D. , En effet, parmi les différentes trajectoires réalisées dans la salle, seule la trajectoire verticale (traitée dans ces travaux de thèse) a puêtre analysée. La difficultéévidente de fournir une position de référence de la position du droneà partir de mesures au décimètre n'a pas permis de comparer les résultats des autres trajectoires (plus complexes) objectivement. En extérieur, la mesure des positions du drone et de l'antenne aété estimée par deux systèmes GPS différents. De fait, les positions de référence affichaient un biais systématique et important par rapport aux estimations. D'un point de vue algorithmique, uneétude plus approfondie sur l'implémentation temps-réel des méthodes proposées pourraitêtre réalisée. Bien qu'un algorithme de réduction de temps de calcul aitété proposé pour la localisation par formation de voies, l'aspect temps-réel n'a pa? eté traité dans cette thèse. L'implémentation de nouvelles méthodes de localisation comme les méthodes haute-résolution pourrait aussiêtre envisagée pour améliorer la résolution de localisation, la calibration d'antennes coupléeà un système de mesures de référence rattachéà l'antenne pourrait permettre d'améliorer les mesures de localisation et leur analyse. L'absence de système de mesures de référence de la position du drone en salle anéchoïque (impossibilité d'utilisation du GPS) a rendu le traitement des données difficile

W. Yoo, E. Yu, and J. Jung, Drone delivery : Factors affecting the public's attitude and intention to adopt, Telematics and Informatics, vol.35, issue.6, pp.1687-1700, 2018.

F. Juanes, Visual and acoustic sensors for early detection of biological invasions : Current uses and future potential, Journal for nature conservation, vol.42, issue.1, pp.7-11, 2018.

B. Rao, A. G. Gopi, and R. Maione, The societal impact of commercial drones, Technology in Society, vol.45, issue.1, pp.83-90, 2016.

R. L. Finn and D. Wright, Unmanned aircraft systems : Surveillance, ethics and privacy in civil applications, Computer Law & Security Review, vol.28, issue.2, pp.184-194, 2012.

J. Made and D. Kurtz, A review of aerodynamic noise from propellers, Rotors, and Lift Fans, 1970.

G. Sinibaldi and L. Marino, Experimental analysis on the noise of propellers for small uav, Applied Acoustics, vol.74, issue.1, p.62, 2013.

B. Harvey and S. O'young, Acoustic detection of a fixed-wing uav, Drones, vol.2, issue.1, 2018.

A. Sarma and D. W. Tufts, Robust adaptive threshold for control of false alarms, IEEE Signal Processing Letters, vol.8, issue.9, pp.261-263, 2001.

J. Mezei, V. Fiaska, and A. Molnár, Drone sound detection, Computational Intelligence and Informatics (CINTI), pp.333-338, 2015.

P. Cano, E. Batlle, T. Kalker, and J. Haitsma, Journal of VLSI signal processing systems for signal, image and video technology, vol.41, pp.271-284, 2005.

P. Grosche, M. Müller, and J. Serrà, Audio content-based music retrieval, Schloss Dagstuhl-Leibniz-Zentrum für Informatik, vol.3, 2012.

J. Haitsma and T. Kalker, A highly robust audio fingerprinting system, Ismir, pp.107-115, 2002.

A. Bernardini, F. Mangiatordi, E. Pallotti, and L. Capodiferro, Drone detection by acoustic signature identification, Electronic Imaging, vol.2017, issue.10, pp.60-64, 2017.

A. Tsiami, A. Katsamanis, P. Maragos, and G. Potamianos, Experiments in acoustic source localization using sparse arrays in adverse indoors environments, 2014 22nd European Signal Processing Conference (EUSIPCO), pp.2390-2394, 2014.

S. Oh, Y. Go, J. Lee, and J. Choi, Sound source positioning using microphone array installed on a flying drone, The Journal of the Acoustical Society of America, vol.140, issue.4, pp.3422-3422, 2016.

