Sensor acústico de alta sensibilidad basado en procesado en array para la detección de aeronaves volando a baja altura

La capacidad de los helicópteros que vuelan a baja altura para penetrar en los sistemas de defensa aérea, sin ser detectados por los radares convencionales, es uno de los problemas de la defensa aérea. Las firmas acústicas de estos helicópteros que vuelan bajo pueden emplearse para su detección e id...

Descripción completa

Detalles Bibliográficos
Autor: Pérez Aguilar, José María
Tipo de recurso: tesis de maestría
Fecha de publicación:2022
País:España
Institución:Universidad de Alcalá (UAH)
Repositorio:e_Buah Biblioteca Digital Universidad de Alcalá
Idioma:español
OAI Identifier:oai:ebuah.uah.es:10017/54333
Acceso en línea:http://hdl.handle.net/10017/54333
Access Level:acceso abierto
Palabra clave:Helicóptero
Array de micrófonos
Frecuencia fundamental
Modelos paramétricos
Redes neuronales
Helicopter
Microphone array
Fundamental frequency
Parametric models
Neural network
Telecomunicaciones
Telecommunication
id ES_bc3bf6db9b0df06d786ac84a24ad2dd7
oai_identifier_str oai:ebuah.uah.es:10017/54333
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Sensor acústico de alta sensibilidad basado en procesado en array para la detección de aeronaves volando a baja altura
title Sensor acústico de alta sensibilidad basado en procesado en array para la detección de aeronaves volando a baja altura
spellingShingle Sensor acústico de alta sensibilidad basado en procesado en array para la detección de aeronaves volando a baja altura
Pérez Aguilar, José María
Helicóptero
Array de micrófonos
Frecuencia fundamental
Modelos paramétricos
Redes neuronales
Helicopter
Microphone array
Fundamental frequency
Parametric models
Neural network
Telecomunicaciones
Telecommunication
title_short Sensor acústico de alta sensibilidad basado en procesado en array para la detección de aeronaves volando a baja altura
title_full Sensor acústico de alta sensibilidad basado en procesado en array para la detección de aeronaves volando a baja altura
title_fullStr Sensor acústico de alta sensibilidad basado en procesado en array para la detección de aeronaves volando a baja altura
title_full_unstemmed Sensor acústico de alta sensibilidad basado en procesado en array para la detección de aeronaves volando a baja altura
title_sort Sensor acústico de alta sensibilidad basado en procesado en array para la detección de aeronaves volando a baja altura
dc.creator.none.fl_str_mv Pérez Aguilar, José María
author Pérez Aguilar, José María
author_facet Pérez Aguilar, José María
author_role author
dc.contributor.none.fl_str_mv Rosa Zurera, Manuel
Universidad de Alcalá
dc.subject.none.fl_str_mv Helicóptero
Array de micrófonos
Frecuencia fundamental
Modelos paramétricos
Redes neuronales
Helicopter
Microphone array
Fundamental frequency
Parametric models
Neural network
Telecomunicaciones
Telecommunication
topic Helicóptero
Array de micrófonos
Frecuencia fundamental
Modelos paramétricos
Redes neuronales
Helicopter
Microphone array
Fundamental frequency
Parametric models
Neural network
Telecomunicaciones
Telecommunication
description La capacidad de los helicópteros que vuelan a baja altura para penetrar en los sistemas de defensa aérea, sin ser detectados por los radares convencionales, es uno de los problemas de la defensa aérea. Las firmas acústicas de estos helicópteros que vuelan bajo pueden emplearse para su detección e identificación. En primer lugar se exponen los fundamentos básicos de las aeronaves, profundizando en los aerodinos con sistema de ala giratoria. En esta clasificación se encuentran enmarcados los helicópteros. Se proporcionarán las principales características de estos, clasificándolos en función de la configuración de la hélice. Además, se hace referencia a las Fuerzas Armadas (FAS) y al Ejército del Aire y del Espacio (EA), detallando los helicópteros que actualmente prestan servicio y cuyas grabaciones son objeto de estudio en este Trabajo Fin de Máster (TFM). En segundo lugar se proporciona un marco teórico con los conocimientos necesarios para poder desarrollar y obtener unos resultados adecuados en los capítulos siguientes. Se exponen unas nociones básicas de acústica general, para que seguidamente se explique en qué consiste la caracterización completa de la señal. Tras ello se estudia la atenuación basada en la International Organization for Standardization (ISO) 9613 y se detalla una técnica de parametrización como es el análisis de predicción lineal para obtener los parámetros Linear Prediction Coefficiens (LPC). Para