"Filtrage" d'onde par intelligence artificielle

[ABABA]

Bonsoir,
Pour un projet je dois obtenir une distance par triangulation à partir d'ondes modulées
Je possèdes 3 paires d'émetteurs-récepteurs, les ondes -ultrasonores- sont modulées en amplitude (pour l'instant, mais je pense qu'il serait mieux de partir sur une modulation en fréquence), la distance de chaque couple à l'objet est mesuré par temps de vol de l'onde. L'objet en question est un ballon. Il est possible qu'un joueur se trouve devant/derrière le ballon, il est donc nécessaire que je puisse obtenir la distance au ballon malgré l'interférence.
Les chauves souris parviennent à le faire (détecter des objets spécifiques) grâce au fonctionnement très spécifique de leurs neurones.
D'où ma question. Si j'entrainait une IA avec le couple de données (Onde émise depuis chaque émetteur, Ondes reçues à chaque émetteurs) -> (Distance au joueur, Distance au ballon), est-ce que le résultat obtenu serait réellement fiable?
Merci pour votre temps.
-----

[jiherve]

bonsoir,
je pense que oui, la seule difficulté sera d'obtenir des mesures car dans l'air les US cela ne va pas bien loin qqs dizaines de mètres pour les meilleurs.
Les petits, usuels, calent vers 3 ou 4 metres.
JR

[ABABA]

Merci de ta réponse. Effectivement. Mon modèle sera un modèle réduit, qui n'a que pour prétention de démontrer le fonctionnement de la méthode (Après tout, je doute pouvoir trouver une générateur d'onde de fréquence en GHz pour une cinquantaine d'euros (mon budget) ).
Enfaite ce que j'ai présenté n'est qu'une partie du projet. L'objectif général consiste en la reconstruction d'une trajectoire. La méthode envisagée consiste en une accumulations de points de position de référence obtenus via vision par ordinateur. Puis pour augmenter le total de données, j'utilise des valeurs moins précises (car on peut difficilement faire plus précis que la première proposée) : La position obtenue par triangulation.
Pour limiter les valeurs extrêmes dues aux interférences exceptionnelles (par exemple, un joueur bloquant le ballon en intégralité), les valeurs que peuvent prendre les coordonnées obtenues par la seconde méthode sont limitées à une certaine distance des valeurs obtenues via une trajectoire de référence calculée à partir d'une étude physique des forces appliquées au système. (On sait que les valeurs obtenues par la méthode 1 sont fiables, donc on a la valeur à t et à t+1, et depuis les points précédents on a la vitesse du ballon et sa direction donc on peut reconstruire sa trajectoire théorique)
En somme c'est l'idée générale

[jiherve]

bonjour
si tu disposes déjà d'un moyen de mesure fiable et précis, c'est tout de même discrétisé par la capture d'image, pourquoi vouloir utiliser une méthode moins précise et surtout plus chaotique , les réflexions US sont souvent bruitées et aléatoires.
Si c'est pour affiner la trajectoire alors il vaudrait mieux peaufiner un bon algo d’interpolation d'images.
JR

[A voir en vidéo sur Futura]

[albanxiii]

Bonjour,

D'où ma question. Si j'entrainait une IA avec le couple de données (Onde émise depuis chaque émetteur, Ondes reçues à chaque émetteurs) -> (Distance au joueur, Distance au ballon), est-ce que le résultat obtenu serait réellement fiable?

Cela ma semble être un mésusage. Mais si c'est la marketing qui le dit, fonçons !
Au passage, avec quelles données pour l'apprentissage ?
Quel type de réseau ?
Apprentissage dirigé j'imagine ?