Tamazight Ouarab présente son projet de mémoire
Date et heure de l'événement
Lieu
À propos de cet événement
UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS
Département d’informatique et d’ingénierie
Maîtrise en sciences et technologies de l’information
INF1642 : Présentation de projet de mémoire
Par : Tamazight Ouarab
Mercredi 23 octobre 2024, 13h30 sur ZOOM
Rejoignez la réunion à partir du lien zoom
https://uqo.zoom.us/j/83234520250?pwd=w4C3FP4bmaOWgaRbbuOpbjmHcbUaKz.1
Nº de réunion : 832 3452 0250
Mot de passe : 594025
Titre : Utilisation de l’apprentissage profond pour la radiolocalisation passive d’un robot humanoïde dans un environnement confiné
Résumé : Ce projet de mémoire consiste à évaluer l’apport de l'apprentissage profond dans la détection et la localisation passive sans fil d'un robot humanoïde dans un environnement intérieur. Dans un tel environnement, la précision de la localisation pose de nombreux défis en raison des perturbations causées par la réverbération des signaux et les obstacles physiques. Les méthodes classiques de radiolocalisation passive sont souvent inefficaces en raison de la complexité des interactions entre les signaux dans de tels environnements. Ce projet se concentrera donc sur la problématique de la localisation passive, où l’objet à localiser, en l'occurrence le robot humanoïde, n’émet aucun signal. Cependant, sa présence physique perturbera le lien sans fil entre le transmetteur et le récepteur présents dans l’environnement considéré. La méthodologie suivie comprend plusieurs étapes. Tout d'abord, nous finaliserons la collecte de données expérimentales déjà entamée, qui consiste en la mesure des réponses fréquentielles du canal sans fil. Cette tâche sera suivie par leur conversion en réponses impulsionnelles, puis en spectrogrammes. Ensuite, ces spectrogrammes seront utilisés comme signatures pour décrire les interactions entre les signaux et l'environnement en présence du robot. À partir de ces données, nous élaborerons un modèle d'apprentissage profond capable de prédire la position de ce dernier. Les résultats attendus de ce travail contribueront à l'amélioration des techniques de radiolocalisation passive dans des espaces confinés, avec des applications potentielles dans des domaines tels que la robotique d’assistance et la navigation autonome. Mots clés : Réponse impulsionnelle, localisation passive, apprentissage profond, spectrogramme.
Président du Jury : Prof. Soulaimane Berkane, UQO
Membre du Jury : Dr. César Amaya, UQO
Directeur de recherche : Prof. Larbi Talbi, UQO