Методика автоматизированного распознавания сигналов крабов Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

МЕТОДИКА АВТОМАТИЗИРОВАННОГО РАСПОЗНАВАНИЯ СИГНАЛОВ

КРАБОВ

И.Н. Каневский, Е.В. Осипов (МГУ им адм. Г.И. Невельского, г. Владивосток)

В настоящее время поиск скоплений крабов осуществляется с помощью контрольных постановок ловушечных порядков на разрезах и изобатных маршрутах, а расстояние между станциями и направление поиска для каждого района (популяции) выбирается в зависимости от площади вероятностного нахождения краба, опыта и знания капитаном особенностей поведения крабов. Современные эхолоты не позволяют точно определить нахождение крабов на дне. Для решения задачи автоматического распознавания сигналов краба автором предлагается программная система на основе нейронных сетей.

Now the search of congestions of crabs is carried out with the help of control statements of crab traps on sections and route curves, but the distance between stations and a direction of search for each area (population) is taken in the dependence of the area of evident presence{findings} of the crab, experience and knowledge of the captain in the field of behaviour of crabs. Modern echo-soundings do not allow to defme{determine} precisely presencefinding} of crabs on the bottom. For the decision of a problem{task} of automatic recognition of signals of the crab the author offers the program system on the basis of neural networks.

В настоящее время поиск скоплений крабов осуществляется с помощью контрольных постановок ловушечных порядков на разрезах и изобатных маршрутах, а расстояние между станциями и направление поиска для каждого района (популяции) выбирается в зависимости от площади вероятностного нахождения краба, опыта и знания капитаном особенностей поведения крабов [1]. Современные эхолоты не позволяют точно определить нахождение крабов на дне.

Поэтому для обнаружения скоплений крабов акустическими методами в настоящее время разработаны два подхода. Суть первого из них состоит в следующем.

В предполагаемом районе промысла устанавливаются буи, оснащенные гидрофонами, которые передают звуковую информацию на судно, где она может быть проанализирована. Судно оснащается антенной, непрерывно излучающей сигнал определенной частоты и мощности, на который накладывается сигнал, произведенный у дна. В результате выделения и анализа наложенного сигнала опытный оператор визуально и на слух может определить сигнал крабов.

Как показала практика, определение сигналов краба оператором является трудной задачей, так как опорные сигналы крабов, издаваемые при передвижении, по длительности составляют 0,5-1 секунду [2]. Поэтому возникла необходимость создания системы автоматического распознавания сигналов краба, чтобы увеличить точность и быстроту этого процесса.

Для решения задачи автоматического распознавания сигналов краба использована программная система на основе нейронных сетей. Нейронная система состоит из нейронов (объектов) и связей между ними. На рис. 1 показана модель нейрона.

ХІ

Х2-

Xn

Ш 1

Ш 2

► У

Рис. 1. Искусственный нейрон с активационной функцией Уровень возбуждения 8-нейрона определяется по формуле:

(і)

где: х1, х2, хN - набор входных сигналов;

ю1, ю2, ..., юм- аналог эффективности синапса (вес связи).

Выходной сигнал нейрона у определяется путем пропускания возбуждения 5 через нелинейную функцию /

У = /(8 - в),

(2)

где в - некоторое постоянное смещение (аналог порога нейрона). Обычно в качестве функции / используют сигмовидную функцию:

У =

і

(і - е-5-в>/

(3)

Для определения количества нейронов на внешнем слое сети рассмотрим опорный сигнал краба, показанный на рис. 2. По горизонтальной оси отложено время (с), а по вертикальной - уровень звукового давления ^Б).

0,1 , 0,2 ,0,3 ^,4 1

Рис. 2. Сигналы крабов: а) в бассейне, б) в море

Эхограмму разделим на квадраты (рис. 3), размеры квадратов на определенном участке опорного сигнала краба будет определять минимальное количество нейронов на внешнем слое.

г =1

Рис. 3. Разбивка эхограммы сигнала краба на квадраты

Исследования нейронных систем показывают, что увеличение точности распознавания зависит от количества нейронов на внешнем слое. В приведенном нами приборе нейронная сеть имеет три слоя: внешний, скрытый и выходной, как показано на рис. 4.

Рис. 4. Схема нейронной сети

Обучение нейронной сети осуществляется с помощью записанных сигналов методом обратного распространения ошибки. Для передачи образа сигнала в нейронную сеть система автоматически выделяет участки информации продолжительностью 0,5 с, которые выше уровня шума. Работа системы продемонстрирована на эхограмме, показанной на рис. 5, где приведены информационные признаки двух крабов: краб 1 перемещается вблизи гидрофона, а краб 2 удаляется от него.

Рис. 5. Информативные признаки двух крабов

Данная система обладает возможностями как ассоциативного, так и логического мышления, что значительно расширяет ее возможности. Такой подход к распознаванию сигналов может быть применим и к обнаружению других гидробионтов.

Литература

1. Слизкин А.Г, Сафронов С.Г. Промысловые крабы прикамчатских вод. -Петропавловск-Камчатский: Северная Пацифика, 2000. - 180 с.

2. Алифанов Р.В., Осипов Е.В. Определение опорных звуков камчатского краба для создания приборов и алгоритмов его обнаружения // Тр. Дальрыбвтуза, 2002 (в печати).