نام پژوهشگر: اکبر رنجبر

بازشناسی منابع سیگنال های فروصدا با استفاده از ویژگی های گشتاور طیفی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده فنی 1392
  زهرا معدن کن   نوشین ریاحی

امواج با فرکانس پائین تر از شنوایی انسان (پائین تر از 20 هرتز) را فروصدا می نامند. این امواج که در فضا منتشر هستند و قابلیت های ویژه ای از جمله توانایی طی مسافت های بسیار طولانی را دارا می باشند، از منابع متعددی از جمله زلزله، آتشفشان، شهاب سنگ، طوفان، انفجارهای شیمیایی و اتمی، حرکت هواپیما و ... ناشی می شوند. با توجه به تعدد این منابع و از آنجا که بازشناسی این امواج از یکدیگر در مواردی از جمله تشخیص و پیش بینی برخی حوادث طبیعی مانند زلزله، و از طرفی در رصد فعالیت های هسته ای که قانون منع آزمایشات اتمی را نقض می نماید حائز اهمیت می باشد، روش های مختلفی در تفکیک امواج فروصدا توسط محققین به کار گرفته شده است. از مهم ترین رویکردهای موجود در این زمینه رویکرد مبتنی بر هوش مصنوعی می باشد. در این رویکرد با استفاده از روش های بازشناسی الگو و یادگیری ماشین می توان منابع مولد رویدادهای فروصدا را از یکدیگر تفکیک نمود. در رویکرد هوش مصنوعی پس از انجام مراحل پیش پردازش سیگنال، ویژگی هایی که قادر به توصیف مشخصه های سیگنال هستند از آن ها استخراج شده و سپس این بردار ویژگی به عنوان ورودی به دسته بند داده می شود. پس از طی مراحل آموزش دسته بند با داده های آموزشی، در خروجی دسته بند هویت رویدادهای فروصدا قابل تشخیص خواهد بود. متداول ترین روش استخراج این ویژگی ها که در تحقیقات پیشین به کار گرفته شده روش طیفی خطی می باشد که قادر به استخراج مشخصه های خطی سیگنال می باشد. از آنجا که مشخصه های غیرخطی و آماری مرتبه ی بالای سیگنال حائز اهمیت بوده و می تواند به طور دقیق تری سیگنال را توصیف نماید، در این پژوهش ویژگی هایی تحت عنوان ویژگی های گشتاور طیفی جهت استخراج مشخصه های آماری مرتبه ی بالاتر طیف سیگنال معرفی نمودیم. سپس با معرفی ویژگی های گشتاور طیفی دوبُعدی و گشتاورهای طیفی مرکب توانستیم عملکرد سیستم تعیین هویت خود را بهبود بخشیم. از یک روش انتخاب ویژگی نیز جهت کاهش بُعد فضای ویژگی ها استفاده نمودیم. برای ارزیابی عملکرد سیستم تعیین هویت با ویژگی های پیشنهادی نیز از چند روش دسته بندی استفاده نمودیم. از جمله روش های دسته بندی مورد استفاده که توانستیم به کمک آن دقت تشخیص سیستم خود را بهبود بخشیم روش دسته بندی چندگانه یا دسته بندی تجمعی می باشد. در نهایت توانستیم با به کار گیری مجموعه پیشنهادات مطرح شده به دقت تشخیصی معادل 98.1 در تعیین هویت امواج فروصدا دست یابیم.