Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/40015| Назва: | Метод виявлення та ідентифікації БПЛА з застосуванням нейронної мережі |
| Інші назви: | Method of detection and identification UAV with using a neural network |
| Автори: | Атаманчук, Андрій Володимирович Atamanchuk, Andrii |
| Приналежність: | ТНТУ ім. І. Пулюя, факультет прикладних інформаційних технологій та електроінженерії, кафедра радіотехнічних систем, м. Тернопіль, Україна |
| Бібліографічний опис: | Атаманчук А. В. Метод виявлення та ідентифікації БПЛА з застосуванням нейронної мережі : кваліфікаційна робота магістра за спеціальністю „172 — телекомунікації та радіотехніка“ / А. В. Атаманчук. — Тернопіль: ТНТУ, 2022. — 89 с. |
| Дата публікації: | гру-2022 |
| Дата подання: | гру-2022 |
| Дата внесення: | 26-гру-2022 |
| Видавництво: | Тернопільський національний технічний університет імені Івана Пулюя |
| Країна (код): | UA |
| Місце видання, проведення: | ТНТУ ім. І. Пулюя, факультет прикладних інформаційних технологій та електроінженерії, кафедра радіотехнічних систем |
| Науковий керівник: | Дедів, Ірина Юріївна Dediv, Iryna |
| Члени комітету: | Тимків, Павло Олександрович Tymkiv, Pavlo |
| УДК: | 623.746.-519:004.89 |
| Теми: | нейронна мережа методи виявлення спектрограма методи ідентифікації акустичний спектр neural network detection methods spectrogram identification methods acoustic spectrum |
| Короткий огляд (реферат): | У кваліфікаційній роботі розроблено метод виявлення та ідентифікації БПЛА з застосуванням нейронної мережі. Розроблено та реалізовано код в програмному забезпеченні Python. Проведено огляд сучасних методів виявлення безпілотних літальних апаратів. Досліджено акустичні спектри звуків: БПЛА та фонових звуків в програмному середовищі Matlab In the qualification work, a method of UAV detection and identification was developed using a neural network. Developed and implemented code in Python software. An overview of modern methods of detecting unmanned aerial vehicles was conducted. Acoustic spectra of sounds: UAVs and background sounds were studied in the Matlab software environment |
| Зміст: | ВСТУП 9 РОЗДІЛ 1. АНАЛІТИЧНА ЧАСТИНА 11 1.1. БПЛА. Типи БПЛА. 11 1.1.1. Багатороторні дрони 11 1.1.2. Безпілотники з нерухомим крилом 12 1.1.3. Однороторні гелікоптерні дрони 13 1.1.4. Гібридні дрони VTOL з нерухомим крилом 14 1.2. Технічні характеристики досліджуваних БПЛА 15 1.2.1. Shahed-136 15 1.2.2. DJI Mavic Pro Platinum 17 1.3. Методи виявлення БПЛА 18 1.4. Акустичні методи виявлення 21 1.4.1. Пасивне акустичне виявлення БПЛА 22 1.4.2. Активне акустичне виявлення БПЛА 23 1.5. Висновок до розділу 1 24 РОЗДІЛ 2. ОСНОВНА ЧАСТИНА 26 2.1. Методи виділення акустичних ознак 26 2.1.1. Ознаки області часу 26 2.1.2. Ознаки частотної області 27 2.1.3. Кепстральні ознаки 28 2.1.4. Спектрограми 31 2.2. Методи ідентифікації 34 2.2.1. Dynamic Time Warping 34 2.2.2. Прихована модель Маркова 35 2.2.3. Vector Quantization 35 2.2.4. Метод опорних векторів 36 2.2.5. Модель гаусових сумішей 38 2.2.6. Штучні нейронні мережі 39 2.3. Види нейронних мереж 41 2.3.1. Штучні нейронні мережі прямого зв’язку 42 2.3.2. Персептрон 45 2.3.3. Багатошаровий персептрон 46 2.3.4. Мережі з радіальною базовою функцією 47 2.3.5. СNN 50 2.3.6. RNN 51 2.4. Висновок до розділу 2 53 РОЗДІЛ 3. НАУКОВО-ДОСЛІДНА ЧАСТИНА 54 3.1. Метод виявлення та ідентифікації БПЛА 54 3.1.1. База даних 55 3.1.2. Навчання нейронної мережі 57 3.1.3. Результати 58 3.2. Дослідження акустичного спектру БПЛА 61 3.3. Висновок до розділу 3 64 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 65 4.1. Охорона праці 65 4.2. Безпека в надзвичайних ситуаціях 67 4.3. Висновки до розділу 4 71 ЗАГАЛЬНІ ВИСНОВКИ 73 ПЕРЕЛІК ПОСИЛАНЬ 74 ДОДАТКИ 77 |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/40015 |
