《수산부문에서는 어장탐색과 어황예보, 생산지휘를 정보화하며 위성정보자료와 과학적인 탐색기술을 적극 활용하면서 집중적인 어로전을 벌려 고기배들마다에 풍어기가 휘날리게 하고 포구마다에 만선의 배고동소리가 높이 울리게 하여야 합니다.》
지금 세계적으로 바다자원에 대한 수요의 증가로 하여 어로작업에 각종 종류의 선박을 비롯한 해양기구들이 많이 리용되고있다.
선박과 기뢰, 물고기와 같은 수중목표들의 탐지와 식별, 위치추적은 수중음향신호처리의 기본임무의 하나이며 과학부문과 수산업, 해양공학과 경제분야에서 대단히 중요한 부분으로 되고있다. 최근에 BP신경망을 수중목표인식과 식별체계에 적용하는데서 일정한 전진이 이룩되였다.
어뢰, 기뢰, 배, 곱등어와 같은 수중목표에서 복사된 수중잡음신호들은 기계음과 프로펠라잡음, 류체력학잡음으로 이루어진다. 수중선박잡음들은 선박의 선체에 설치한 파동원천들의 기계적운동뿐만 아니라 선박의 프로펠라와 선체주위의 류체력학적원천들에 관계된다. 따라서 선박잡음과 같은 수중음향신호들은 보통 시간에 따라서 변하며 우연특성과 비정상성을 가진다. 많은 경우에 선박잡음과 같은 비정상신호들은이 신호 대 잡음비가 낮기때문에 특징성분을 추출하는것이 어려우며 정보의 적응성을 떨어뜨린다.
띠염웨블레트분석은 잡음제거와 특징추출에 대하여 효과적인 도구로 되고있다. 띠염웨블레트분석은 강력한 신호처리도구들중의 하나이며 특히 비정상신우연호처리에 적합하다.
지난 시기 수중목표식별에 리용한 웨블레트특징들은 웨블레트에네르기와 엔트로피, 두제곱뿌리평균값과 같은 일부 통계량 등 이였다.
고전적인 선박잡음식별방법들은 아직도 선박잡음의 탐지와 식별능력이 낮은것과 같은 많은 제한성이 있다. 더우기 백색가우스잡음환경속에서 선박잡음식별률이 낮은 결함이 있다. 또한 고전적인 특징추출방법들은 시간적으로 변하는 비정상우연특성을 가지는 선박잡음의 특성에 합리적인 웨블레트특징들을 제기하지 못하였다.
우리는 선박잡음의 통계적특성과 띠염웨블레트변환에 기초한 새로운 특징추출방법을 찾기 위하여 연구사업을 진행하였다.
먼저 복잡한 수중환경속에서 수신기로 수신한 선박잡음의 통계적특성을 분석하고 띠염웨블레트변환을 진행하였다.
다음으로 백색가우스잡음을 제거하기 위하여 띠염웨블레트변환곁수들을 턱값처리를 진행하였다. 이 곁수들을 리용하여 선박잡음의 통계적특성을 반영한 10개의 통계파라메터(평균값, 변동, 비대칭도, 뾰족도, 균일성, 에네르기, 엔트로피, 관성모멘트, 상관, 계차)들로 특징벡토르를 구성하고 이 특징벡토르를 BP신경망에 기초한 선박잡음식별체계에서 선박잡음을 식별하여 선박의 종류를 알아내였다.
실험결과들은 새로운 웨블레트특징추출에 기초한 선박잡음식별방법이 높은 백색가우스잡음속에서 92%이상의 높은 식별정확도를 가지고 선박잡음들을 효과적으로 식별할수 있다는것을 보여주었다.
또한 띠염웨블레트변환으로 추출한 특징에 기초한 식별이 선박잡음에서 직접 추출한 특징을 리용한 식별보다 식별정확성이 더 높다는것을 보여준다. 이리하여 BP신경망과 웨블레트특징벡토르에 기초한 선박잡음식별방법들이 고전적인선박잡음식별방법보다 식별정확도가 높고 선박잡음을 효과적으로 식별한다는것을 보여주었다.
새로운 선박잡음식별방법을 여러가지 종류의 선박과 해양기구의 탐지와 식별에 적용하면 목표발견률을 높이고 해양자원의 탐지와 개발의 과학화, 정보화를 높은 수준에서 실현할수 있다.
