Модель акустичного виявлення БПЛА в умовах доменного зсуву та обмеженого обсягу цільових даних

Скорочена інформація про документ
dc.contributor.advisorДжигирей, Ірина Миколаївна
dc.contributor.authorВільгурін, Вадим Ігорович
dc.date.accessioned2026-02-18T12:52:32Z
dc.date.available2026-02-18T12:52:32Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація 101 с., 22 рис., 26 табл., 67 джерел. Об’єктом дослідження є акустичні сигнали безпілотних літальних апаратів (БПЛА). Предметом дослідження є методи та алгоритми класифікації аудіосигналів в умовах доменного зсуву та обмеженої кількості даних. Мета дослідження: Розробити систему акустичного виявлення БПЛА, стійку до доменного зсуву та низької кількості цільових даних. Оцінити ефективність запропонованого алгоритму на гетерогенному наборі даних, що містить записи з різних типів мікрофонів в умовах зашумленого навколишнього середовища. Новизна: запропоновано комплексний підхід, що поєднує канальну нормалізацію енергії (PCEN), міждоменну аугментацію Mixup та архітектуру ConvNeXt для вирішення проблеми детекції рідкісних класів БПЛА в умовах доменного зсуву. В даній роботі було розглянуто застосування методів адаптації домену на рівні представлення даних та аугментацій. Для підвищення стійкості моделі використано механізм уваги та аугментацій за принципом поступового ускладнення. Отримані результати свідчать про перевагу використання PCEN над Log-Mel спектрограмами в зашумлених умовах. В результаті було розроблено модель, яка досягла показника F1-score 0.734 на тестовій вибірці, ефективно виявляючи БПЛА на тлі складних акустичних перешкод.
dc.description.abstractotherMaster's Thesis 101 pp., 22 Fig., 26 tables, 67 sources. The object of the study is the acoustic signals of unmanned aerial vehicles (UAVs). The subject of the study is methods and algorithms for audio signal classification under conditions of domain shift and limited data availability. The aim of the study: To develop an acoustic UAV detection system that is robust to domain shift and limited amounts of target data. To evaluate the effectiveness of the proposed algorithm on a heterogeneous dataset containing recordings from different types of microphones in noisy environmental conditions. Novelty: a comprehensive approach is proposed that combines Per-Channel Energy Normalization (PCEN), cross-domain Mixup augmentation, and the ConvNeXt neural network to address the problem of rare UAV class detection under domain shift conditions. In this work, the application of domain adaptation methods at the level of data representation and augmentation was investigated. To improve model robustness, an attention mechanism and curriculum-based augmentation strategies were employed. The obtained results demonstrate the superiority of PCEN over Log-Mel spectrograms in noisy environments. As a result, a model was developed that achieved an F1-score of 0.734 on the test dataset, effectively detecting UAVs against complex acoustic interference.
dc.format.extent101 с.
dc.identifier.citationВільгурін, В. І. Модель акустичного виявлення БПЛА в умовах доменного зсуву та обмеженого обсягу цільових даних : магістерська дис. : 122 Комп'ютерні науки / Вільгурін Вадим Ігорович. – Київ, 2025. – 101 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78848
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectакустичне виявлення
dc.subjectбпла
dc.subjectглибоке навчання
dc.subjectдоменний зсув
dc.subjectнейронні мережі
dc.subjectpcen
dc.subjectconvnext
dc.subjectаугментація даних
dc.subject.udc004.8:004.932:534.6:629.735
dc.titleМодель акустичного виявлення БПЛА в умовах доменного зсуву та обмеженого обсягу цільових даних
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Vilhurin_magistr.pdf
Розмір:
5.63 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи