Design of an intelligent multisensor drone detection system

Abstract

Les technologies des drones sans pilote (UAVs) en particulier petit drone de basse altitude, se sont imposées comme l'outil privilégié pour les activités terroristes et criminelles, couvrant à la fois les applications civiles et militaires. En conséquence, cela a ouvert un important défi pour les chercheurs afin de garantir la sécurité et la sûreté des individus, des espaces publics et des institutions gouvernementales. Diverses technologies de détection ont été développées et améliorées, telles que le radar, les détecteurs optiques, acoustiques et les analyseurs de fréquences radio. Cependant, chaque détecteur présente des limitations distinctes, telles qu'une efficacité réduite dans des conditions de faible luminosité, de brouillard ou de bruit. Notre travail de thèse se concentre sur l'hybridation de multi-capteurs pour la détection des drones, notamment le détecteurs optique, acoustique et du champ magnétique, en utilisant l'intelligence artificielle. Nous avons développé le détecteur optique et le détecteur acoustique à base des réseaux de neurones convolutifs CNNs, ainsi que le détecteur du champ magnétique à l'aide de la carte BBC. Chaque détecteur prend des décisions de manière autonome, qui peuvent être conformes ou en conflit avec celles des autres détecteurs. En appliquant une approche d'inférence bayésienne (IB), nous améliorons le processus de prise de décision dans les cas de conflit entre les décisions prises par les multiples capteurs. Des indicateurs tels que l'indicateur d'éphéméride (IE) et l'indicateur d'ambiance acoustique (IA) ont été utilisés pour résoudre les situations de désaccord. Le détecteur hybride de drones était entièrement automatisé, avec une résolution optimisée des conflits atteignant la meilleure performance pour prévenir les interventions non désirées des drones.