UNDERWATER ACOUSTIC SIGNAL RECOGNITION METHODS
Journal Name:
- Deniz Harp Okulu Deniz Bilimleri ve Mühendisliği Dergisi
Key Words:
Keywords (Original Language):
Author Name |
---|
Abstract (2. Language):
The term Underwater Acoustic Signal Recognition (UASR) is used for
identifying the platforms by some techniques from the acoustic sound signals
they produce. In this paper, we propose two different schemes for UASR. In
both schemes, the feature extraction is performed using Mel-Frequency
Cepstral Coefficients and Linear Predictive Coding derived Cepstral
Coefficients which have been extensively utilized in speech recognition. In the
first scheme, the features extracted frame by frame are used as a sequence in
the representation of the whole signal. The classification of that sequence of
vectors is then performed by Hidden Markov Models with various topologies.
The second scheme represents the frame features using Bag of Acoustic
Words approach. In training stage, all the feature vectors extracted from the
input signal are first clustered into a set of acoustic words. Each feature
vector is then assigned to an acoustic word. After the frequency of each word
is calculated in the input signal, the final representation is performed by the
co-occurrence list of the acoustic words.
Bookmark/Search this post with
Abstract (Original Language):
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.
FULL TEXT (PDF):
- 3
64-78