Classificação neural hierárquica de sinais de sonar passivo com exploração da fusão das informações temporal e espectral
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) |
Texto Completo: | https://www.repositorio.mar.mil.br/handle/ripcmb/845644 |
Resumo: | O ruído acústico irradiado por navios propagando-se nos mares é detectado e classificado por submarinos militares através de técnicas que utilizam o sistema sonar passivo. Este sistema também é utilizado para monitoramento da costa brasileira e em aplicações no meio civil. A diversidade de navios existentes e a interferência do ruído ambiente tornam complexa a tarefa de identificação dos contatos, logo o desenvolvimento de sistemas que realizam identificação e classificação automática usando algoritmos de processamento de sinais e de inteligência computacional vêm ganhando espaço na área de pesquisas militares e no meio acadêmico. Muitos trabalhos na literatura propõe classificadores treinados com informações espectrais e poucos alvos envolvidos, o que está longe da realidade na qual deparamos com muitas classes e sinais no domínio do tempo. Essa quantidade de classes prejudica a eficiência do classificador. Sendo assim, este trabalho propõe a classificação hierárquica de sinais de sonar passivo, explorando a fusão das informações temporais e espectrais, por meio de duas análises (LOFAR e Temporal) e o uso de redes neurais profundas (mais especificamente as convolucionais e recorrentes) com o objetivo de melhorar a classificação de um sistema de sonar passivo. Nesta análise foram utilizados dois bancos de dados experimentais: o primeiro adquirido por submarinos em operação e o segundo de um sonar passivo monitorando o tráfego marítimo de uma região portuária do Rio de Janeiro. Os resultados mostram que o método proposto e as redes recorrentes apresentam bons resultados, 88, 76%±2, 81% e 85, 55%±3, 28% respectivamente, em comparação com as redes neurais tradicionais. |
id |
MB_272e6e32cc595a57a700ed7760ef2417 |
---|---|
oai_identifier_str |
oai:www.repositorio.mar.mil.br:ripcmb/845644 |
network_acronym_str |
MB |
network_name_str |
Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) |
repository_id_str |
|
spelling |
Souza, Marlon Jovenil deSeixas, José Manoel de2022-12-19T16:16:22Z2022-12-19T16:16:22Z2022https://www.repositorio.mar.mil.br/handle/ripcmb/845644O ruído acústico irradiado por navios propagando-se nos mares é detectado e classificado por submarinos militares através de técnicas que utilizam o sistema sonar passivo. Este sistema também é utilizado para monitoramento da costa brasileira e em aplicações no meio civil. A diversidade de navios existentes e a interferência do ruído ambiente tornam complexa a tarefa de identificação dos contatos, logo o desenvolvimento de sistemas que realizam identificação e classificação automática usando algoritmos de processamento de sinais e de inteligência computacional vêm ganhando espaço na área de pesquisas militares e no meio acadêmico. Muitos trabalhos na literatura propõe classificadores treinados com informações espectrais e poucos alvos envolvidos, o que está longe da realidade na qual deparamos com muitas classes e sinais no domínio do tempo. Essa quantidade de classes prejudica a eficiência do classificador. Sendo assim, este trabalho propõe a classificação hierárquica de sinais de sonar passivo, explorando a fusão das informações temporais e espectrais, por meio de duas análises (LOFAR e Temporal) e o uso de redes neurais profundas (mais especificamente as convolucionais e recorrentes) com o objetivo de melhorar a classificação de um sistema de sonar passivo. Nesta análise foram utilizados dois bancos de dados experimentais: o primeiro adquirido por submarinos em operação e o segundo de um sonar passivo monitorando o tráfego marítimo de uma região portuária do Rio de Janeiro. Os resultados mostram que o método proposto e as redes recorrentes apresentam bons resultados, 88, 76%±2, 81% e 85, 55%±3, 28% respectivamente, em comparação