Acoustic-based drone localization and DOA estimation for highly noisy environments

• Ano de defesa: 2025
• Autor(a) principal: Fernandes, Rigel Procópio
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Instituto Militar de Engenharia (IME)
• Palavras-chave em Português: Drone; DOA; Sistemas inteligentes; Sistemas de armas; Diretoria-Geral do Material da Marinha (DGMM)
• Link de acesso: https://www.repositorio.mar.mil.br/handle/ripcmb/848001

O constante desenvolvimento de veículos aéreos não tripulados (VANT) chama a atenção de setores como forças policiais, agricultura, serviços de resposta a emergências e defesa. Esse interesse crescente pode ser atribuído à sua simplicidade e custo-benefício. O fato de que esses dispositivos podem ser facilmente usados para atividades ilegais torna-se uma preocupação, já que poderia ser empregados para atividades como: terrorismo, vigilância não-autorizada e múltiplos tipos de cyber-ataques como eavesdropping, jamming, e spoofing. Portanto, a capacidade de estimar a localização e a direção de chegada de drones é necessária para assegurar a segurança de infraestruturas críticas e para lançar contra-ataques. O objetivo principal da tese é estimar a localização e a direction of arrival (DOA) do drone por serem os parâmetros mais importantes para o lançamento de contra-medidas usando acústica. As contribuições para a estimação da DOA de sinais acústicos emitidos por drones incluem: (1) o reconhecimento do potencial da condição zero cyclic sum (ZCS) para avaliar a consistência entre múltiplas estimativas de atraso temporal, explorando as várias combinações de picos primários e secundários da função de correlação cruzada; (2) a mitigação da complexidade computacional da busca exaustiva por meio de uma abordagem heurística baseada em algoritmos genéticos, mantendo a acurácia da estimativa; (3) a proposição de uma etapa de refinamento baseada em mínimos quadrados (LS), que complementa a condição ZCS e contribui para melhorar a robustez frente a picos espúrios; e (4) o desenvolvimento de um estimador de DOA passivo, de fácil implementação e sem necessidade de treinamento prévio, adequado para ambientes ruidosos. Os métodos propostos alcançaram taxas de acerto de até 94,0±3,1% na identificação correta de DOA em experimentos com drones reais em ambiente reverberante. As contribuições para a localização de drones a partir de medidas de TDOA entre microfones incluem: (1) a formulação de métodos de otimização para explorar os picos primários e secundários das correlações cruzadas; (2) a validação dos métodos de otimização através de experimentos reais; (3) a comparação dos métodos com uma abordagem baseada em rede neural que demonstrou que validou a utilização dos estimadores propostos baseados em LS que atingem erros inferiores a 1 metro; e (4) a demonstração de que os métodos são flexíveis e podem ser utilizados tanto para estimação de DOA e quanto para localização. O menor erro médio de localização obtido com o método que explorou o ZCS e o LS (ZCS-LS) foi de 0,55±0,35 m, enquanto o método baseado em rede neural atingiu 1,02±0,02 m na melhor posição, confirmando a efetividade das abordagens propostas.