SPID – revue - LSIS – Univ Toulon - 2016 05 10 – SGDSN Pr. Hervé Glotin & Post doc M. Bartcus, Ing. V. Roger Pr. E. Busvelle, Post doc T. Maillot, master J. Chichignou Pr. V. Hugel, master R. Labiche MC. V. Gies, Ing. V. Barchasz Contact : glotin@univ-tln.fr 1 1

1) Clustering des flux acoustiques pour la détection et l'Identification des drones Définition non supervisée de classes de sons ('états') Inférence automatique (Max. Vraisemblance) du nombre d'états Analyse des transitions entre ces états Chaque état est une classe acoustique (un type de son) codant un type de drone (et sa distance) et le bruit de fond Les transitions inter-états estime un comportement de la source 2

Optimisation des coefficients acoustiques (échelle de temps / normalisation / pitch...) Accélération de l'apprentissage (x 10) sur toute la base ==> 21 Classes (non supervisées)

Ebee, essai 11, Vol 3D et profil distance SO H4 SE H3 NO H1 O NE H2 D (t) Dt(x,O)

Ebee, essai 11, Vol 3D et profil distance SO H4 SE H3 NO H1 O NE H2 D (t) Dt(x,O)

Défilement des différentes unités de son suivant la distance au point de décollage EBEE vol 11 complet H1 1 distance décollage Temps du vol atterrissage

Identification automatique du type de drone Les essais 3 et 11 sont des essais du drone Ebee On trouve 2 distributions des états sensiblement identiques pour ces essais → identification du type de drone possible => ces deux autres distributions sont différentes => ce sont deux autres types de drones. Essai 3 Essai 11 Essai 7 Essai 5 Hidden Markov Model v1 7

Identification automatique du type de drone Signature matricielle efficace sur 20 états Ebee (11) Ebee (vol 3) Novadem (vol 5) X100 (vol 7) DT18 (vol 9) t t +1 t +1 t +1 t +1 => Calcul sur PC, renvoie XML de P(drone | 30 secs) Type, comportement = F( P(e(t), e(t+1)) ) ? en test juin 2016

2) Focalisation acoustique asservie : une vielle idée... 1939 : détection et suivi de l'azimuth et élévation d'un avion par 2 soldats écoutant chacun un stéthoscope stéréo. 9

Pan Tilt 2 axes asservis par mini PC : 100 ordres / sec ; signaux cablés (ou radio) 2) Focalisation asservie : gain de 18 dB (environ double la portée de détection, de 80 à 200 m PC 1939 : détermination de l'azimuth et élévation d'un avion par 2 soldats écoutant chacun un stéthoscope stéréo. Moteur Elév Moteur Az 10

Validation Directivité et Gain de l'antenne Conclusion : On axis +/- 10° => +24 dB rel Distance détection ~ 4x50 m=200m

Le système LSIS : 2 paraboles (portée x 4) asservies en temps-réel a) Mesures acoustiques directives (paraboles 2d) + non directives (base courte 3d) b) Comparaison à BD sons : Identification de la source / comportement c) Sélection et suivi d'une source Carte JASON 1-8 voies, basse consommation (a) Flux 5voies Base courte 3d + 2 S1 (b) S2 S1 ... WIFI moteurs(D(Az1,El1)) moteurs(Az2, El2) BD locale (c) Sel(Si) ? EKF CEDARNET Estimation (theta, phi) d'une source ou N sources