Affordable Access

Développement de nouvelles méthodes de classification/localisation de signaux acoustiques appliquées aux véhicules aériens

Authors
  • Ramamonjy, Aro
Publication Date
May 28, 2019
Source
HAL-INRIA
Keywords
Language
French
License
Unknown
External links

Abstract

Ce travail de thèse traite du développement d’une antenne microphonique compacte et d’une chaîne de traitement du signal dédiée, pour la reconnaissance et la localisation angulaire de cibles aériennes. L’approche globale proposée consiste en une détection initiale de cible potentielle, la localisation et le suivi de la cible, et une détection affinée par un filtrage spatial adaptatif informé par la localisation de la cible. Un algorithme original de localisation goniométrique est proposé. Il utilise l’algorithme RANSAC sur des données pression-vitesse large bande [100 Hz - 10 kHz], estimées en temps réel, dans le domaine temporel, par des différences et sommes finies avec des doublets de microphones à espacements inter-microphoniques adaptés à la fréquence. L’extension de la bande passante de l’antenne en hautes fréquences est rendue possible par l’utilisation de différences finies d’ordre élevé, ou de variantes de la méthode PAGE (Phase and Amplitude Gradient Estimation) adaptées à l’antenne développée. L’antenne acoustique compacte ainsi développée utilise 32 microphones MEMS numériques répartis dans le plan horizontal sur une zone de 7.5 centimètres, selon une géométrie d’antenne adaptée aux l’algorithmes de localisation et de filtrage spatial employés. Des essais expérimentaux de localisation et de suivi de trajectoire contrôlée par une sphère de spatialisation dans le domaine ambisonique ont montré une erreur de localisation moyenne de 4 degrés. Une base de données de signatures acoustiques de drones en vol a été créée, avec connaissance de la position du drone par rapport à l’antenne microphonique apportée par des mesures GPS. L’augmentation des données par bruitage artificiel, et la sélection dedescripteurs acoustiques par des algorithmes évolutionnistes, ont permis de détecter un drone inconnu dans un environnement sonore inconnu jusqu’à 200 mètres avec le classifieur JRip. Afin de faciliter la détection et d’en augmenter la portée, l’étape de détection initiale est précédée d’une formation de voies différentielle dans 4 directions principales (nord, sud, est, ouest), et l’étape de détection affinée est précédée d’une formation de voies de Capon informée par la localisation et le suivi de la cible à identifier.

Report this publication

Statistics

Seen <100 times