چکیده ندارد.

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  معرف پهنای پرتو آرایه می‌باشد و پهنای پرتو آرایه دارای رابطه معکوس با آ...

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 از شبکه‌های عصبی و ماشین بردار پشتیبانی در این زمینه کاربرد فراوانی داشت...

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. تفاوتی که در این روش و روش فیلترینگ جزئی ...

با توجه به خصوصیات فیزیکی بسیار نزدیک اهداف واقعی و کلاترِ سونار فعال، تفکیک این اهداف، از موضوعات چالش برانگیز محققان و صنعت گران حوزه آکوستیک می باشد. شبکه های عصبی چندلایه (mlp) یکی از پرکاربردترین شبکه های عصبی در دسته بندی اهداف دنیای واقعی هستند. آموزش از مهمترین بخش های توسعه این نوع شبکه ها است که در سال های اخیر بسیار مورد توجه قرار گرفته است. به منظور آموزش شبکه های mlp از دیر باز استف...