finalizar, se fundamentan diferentes técnicas de clasificación con especial atención a las Redes Neuronales Artificiales (RNA), y se proporciona la teoría necesaria para comprender el funcionamiento de un receptor acústico. En el desarrollo del trabajo se realiza un análisis en el dominio del tiempo de las señales donde se comienza a intuir de una manera más o menos clara cuáles son las frecuencias fundamentales para los distintos audios de los helicópteros. El análisis en frecuencia permite averiguar en qué banda de frecuencias se obtiene la mayor potencia de la señal para lograr estimar la frecuencia fundamental, que finalmente y, tras determinar que con el Cepstrum no es posible realizarlo, se obtiene aplicando la autocorrelación. Se representa también la envolvente de la señal calculada a través de los coeficientes LPC. Además, se aplica la técnica Empirical Mode Descomposition (EMD) para tratar de diferenciar los helicópteros entre si y con otro tipo de señales, mediante el uso de los modos o Intrinsic Mode Function (IMF). Finalmente, se cierra el capitulo analizando el medio de propagación de la señal, con el cálculo de su atenuación en función de la distancia. Son puntos clave la distancia de los micrófonos, las pérdidas que van a tener lugar en la transmisión de los sonidos a través del aire o la aparición de ruido ambiental. Por último, se proporciona el error obtenido al aplicar los diferentes clasificadores estudiados. Se determinará la presencia de un helicóptero mediante la utilización de redes neuronales, con una capa oculta y observando los resultados con una o más neuronas. Para obtener los datos de los clasificadores se han supuesto las señales de los cuatro helicópteros estudiados y otro tipo de audios completamente diferentes.
publishDate 2022
dc.date.none.fl_str_mv 2022
2022-01-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10017/54333
url http://hdl.handle.net/10017/54333
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:e_Buah Biblioteca Digital Universidad de Alcalá
instname:Universidad de Alcalá (UAH)
instname_str Universidad de Alcalá (UAH)
reponame_str e_Buah Biblioteca Digital Universidad de Alcalá
collection e_Buah Biblioteca Digital Universidad de Alcalá
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869418095626420224
spelling Sensor acústico de alta sensibilidad basado en procesado en array para la detección de aeronaves volando a baja alturaPérez Aguilar, José MaríaHelicópteroArray de micrófonosFrecuencia fundamentalModelos paramétricosRedes neuronalesHelicopterMicrophone arrayFundamental frequencyParametric modelsNeural networkTelecomunicacionesTelecommunicationLa capacidad de los helicópteros que vuelan a baja altura para penetrar en los sistemas de defensa aérea, sin ser detectados por los radares convencionales, es uno de los problemas de la defensa aérea. Las firmas acústicas de estos helicópteros que vuelan bajo pueden emplearse para su detección e identificación. En primer lugar se exponen los fundamentos básicos de las aeronaves, profundizando en los aerodinos con sistema de ala giratoria. En esta clasificación se encuentran enmarcados los helicópteros. Se proporcionarán las principales características de estos, clasificándolos en función de la configuración de la hélice. Además, se hace referencia a las Fuerzas Armadas (FAS) y al Ejército del Aire y del Espacio (EA), detallando los helicópteros que actualmente prestan servicio y cuyas grabaciones son objeto de estudio en este Trabajo Fin de Máster (TFM). En segundo lugar se proporciona un marco teórico con los conocimientos necesarios para poder desarrollar y obtener unos resultados adecuados en los capítulos siguientes. Se exponen unas nociones básicas de acústica general, para que seguidamente se explique en qué consiste la caracterización completa de la señal. Tras ello se estudia la atenuación basada en la International Organization for Standardization (ISO) 9613 y se detalla una técnica de parametrización como es el análisis de predicción lineal para obtener los parámetros Linear Prediction Coefficiens (LPC). Para finalizar, se fundamentan diferentes técnicas de clasificación con especial atención a las Redes Neuronales Artificiales (RNA), y se proporciona la teoría necesaria para comprender el funcionamiento de un receptor acústico. En el desarrollo del trabajo se realiza un análisis en el dominio del tiempo de las señales donde se comienza a intuir de una manera más o menos clara cuáles son las frecuencias fundamentales para los distintos audios de los helicópteros. El análisis en frecuencia permite