Détection et localisation passives de sources en acoustique sous-marine

23 Mai 2023

---

Catégorie : Doctorant

---

ENSEIGNEMENT :
Au sein du département de formation scientifique, l’AER assure une charge d’enseignement annuelle de 96 heures ETD sous forme de travaux pratiques (TP), travaux dirigés (TD), cours ou encadrement de projets. Ces interventions s’effectuent dans le cadre de la formation d’ingénieur des élèves-officiers de l’Ecole Navale (niveau L3, M1 et M2). Elles peuvent aussi concerner les masters soutenus par l’Ecole Navale (niveau M1 et M2).

La personne recrutée effectue son enseignement au sein du département d'enseignement traitement de l’information maritime de l'École navale. Elle intervient dans les enseignements scientifiques parmi les cours suivants : Acoustique (acoustique générale et acoustique sous-marine), physique générale, Traitement du Signal et des Images, mathématiques appliquées (statistiques, calcul scientifique, algorithmie, …).

En complément, l’AER est amené à proposer et encadrer des projets de recherche d’élèves ingénieurs et masters. Il sera membre de jurys d’évaluation.

CONTEXTE DE LA THESE
En acoustique sous-marine, la détection et la localisation passives de sources présentent un intérêt majeur dans les domaines civil et militaire, comme par exemple la détection de plongeurs pour assurer la protection des infrastructures portuaires ou encore la détection et le suivi de navires dans la lutte contre les activités illégales en mer (pêche, piraterie ...). Mais ces opérations peuvent s’avérer délicates en raison de la complexité du milieu sous-marin et des moyens mis en œuvre. En effet, pour la détection, les signaux reçus sont très bruités, de nature non-stationnaire, et multi-composante (ou plusieurs sources). Quant à la localisation passive de sources, les méthodes mises en œuvre dépendent de la configuration océanique (petits ou grands fonds), des caractéristiques de la source (large bande ou bande étroite) et surtout de la configuration de la réception (antennes linéaires horizontales et/ou verticales ou configuration mono-capteur). L’objectif de cette thèse est donc de proposer les outils de traitement du signal adaptés aux problèmes de détection et de localisation en acoustique passive.

Dans le cadre de cette thèse, on utilisera les données issues du réseau de capteurs OBS distribués (projet ANR RHUM-RUM). Le réseau RHUM-RUM est un réseau sismologique franco-allemand déployé entre octobre 2012 et novembre 2013 au large de l’île de la Réunion sur une surface d’environ 2000x2000 km2.

Détection
La détection de signaux d’intérêt est une étape préalable à des processus tels que la séparation de sources ou le suivi (tracking) [1]. Cette étape est cruciale en particulier dans les environnements à faibles RSB. Le problème peut se ramener à la décision binaire (deux hypothèses): présence de signal d’intérêt noyé dans du bruit ou présence de bruit uniquement.
L’approche bayésienne constitue le cadre approprié pour ce test d’hypothèses, mais cela suppose que les coûts des hypothèses en compétition sont connus ainsi que leurs probabilités a priori pour le calcul du seuil de décision. Malheureusement, dans des situations comme l’acoustique sous-marine passive, il est difficile de chiffrer les probabilités a priori mais il est aussi hasardeux de donner des coûts réalistes sans influencer trop fortement les résultats de décision. De plus, dans le milieu marin, les signaux sont généralement non-stationnaires et beaucoup de travaux ont porté sur la détection dans le plan temps-fréquence, généralement à taux de fausse alarme constant. Ces travaux s’appuient en général sur les statistiques minimales pour l’estimation de la composante bruit [2, 3]

Dans le domaine temporel des travaux récents ont montré l’intérêt des statistiques d’ordre supérieur (HOS) pour la détection de signaux impulsionnels [4]. L’opérateur Teager-Kaiser (TK) et ses extensions d’ordre supérieur [5] constituent une solution qui apporte une plus-value en termes de détection passive au même titre que les HOS. Comparé aux HOS, ces opérateurs TK d’ordre supérieur sont des opérateurs locaux et instantanés, et présentent ainsi une excellente résolution temporelle les rendant très efficaces pour une analyse temporelle très précise.

