Therefore, it can be regarded reasonable to adopt the speech recognition algorithms in classification of underwater acoustic signal recognition (UASR). The most widely used feature extraction methods of speech recognition are Linear Predictive Coding (LPC) and Mel Frequency Cepstral Coefficients (MFCC) and they are also used in UASR. In addition, the Scattering transform is used to obtain filter bank instead of mel-scale filter bank in MFCC algorithm. The scattering cascade decomposes an input signal into its wavelet modulus coefficients and various non-linearities are used between wavelet stages. The new proposed method is labeled as Scattering Transform Cepstral Coefficients (STCC). Sensitivity of human hearing system is not the same in all frequency bands and mel-scale filter bank in MFCC is more sensitive to small changes in low frequencies than high frequencies. Therefore, number of DWT decomposition levels is increased in low frequencies to determine accurate representation and experimental results shows that non-uniform filter banks provide better success rates. Non-linear Teager energy and hyperbolic tangent operators are used to increase the performance of classification in proposed features extraction methods. Non-linear operators and scattering transforms are used for the first time in UASR to identify the acoustic sounds of the platforms. Teager Energy Operator (TEO) estimates the true energy of the source of a resonance signal. TEO based MFCC, being more robust in noisy conditions than conventional MFCC, provides a better estimation of the platform energy. Although TEO has positive effect on MFCC, it decreases the performance of STCC. Different non-linear tanh operator is also applied to LPC, MFCC and STCC algorithms and experimental results show that tanh operator increases the performance of the classification in all feature extraction methods. This analysis and implementation was carried out with datasets of 24 different vessel signals recordings that belong to 10 separate classes of vessels. Artificial Neural Networks (ANN) and Support Vector Machines (SVM) are used as classifiers. Performance of the proposed methods is compared and experimental results demonstrate that STCC have the best performance and tanh based STCC achieves highest success rate with 98.50% accuracy in classification of vessel sounds.
Benzer Tezler
- Yüzer araçlarda dinamik konumlandırma sistemlerinde bileşen seçiminin sistemin çalışmasına etkisi bakımından önemi
The importance of component selection for dynamic positioning systems with the aspect of their effect to the operation of the systems on vessels
ALİ ÖZEN
Yüksek Lisans
Türkçe
2014
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN AZMİ ÖZSOYSAL
- Sapanca Gölü'ne ait yüksek çözünürlüklü sismik verilerin işlenmesi, gölün yapısal ve stratigrafik yorumlanması
Processing and interpretation of high-resolution marine seismic reflection profiles for recognition of faulting and sediment classification: Lake of Sapanca Turkey
ESRA GÖNÜL
Yüksek Lisans
Türkçe
2020
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜLYA KURT
- Gemi akustik izlerinin otomatik sınıflandırılması
Automatic classification of ship acoustic tracks
GÜRKAN ORHAN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VEYSEL GÖKHAN BÖCEKÇİ
- Bı-rads 4A meme lezyonlarının değerlendirilmesinde shear wave elastografi ve superb mikrovasküler görüntülemenin tanısal etkinliği
Diagnostic efficiency of shear wave elastography and superb microvascular imaging in bi-rads 4A lesions evaluation
NİMET ERSÖZ POLAT
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpSelçuk ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. EMİNE UYSAL
- Ultrason görüntülerinde karaciğer damarlarının otomatik sınıflandırılması
Automatic classification of liver veins in ultrasound images
AYŞE MENTEŞE
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ŞAKİR BİLGE