Master 2014 2015
Stages de la spécialité SAR
Suivi adaptatif de trajectoires de drones aériens par méthodes acoustiques et filtrage particulaire


Lieu :Conservatoire National des Arts et Métiers - Équipe d'acoustique (LMSSC) 2 rue Conté, 75003 Paris
Encadrant : Éric Bavu et Christophe Langrenne
Dates :Du 01/03/2015 au 01/08/2015
Rémunération :436 euros / mois
Mots-clés : Parcours ATIAM : Acoustique, Parcours ATIAM : Traitement du signal

Description

La localisation et le suivi de drones aériens par méthodes visuelles ou par techniques radar sont des tâches difficiles à réaliser, compte tenu de leur petite taille, de leur faible altitude, et de leur capacité à changer de direction et de vitesse rapidement. Les méthodes acoustiques peuvent permettre d’améliorer le suivi, voire d’orienter des capteurs optroniques, plus limités en angle, pour permettre un suivi multimodal des drones. L’objet de ce stage est de développer une méthode de suivi adaptatif de trajectoire de sources sonores en mouvement grâce à des techniques de filtrage particulaire.

Le but de ce stage n’est pas de développer de technique de localisation à proprement parler (testées dans le cadre d’une autre proposition de stage), mais plutôt de d’utiliser les estimateurs de position de ces techniques de localisation pour alimenter une méthode de suivi de trajectoire par filtrage particulaire. Dans le cadre de sources en mouvement, les algorithmes de localisation permettent « seulement » d’accéder à chaque instant à un nouvel estimateur (biaisé ou non) de la densité de probabilité de position de la source, indépendamment des estimations précédentes. Le filtrage particulaire permet d’affiner de manière récursive les estimateurs de positions de sources, en tirant partie des estimations précédentes, et d’une loi d’évolution probable de la position de cette source. Cette méthode possède l’avantage de « filtrer » les positions de sources qui ne sont pas probables compte tenu des observables précédentes, et de tracer une trajectoire réaliste. Le filtrage particulaire peut être décrit sommairement par la suite d’opérations suivantes 0 - Initialisation : N « particules » identiques sont positionnées dans l’espace d’état. 1- Mesure : Mesure de la densité de probabilité de position à t0+dt (algorithme de localisation). Cette densité de probabilité permet d’attribution un « poids » aux particules, en fonction de leur position dans l’espace d’état. 2 - Ré-échantillonage : les particules ayant le plus fort poids sont remplacées par plusieurs particules identiques, les particules ayant le plus faible poids sont supprimées. 3- Propagation des N particules dans l’espace d’état par tirage aléatoire suivant une loi de transition (dans notre cas, c’est l’ensemble des manoeuvres possibles du drone qui détermine cette loi de transition) De cette manière, l’algorithme permet de lever les ambiguïtés de mesures, les faux positifs, ou les effets liés à la réverbération. Le filtrage particulaire est abondamment utilisé dans le domaine du tracking d’objets ou d’individus sur des trames vidéo, l’amélioration d’un positionnement GPS, la robotique, etc … L’objectif ici est d’appliquer ce type d’algorithme à notre problème particulier, puisque ces algorithmes on la particularité de tirer parti d’hypothèses sur le problème physique (étape 3) et de mesures acoustiques (étape 1).

Pour réaliser votre stage, vous disposerez d’un système d’acquisition multivoies, d’une antenne sphérique à 50 voies, de prototypes de capteurs vectoriels acoustiques (mesure simultanée de trois vitesses acoustiques et de la pression acoustique), d’un système de spatialisation sphérique ambisonique d’ordre 5, de salles de mesure semi-anéchoïque ou réverbérante. Le candidat doit être à l’aise en calcul analytique, en algorithmique, et en traitement du signal, ainsi qu’avec les outils de programmation. Le stage se déroulera à Paris, dans les locaux du CNAM (3ème arrondissement).

Responsables scientifiques : Eric Bavu (01.53.01.80.06, eric.bavu@cnam.fr) et Christophe Langrenne (01.40.27.20.90, christophe.langrenne@cnam.fr)

Bibliographie

Ward, D. B., Lehmann, E. A., & Williamson, R. C. (2003). Particle filtering algorithms for tracking an acoustic source in a reverberant environment. Speech and Audio Processing, IEEE Transactions on, 11(6), 826-836.

Valin, J. M., Michaud, F., & Rouat, J. (2006, May). Robust 3D localization and tracking of sound sources using beamforming and particle filtering. In Acoustics, Speech and Signal Processing, 2006. ICASSP 2006 Proceedings. 2006 IEEE International Conference on (Vol. 4, pp. IV-IV). IEEE.

Michalopoulou, Z. H., & Jain, R. (2012). Particle filtering for arrival time tracking in space and source localization. The Journal of the Acoustical Society of America, 132(5), 3041-3052.

Zhong, X., & Premkumar, A. B. (2012). Particle filtering approaches for multiple acoustic source detection and 2-D direction of arrival estimation using a single acoustic vector sensor. Signal Processing, IEEE Transactions on, 60(9), 4719-4733.