Desarrollo y evaluación de un sistema de localización para un dron subacuático mediante técnicas de beamforming y machine learning

Abstract

En el presente trabajo de investigación se desarrolló un sistema de localización para un dron subacuático mediante el diseño e implementación de un arreglo lineal de hidrófonos, el cual permitió captar las señales acústicas generadas por los motores del vehículo en diferentes trayectorias. Para la recolección de dichas señales se consideraron dos escenarios, una piscina a la cual se le denominará ¨medio controlado¨ y un lago el cual será el ¨medio no controlado¨, posicionando al vehículo subacuático mediante el método del ángulo de arribo hacia el arreglo de hidrófonos. Posteriormente, se realizó el análisis de dicha información mediante la aplicación de un filtro pasabanda garantizando así que las señales se encuentren en el rango de frecuencias requeridas para la investigación, obteniendo una base de datos para finalmente analizarlas con los algoritmos de beamforming y el entrenamiento de modelos de machine learning los cuales fueron programados en el ambiente de Matlab. En cuanto al análisis de beamforming se utilizaron los algoritmos Music y Espirit donde de acuerdo con los resultados obtenidos se alcanzó un alto error cuadrático medio, evidenciando así que este tipo de técnicas no son eficientes para detectar la posición del dron en ninguno de los medios establecidos para la presente investigación. Por otro lado, para machine learning se analizaron los modelos tanto en el domino del tiempo como de la frecuencia, llegando a determinar que en este último caso se presentan resultados eficientes y con bajo costo computacional. Finalmente se realizó la comparación de las diferentes técnicas utilizadas concluyendo que machine learning con el uso de los Modelos de Redes Neuronales posee un rendimiento óptimo y efectivo en la detección del dron en los dos escenarios propuestos.