System detekcji i pozycjonowania bezzałogowych statków powietrznych

• Autorzy: Szymański Sebastian , Górski Krzysztof , Grzesiak Jakub

Identyfikatory

DOI

10.15199/48.2023.09.38

Warianty tytułu

EN

Unmanned aircraft detection and positioning system

• Języki publikacji: PL

Abstrakty

PL

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.

EN

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.

Słowa kluczowe

PL

sieć neuronowa; zbieranie danych taktycznych; analiza dźwięku; bezzałogowy statek powietrzny

EN

neural network; tactical data gathering; sound analysis; unmanned aerial vehicle

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 9
• Strony: 201--204
• Opis fizyczny: Bibliogr.13 poz., rys., tab.

Twórcy

autor

Szymański Sebastian

• Akademia Wojsk Lądowych, Koło Naukowe Łączności i Elektroniki

• https://orcid.org/0000%E2%80%900002%E2%80%909988%E2%80%903012

autor

Górski Krzysztof

• Akademia Wojsk Lądowych, Katedra Zarządzania Innowacyjnymi Projektami, ul. Czajkowskiego 109, 51-147 Wrocław

• https://orcid.org/0000-0001-8671-380X

autor

Grzesiak Jakub

• Akademia Wojsk Lądowych, Koło Naukowe Łączności i Elektroniki

• https://orcid.org/0000-0003-3014-485X

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.