@article { author = {Mahmoodi, Mehrdad}, title = {Target Automatic Identification in Marine Operations}, journal = {Military Science and Tactics}, volume = {2}, number = {2}, pages = {55-61}, year = {2005}, publisher = {AJA University of Command and Staff}, issn = {2008-191X}, eissn = {2676-4520}, doi = {}, abstract = {}, keywords = {}, title_fa = {شناسایی خودکار هدف در عملیات دریایی}, abstract_fa = {در نیروی دریایی هدفگیری با دقت بالا و از فاصله دور با استفاده از حداقل نیروی انسانی از اهمیت ویژه ای برخوردار است. بنابراین سامانه های تشخیص خودکار هدف می بایست بهینه گردند. زیرا این سامانه ها جایگزین نیروی انسانی در ردگیری و هدفیابی هدفهای ثابت و متحرک می گردند. الگوریتمهای پیشرفته شناسایی هدفها باعث بکارگیری نیروی انسانی کمتری شده و آنها را برای انجام دیگر فعالیتها آزاد می سازد.           بهره گیری از رایانه برای پردازش بروندادهای یک یا چند حسگر بمنظور تعیین موقعیت و شناسایی یک هدف شناسایی خودکار هدف (ATR)[1] نامیده می شود. واژه های کلیدی : شناسایی خودکار، هدف، اتوماسیون 1- مقدمه :           سامانه های خودکار در آینده، مکمل بسیاری از عملیات دریایی خواهند گردید. فناوری اتوماسیون در آینده در اکثر مراحل شناسایی، ردیابی هدف و هدف گیری به کار خواهد رفت و با استفاده از آن می توان نیروی انسانی، بودجه و همچنین تعداد افرادی را که در مقابل دشمن قرار می گیرند، کاهش داد.           بهره گیری از رایانه برای پردازش بروندادهای یک یا چند حسگر بمنظور تعیین موقعیت و شناسایی یک هدف، شناسایی خودکار هدف (ATR) نامیده می شود. حضور نویز در حسگر، پایین آمدن کیفیت عملکرد به دلیل شرایط محیطی نامناسب، اقدامات دشمن و همچنین اکوهای چندگانه باعث می گردند تا مساله شناسایی هدف بغرنج گردد. 2- حسگرهایی که در ART مورد استفاده قرار می گیرند عبارتند از: رادارهای فروسرخ، حسگرهای آشکار ساز میلیمتری، رادارهای SAR[2] و لیدار[3]. 3- روشهای ATR به سه نوع که دارای هم پوشانی گسترده ای با هم می باشند، تقسیم می گردند: شناسایی الگوهای آماری: از اطلاعات آماری مربوط به برخی جنبه های ظاهری می توان برای تشخیص اینکه آن شی یک هدف است یا نه استفاده نمود. §        شبکه های عصبی: این شبکه قادر است تا در روند تشخیص هدف به یادگیری بپردازد. §   شناسایی بر پایه مدل: این روش برای اولین بار از کاربرد هوش مصنوعی در تشخیص بصری رایانه، مورد استفاده قرار گرفت. در این روش که بر مبنای الگوی فرض آزمون بنا نهاده شده است، بین خصوصیات یک هدف مدل و اطلاعات حاصل از حسگر، سازشی برقرار می گردد. درجه تطابق خصوصیات دریافتی از شی با خصوصیات مدل مبنا، نشان دهنده این است آیا شی هدف می باشد یا خیر. 4- در ATR فناوریهای زیر بسیار حائز اهمیت می باشند: حسگر: با پیشرفت حسگر کیفیت شناسایی هدف بالا می رود. پردازش علائم: پردازش سریعتر به این معنی است که اهداف، مدلها و وضعیتهای بیشتری را می توان شناسایی نمود. جمع آوری هوشمند اطلاعات: جمع آوری اطلاعات دقیق تر و سریعتر از یک هدف به معنی طراحی دقیق تر الگوریتم شناسایی می باشد. مدل سازی و شبیه سازی هدف: شبیه سازی با کیفیت بالا باعث می گردد تا توانایی شناسایی و تشخیص هدف بهبود یابد. 1- Automatic Target Recognition 1- Synthetic Aperture Radar 2- Lidar: Light detection and ranging}, keywords_fa = {}, url = {https://www.qjmst.ir/article_26857.html}, eprint = {https://www.qjmst.ir/article_26857_de7b83878166e49561187dfe9aba57b0.pdf} }