Jag accepterar att kakor lagras på min dator

Läs mer

Classification of sonar targets using a neural network.

Classification of sonar targets using a neural network. Beställ tryckt exemplar Lägg i kundvagnen
Författare: Svärdström Anders
Ort: Stockholm
Sidor: 37
Utgivningsår: 1993
Publiceringsdatum: 1993-01-27
Rapportnummer: (FOA C 20915-2.4)
Nyckelord under-water engineering, sonar systems, object classification, neural networks, Fourier-transform, Walsh-transform
Sammanfattning Denna rapport behandlar klassificering av undervattensföremål med hjälp av aktiv sonar och neural nät. Undersökningen har syftat till att finna den optimala uppsättningen av parametrar i sonarekot som skall användas som insignaler till det neurala nätet. Experimentet har visat att Walsh transformering av sonarekot ger säkrare klassificering än Fourier baserade metoder. Detta gäller speciellt för låga signal-till-brusförhållanden. Optimering av det neurala nätet har bara gjorts i mindre grad.
Abstract This paper deals with classification of underwater objects using active sonar and neural networks. Experiments using different methods to obtain the optimal feature vector (i.e. input to the neural network) have been performed. It is shown that feature vectors based on Walsh-transformation of the sonar echoes are superior to Fourier based methods as far as classification using neural networks is concerned. Particularly with low SNR the classification rate is high when using the Walsh transform. Minor efforts have been made to optimize the neural network. when

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182