Tytuł artykułu
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
Unmanned aircraft detection and positioning system
Języki publikacji
Abstrakty
W pracy przedstawiono projekt systemu służącego do detekcji i pozycjonowania bezzałogowych statków powietrznych na podstawie analizy próbek dźwiękowych z wykorzystaniem sztucznej inteligencji. Zaprezentowano przykładowy prototyp systemu działającego na polu walki, obrazującego na mapie wykryte źródła dźwięku.
This paper presents the design of a system for the detection and positioning of UAVs based on the analysis of sound samples using artificial intelligence. An example prototype of the system operating on the battlefield, depicting detected sound sources on a map, is presented.
Wydawca
Czasopismo
Rocznik
Tom
Strony
201--204
Opis fizyczny
Bibliogr.13 poz., rys., tab.
Twórcy
autor
- Akademia Wojsk Lądowych, Koło Naukowe Łączności i Elektroniki
autor
- Akademia Wojsk Lądowych, Katedra Zarządzania Innowacyjnymi Projektami, ul. Czajkowskiego 109, 51-147 Wrocław
autor
- Akademia Wojsk Lądowych, Koło Naukowe Łączności i Elektroniki
Bibliografia
- [1] Bellamy, C., The evolution of modern land warfare: theory and practice, (2015), Routledge.
- [2] D. Kunertova., The war in Ukraine shows the game-changing effect of drones depend on the game, 95-102, Infoma UK Limited.
- [3] Bateman H., Mathematical theory of sound ranging, Monthly Weather Review.\, 46(1), (1918), 4-11.
- [4] Biswas D., Su H., Wang C., Stevanovic A., Speed estimation of multiple moving objects from a moving UAV platform. ISPRS International Journal of Geo-Information, 8(6), (2019), 259.
- [5] Sultana F., Sufian A., Dutta P., Advancements in image classification using convolutional neural network. In 2018 Fourth International Conference on Research in Computational Intelligence and Communication Networks (ICRCICN), (2018, November), 122-129.
- [6] Sahidullah M., Saha G., A Novel Windowing Technique for Efficient Computation of MFCC for Speaker Recognition, IEEE Signal Processing Letters, vol. 20, no. 2, (2013 February), 149- 152.
- [7] Paseddula C., Gangashetty S. V., DNN based Acoustic Scene Classification using Score Fusion of MFCC and Inverse MFCC, 2018 IEEE 13th International Conference on Industrial and Information Systems (ICIIS), (2018), Rupnagar, India, 18-21.
- [8] Hossan M. A., Memon S., Gregory, M. A., A novel approach for MFCC feature extraction. 2010 4th International Conference on Signal Processing and Communication Systems. (2010, December), 1-5.
- [9] Carrera E. V., Mena E., Arciniega P., Padilla A., Paredes M., Analysis and Evaluation of Sound-based Positioning Techniques for Short Distances, 2020 IEEE ANDESCON, (2020), Quito, Ecuador, 1-6.
- [10] Strona producenta: https://www.mathworks.com/help/ audio/ref/mfcc.html [Dostęp z dnia 27.04.2023]
- [11] Raschka S., Mirjalili V., Python machine learning: Machine learning and deep learning with Python, scikit-learn, and TensorFlow 2, (2019), Packt Publishing Ltd.
- [12] Koldaev A. V. Non-military UAV applications. Aero India International Seminar-2007 Edition. (2007, February), Bangalore.
- [13] Muchiri G. N., Kimathi S., A review of applications and potential applications of UAV. Proceedings of the Sustainable Research and Innovation Conference. (2022, April), 280-283.
Uwagi
Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-8689353a-c4ed-4fc2-9708-5e244965314d