Méthodes d’identification de sources acoustiques paramétriques par mesures d’antennerie

Parametric acoustic sources identification methods using array processing

• Auteur / Autrice : Valentin Baron
• Direction : Barbara Nicolas, Jérôme Mars
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal
• Date : Soutenance le 14/12/2020
• Etablissement(s) : Lyon
• Ecole(s) doctorale(s) : École doctorale Électronique, électrotechnique, automatique (Lyon)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Institut national des sciences appliquées (Lyon ; 1957-....)
• Partenaire(s) de recherche : Laboratoire : CREATIS - Centre de Recherche et d'Application en Traitement de l'Image pour la Santé (Lyon ; 2007-....) - Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé / CREATIS
• Partenaire(s) de recherche : Equipe de recherche : GIPSA - Signal Images Physique
• Jury : Examinateurs / Examinatrices : Barbara Nicolas, Jérôme Mars, Sylvie Marcos, Jean-Hugh Thomas, Jérôme Antoni, Eric Bavu, Simon Bouley, Pascal Larzabal
• Jury : Rapporteurs / Rapporteuses : Sylvie Marcos, Jean-Hugh Thomas

Mots clés

Mots clés contrôlés

Drones

Mines et extraction

Radar -- Antennes

Acoustique

Mots clés libres

Acoustique

Antenne acoustique

Identification de sources

Sources sonores

Imagerie acoustique

Niveau sonore

Protection minière

Apprentissage Automatique

Traitement d'antenne

Acoustique sous-Marine

Antennerie

Protection

Acoustics

Acoustic arrays

Sources identification

Sound sources

Acoustic imaging

Sound level

Mining protection

Machine Learning

Array processing

Underwater acoustics

Array

Protection

Résumé

La caractérisation de sources acoustiques a pour but de décrire des émetteurs sonores à travers certains paramètres comme leur localisation dans l'espace, le niveau sonore qu'ils produisent ou encore leur identification grâce à leur signature acoustique. Dans cette thèse, l'objectif est d'obtenir certains de ces trois paramètres dans deux cas d'application concrets, pour des sources situées en champ lointain et grâce à des antennes acoustiques. La première application concerne l'impact acoustique de la prospection minière sous-marine par grands fonds dans le cadre du projet FUI Abysound. Au sein du projet, la thèse cherche à caractériser les machines excavatrices placées sur les fonds marins en obtenant leur localisation et leur niveau sonore. Une première phase de design a abouti à la construction d'une antenne conique de 3 m. En s'appuyant ensuite sur les données issues de deux campagnes expérimentales menées en mer Méditerranée avec cette antenne, la méthode haute-résolution MUSIC localise précisément les sources mises en oeuvre, qu'elles soient mobiles et à plus de 600 m de l'antenne, ou immergées par 700 m de fond. Leur niveau sonore est ensuite estimé par formation de voies, et les niveaux attendus sont retrouvés pour des signaux monochromatiques ou à large bande. Dans la seconde application, une procédure complète pour la localisation et l'identification de drones est proposée pour la protection de sites sensibles. Elle combine traitement d'antenne et apprentissage statistique en s'articulant autour de trois étapes clés : la localisation, la focalisation et l'identification. La méthode MUSIC localise à nouveau les sources acoustiques présentes autour de l'antenne industrielle utilisée, puis la focalisation reconstruit le signal temporel de chacune, et un modèle SVM les identifie comme drone ou non. Les validations expérimentales, en intérieur comme en extérieur, constituent une contribution importante de ce travail de thèse. Les données acquises montrent entre autres que la procédure localise des drones à 3° près en extérieur, les détecte à 99 %, ou encore les identifie en présence d'une source perturbatrice plus puissante.

Acoustic sources characterization aims to describe sound emitters through some parameters like their localization in space, the sound level they produce or their identification thanks to their acoustic signature. In this thesis, the objective is to obtain some of these parameters in two industrial application cases, for sources located in far-field and by the use of acoustic arrays. The first application concerns deep-sea mining acoustic impact in the context of Abysound FUI project. Within it, the thesis searches to characterize the excavation machine located on the seabed by assessing their localization and their sound level. First, a design phase has led to the construction of a 3 m size acoustic array. Then, using data from two experimental campaigns conducted in the Mediterranean Sea with this array, the high-resolution method MUSIC accurately localizes the used acoustic sources, either mobile and more than 600 m away from the array, or immersed by 700 m depth. Their sound level is then estimated by beamforming, and the expected levels are verified for monochromatic or wideband signals. In the second application, a complete procedure for the localization and the identification of drones is proposed to protect sensitive areas. It combines array processing and machine learning through three key steps: localization, focalization, and identification. MUSIC localizes again nearby acoustic sources around the industrial array used, then focalization reconstructs each temporal signal, and a SVM model identifies them as drone or not. Experimental validations, inside and outside, establish an important contribution of this thesis work. Acquired data show for instance that the procedure localizes drones with 3° accuracy outside, detects them at 99 %, or identifies them despite the presence of a more powerful source.