| Власник авторського права: | © Атаманчук Андрій Володимирович, 2022 |
| Перелік літератури: | 1. Different Types of Drones and Uses [Електронний ресурс] // Режим доступу: https://www.jouav.com/blog/drone-types.html // (дата звернення 25.09.2022). Назва з екрану. 2. Shahed 136 [Електронний ресурс] // Режим доступу: http://www.military-today.com/aircraft/shahed_136.htm // (дата звернення 28.09.2022). Назва з екрану. 3. Квадрокоптер Dji Mavic Pro Platinum [Електронний ресурс] // URL: https://wazza.com.ua/products/kvadrokopter-dji-mavic-pro-platinum// (дата звернення 28.09.2022). Назва з екрану. 4. Горбунов В. А. Эффективность обнаружения целей [Текст]: 1979. – С. 16. 5. Zelnio A.M. Detection of small aircraft using an acoustic array [Текст]: Thesis. B.S. – Electrical Engineering, Wright State University, 2007. – 55 p. 6. Соловьев В. А. Проблемы обнаружения беспилотных летательных аппаратов оптико-электронными устройствами [Текст]: // Электронный математический и медико-биологический журнал. – 2011. – Т. 10. – Вып. 3. – С. 1–13. 7. Kartashov V.M. Systematic errors in measurement of meteorological variables in correlation processing radioacoustic sounding system signals [Текст]: / Kartashov V.M., Babkin S.I., Tolstykh E.G., Lepeha N.G // Telecommunications and Radio Engineering (English translation of Electrosvyaz and Radiotekhika). -2016.,- V.75 (9). Pp. 835-843. 8. Acoustic location [Електронний ресурс] // Режим доступу: https://en.wikipedia.org/wiki/Acoustic_location // (дата звернення 29.09.2022). Назва з екрану. 9. Карташов В.М. Особенности обнаружения и распознавания малых беспилотных летательных аппаратов [Текст] / В.М.Карташов, В.Н. Олейников, С.А. Шейко, С.И. Бабкин, И.В. Корытцев, О.В. Зубков // Радиотехника. - 2018. - №195, - С.235-243 10. Processing and Recognition of Small Unmanned Vehicles’ Sound Signals. Department of Media Engineering and Information Radio Electronic Systems Kharkiv National University of Radio Electronics [Електроний ресурс]/ V. Kartashov, V. Oleynikov, I. Koryttsev– Режим доступу: www/ URL: http://openarchive.nure.ua/handle/document/ – 09.11.2019 р. – Загл. з екрану. 11. Информационные характеристики звукового излучения малых беспилотных летательных аппаратов [Електроний ресурс]/ В.М.Карташов, В.Н.Олейников, С.А.Шейко С.И.Бабкин, , И.В. Корытцев – Режим доступу: www/ URL: http://openarchive.nure.ua/handle/document/5740/ – 07.11.2019 р. – Загл. з екрану. 12. C. Panagiotakis and G. Tziritas, “A speech/music discriminator based on rms and zero-crossings,” IEEE Transactions on multimedia, vol. 7, no. 1, pp. 155–166, 2005. 13. S. Adavanne, G. Parascandolo, P. Pertila, T. Heittola, and T. Virtanen, “Sound event detection in multichannel audio using spatial and harmonic features,” in Scenes and Events 2016 Workshop (DCASE2016), p. 6, 2016. 14. V. Peltonen, J. Tuomi, A. Klapuri, J. Huopaniemi, and T. Sorsa, “Computational auditory scene recognition,” in 2002 IEEE International Conference on Acoustics, Speech, and Signal Processing, vol. 2, pp. II– 1941–II–1944, May 2002. 15. D. G. Bhalke, C. B. R. Rao, and D. S. Bormane, “Automatic musical instrument classification using fractional fourier transform based- mfcc features and counter propagation neural network,” Journal of Intelligent Information Systems, vol. 46, pp. 425–446, Jun 2016. 16. Eichner, M. and M. Wolff, "Data-Driven Generation of Pronunciation Dictionaries In The German Verbmobil Project - Discussion of Experimental Results," IEEE Int. Conf. on Acoustics, Speech and Signal Processing, 2000, Istanbul pp. 1687-1690. 17. What is a Spectrogram [Електронний ресурс] // Режим доступу: https://pnsn.org/spectrograms/what-is-a-spectrogram // (дата звернення 10.10.2022). Назва з екрану. 