P. Marmaroli, X. Falourd, and H. Lissek, A uav motor denoising technique to improve localization of surrounding noisy aircrafts : proof of concept for anti-collision systems
URL : https://hal.archives-ouvertes.fr/hal-00811003

K. Hoshiba, K. Washizaki, M. Wakabayashi, T. Ishiki, M. Kumon et al., Design of uav-embedded microphone array system for sound source localization in outdoor environments, Sensors, vol.17, issue.11, p.2535, 2017.

J. Lopez-marulanda, O. Adam, T. Blanchard, M. Vallée, D. Cazau et al., First results of an underwater 360 ? hd audio-video device for etho-acoustical studies on bottlenose dolphins (tursiops truncatus), Aquatic Mammals, vol.43, issue.2, 2017.
URL : https://hal.archives-ouvertes.fr/hal-01660462

J. L. Marulanda, N. Roynette, T. Blanchard, O. Adam, and F. Delfour, Decription of a bottlenose dolphin calf's acoustic and visual exploratory behaviour towards a non-alimentary complex object, International Journal of Comparative Psychology, vol.32, issue.3, 2019.

B. D. Van-veen and K. M. Buckley, Beamforming : A versatile approach to spatial filtering, IEEE assp magazine, vol.5, issue.2, p.14, 1988.

E. Van-lancker, Acoustic goniometry : a spatio-temporal approach, p.30, 2002.

X. Alameda-pineda and R. Horaud, A geometric approach to sound source localization from time-delay estimates, IEEE/ACM Transactions on Audio, Speech, and Language Processing, vol.22, issue.6, p.59, 2014.
URL : https://hal.archives-ouvertes.fr/hal-00910081

E. E. Case, A. M. Zelnio, and B. D. Rigling, Low-cost acoustic array for small uav detection and tracking, Aerospace and Electronics Conference, pp.110-113, 2008.

J. Busset, F. Perrodin, P. Wellig, B. Ott, K. Heutschi et al., Detection and tracking of drones using advanced acoustic cameras, Unmanned/Unattended Sensors and Sensor Networks XI ; and Advanced Free-Space Optical Communication Techniques and Applications, vol.9647, p.96470, 2015.

A. Sedunov, H. Salloum, A. Sutin, and N. Sedunov, Uav passive acoustic detection, 2018 IEEE International Symposium on Technologies for Homeland Security (HST), pp.1-6, 2018.

X. Chang, C. Yang, J. Wu, X. Shi, and Z. Shi, A surveillance system for drone localization and tracking using acoustic arrays, 2018 IEEE 10th Sensor Array and Multichannel Signal Processing Workshop (SAM), pp.573-577, 2018.

A. Ramamonjy, Développement de nouvelles méthodes de classification/localisation de signaux acoustiques appliquées aux véhicules aériens, 2019.

H. Ma, Localisation de sources par méthodesà haute résolution et par analyse parcimonieuse, p.16, 2011.

J. Capon, High-resolution frequency-wavenumber spectrum analysis, Proceedings of the IEEE, vol.57, issue.8, p.17, 1969.

B. D. Carlson, Covariance matrix estimation errors and diagonal loading in adaptive arrays, IEEE Transactions on Aerospace and Electronic systems, vol.24, issue.4, p.18, 1988.

N. Ma and J. T. Goh, Efficient method to determine diagonal loading value, 2003 IEEE International Conference on Acoustics, Speech, and Signal Processing, vol.5, 2003.

Y. Kim, S. U. Pillai, and J. R. Guerci, Optimal loading factor for minimal sample support space-time adaptive radar, Proceedings of the 1998 IEEE International Conference on Acoustics, Speech and Signal Processing, ICASSP'98 (Cat. No. 98CH36181), vol.4, p.18, 1998.

M. F. Berger and H. F. Silverman, Microphone array optimization by stochastic region contraction, IEEE Transactions on Signal Processing, vol.39, issue.11, p.19, 1991.

H. Do, H. F. Silverman, and Y. Yu, A real-time srp-phat source location implementation using stochastic region contraction (src) on a large-aperture microphone array, 2007 IEEE International Conference on Acoustics, Speech and Signal Processing-ICASSP'07, vol.1, p.19, 2007.

R. Schmidt, Multiple emitter location and signal parameter estimation, IEEE transactions on antennas and propagation, vol.34, issue.3, p.20, 1986.

M. Wax and T. Kailath, Detection of signals by information theoretic criteria, IEEE Transactions on Acoustics, Speech, and Signal Processing, vol.33, issue.2, p.20, 1985.

K. M. Wong, Q. Zhang, J. P. Reilly, and P. Yip, On information theoretic criteria for determining the number of signals in high resolution array processing, IEEE Transactions on Acoustics, Speech, and Signal Processing, vol.38, issue.11, p.20, 1990.

D. L. Donoho and X. Huo, Uncertainty principles and ideal atomic decomposition, IEEE transactions on information theory, vol.47, issue.7, p.21, 2001.

S. G. Mallat and Z. Zhang, Matching pursuits with time-frequency dictionaries, IEEE Transactions on signal processing, vol.41, issue.12, pp.3397-3415, 1921.

Y. C. Pati, R. Rezaiifar, and P. S. Krishnaprasad, Orthogonal matching pursuit : Recursive function approximation with applications to wavelet decomposition, Signals, Systems and Computers, 1993. 1993 Conference Record of The Twenty-Seventh Asilomar Conference on, pp.40-44, 1921.

S. S. Chen, D. L. Donoho, and M. A. Saunders, Atomic decomposition by basis pursuit, SIAM review, vol.43, issue.1, p.21, 2001.

D. Malioutov, M. Cetin, and A. S. Willsky, A sparse signal reconstruction perspective for source localization with sensor arrays, IEEE transactions on signal processing, vol.53, issue.8, p.23, 2005.

C. Knapp and G. Carter, The generalized correlation method for estimation of time delay, IEEE transactions on acoustics, speech, and signal processing, vol.24, issue.4, p.24, 1976.

K. D. Donohue, A. Agrinsoni, and J. Hannemann, Audio signal delay estimation using partial whitening, Proceedings 2007 IEEE SoutheastCon, p.25, 2007.

A. Hero and S. Schwartz, A new generalized cross correlator, IEEE Transactions on Acoustics, Speech, and Signal Processing, vol.33, p.28, 1985.

E. Hannan and P. Thomson, Estimating group delay, Biometrika, vol.60, issue.2, p.25, 1973.

G. C. Carter, A. H. Nuttall, and P. G. Cable, The smoothed coherence transform, Proceedings of the IEEE, vol.61, issue.10, p.25, 1973.

A. Swami, J. M. Mendel, and C. L. Nikias, Higher-order spectral analysis toolbox, p.25, 1998.

J. Benesty, Adaptive eigenvalue decomposition algorithm for passive acoustic source localization, The Journal of the Acoustical Society of America, vol.107, issue.1, p.28, 2000.

J. Benesty, J. Chen, and Y. Huang, Microphone array signal processing, vol.1, p.58, 2008.

J. Valin, F. Michaud, and J. Rouat, Robust localization and tracking of simultaneous moving sound sources using beamforming and particle filtering, Robotics and Autonomous Systems, vol.55, issue.3, p.31, 2007.

D. Salvati, S. Canazza, and A. Rodà, A sound localization based interface for real-time control of audio processing, Proceedings of the 14th International Conference on Digital Audio Effects, p.31, 2011.

D. Salvati, S. Canazza, and A. Rodá, Sound spatialization control by means of acoustic source localization system, Proceedings of the 8th Sound and Music Computing Conference, p.31, 2011.

L. C. Cattani and P. J. Eagle, Aircraft Identification, Trajectory Tracking and Prediction, p.31, 1995.

R. E. Kalman, A new approach to linear filtering and prediction problems, Journal of basic Engineering, vol.82, issue.1, p.31, 1960.

M. S. Arulampalam, S. Maskell, N. Gordon, and T. Clapp, A tutorial on particle filters for online nonlinear/non-Gaussian Bayesian tracking, IEEE Transactions on signal processing, vol.50, issue.2, p.31, 2002.

P. R. Kalata, The tracking index : A generalized parameter for ? ? ? and ? ? ? ? ? target trackers, IEEE Transactions on, vol.20, p.31, 1984.

I. H. Abbott and A. E. Von-doenhoff, Theory of wing sections, including a summary of airfoil data, Courier Corporation, p.48, 1959.

J. Chen, J. Benesty, and Y. Huang, Robust time delay estimation exploiting redundancy among multiple microphones, IEEE Transactions on Speech and Audio Processing, vol.11, issue.6, p.59, 2003.

J. Chen, Y. Huang, and J. Benesty, Time delay estimation via multichannel crosscorrelation, Proceedings.(ICASSP'05). IEEE International Conference on Acoustics, Speech, and Signal Processing, vol.3, p.59, 2005.

N. Bougaiov and Y. Danik, Hough transform for uav's acoustic signals detection, The Advanced Science Journal, vol.6, p.62, 2015.

M. R. Schroeder, Period histogram and product spectrum : New methods for fundamentalfrequency measurement, The Journal of the Acoustical Society of America, vol.43, issue.4, p.62, 1968.

K. D. Donohue, J. Hannemann, and H. G. Dietz, Performance of phase transform for detecting sound sources with microphone arrays in reverberant and noisy environments, Signal Processing, vol.87, issue.7, p.79, 2007.

I. Mccowan, M. Lincoln, and I. Himawan, Microphone array shape calibration in diffuse noise fields, IEEE Transactions on Audio, Speech, and Language Processing, vol.16, issue.3, p.83, 2008.

S. Thrun, Affine structure from sound, Advances in Neural Information Processing Systems, p.83, 2006.

A. Contini, A. Canclini, F. Antonacci, M. Compagnoni, A. Sarti et al., Selfcalibration of microphone arrays from measurement of times of arrival of acoustic signals, 2012 5th International Symposium on Communications, Control and Signal Processing, p.83, 2012.

M. Crocco, A. Bue, and V. Murino, A bilinear approach to the position self-calibration of multiple sensors, IEEE Transactions on Signal Processing, vol.60, issue.2, p.83, 2011.

J. M. Sachar, H. F. Silverman, and W. R. Patterson, Microphone position and gain calibration for a large-aperture microphone array, IEEE Transactions on Speech and Audio Processing, vol.13, issue.1, p.83, 2004.

A. Plinge, F. Jacob, R. Haeb-umbach, and G. A. Fink, Acoustic microphone geometry calibration : An overview and experimental evaluation of state-of-the-art algorithms, IEEE Signal Processing Magazine, vol.33, issue.4, p.83, 2016.

. .. Schéma, , p.39

, Schéma du principe de fonctionnement des hélices pour le vol d'un drone constitué de quatre rotors : (a) description du sens de rotation des différentes hélices et (b) principe du déplacement de l'appareil dans le plan horizontal de, p.41

. .. , Photographies des engins aériens utilisés pour les mesures acoustiques : (a) l'avion de modélisme fait maison (sans les ailes), (b) l'avion de modélisme amateur AEROSPORT 103, (c) le drone DJI Phantom Advancedéquipé de ses hélices et (d) l'avion mono-thermique CESSNA 152 (source Wikipedia), p.43

, 6 (a) Densités Spectrales de Puissance des bruits acoustiques rayonnés par la rotation de trois hélices montées individuellement sur un moteurélectrique, par le moteur sans hélice et par le bruit ambiant. (b), (c) et (d) DSP sur une plage fréquentielle réduite allant jusqu'à 1 kHz du bruit rayonné pour chaque hélice respectivement, Photo du système de mesure pour la caractérisation acoustique des hélices et (b) photo des hélicesà caractériserà côté d'un double décimètre, p.45

, Protocole de mesures utilisé pour identifier le bruit acoustique généré par le drone DJI Phantom 4

, 8 (a) Photo du drone fixé en 8 points d'attachesà l'aide de fils en nylon. La caméra rapide pointée verticalement au-dessus du drone permet de mesurer la vitesse de rotation des hélices et (b) capture d'une image filmée par la caméra rapide, p.47

.. .. Hz, 10 (a) Densités Spectrales de Puissance des signaux mesurés lorsqu'une direction est privilégiée, en l'occurrence un mouvement de tangage avant et arrière, et comparéesà la DSP du signalémis pour un vol stationnaire. (b)Élargissement de la plage fréquentielle sur les deux premières harmoniques paires et (c)élargissement sur les harmoniques paires 4, 5 et 6, Densités Spectrales de Puissance du bruit généré par le drone avec hélices (bleu), sans hélice (rouge) et du bruit ambiant (noir). (b)Élargissement du graphe sur la plage, vol.3, 2000.

