मैं पानी के नीचे सोनार के लिए एक अनुकूली थ्रेसहोल्ड एल्गोरिथ्म कैसे लागू कर सकता हूं


10

मैं एक पानी के नीचे सोनार रिसीवर द्वारा प्राप्त डेटा को फ़िल्टर करने के लिए MATLAB में एक अनुकूली थ्रेसहोल्ड एल्गोरिथ्म को लागू करना चाहता हूं। प्राप्त आंकड़ों में पानी के नीचे शोर और स्पेक्युलर प्रतिबिंब के परिणामस्वरूप एक इंटरैक्टिव शोर घटक है। CFARD विधि करीब है, लेकिन यह मेरे उद्देश्य की पूर्ति नहीं करती है। मुझे डेटा को इमेज करना होगा ताकि मैं एक स्क्रीन पर ऑब्जेक्ट को देख पाऊं, जो कि सोनार के स्कैंडेपथ के भीतर पानी के नीचे रखा गया है। किसी भी प्रकार की सहायता सराहनीय होगी।


संपादित करें:

यह एक पानी के नीचे का वातावरण है। मैं एक संकेत को थ्रेशोल्ड करने की कोशिश कर रहा हूं जो सोनार ट्रांसड्यूसर से प्राप्त किया गया है क्योंकि यह एक ठोस लक्ष्य से परिलक्षित होता है, जो ट्रांसड्यूसर के समान वातावरण में स्थित है। समस्याएं अंडरवाटर एकॉस्टिक इमेजिंग सोनार डोमेन के अंतर्गत आती हैं । समस्या यह है कि, मैं पानी के नीचे के पर्यावरणीय शोर को मॉडल नहीं कर पाया हूं। इस विषय के बारे में मैंने अब तक जो भी पढ़ा है, वह शोर मॉडल -डिस्ट्रिएशन के बाद है। इसके अलावा पर्यावरणीय शोर प्रकृति में योगात्मक नहीं है, बल्कि यह इंटरैक्टिव है। इसलिए दहलीज को अनुकूल बनाना होगा। मैंने अपने प्रश्न में CFARD विधि का भी उल्लेख किया है। राडार अनुप्रयोगों में सिग्नल प्रोसेसिंग के लिए यह उपयोगी है क्योंकि हम एक बड़े क्षेत्र में एक एकल बिंदु खोजने में रुचि रखते हैं जिसमें उच्च ऊर्जा होती है। उसी पानी के नीचे ध्वनिक इमेजिंग सोनार के बारे में नहीं कहा जा सकता है, जहां हम स्क्रीन पर वीडियो के रूप में लक्ष्य को प्रदर्शित करने का प्रयास करते हैं। मुझे उम्मीद है कि मैंने इसे अब और स्पष्ट कर दिया है।


4
नमस्कार, जबकि आपका प्रश्न इस साइट के लिए दिलचस्प और विषय पर है, हम आपसे और जानकारी चाहते हैं। क्या आप अपने पर्यावरण मॉडल का वर्णन कर सकते हैं, ऐसा क्या है जिसे आप थ्रेशोल्ड करने की कोशिश कर रहे हैं और आपने इसे अब तक कैसे संपर्क किया है? यह साइट LaTeX का समर्थन करती है, इसलिए आप दो के बीच गणित दर्ज कर सकते हैं $
लोरेम इप्सुम

अच्छा, आपने क्या प्रयास किया है? यह मूल रूप से एक शोध परियोजना है और आपका प्रश्न मूल रूप से हमें पर्यावरण के मॉडल और आपके लिए एल्गोरिथ्म को लागू करने के लिए चाहता है ... आपने अभी भी मेरी पहली टिप्पणी में अंक को संबोधित नहीं किया है।
लोरेम इप्सुम

आप अपनी समस्या को विशिष्ट राडार डिटेक्शन समस्या के साथ जोड़ते हैं, लेकिन मैं वास्तव में नहीं जानता कि आप क्या देखने की उम्मीद करते हैं (यानी वह संकेत जो आपको थ्रेशोल्ड की तरह दिखना चाहता है? आप इसे थ्रेशहोल्ड करके बाहर निकालना क्या चाहते हैं?) किसी तरह की तस्वीर से मदद मिलेगी। इसके अलावा, "इंटरैक्टिव" शोर से आपका क्या मतलब है? गुणक?
जेसन आर

@ सौरभ यह बहुत दिलचस्प है, क्या आप कृपया अधिक जानकारी प्रदान कर सकते हैं जैसा कि दूसरों ने पूछा है।
स्पेसी

मुझे लगता है कि पूछे गए सवालों के जवाब के अभाव में वोटिंग कम हुई। क्या आप सिग्नल में चोटियों का पता लगा रहे हैं, या केवल जब सिग्नल एक निश्चित सीमा से ऊपर है? (तरह तरह, संकेत में कुछ भी हो रहा है?)
साइबरमेन