18. E. Çakır, G. Parascandolo, T. Heittola, H. Huttunen, and T. Virtanen, “Convolutional recurrent neural networks for polyphonic sound event detection,” IEEE/ACM Transactions on Audio, Speech, and Language Processing, vol. 25, pp. 1291–1303, June 2017 19. X. Yu and Y. Zhang, “Sense and avoid technologies with applications to unmanned aircraft systems:Review and prospects,” Progress in Aerospace Sciences, vol. 74, pp. 152–166, 2015. 20. T. Zsedrovits, A. Zarandy, B. Vanek, T. Peni, J. Bokor, and T. Roska, “Visual detection and implementation aspects of a uav see and avoid system,” in 2011 20th European Conference on Circuit Theory and Design (ECCTD), pp. 472–475, IEEE, 2011. 21. G. J. J. Ruijgrok, Elements of Aviation Acoustics. VSSD, 2007. 22. Нейронні мережі [Електронний ресурс] // Режим доступу: https://www.ibm.com/cloud/learn/neural-networks // (дата звернення 10.10.2022). Назва з екрану. 23. Neural Network Models Explained [Електронний ресурс] // Режим доступу: https://www.seldon.io/neural-network-models-explained 24. 9 Types of Neural Networks: Applications, Pros, and Cons [Електронний ресурс] // Режим доступу: https://www.knowledgehut.com/blog/data-science/types-of-neural-networks // (дата звернення 15.10.2022). Назва з екрану. 25. TensorFlow – однослойный персептрон [Електронний ресурс] // Режим доступу: https://coderlessons.com/tutorials/mashinnoe-obuchenie/vyuchit-tensorflow/tensorflow-odnosloinyi-perseptron // (дата звернення 18.10.2022). Назва з екрану. 26. Що таке багатошаровий перцептрон [Електронний ресурс] // Режим доступу: https://uk.theastrologypage.com/multilayer-perceptron // (дата звернення 20.10.2022). Назва з екрану. 27. What are Radial Basis Functions Neural Networks? [Електронний ресурс] // Режим доступу: https://www.simplilearn.com/tutorials/machine-learning-tutorial/what-are-radial-basis-functions-neural-networks // (дата звернення 20.10.2022). Назва з екрану. 28. 5 Different Types of Neural Networks [Електронний ресурс] // Режим доступу: https://www.projectpro.io/article/5-different-types-of-neural-networks/431 // (дата звернення 25.10.2022). Назва з екрану. 29. Introduction to Recurrent Neural Network [Електронний ресурс] // Режим доступу: https://www.geeksforgeeks.org/introduction-to-recurrent-neural-network/// (дата звернення 2.11.2022). Назва з екрану. 30. Бачинський М.В., Дедів І.Ю., Дозорський В.Г. Обґрунтування структури системи відбору акустичних сиґналів для задач медичної діагностики систем дихання та голосотворення. Вісник Хмельницького національного університету : Збірник наук. праць. Вип. №3 (177): Технічні науки. Хмельницький. 2011. С. 192- 195. 31. Бачинський М.В., Дедів І.Ю. Обґрунтування інформативності ознак дихальних шумів для задачі діагностики дихальної системи. Збірник наукових праць SWorld. Матеріали міжнародної науково-практичної конференції «Сучасні проблеми та шляхи їх вирішення в науці, транспорті, виробництві та освіті '2011». 4. Том 5. Технічні науки. Одеса, 2011. Т. 5. З 83-85. 32. Джичка Н., Дедів І., Дозорський В., Драган Я. Модель акустичного сигналу для виявлення порушень стану дихальної системи та голосового апарату як частковий випадок стохастичної коливної системи. Вісн. Нац. ун-ту "Львів. політехніка". 2011. № 710. С. 155-158. 33. Дедів І., Дозорський В. Обґрунтування структури системи відбору акустичних сиґналів для задач діагностики систем дихання та голосотворення. Матеріали науково-технічної конференції «Теоретичні та прикладні аспекти радіотехніки і приладобудування». Тернопіль : ТНТУ ім. І.Пулюя, 2011. С. 24-2 |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 172 — телекомунікації та радіотехніка |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Dyplom_Atamanchuk.pdf | 3,17 MB | Adobe PDF | Переглянути/відкрити | |
| Авторська довідка(Атаманчук А.В.).doc | 46,5 kB | Microsoft Word | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора