Bei zunehmendem Flugverkehr und größerem Fluglärm wird auch die automatische Identifizierung der einzelnen Flugzeug-Schallquellen schwieriger. Das ursprüngliche Schallmustererkennungssystem zur Identifierung von Düsen- und Propellerflugzeugen, Hubschraubern usw. unterschied in 91 % aller Fälle richtig. Zur Verbesserung wurde ein programmgesteuerter assoziativer Gedächtnis-Klassifikator auf der Basis einiger weniger Gedächtnisse bzw. künstlicher neuronaler Netze entwickelt, der u.v.a. aus Mikrophon-Datenerfassung, Preprozessor, Kennzeichen-Auswähler und Klassifikator besteht. Er wurde mit dem bisherigen Erkennungssystem verglichen. Seine Programmierung erlaubt das Erkennen bekannter und unbekannter Lärmquellen mit 96 % Genauigkeit (neuronales Netz 81 %). Näher eingegangen ist auf Aufbau, Funktionen, Genauigkeit der Mustererkennung, zusätzlich auf Entwurf und Leistungen der neuen o.e. Klassifizierer, auch eines mit linearen Diskriminantenfunktionen arbeitenden, auf den Vergleich und dessen Resultate wie Vor- und Nachteile usw. (Bühn)
Sparse distributed associative memory for the identification of aerospace acoustic sources
Spärlich verteilte assoziative Gedächtnisspeicher zur Identifizierung von Flugzeugarten durch Erkennen der Schallemission
AIAA Journal ; 31 , 9 ; 1583-1589
1993
7 Seiten, 13 Bilder, 15 Quellen
Aufsatz (Zeitschrift)
Englisch
Flugzeug , Hubschrauber , Flugzeugtriebwerk , Schallemission , Merkmalerkennung , Gedächtnis , Datenspeicher , Schallspektrum , Automatisierung , Klassifizieren , Datenerfassung , Mikrophon , Programmsteuerung , neuronales Netz , Genauigkeit , Systemvergleich , Triebwerk (Antriebstechnik) , Frequenzspektrum , Objekterkennung
Sparse Distributed Associative Memory for the Identification of Aerospace Acoustic Sources
Online Contents | 1993
|