जवाबों:


2

आपके प्रश्न को कुछ योगदान मिला है, शायद एक कमी सामग्री के कारण। हाल ही में एक सम्मेलन के दौरान, मैं पीएचडी थीसिस में आया था: Détection en Environnement non Gaussien ( गैर-गाऊसी वातावरण में डिटेक्शन )। चूंकि यह फ्रेंच में है, इसलिए मैं यहां सार को पुन: प्रस्तुत करता हूं:

एक लंबे समय के लिए, पर्यावरण की कई वस्तुओं (अव्यवस्था) पर संचरित संकेत के विभिन्न रिटर्न से आने वाले रडार गूँज विशेष रूप से गौसियन वैक्टर द्वारा बनाए गए हैं। संबंधित इष्टतम पता लगाने की प्रक्रिया तब शास्त्रीय मिलान वाले फ़िल्टर द्वारा की गई थी। फिर, रडार सिस्टम के तकनीकी सुधार से पता चला कि अव्यवस्था की वास्तविक प्रकृति को गॉसियन के रूप में और अधिक नहीं माना जा सकता है। यद्यपि मिलान किए गए फ़िल्टर की इष्टतमता इस तरह के मामलों में अधिक वैध नहीं है, इस डिटेक्टर के लिए सीएफएआर तकनीक (लगातार झूठी अलार्म दर) का प्रस्ताव किया गया था ताकि अव्यवस्था के कई स्थानीय रूपांतरों का पता लगाने के मूल्य को अनुकूलित किया जा सके। उनकी विविधता के बावजूद, इन स्थितियों में इनमें से कोई भी तकनीक मजबूत या इष्टतम नहीं हुई। गैर-गाऊसी जटिल प्रक्रियाओं द्वारा अव्यवस्था के मॉडलिंग के साथ, जैसे कि SIRP (गोलाकार रूप से अनियंत्रित यादृच्छिक प्रक्रिया), सुसंगत पता लगाने की इष्टतम संरचनाएं मिली हैं। ये मॉडल कई गैर-गौसियन कानूनों का वर्णन करते हैं, जैसे कि K- वितरण या वेइबुल कानून, और साहित्य में कई प्रयोगात्मक स्थितियों को एक प्रासंगिक तरीके से मॉडल करने के लिए स्वीकार किया जाता है। मॉडल पर एक प्राथमिकता के बिना उनके विशेषता घटक (अर्थात् बनावट) के कानून की पहचान करने के लिए, हम इस थीसिस में प्रस्ताव रखते हैं, इस समस्या से एक बायेसियन दृष्टिकोण द्वारा समस्या से निपटने के लिए। बनावट कानून के दो नए अनुमान विधियाँ इस प्रस्ताव से उभरती हैं: पहला एक पैरामीट्रिक विधि है, जो पल उत्पन्न करने वाले फ़ंक्शन के पैडे सन्निकटन पर आधारित है, और दूसरा एक मोंटे कार्लो अनुमान से निकला है। ये अनुमान संदर्भ अव्यवस्था डेटा पर किए जाते हैं और दो नई इष्टतम पहचान रणनीतियों के लिए नेतृत्व करते हैं, क्रमशः PEOD (Padé Estimated Optimum Detector) और BORD (बायेसियन ऑप्टिमेट डिटेक्टर डिटेक्टर रडार) नाम दिया गया है। BORD की विषम अभिव्यक्ति (कानून में अभिसरण), जिसे "Asymptotic BORD" कहा जाता है, अपने कानून के साथ मिलकर स्थापित होता है। यह अंतिम परिणाम एसिम्प्टोटिक बॉर्ड के इष्टतम सैद्धांतिक प्रदर्शन तक पहुंच प्रदान करता है, और अगर डेटा सहसंबंध मैट्रिक्स गैर-एकवचन है तो बॉर्ड पर भी लागू हो सकता है। प्रायोगिक जमीनी अव्यवस्था डेटा पर BORD और एसिम्प्टोटिक बॉर्ड के उन लोगों के प्रदर्शन का मूल्यांकन किया जाता है। हमने परिणाम प्राप्त किए जो अव्यवस्था के लिए SIRP मॉडल की प्रासंगिकता, BORD की अनुकूलता और किसी भी प्रकार के पर्यावरण के लिए इसकी अनुकूलनशीलता दोनों को मान्य करते हैं।

गणित पढ़ने योग्य होना चाहिए। यदि यह किसी भी मदद का है, तो आप लेखक या पीएचडी थीसिस समिति द्वारा अंग्रेजी संदर्भ को ट्रैक कर सकते हैं।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.