, Hz, généré par le dronè a partir du démarrage de l'appareil jusqu'à sa vitesse maximale, p.49

, Schéma des mesures du niveau sonore du bruit rayonné par le drone (a) en périphérie et (b) en fonction de sa hauteur par rapport au microphone, p.50

, 13 (a) Diagramme polaire de l'intensité sonore, en dB, du bruit généré par le drone en fonctionnement maximal (vitesse de rotation maximale des hélices) dans son plan latéral et (b) Intensité sonore mesurée pour différentes hauteurs de l'appareil, p.51

. .. Hz, 51 3.15 DSP des signaux mesurés pour les trois vitesses ainsi que du bruit ambiant. Les figures sont placées de sorte que la première ligne des figures correspond aux DSP sur la plage [0, 500] Hz et la seconde ligneà la plage [500 1000] Hz. La vitesse 1 est associéeà la 1ère colonne, la vitesse 2à la seconde et la vitesse 3à la dernière. Le même code couleur qu'à la figure 3.14best utilisée, DSP des signaux mesurés pour trois vitesses différentes et du bruit ambiant, (b)élargissement sur la plage, vol.3

, Schéma de l'antenne acoustique 3D utilisée pour la localisation de sources. Elle est constituée de dix microphones répartis sur 3 branches orthogonales, p.56

, Les erreurs sont calculées en ajoutant un biais aléatoire au retard théorique d'au plus 10% du retard théorique maximal. 150 réalisations sont calculées pour chaque point de la grille. Les erreurs obtenues sont ensuite moyennées, Cartographies des erreurs de localisation, en matière d'azimut (a) et d'élévation (b)

, Estimation des erreurs, en matière de déviation angulaire pour deux positions de source données, en fonction du RSB d'entrée, pour [(a), (b)] (45 ? , 35 ? ) et [(c), (d)] (-160 ? , 35 ? ), calculée par formation de voies (colonne de gauche) et goniométrie acoustique (colonne de droite)

, Cartographies de l'énergie du signal en sortie de formation de voies pour la localisation d'une source virtuelle monochromatique de fréquence f = 400 Hz (a)à partir de 4 microphones de l'antenne de sorte que le théorème d'échantillonnage spatial n'est pas respecté, (b) pour une configuration similaire avec le critère d'échantillonnage spatial respecté et (c) avec unéchantillonnage spatial (10 microphones) plus grand, p.61

, Comparaison entre les DSP du signal mesuréà partir du drone DJI en salle anéchoïque (bleu) et du signal modélisé (noir) sur la plage [0 2] kHz, p.62

, Illustration du principe de l'algorithme HPS pour la détection de la fondamentale (indiquée par la droite en trait discontinu) d'un signal harmoniqueà partir de 2 compressions du module du spectre du signal. L'argument qui maximise le produit des modules est donné par la fréquence fondamentale du signal considéré, p.63

, Les signaux ainsi filtrés sont utilisés pour estimer la source x s (k) associée au k-ième segment du signal, Schéma bloc décrivant lesétapes le pré-traitement des signaux acoustiques avant l'étape de localisation

, Trajectoires suivies par les sources virtuelles S 1 et S 2 et (b) profils de vitesse des deux sources

, Spectrogramme du signal de référence sur la plage fréquentielle [0, 2] kHz avec un RSB de 50 dB et (b) DSP (normalisée) du signal de référence non filtré (bleu) et du signal après traitement (jaune)à partir d'un segment de T = 0, p.66

, a) Signal mesuréà partir des microphones m 0 et m 3 de l'antenne pour le signal harmonique pur généré par le HPà la position 3, (b) fonction d'intercorrélation classique entre les deux signaux, (c) fonction d'inter-corrélation avec une pondération ?-PHAT (? = 0.7) et (d) fonction d'inter-corrélation avec une pondération PHAT (? = 1, Résultats de localisation par formation de voies pour les angles d'azimut et d'élévation d'une source virtuelle en mouvement pour deux représentations différentes. (a) et (b), vol.5

. .. Hz, 13 (a) Estimations angulaires des positions de l'avion de modélisme, dans la salle anéchoïque, en azimut (cercle) et enélévation (triangle) par formation de voies (FV) et goniométrieà partir des 10 microphones de l'antenne sans pré-filtrage des signaux. (b), (c), (d), (e) et (f) cartographies de l'énergie du signal en sortie de formation de voies pour chaque position où sont indiquées les estimations par goniométrie ainsi que les positions réelles de l'appareil. Les positions réelles de l'avion sont indiquées avec des incertitudes de ±10 ? et ±5 ? respectivement en azimut et enélévation, vol.82

. .. Hz, Densités spectrales de puissance du signal d'origine (signal original), de sa version filtrée dans la bande-passante de l'antenne (filtrage BP) et de sa version filtrée pour la localisation (filtrage 4H) obtenuesà partir du microphone de référence de l'antenne dans la chambre anéchoïque sur la bande, p.89

, des estimations en sortie du filtre de Kalman (rouge) et de la position de référence (noir)à partir des signaux (a) filtrés sur la bande-passante de l'antenne et (b) filtrés pour conserver les 4 premiers harmoniques compris dans la bande-passante de l'antenne. (Haut) Représentations 3D des coordonnées cartésiennes et (bas) représentations 2D des coordonnées sphériques en fonction du temps, p.90

, après filtrage pour différentes harmoniques sélectionnées et sur la bande-passante (BP) de l'antenne dans [0 ? , 80 ? ] et par intervalle de 10 ? en azimut (gauche) et enélévation (droite) pour les mesures en salle anéchoÏque, p.92

, Spectrogammes du signal de référence pour la mesure de la trajectoire verticale en extérieur calculés (a) sur la plage [0 10] kHz et (b) sur la plage [0 2] kHz, p.93

, après filtrage pour différents harmoniques sélectionnés et sur la bande passante (BP) de l'antenne dans [0 ? , 80 ? ] et par intervalles de 10 ? en azimut (gauche) et enélévation (droite) pour la mesure de la trajectoire verticale réalisée en extérieur

, Histogrammes des erreurs de localisation pour la trajectoire verticale en extérieur du drone par formation de voies après filtrage pour différents harmoniques sélectionnés et sur la bande passante (BP) de l'antenne dans [0, 10] m et par intervalles de 1 m pour la mesure de la trajectoire verticale en extérieur (a) sans filtrage de Kalman et (b) avec filtrage de Kalman

, des estimations en sortie du filtre de Kalman (rouge) et de la position de référence (noir)à partir des signaux filtrés pour conserver (a) les 2 premiers harmoniques et (b) les 5 premiers harmoniques compris dans la bande-passante de l'antenne. (Haut) Représentations 3D des coordonnées cartésiennes et (bas) représentations 2D des coordonnées sphériques en fonction du temps

, Spectrogrammes du signal de référence pour la mesure de la trajectoire circulaire en extérieur calculées (a) sur la plage [0 10] kHz et (b) sur la plage [0 2] kHz, p.97

, après filtrage pour différents harmoniques sélectionnés et dans la bande passante (BP) de l'antenne et par intervalles de 10 ? en azimut (gauche) et enélévation (droite) dans [0 ? , 80 ? ] pour la mesure de la trajectoire circulaire réalisée en extérieur

, des estimations en sortie du filtre de Kalman (rouge) et de la position de référence (noir) a partir des signaux filtrés pour (a) conserver les 4 premiers harmoniques compris dans la bande passante de l'antenne et (b) limiter les signauxà la, Représentations 2D des coordonnées sphériques en fonction du temps pour la trajectoire circulaire du drone par formation de voies temporelle (bleu)