[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما :: ::
:: سال 10، شماره 1 - ( دو فصل‌نامه انجمن مهندسی صوتیات ايران بهار و تابستان 1401 ) ::
جلد 10 شماره 1 صفحات 45-34 برگشت به فهرست نسخه ها
ترکیب الگوریتم‌های مبتنی بر شناسایی الگو و یادگیری عمیق به منظور شناسایی خودکار کوادکوپترهای تجاری با استفاده از علائم صوتی دریافتی (مقاله پژوهشی)
اصغر زارعی، امیر قاسمی*، حامد صادقی، مجتبی غلامی پور
چکیده:   (119 مشاهده)
استفاده از کوادکوپترهای تجاری یک فن‌اوری به سرعت در حال پیشرفت است که دارای کاربردهای بسیاری در بخش‌های خصوصی، تجاری و دولتی است. در حال حاضر، هیچ تضمینی برای تسهیل عملکرد ایمن این دستگاه‌ها در فضای جامعه وجود ندارد. در این مقاله، سه روش مختلف برای شناسایی خودکار کوادکوپترهای تجاری ارائه می‌شود. از بین سه فنّ ارائه شده، دو روش مبتنی بر شبکه‌های یادگیری عمیق است که در آن‌ها تمام مراحل استخراج ویژگی و طبقه‌بندی به‌صورت خودکار انجام می‌شود. روش‌های مبتنی بر یادگیری عمیق شامل شبکه‌های عصبی کانولوشن (سی‌اِن‌اِن)، شبکه‌های اِل‌اِس‌تی‌اِم و ترکیب آن‌ها است. روش سوم با استفاده از ضرایب کپسترال (به‌عنوان ویژگی) و ماشین‌های بردار پشتیبان (به‌عنوان طبقه‌بند) ارائه می‌شود. در این مقاله الگوریتم‌های مبتنی بر یادگیری عمیق از الگوهای طیفی منحصر به فرد کوادکوپترهای تجاری به‌منظور استخراج ویژگی استفاده می‌کنند. الگوهای طیفی با اعمال روش تبدیل فوریه کوتاه مدت روی داده‌های صوتی به‌دست می‌آیند. هم‌چنین، در روش سوم از ضرایب کپسترال و طبقه‌بند ماشین بردار پشتیبان به‌منظور شناسایی و دسته‌بندی علائم صوتی دریافتی استفاده می‌شود. عملکرد روش‌های مبتنی بر یادگیری عمیق و روش مبتنی بر ضرایب کپستروم با استفاده از مجموعه داده‌های صوتی ثبت‌شده از کوادکوپترهای تجاری مقایسه شده است. نتایج به‌دست آمده نشان می‌دهند که هر سه روش ارائه‌شده دارای عملکرد مناسبی در شناسایی کوادکوپترها هستند. با این حال، روش سی‌اِن‌اِن- اِل‌اِس‌تی‌اِم با فراهم نمودن میانگین دقت 95/31 درصد، میانگین حساسیت 96/24 درصد و میانگین اختصاصیت 95/61 درصد دارای بهترین عملکرد است.

 
واژه‌های کلیدی: کوادکوپترهای تجاری، شبکه‌های یادگیری عمیق، ضرایب کپستروم، یادگیری ماشین.
متن کامل [PDF 1091 kb]   (163 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: پردازش علائم صوتی
دریافت: 1401/2/26 | پذیرش: 1401/4/23 | انتشار: 1401/6/31
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zarei A, Ghasemi A, Sadeghi H, Gholamipour M. Combining pattern recognition and deep-learning-based algorithms to automatically detect commercial quadcopters using audio signals (Research Article). مجله علمی پژوهشی انجمن مهندسی صوتیات ایران 2022; 10 (1) :34-45
URL: http://joasi.ir/article-1-246-fa.html

زارعی اصغر، قاسمی امیر، صادقی حامد، غلامی پور مجتبی. ترکیب الگوریتم‌های مبتنی بر شناسایی الگو و یادگیری عمیق به منظور شناسایی خودکار کوادکوپترهای تجاری با استفاده از علائم صوتی دریافتی (مقاله پژوهشی). مجله علمی پژوهشی انجمن مهندسی صوتیات ایران 1401; 10 (1) :45-34

URL: http://joasi.ir/article-1-246-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
سال 10، شماره 1 - ( دو فصل‌نامه انجمن مهندسی صوتیات ايران بهار و تابستان 1401 ) برگشت به فهرست نسخه ها
مجله علمی-پژوهشی انجمن علوم صوتی ایران Journal of Acoustical Society of Iran
Persian site map - English site map - Created in 0.05 seconds with 30 queries by YEKTAWEB 4540