com as redes neurais tradicionais.The acoustic noise radiated by ships propagating in the seas is detected and classified by military submarines through passive sonar system techniques. This system is also used for monitoring the Brazilian coast and in applications in the civil environment. Due to the diversity of existing ships, interference from ambient noise and the complexity of identification of contacts, thus the development of systems that perform automatic identification and classification using processing algorithms of signals and computational intelligence have been gaining ground in the area of military and academic research. Many works in the literature address the development of ship classifiers trained with spectral information and with few targets involved, which is far from the reality in which we face a great number of classes and signals in the time domain. This amount of classes also becomes a challenge for a classifier. Thus this work proposes the hierarchical classification of passive sonar signals, exploring the fusion of temporal and spectral information through two analyzes (LOFAR and Temporal) and the use of deep neural networks (more specifically convolutional and recurrent) in order to make the classification of sonar system better. In this analysis two experimental datasets were used: the first acquired from submarine in operation and the second from a passive sonar monitoring the maritime traffic of a port region of Rio de Janeiro. The results show that the proposed method and the recurrent network present good results, 88, 76% ± 2, 81% and 85, 55% ± 3, 28% respectively in comparision with traditional neural networks.Universidade Federal do Rio de Janeiro (UFRJ)Engenharia elétricaSistema sonarMáquinas de comitêClassificação neural hierárquica de sinais de sonar passivo com exploração da fusão das informações temporal e espectralinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)instname:Marinha do Brasil (MB)instacron:MBORIGINALDissertacao - CT Jovenil.pdfDissertacao - CT Jovenil.pdfapplication/pdf25368928https://www.repositorio.mar.mil.br/bitstream/ripcmb/845644/1/Dissertacao%20-%20CT%20Jovenil.pdf7583404b57485d7397a406b9fdc925fcMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-83272https://www.repositorio.mar.mil.br/bitstream/ripcmb/845644/2/license.txt8ff7ce654d5215cee2106f3e3b7eb37fMD52TEXTDissertacao - CT Jovenil.pdf.txtDissertacao - CT Jovenil.pdf.txtExtracted texttext/plain319936https://www.repositorio.mar.mil.br/bitstream/ripcmb/845644/3/Dissertacao%20-%20CT%20Jovenil.pdf.txt519f4baddfc5479fad3dcbc533aaf893MD53THUMBNAILDissertacao - CT Jovenil.pdf.jpgDissertacao - CT Jovenil.pdf.jpgGenerated Thumbnailimage/jpeg1272https://www.repositorio.mar.mil.br/bitstream/ripcmb/845644/4/Dissertacao%20-%20CT%20Jovenil.pdf.jpg261842154047608961e70cd2ea64e5f3MD54ripcmb/8456442023-05-12 10:22:35.297oai:www.repositorio.mar.mil.br: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Repositório InstitucionalPUBhttps://www.repositorio.mar.mil.br/oai/requestdphdm.repositorio@marinha.mil.bropendoar:2023-05-12T13:22:35Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) - Marinha do Brasil (MB)false |
dc.title.pt_BR.fl_str_mv |
Classificação neural hierárquica de sinais de sonar passivo com exploração da fusão das informações temporal e espectral |
title |
Classificação neural hierárquica de sinais de sonar passivo com exploração da fusão das informações temporal e espectral |
spellingShingle |
Classificação neural hierárquica de sinais de sonar passivo com exploração da fusão das informações temporal e espectral Souza, Marlon Jovenil de Sistema sonar Máquinas de comitê Engenharia elétrica |
title_short |
Classificação neural hierárquica de sinais de sonar passivo com exploração da fusão das informações temporal e espectral |
title_full |
Classificação neural hierárquica de sinais de sonar passivo com exploração da fusão das informações temporal e espectral |
title_fullStr |
