Abstract
Using the existing algorithms that estimate the background noise, the detection probability for the week tonals is low and for the even week tonals, there is a limit not detected. Therefore it is required to algorithms which can improve the performance of the tonal extraction. Recently, many researches using artificial neural networks in sonar signal processing are performed. We propose a neural network with double feedback that can remove automatically the background noise and detect the even week tonals buried in background noise, therefore not detected by growing the week tonals lastingly for a certain time. For the real underwater target, experiments for the tonal extraction are performed by using the existing algorithms that estimate the background noise and the proposed neural network. As a result of the experiment, a method using the proposed neural network showed the better performance of the tonal extraction in comparison with the existing algorithms.
수중 음향 탐지기를 통해서 수집한 표적 방사음의 스펙트럼은 음향 표적의 토널 성분과 대 양의 유체역학적 배경 잡음 성분들로 구성되어 있다. 음향 표적의 토널 성분은 주요 식별 정보가 되기 때문에 배경 잡음을 추정, 제거함으로써 표적의 토널 성분을 견실하게 추출할 수 있는 알고리즘이 요구된다. 따라서 본 논문에서는 배경 잡음을 제거하고, 미약한 크기의 표적 토널도 탐지 할 수 있는 이중 회귀 신경망을 이용한 토널 추출 방법을 제안한다. 실험을 통하여 본 논문에서 제안한 이중 회귀 신경망을 이용한 토널 추출 기법이 기존의 방법보다 토널 추출 성능이 우수함을 확인하였다.