مهندسی برق
1. دسته‌بندی داده‌های سوناری با استفاده از شبکه عصبی ادراکی چند لایه آموزش دیده شده با الگوریتم بهینه‌سازی تعدیل شده مبتنی بر جغرافیای زیستی

سید محمدرضا موسوی؛ مسعود کاوه؛ محمد خویشه

دوره 20، شماره 78 ، تابستان 1395، ، صفحه 65-74

چکیده
  با توجه به پیچیدگی فیزیکی اهداف سوناری و شباهت بسیار زیاد کلاتر با اهداف واقعی در سونار فعال، دسته‌بندی آن‌ها یکی از مسایل چالش‌برانگیز برای پژوهشگران و صنعت‌گران این حوزه است. شبکه‌های عصبی چند‌لایه، یکی از پرکاربردترین ابزار در دسته‌بندی اهداف واقعی می‌باشند. می‌توان از آموزش به عنوان مهم‌ترین بخش این شبکه‌ها اشاره نمود. ...  بیشتر

مهندسی برق
2. تقریب پارامترهای آماری کلاتر سونار فعال توسط پهنای پرتو مؤثر آرایه

سید محمدرضا موسوی میرکلایی؛ محمد خویشه؛ مجید آقابابایی؛ فلاح محمد زاده

دوره 19، شماره 73 ، بهار 1394، ، صفحه 11-22

چکیده
  کلاتر یکی از اصلی‌ترین عوامل تولید اهداف کاذب در سونارهای فعال است. مدل‌سازی کلاتر از اولین گام‌ها برای شناسایی، کنترل و حذف این پدیده می‌باشد. چالش مورد بحث در مدل‌سازی کلاتر سونار فعال، دقت مدل ارائه شده در تقریب پارامترهای آماری کلاتر می‌باشد.   (یعنی کاهش مقدار  باعث افزایش مقدار pfa می‌شود). در این مقاله، از مدل کلاتر ...  بیشتر

مهندسی برق
3. دسته‌بندی اهداف سوناری با استفاده از روش OMKC

سید محمدرضا موسوی میرکلایی؛ محمد خویشه؛ حسین حردانی

دوره 18، شماره 72 ، زمستان 1393، ، صفحه 25-35

چکیده
  با توجه به خصوصیات فیزیکی پیچیده‌ی اهداف سوناری، طبقه‌بندی و تمیز دادن اهداف واقعی از اهداف کاذب یکی از زمینه‌های دشوار و پیچیده برای محققان و صنعتگران این حوزه است. با توجه به این ویژگی‌های اهداف سوناری، روش‌های هوشمند در دسته‌بندی این نوع دادگان دارای توانایی‌های منحصر به فردی می‌باشند. از این‌رو در سال‌های اخیر استفاده ...  بیشتر

4. کنترل کلاتر سونار فعال توسط جهت دهی پرتوآرایه
دوره 17، شماره 68 ، زمستان 1392، ، صفحه 1-1

چکیده
  سونارهای فعال که در آب‌های کم عمق کار می‌کنند با اهداف کاذبی مانند نویز، طنین وکلاتر  مواجه هستند، که این اهداف کاذب به شدت بر روی عملکرد آنها تأثیر منفی می‌گذارد. در سونارهای پیشرفته، باکوچک شدن سلول وضوح سونار، مهمترین عامل تولید هدف کاذب کلاتر می‌باشد. آمارهای کلاتر معمولاً توسط توزیعK  مدل می‌شوند. پارامتر شکل(α) توزیعK  ...  بیشتر

5. Clutter Removal in Sonar Image Target Tracking Using PHD Filter
دوره 14، شماره 55 ، پاییز 1389، ، صفحه 54-59

چکیده
  In this paper we have presented a new procedure for sonar image target tracking using PHD filter besides K-means algorithm in high density clutter environment. We have presented K-means as data clustering technique in this paper to estimate the location of targets. Sonar images target tracking is a very good sample of high clutter environment. As can be seen, PHD filter because of its special features can remove clutter and track targets accurately and precisely. PHD filter does not need data association techniques and so can be used in online application where spent time for tracking is very important.  بیشتر

6. ردگیری هدف با استفاده از الگوریتم RB
دوره 14، شماره 54 ، تابستان 1389، ، صفحه 53-47

چکیده
  در این مقاله روشی برای ردگیری هدف ارائه گردیده است که می تواند در سیستمهای رادار و سونار کاربرد داشته باشد. روش ارائه شده در این مقاله مبتنی بر استفاده از الگوریتم Rao Blackwellized (RB) در کنار تکنیک ارتباط اطلاعات مونت کارلو (MCDA) می باشد. این مقاله سعی دارد با تکیه بر الگوریتم فیلترینگ ذره ای و همبستگی هدف به ردیابی هدف در قالب الگوریتم RBMCDA برسد. ...  بیشتر