Le service SSCE développe des magnétomètres vectoriels de haute précision capables de mesurer le champ magnétique terrestre et ses moindres variations. Embarqués sur un engin porteur (de type avion ou drone), ils permettent de détecter des contrastes d’aimantation qui peuvent par exemple traduire la présence de vestiges archéologiques, de réseaux enterrés, de munitions enfouies non explosées ou encore de sources minières. Pour réaliser l’opération de détection deux approches existent. La première [1] consiste à projeter le signal mesuré sur une base orthonormée et repose sur deux hypothèses fortes : le mouvement relatif du porteur est rectiligne de vitesse uniforme et l’anomalie est assimilée à un dipôle magnétique. La seconde s’affranchit des hypothèses précédentes et repose sur une modélisation du bruit magnétique [2],[3],[4],[5],[6]. L’objectif du stage est d’explorer la seconde approche en implémentant plusieurs méthodes de traitement des signaux magnétiques et d’évaluer les performances par rapport à l’approche traditionnelle.

Le travail comportera plusieurs étapes : après la réalisation d’un état de l’art, plusieurs méthodes seront développées, testées dans un environnement simulé propre au laboratoire, enfin une analyse comparative sera menée.

Références :

[1] B. Ginzburg, L. Frumkis, et B.-Z. Kaplan, « An efficient method for processing scalar magnetic gradiometer signals », Sensors and Actuators A: Physical, vol. 114, no 1, p. 73‑79, août 2004, doi: 10.1016/j.sna.2004.03.008.

[2]  A. Sheinker, N. Salomonski, B. Ginzburg, L. Frumkis, et B.-Z. Kaplan, « Magnetic anomaly detection using entropy filter », Meas. Sci. Technol., vol. 19, no 4, p. 045205, févr. 2008, doi: 10.1088/0957-0233/19/4/045205.

[3]   A. Sheinker, B. Ginzburg, N. Salomonski, P. A. Dickstein, L. Frumkis, et B.-Z. Kaplan, « Magnetic Anomaly Detection Using High-Order Crossing Method », IEEE Trans. Geosci. Remote Sensing, vol. 50, no 4, p. 1095‑1103, avr. 2012, doi: 10.1109/TGRS.2011.2164086.

[4] C. Wan, M. Pan, Q. Zhang, F. Wu, L. Pan, et X. Sun, « Magnetic anomaly detection based on stochastic resonance », Sensors and Actuators A: Physical, vol. 278, p. 11‑17, août 2018, doi: 10.1016/j.sna.2018.05.009.

[5] A. Quinquis et C. Dugal, « Using the wavelet transform for the detection of magnetic underwater transient signals », in Proceedings of OCEANS’94, sept. 1994, vol. 2, p. II/538-II/543 vol.2. doi: 10.1109/OCEANS.1994.364102.

[6] X. Nie, Z. Pan, D. Zhang, H. Zhou, M. Chen, et W. Zhang, « Energy Detection Based on Undecimated Discrete Wavelet Transform and Its Application in Magnetic Anomaly Detection », PLoS One, vol. 9, no 10, p. e110829, oct. 2014, doi: 10.1371/journal.pone.0110829.

Compétences recherchées pour ce stage :

• Compétences fortes en traitement des signaux aléatoires, ondelettes, théorie de la détection (ex. Neyman-Pearson)

• Connaissances générales du domaine des capteurs, si possible magnétiques

• Rigueur et qualité de programmation sous Python (Pandas, Scipy, Numpy,…) connaissance de la programmation orientée objet

• Autonomie et capacité d'adaptation

• Qualité rédactionnelle