Deep-learning pour la Localisation Multimodale en Temps réel et l'Identification de Cibles aériennes à faible Signature (drones)
La démocratisation des drones soulève aujourd’hui de nouveaux enjeux de sécurité, notamment pour la protection d’infrastructures sensibles et la surveillance d’environnements urbains complexes. Dans ce contexte, les travaux menés au LMSSC du Cnam portent sur le développement de méthodes innovantes de détection, localisation et reconnaissance de drones à partir de leur signature acoustique, à l’aide d’antennes microphoniques compactes basées sur des capteurs MEMS numériques. Ces systèmes permettent de capter et d’analyser les signaux acoustiques émis par des sources en mouvement afin d’estimer leur position et d’identifier leur nature en temps réel. Dans ce REX seront présentés les principes de ces antennes acoustiques compactes, les algorithmes de localisation et de classification développés, ainsi que les résultats expérimentaux obtenus pour la détection et le suivi de drones dans des environnements réalistes.
Cette conférence présentera des résultats issus du projet **Deeplomatics **porté par Eric Bavu (maître de conférences au CNAM). DEEPLOMATICS est financé par la DGA dans le cadre de l'ANR ASTRID et porte sur une approche multimodale et modulable de la détection des drones. https://deeplomatics.gitlab.io/
Publications liées: https://acoustique.cnam.fr/contacts/bavu/publication/bavu-hal-03707115/ https://acoustique.cnam.fr/contacts/bavu/publication/bavu-hal-03707115/ https://acoustique.cnam.fr/contacts/bavu/publication/hengy-hal-03831918/