Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/24953
Titre: Reconnaissance par apprentissage automatique de signatures acoustique de drone
Auteur(s): Benabida, Lalouani
Hamdani, Younes
Cheggaga, Nawal (promotrice)
Mots-clés: Drones
Détection acoustique
Réseaux de neurone convolutifs
spectrogramme Le développement des drones et les menaces qu’ils représentent pour les sites sensibles rendent critiques leur localisation et identification. Plusieurs modalités sont disponibles pour traiter ce problème comme l’imagerie optique ou radar, la détection de communications radiofréquence ou encore l’acoustique. C’est sur cette dernière modalité que ce travail s’articule .Il s’agit de développer un module acoustique pour la détection et l’identification de sources acoustiques de type mini- drone. Afin de protéger des sites sensibles contre les drones artisanaux. Les résultats obtenus au cours de cette recherche démontrent clairement l’efficacité de réseaux de neurones spécifiquement CNN dans la classification de sons de drones transformés sous forme d’image de spectrogramme. Avec une précision de 98%.
Date de publication: 2023
Editeur: blida 01
Description: Mémoire de Master option Avionique.-Numéro de Thèse 026/2023
URI/URL: https://di.univ-blida.dz/jspui/handle/123456789/24953
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
memoire.pdf4,45 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.