Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/28458
Titre: Détection par estimation du champ acoustique d'un UAV
Auteur(s): Gasmi, Manel
Cheggaga, Nawal (promotrice)
Saadaoui, Fatima Zohra (promotrice)
Mots-clés: Classification
Unmanned Aerial Vehicle (UAV)
CNN
Signal audio
Audio signal
تصنيف
مركبة جوية بدون طيار (UAV)
Date de publication: 2023
Editeur: Université Blida 01
Résumé: Résumé L'UAV a initialement été introduit dans le domaine civil pour des applications professionnelles, mais il a rapidement été détourné à des fins dangereuses. Cela a entraîné des problèmes tels que l'intrusion dans la vie privée, la collecte d'informations et la destruction de sites critiques, perturbant ainsi le système de sécurité nationale. Pour faire face à ces défis, il est devenu essentiel de développer des systèmes de défense et de détection. Cependant, les techniques actuellement utilisées sont encore insuffisantes et limitées, étant donné la rapide évolution des technologies. Nous avons utilisé les logiciels Python et Audacity pour effectuer plusieurs analyses sur des enregistrements sonores drone et sons en provenant de l'ambiance acoustique de la CLA. Le détecteur de drone développé repose sur la décomposition du signal reçu en deux sons distincts: celui du moteur et des hélices. Cette méthode augmentée des capacités des réseaux de neurones CNN a permis la classification avec une précision de 99.97% les différents types de sons émis par les drones. Abstract The UAV was initially introduced into the civilian sphere for professional applications, but it was quickly diverted for dangerous purposes. This has led to issues such as privacy intrusion, information harvesting, and the destruction of critical sites, thereby disrupting the national security system. To face these challenges, it has become essential to develop defense and detection systems. However, the techniques currently used are still insufficient and limited, given the rapid evolution of technologies. We used Python and Audacity software to perform several analyzes on drone sound recordings and sounds from the acoustic environment of the CLA. The developed drone detector is based on the breakdown of the received signal into two distinct sounds: that of the engine and the propellers. This method, augmented with the capabilities of CNN neural networks, allowed the classification with an accuracy of 99.97% of the different types of sounds emitted by drones. ملخص تم تقديم الطائرة بدون طيار في البداية في المجال المدني للتطبيقات المهنية، ولكن سرعان ما تم تحويلها لأغراض خطيرة. وقد أدى ذلك إلى قضايا مثل التطفل على الخصوصية وجمع المعلومات وتدمير المواقع الحساسة، وبالتالي تعطيل نظام الأمن القومي لمواجهة هذه التحديات، أصبح من الضروري تطوير أنظمة الدفاع والكشف. ومع ذلك، لا تزال التقنيات المستخدمة حاليًا غير كافية ومحدودة، نظرًا للتطور السريع للتقنيات. استخدمنا برنامج Python و Audacity لإجراء العديد من التحليلات على تسجيلات وأصوات الطائرات بدون طيار من البيئة الصوتية لـ CLA. يعتمد كاشف الطائرات بدون طيار على تقسيم الإشارة المستقبلة إلى صوتين مختلفين صوت المحرك والمراوح سمحت هذه الطريقة، المدعومة بإمكانيات شبكات CNN العصبية، بالتصنيف بدقة تصل إلى 99.97% من الأنواع المختلفة للأصوات المنبعثة من الطائرات بدون طيار.
Description: 79 p.; ill.+1 cd rom.-Mémoire de Master option Télécommunications Spatiales.-Numéro de Thèse 008/2023
URI/URL: https://di.univ-blida.dz/jspui/handle/123456789/28458
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
008-2023.pdf3,43 MBAdobe PDFVoir/Ouvrir


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