logo-ri

Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)

Use este identificador para citar ou linkar para este item: https://www.repositorio.mar.mil.br/handle/ripcmb/847011
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorRogério de Moraes Calazanpt_BR
dc.contributor.authorSantos, Murillo de Brito-
dc.date.accessioned2024-07-02T12:42:54Z-
dc.date.available2024-07-02T12:42:54Z-
dc.date.issued2024-
dc.identifier.urihttps://www.repositorio.mar.mil.br/handle/ripcmb/847011-
dc.descriptionA classificação de embarcações desempenha um papel fundamental no moni- toramento do tráfego marítimo e na identificação de fontes sonoras no ambiente submarino sejam elas de origem antropogênicas ou biológicas. No entanto, classifi- car uma embarcação com base apenas em seu som irradiado é desafiador devido à complexidade do oceano como guia de onda submarino. Este trabalho visa desen- volver um algoritmo de extração de características robusto e eficaz para capturar aspectos dinâmicos dos sinais submarinos ao longo do tempo. Além disso, avalia-se um sistema de classificação composto por diferentes algoritmos de aprendizado de máquina. O algoritmo proposto extrai características espectrais dinâmicas (Spectral Dynamic Features - SDF), combinando-as com coeficientes Mel cepstrais (Mel Fre- quency Cepstral Coefficients) para formar um vetor de características combinado. O desempenho do método proposto é avaliado utilizando dois conjuntos de dados contendo sons de embarcações, o primeiro coletado na costa noroeste da Espanha e o segundo coletado nas proximidades do município de Arraial do Cabo – RJ. Adi- cionalmente, de forma a ampliar a análise do método proposto, os dois conjuntos de dados contêm diferentes embarcações e condições ambientais. Os resultados de- monstram que o método proposto alcança uma precisão de classificação superior aos métodos tradicionais baseados em características estáticas.pt_BR
dc.description.abstractThe classification of vessels plays a fundamental role in monitoring maritime traf- fic and identifying sound sources in the underwater environment, whether they are of anthropogenic or biological origin. However, classifying a vessel based solely on its emitted sound is challenging due to the complexity of the ocean as an underwater waveguide. This work aims to develop a robust and effective feature extraction algo- rithm to capture dynamic aspects of underwater signals over time. Additionally, a classification system composed of different machine learning algorithms is evaluated. The proposed algorithm extracts dynamic spectral features (Spectral Dynamic Fea- tures - SDF), combining them with Mel Frequency Cepstral Coefficients (MFCCs) to form a combined feature vector. The performance of the proposed method is evaluated using two datasets containing vessel sounds, the first collected off the northwest coast of Spain and the second collected near the municipality of Arraial do Cabo – RJ. Furthermore, to broaden the analysis of the proposed method, the two datasets contain different vessels and environmental conditions. The results demonstrate that the proposed method achieves a classification accuracy superior to traditional methods based on static features.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherInstituto de Estudos do Mar Almirante Paulo Moreira (IEAPM)pt_BR
dc.rightsopenAccesspt_BR
dc.subjectCaracterísticas espectraispt_BR
dc.subjectClassificação de embarcaçõespt_BR
dc.subjectExtração de característicaspt_BR
dc.titleCaracterísticas espectrais dinâmicas extraídas de sinais acústicos submarinos para a classificação de embarcações utilizando algoritmos de aprendizagem supervisionadapt_BR
dc.typemasterThesispt_BR
dc.subject.dgpmAcústica submarinapt_BR
Aparece nas coleções:Ciência, Tecnologia e Inovação: Coleção de Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação - Murillo de Brito Santos.pdfDissertação - Murillo de Brito Santos6,3 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.