Diseño y validación conceptual de un sistema de identificación acústica de vehículos aéreos y terrestres en entornos militares mediante el uso de aprendizaje automático

Abstract

En los escenarios contemporáneos de defensa y seguridad, la vigilancia pasiva basada en señales acústicas representa una alternativa complementaria a sistemas tradicionales como radares, sensores ópticos y sistemas de radiofrecuencia. A diferencia de los sistemas activos o dependientes de condiciones visuales, el análisis acústico permite aprovechar las emisiones sonoras producidas naturalmente por los vehículos durante su operación. Cada plataforma aérea o terrestre genera una firma acústica muy particular asociada a su sistema de propulsión, componentes mecánicos, régimen de funcionamiento y dinámica de desplazamiento, lo que permite plantear su identificación mediante técnicas de procesamiento digital de señales y aprendizaje automático. El presente trabajo propone el diseño conceptual y validación de un sistema de identificación basado en audio para la clasificación automática de vehículos aéreos, como drones multirrotor y helicópteros, y terrestres, como blindados a oruga y rueda, en entornos militares con alta presencia de ruido e interferencias, como base para un sistema de vigilancia pasivo. El proyecto se desarrolla mediante el empleo de dos modelos un modelo de Aprendizaje de Máquina Tradicional (ML) una línea clásica pero robusta y supervisada que permite trabajar con un conjunto de datos relativamente limitado, y otro de Aprendizaje Profundo (DL), propicios para el aprendizaje de patrones en los que se puede realizar representaciones de audio.