L’objectif est d’explorer l’apport des opérateurs identifiés en termes de détection de signaux d’intérêt soit à partir de données d’entrée ou à partir de l’échelle dominante de leur transformée en ondelette [6]. On explorera également les méthodes issues d’autres communautés scientifiques, par exemple celle relative aux travaux sur le traitement de la parole [7].

Séparation de sources
En acoustique passive et a fortiori par grands fonds, de nombreux éléments, non connus, tels que les caractéristiques acoustiques des différents trajets sources-capteurs, le système de mélange, le bruit du milieu non-Gaussien [8] ou le taux de réverbération, contribuent à faire de la séparation de sources (SS) un problème très difficile. Par ailleurs, le schéma de SS doit s’adapter au changement dynamique des conditions acoustiques et aux fortes variations du RSB. En outre, les réseaux d’observation en acoustique sous-marine sont généralement constitués de systèmes autonomes éparses équipés d’un nombre limité de capteurs, rendant le problème plus complexe. Dans le cadre de cette thèse, on utilisera les données issues du réseau de capteurs OBS distribués (projet ANR RHUM-RUM) avec comme sources potentielles : "navires", "mammifères marins", "bruit sismique" et "icebergs", ce qui correspond essentiellement à deux grandes classes de signaux : tonales et transitoires. Ainsi un des objectifs de la thèse est d’injecter ces informations a priori sous formes de signatures et d’empreintes dans un schéma de SS basé, par exemple, sur l’analyse en composantes indépendantes (ICA) ou la méthode de factorisation en matrices non-négatives (NMF) [9]. Pour la NMF, en plus du spectrogramme des signaux on explorera d’autres transformations temps-fréquence telle que celle de Stockwell [10] ou la diffusion en ondelettes (wavelet scattering transform) [11]. On regardera dans quelle mesure le filtrage adapté stochastique, bien adapté à la détection des mammifères marins stéréotypés [12], pourra être intégré dans ce schéma de SS. Une attention particulière pourrait être portée sur la prise en compte de l’environnement physique dans ce schéma de SS. Nous explorons également les techniques de classification automatique (Machine Learning).

Localisation de sources
Pour la localisation passive de sources, l’une des méthodes les plus utilisées est le Matched Field Processing (MFP) qui exploite la diversité spatiale du champ ou ses méthodes dérivées dans le domaine modal (Matched Mode Processing) ou temporel (Matched Impulse Response). Le MFP par exemple consiste à comparer les champs mesurés sur les capteurs à des répliques de champs simulés pour différentes positions de la source à l’aide d’un modèle de propagation approprié. La position estimée de la source coïncide alors à celle ayant la meilleure concordance (minimisation d’une fonction d’erreur) [13]. Cette méthode est particulièrement sensible au bruit et nécessite une bonne connaissance de l’environnement pour modéliser fidèlement la propagation [14]. La méthode de répliques de champs développée par Fialkowski [15] pourrait être une alternative pour effectuer la comparaison et s’affranchir ainsi de la complexité du canal de propagation. Cette méthode a ensuite été étendue par Verlinden [16] en prenant les navires passant à proximité de sa zone d’étude comme sources d’opportunité pour créer les trajectoires de référence. Nous nous proposons d’explorer cette méthode et d’étudier son applicabilité dans le cas de la localisation de navires où leur position ainsi estimée sera confrontée aux données AIS (Automatic Identification System). Plus exactement, les navires sont exploités comme sources d’opportunité pour servir de référence pour la localisation. L’objectif est de relaxer les contraintes et les hypothèses de la méthode développée par Verlinden [16] comme suit:

1) Le fond n’est pas plat (accidenté),
2) L’antenne est de forme irrégulière,
3) Les capteurs sont éloignés (20 km),
4) Milieu est profond (autour de 5 km).

