Méthodes de détection et de reconnaissance de modèles de drone par surveillance et analyse de l'activité radio fréquence

Methods for detecting and recognising drone models by monitoring and analysing radio frequency activity

• Auteur / Autrice : Driss Aouladhadj
• Direction : Virginie Deniau
• Type : Thèse de doctorat
• Discipline(s) : Electronique, microélectronique, nanoélectronique et micro-ondes
• Date : Soutenance le 07/12/2023
• Etablissement(s) : Université Gustave Eiffel
• Ecole(s) doctorale(s) : École doctorale Sciences de l’ingénierie et des systèmes (Lille)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Électronique Ondes et Signaux pour les Transports (LEOST) - Laboratoire Électronique Ondes et Signaux pour les Transports (LEOST)
• Jury : Examinateurs / Examinatrices : Virginie Deniau, Nathalie Mitton, Ali Mansour, Christophe Gaquière
• Jury : Rapporteurs / Rapporteuses : Philippe Besnier, Hicham Lakhlef

Mots clés

Mots clés contrôlés

Évaluation du risque

Apprentissage automatique

Radiofréquences

Télédétection

Drones

Mots clés libres

Drone

Détection

Suivi

Apprentissage Automatique

Radiofréquence

Traitement de Signal

Drone

Detection

Tracking

Machine Learning

Radiofrequency

Signal Processing

Résumé

Le développement des drones et leur accès à des coûts de plus en plus bas représentent une menace, notamment pour les sites les plus sensibles et les grands événements publics. La surveillance du ciel est devenue essentielle pour s'assurer qu'un drone ne pénètre pas dans une zone critique ou ne menace pas des foules en transportant, par exemple, des matériaux explosifs. Les techniques de surveillance couramment utilisées, basées sur la détection visuelle, thermique ou radar, présentent des limitations en milieu urbain à cause d'obstacles comme les bâtiments, la petite taille des drones et les aléas météorologiques. Dans ce contexte, l'écoute passive en radiofréquence se présente comme un outil prometteur pour surmonter ces défis. La majorité des drones disponibles pour le grand public utilisent des communications radiofréquence basées sur divers protocoles, qu'ils soient standardisés ou spécifiques à une marque. Cette thèse se concentre sur la conception de méthodes capables de détecter, d'identifier et de localiser les drones grâce à l'analyse de leurs communications radiofréquence. En étudiant les signaux spécifiques émis par différents drones, des techniques combinant traitement du signal et intelligence artificielle sont développées pour reconnaître ces protocoles. Parmi les défis à relever dans cette thèse, l'interférence des communications d'équipements voisins est notable, tout comme les phénomènes physiques affectant les signaux, tels que les effets de fading et de multipath. La motivation principale derrière ce travail est de créer un système de surveillance avancé pour protéger les zones à haut risque, telles que les aéroports ou les lieux de grands rassemblements. Ce système collaborera avec un dispositif de brouillage, dans le but de neutraliser les drones, particulièrement en milieu urbain. Pour éviter des interférences avec d'autres équipements de communication ou causer des dommages, la stratégie de brouillage est adaptée selon le protocole du drone détecté, garantissant ainsi une intervention précise et ciblée

The development of drones and their increasing affordability pose a threat, especially to critical sites and major public events. Sky surveillance is crucial to ensure that drones do not enter sensitive areas or target crowds, potentially carrying explosives. Traditional surveillance techniques, based on visual, thermal, or radar detection, have limitations in urban settings due to obstacles like buildings, the small size of drones, and weather variations. In this light, passive radiofrequency (RF) monitoring emerges as a promising solution. Most commercially available UAVs utilize RF communications with various standardized and proprietary protocols. This thesis delves into the design of methods to detect, identify, and locate drones by analyzing their RF communications. By examining specific signals emitted by different drones, this research develops techniques that merge signal processing with artificial intelligence to identify these protocols. Key challenges addressed in this work include interference from nearby devices and the physical behavior of signals, such as fading and multipath effects. The primary goal of this research is to devise an advanced jamming system to safeguard high-risk zones, such as airports or public gathering sites. This system will work in tandem with a jamming device to neutralize drones, especially in urban areas. To prevent interference with other communication devices or property damage, the jamming strategy is tailored based on the detected drone protocol, ensuring accurate and targeted intervention