averiguar en qué banda de frecuencias se obtiene la mayor potencia de la señal para lograr estimar la frecuencia fundamental, que finalmente y, tras determinar que con el Cepstrum no es posible realizarlo, se obtiene aplicando la autocorrelación. Se representa también la envolvente de la señal calculada a través de los coeficientes LPC. Además, se aplica la técnica Empirical Mode Descomposition (EMD) para tratar de diferenciar los helicópteros entre si y con otro tipo de señales, mediante el uso de los modos o Intrinsic Mode Function (IMF). Finalmente, se cierra el capitulo analizando el medio de propagación de la señal, con el cálculo de su atenuación en función de la distancia. Son puntos clave la distancia de los micrófonos, las pérdidas que van a tener lugar en la transmisión de los sonidos a través del aire o la aparición de ruido ambiental. Por último, se proporciona el error obtenido al aplicar los diferentes clasificadores estudiados. Se determinará la presencia de un helicóptero mediante la utilización de redes neuronales, con una capa oculta y observando los resultados con una o más neuronas. Para obtener los datos de los clasificadores se han supuesto las señales de los cuatro helicópteros estudiados y otro tipo de audios completamente diferentes.The ability of low-flying helicopters to penetrate air defense systems, without being detected by conventional radars, is one of the problems of air defense. The acoustic signatures from these low-flying helicopters can be used for detection and identification. In the first place, the basic fundamentals of the aircraft are exposed, delving into the aerodynes with rotating wing system. Helicopters are framed in this classification. It will be showed the main characteristics of these, classifying them according to the configuration of the propeller. In addition, reference is made to the Armed Forces and the Air Force, detailing the helicopters currently in service and whose recordings are being studied in this Master’s Thesis. Secondly, a theoretical framework is provided with the necessary knowledge to be able to develop and obtain adequate results in the following chapters. Some basic notions are exposed of general acoustics, so that next it is explained the complete characterization of the signal. After that, the attenuation based on the ISO 9613 is studied and a parameterization technique such as linear prediction analysis is detailed to obtain the LPC parameters. Finally, different techniques of classification with special attention to Artificial Neural Network (ANN) are described, and it is indicated the theory necessary to understand the operation of an acoustic receiver. In the development of the work, an analysis is carried out in the time domain of the signals where begins to intuit in a more or less clear way what are the fundamental frequencies for the different audios of the helicopters. Frequency analysis allows to find out in which frequency band the highest power of the signal is obtained to estimate the fundamental frequency, which finally and, after determining that it is not possible to do it with the Cepstrum, it is obtained by applying the autocorrelation. The envelope of the signal calculated through the LPC coefficients is also represented. Moreover, it is applied the EMD technique to try to differentiate the helicopters among them and with other types of signals, by using the modes or IMF. Finally, the chapter closes by analyzing the propagation medium of the signal, with the calculation of its attenuation based on distance. The key points are the distance of the microphones, the losses that take place in the transmission of sounds through the air or the appearance of environmental noise. Finally, the error obtained when applying the different classifiers studied is provided. It will be determined the presence of a helicopter by using Neural Networks (NNs), with a hidden layer and observing the results with one or more neurons. To get the data from the classifiers, the signals of the four studied helicopters and other types of audio have been assumed completely different.Máster Universitario en Ingeniería de Telecomunicación (M125)Rosa Zurera, ManuelUniversidad de Alcalá20222022-01-01master thesishttp://purl.org/coar/resource_type/c_bdccNAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10017/54333reponame:e_Buah Biblioteca Digital Universidad de Alcaláinstname:Universidad de Alcalá (UAH)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:ebuah.uah.es:10017/543332026-06-18T11:13:07Z
score 15,300719

Similares en LA Referencia