Références
[1] K. Ugrinovic and O. Pionic, An outline of the passive sonar signal detection, Int. Symp. Electronics in Marine, pp. 247-251, 2010.
[2] Julien Huillery. Support temps-fréquence d'un signal inconnu en présence de bruit additif gaussien. Thèse INPG, 2008.
[3] F. Dadouchi, C. Gervaise, C. Ioana, C. Huillery and J. Mars, Automated segmentation of linear time-frequency representations of marine-mammal sounds, J. Acoust. Soc. Am.,, 134(3), 2546-2555.
[4] C. Gervaise, A. Barazzutti, S. Busson, Y. Simard and N. Roy, Automatic detection of bioacoustics impulses based on kurtosis under weak signal, Applied Acoustics, vol. 71, pp. 1020-1026, 2010.
[5] A.O. Boudraa and F. Salzenstein, Teager-Kaiser energy methods for signal and image analysis: A Review, Digital Signal Processing, vol. 78, pp. 338-375, 2018.
[6] A. Drira, L. Guillon and A.O. Boudraa, Image source detection for geoacoustic inversion by the Teager-Kaiser energy operator, J. Acoust. Soc. Am., vol. 135, no. 6, pp. 258-264, 2014.
[7] R.C. Hendriks, J. Jensen and R. Heusdens, Noise tracking using DFT domain subspace decompositions, IEEE Trans. Audio, Speech, and Language Processing, vol. 16, no. 3, pp. 541-553.
[8] Z. Bai, G. Huang and L. Yang, Shipboard target location based on blind source separation, IEEE Conf. Neural. Net. Sig. Proc., pp. 83-807, 2008.
[9] D. Lee and S. Seung, Learning the parts of objects by non-negative matrix factorization, Nature, vol. 41, pp. 788-791, 1999.
[10] R.G. Stockwell, L. Mansinha and R.P. Lowe, Localization of the complex spectrum: the S transform, IEEE Trans. Sig. Proc., vol. 44, no. 4, pp. 998-1001, 1996.
[11] S. Mallat, Group invariant scattering, Communications on Pure and Applied Mathematics, vol. 65, no. 10, pp. 39-43, 2012.
[12] L. Bouffaut, R. Dreo, V. Labat, A.O. Boudraa and G. Barruol, Antarctic blue whale calls detection based on an improved version of the stochastic matched filter, Proc. EUSIPCO, pp. 2383-2387, 2017.
[13] A.B. Baggeroer, W.A. Kuperman and P.N. Mikhalevsky, 1993, An overview of Matched Field methods in oc ean acoustics, J. IEEE Oceanic Eng., vol. 18, no. 4, pp. 401–423, 1993.
[14] Y. Le Gall, Problèmes inverses en acoustique sous-marine : prédiction de performances et localisation de sources en environnement incertain, Thèse de doctorat Télécom Bretagne, 2015.
[15] L.T. Fialkowski, M.D. Collins, W.A. Kuperman, J.S. Perkins, L.J. Kelly, A. Larsson, J.A. Fawcett and L.H. Hall, Matched-field processing using measured replica fields, J. Acoust. Soc. Am., vol. 107, no. 2, pp. 739-46, 2000.
[16] C.M.A.Verlinden, J. Sarkar, W.S. Hodgkiss, W.A. Kupermanand and K.G. Sabra, Passive acoustic source localization using sources of opportunity, J. Acoust. Soc. Am., vol. 138, no. 1, pp. 54- 59, 2015.


Profil et compétences recherchées : Diplôme d’une école d’ingénieur ou Master 2 en Acoustique ou Traitement du Signal avec un bon dossier scolaire:
- Intérêt pour la recherche scientifique et pour l’enseignement
- Intérêt pour les applications en acoustique sous-marine.
- des compétences théoriques en acoustique et/ou en traitement du signal
- des compétences en mathématiques appliquées seront appréciées.
- langages Matlab et Python
- maîtrise de l'anglais scientifique (rédaction d'articles et présentation orale) ainsi que la langue française.
- bonnes capacités relationnelles

SPECIFICITES DU POSTE
Environnement d’école de formation initiale d’officiers.
Charge d’enseignement annuelle maximale de 96h.
Durée du contrat : CDD 3 ans avec une prolongation d’une année.

Pour candidater, envoyer un CV, relevé de notes et une lettre de motivation par email à
Abdel BOUDRAA (boudra@ecole-navale)
Bazile KINDA (bazile.kinda@shom.fr)
Valérie LABAT (valerie.labat@ecole-navale.fr)

Contact enseignement: Laurent GUILLON (laurent.guillon@ecole-navale.fr): Tél 02 98 23 40 44
Date limite de candidature : 15 juin 2023 / minuit.