Extraktion schiffsspezifischer Merkmale aus simulierten hydroakustischen Signaturen mithilfe von maschinellem Lernen
Publication date
2026
Document type
Konferenzbeitrag
Author
Organisational unit
Conference
52. Jahrestagung für Akustik (DAGA 2026) ; Dresden ; 23.–26. März 2026
Publisher
Deutsche Gesellschaft für Akustik e.V. (DEGA)
Book title
Fortschritte der Akustik - DAGA 2026
First page
819
Last page
821
Part of the university bibliography
✅
Language
German
Abstract
Das Ziel des Forschungsprojektes ist die Klassifikation von Schiffstypen anhand ihrer hydroakustischen Signaturen unter Verwendung von Verfahren des maschinellen Lernens. Die hydroakustische Signatur eines Schiffes ist individuell und wird durch schiffsspezifische Merkmale wie das Antriebssystem, die Propellergeometrie sowie weitere Komponenten wie Turbinen, Getriebe, Generatoren, Pumpen und Kompressoren bestimmt. Unterschiede in der Zusammensetzung dieser Komponenten führen zu charakteristischen Signaturen, die Rückschlüsse auf den jeweiligen Schiffstyp ermöglichen. Zur Entwicklung und Validierung der Klassifikationsmethoden werden simulierte Schiffssignaturen generiert, die die akustischen Beiträge einzelner Komponenten sowie Effekte der Unterwasserübertragung modellieren. Dabei werden sowohl die Zusammensetzung der Komponenten als auch die Amplituden einzelner Signaturanteile und das Signal-Rausch-Verhältnis variiert, um realistische akustische Szenarien abzubilden. Mithilfe maschineller Lernverfahren werden aus diesen simulierten Signaturen schiffsspezifische Merkmale extrahiert, die zur automatisierten Klassifikation des Schiffstyps genutzt werden können. Besondere Berücksichtigung finden dabei Parameter wie die Anzahl der Wellen, die Zahl der Propellerblätter und die Umdrehungszahl der Propellerwelle pro Minute.
Version
Published version
Access right on openHSU
Metadata only access