Classificação neural hierárquica de sinais de sonar passivo com exploração da fusão das informações temporal e espectral |
title_full_unstemmed |
Classificação neural hierárquica de sinais de sonar passivo com exploração da fusão das informações temporal e espectral |
title_sort |
Classificação neural hierárquica de sinais de sonar passivo com exploração da fusão das informações temporal e espectral |
author |
Souza, Marlon Jovenil de |
author_facet |
Souza, Marlon Jovenil de |
author_role |
author |
dc.contributor.author.fl_str_mv |
Souza, Marlon Jovenil de |
dc.contributor.advisor1.fl_str_mv |
Seixas, José Manoel de |
contributor_str_mv |
Seixas, José Manoel de |
dc.subject.por.fl_str_mv |
Sistema sonar Máquinas de comitê |
topic |
Sistema sonar Máquinas de comitê Engenharia elétrica |
dc.subject.dgpm.pt_BR.fl_str_mv |
Engenharia elétrica |
description |
O ruído acústico irradiado por navios propagando-se nos mares é detectado e classificado por submarinos militares através de técnicas que utilizam o sistema sonar passivo. Este sistema também é utilizado para monitoramento da costa brasileira e em aplicações no meio civil. A diversidade de navios existentes e a interferência do ruído ambiente tornam complexa a tarefa de identificação dos contatos, logo o desenvolvimento de sistemas que realizam identificação e classificação automática usando algoritmos de processamento de sinais e de inteligência computacional vêm ganhando espaço na área de pesquisas militares e no meio acadêmico. Muitos trabalhos na literatura propõe classificadores treinados com informações espectrais e poucos alvos envolvidos, o que está longe da realidade na qual deparamos com muitas classes e sinais no domínio do tempo. Essa quantidade de classes prejudica a eficiência do classificador. Sendo assim, este trabalho propõe a classificação hierárquica de sinais de sonar passivo, explorando a fusão das informações temporais e espectrais, por meio de duas análises (LOFAR e Temporal) e o uso de redes neurais profundas (mais especificamente as convolucionais e recorrentes) com o objetivo de melhorar a classificação de um sistema de sonar passivo. Nesta análise foram utilizados dois bancos de dados experimentais: o primeiro adquirido por submarinos em operação e o segundo de um sonar passivo monitorando o tráfego marítimo de uma região portuária do Rio de Janeiro. Os resultados mostram que o método proposto e as redes recorrentes apresentam bons resultados, 88, 76%±2, 81% e 85, 55%±3, 28% respectivamente, em comparação com as redes neurais tradicionais. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-12-19T16:16:22Z |
dc.date.available.fl_str_mv |
2022-12-19T16:16:22Z |
dc.date.issued.fl_str_mv |
2022 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.repositorio.mar.mil.br/handle/ripcmb/845644 |
url |
https://www.repositorio.mar.mil.br/handle/ripcmb/845644 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro (UFRJ) |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro (UFRJ) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) instname:Marinha do Brasil (MB) instacron:MB |
instname_str |
Marinha do Brasil (MB) |
instacron_str |
MB |
institution |
MB |
reponame_str |
Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) |
collection |
Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) |
bitstream.url.fl_str_mv |
https://www.repositorio.mar.mil.br/bitstream/ripcmb/845644/1/Dissertacao%20-%20CT%20Jovenil.pdf https://www.repositorio.mar.mil.br/bitstream/ripcmb/845644/2/license.txt https://www.repositorio.mar.mil.br/bitstream/ripcmb/845644/3/Dissertacao%20-%20CT%20Jovenil.pdf.txt https://www.repositorio.mar.mil.br/bitstream/ripcmb/845644/4/Dissertacao%20-%20CT%20Jovenil.pdf.jpg |
bitstream.checksum.fl_str_mv |
7583404b57485d7397a406b9fdc925fc 8ff7ce654d5215cee2106f3e3b7eb37f 519f4baddfc5479fad3dcbc533aaf893 261842154047608961e70cd2ea64e5f3 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) - Marinha do Brasil (MB) |
repository.mail.fl_str_mv |
dphdm.repositorio@marinha.mil.br |
_version_ |
1798310215204995072 |