Localisation et détection acoustique de drones

Drone survolant un bâtiment équipé d’antennes microphoniques

Localisation et détection acoustique de drones sur antennes microphoniques MEMS compactes

Doctorant encadré : Aro Ramamonjy

Encadrement : Éric Bavu , Alexandre Garcia , Sébastien Hengy ( ISL/APC Group )

Durée du projet : 3.5 an (2015 - 2018)

Financement : Bourse DGA et financement Institut Saint Louis à 50%

Résumé : Ce projet s’inscrit dans les études liées à la détection et la localisation de sources sonores en mouvement en environnements complexes, comme peuvent l’être les environnements urbains ou bruités. Les événements récents ont montré que la démocratisation de la commercialisation de drones aériens et terrestres, et leur capacité à transporter des charges de plus en plus lourdes voit l’émergence de nouvelles menaces pour les infrastructures sensibles (centrales électriques, bâtiments sensibles, personnels, …).

L’ISL et le LMSCC ont développé au cours des dernières années des méthodes performantes pour la localisation de divers types de sources sonores, transitoires ou stationnaires. Ces travaux constituent le socle de départ de ce projet, qui vise à améliorer ces méthodes de localisation, et à développer de nouvelles antennes microphoniques compactes, optimisées pour ce type d’applications. Le type de sources sonores que l’on souhaite couvrir correspond à des sources émettant à de faibles niveaux sonores et ayant la possibilité de changer de trajectoire rapidement (type drone civil).

Développement d’antennes microphoniques compactes à base de MEMS numériques

Ce projet s’est tout d’abord appuyé sur la thèse d’ Aro Ramamonjy (soutenance prévue fin 2018), co-financée par la DGA et l’ISL, qui a permis de développer des antennes microphoniques composées de MEMS numériques, d’une envergure n’excédant pas la dizaine de centimètres.

image

Figure : Prototypes d’antennes à base de MEMS numériques développés dans le cadre de la thèse d’Aro Ramamonjy.

Le premier prototype, composé de 13 MEMS numériques répartis suivant une loi logarithmique a été développé au laboratoire afin de mesurer efficacement la pression et les composantes vectorielles de la vitesse particulaire sur une large bande fréquentielle. Une version préliminaire de ce dispositif, transmettant les signaux mesurés à un PC de commande via une liaison série USB2 a été validée pour le suivi goniométrique en azimut et en élévation d’une trajectoire de drones en laboratoire grâce à une approche basée sur des modèles de propagation acoustique. Un second prototype, composé de 32 MEMS numériques repartis en 4 faisceaux de 8 voies transmettant les données microphoniques par Ethernet sur protocole AVB a également été développé et testé lors de la campagne de mesure sur le terrain d’essai de l’ISL, à Baldersheim, en Juin 2017.

Localisation temps réel de sources en mouvement

Le second volet de ce projet développé dans le cadre de la thèse d’ Aro Ramamonjy concerne le développement d’algorithmes de localisation de sources en mouvement, avec une contrainte forte consistant à une évaluation en temps réel de la position de la source. Pour cela, nous avons développé des algorithmes exploitant la topologie de l’antenne différentielle développée, afin d’estimer précisément la pression et les composantes horizontales de la vitesse particulaire de l’onde acoustique émise par la source en mouvement. Ces composantes sont ensuite utilisées pour estimer l’azimuth et l'élévation de la source en temps réel, en utilisant un algorithme RANSAC à partir des données temporelles (fit dans l’espace pression / vitesse pour estimer la position angulaire à toutes les 100 ms environ).

Vidéo : Estimation en temps réel de la pression acoustique et des composantes de vitesse particulaires dans le plan horizontal, ramenées au centre de l’antenne. Ces données contiennent toute l’information nécessaire sur la position de la source, à condition de les représenter dans un espace 3D bien choisi (à droite)

Vidéo : Estimation en temps réel de la position du drone à l’aide des données présentées dans la vidéo précédente. Le problème inverse est résolu en temps réel, et l’estimation des positions est affichée à une cadence de 10 images par seconde environ.

Dans le cadre de sa thèse, Aro Ramamonjy s’est également intéressé à la problématique de la localisation de sources multiples, et a proposée une approche itérative basée sur un histogramme de probabilité de présence :

image

Figure : Histogrammes de localisation pour localiser itérativement N sources.

Reconnaissance de signature de drones

Le dernier volet de la thèse d’Aro Ramamonjy concerne la détection et la reconnaissance de drones. Pour cela, il s’est appuyé sur une technique de classification de type arbre de décision “Repeated Incremental Pruning to Produce Error Reduction” (JRip) pour détecter efficacement la présence de drones, à partir d’une base de données enregistrée pendant 3 jours sur le terrain d’essais de Baldersheim. Cette méthode, combinée à un filtrage spatial, laisse envisager de bonnes performances de détection.

image

Figure : Détection de drones par méthode JRip : Taux de faux négatifs et de faux positifs dans la tâche de détection de drones, pour plusieurs rapports signal à bruit

Publications et communications liées au projet

  • A Ramamonjy, É. Bavu, A. Garcia, A., S. Hengy., Détection et suivi acoustique de drones miniatures, Forum Innovation Défense 2018, Paris, Nov 2018

  • A. Ramamonjy, É. Bavu, S. Hengy. Source localization & identification with a compact array of digital MEMS microphones., 6th Workshop on Battlefield Acoustics, Saint Louis, France, October 2018.

  • A. Ramamonjy, É. Bavu, A. Garcia, S. Hengy. Source Localization and Identification with a compact array of digital MEMS microphones. _Proceedings of 25th International Congress on Sound and Vibration, Hiroshima, JAPAN, Jul 2018.

  • A. Ramamonjy, É. Bavu, A. Garcia, S. Hengy. A distributed network of compact microphone arrays for drone detection and tracking. Acoustics’17, Boston, Massachusetts, USA, Jun 2017. doi

  • A. Ramamonjy, É. Bavu, A. Garcia, S. Hengy. Détection, classification et suivi de trajectoire de sources acoustiques par captation pression-vitesse sur capteurs MEMS numériques, Actes du 13ème Congrès Français d’Acoustique joint avec le 20ème colloque VIbrations, SHocks and NOise, CFA/VISHNO 2016, Le Mans, Apr 2016.

  • A. Ramamonjy, É. Bavu, A. Garcia, S. Hengy. Noise reduction on a compact microphone array, application to drone detection. 5th Workshop on Battlefield Acoustics, Saint Louis, France, Oct 2016.

  • A. Ramamonjy, É. Bavu, A. Garcia, S. Hengy. Source localization using a compact differential microphone array, application to drone tracking. 5th Workshop on Battlefield Acoustics, Saint Louis, France, Oct 2016.

  • A. Ramamonjy, Localisation angulaire de sources acoustiques. Application au suivi de drones aériens. Mémoire de Master Recherche ATIAM : Acoustique, Traitement du signal, Informatique Appliqués à la Musique, Jul 2015

Avatar
Éric Bavu
Maître de Conférences HDR

Mes domaines de recherche concernent le Deep Learning en acoustique, les problèmes inverses en acoustique dans le domaine temporel, et la localisation de sources.

Sur le même sujet