Détail de l'auteur
Auteur Ambroise Renaud |
Documents disponibles écrits par cet auteur (1)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Predicting AIS reception using tropospheric propagation forecast and machine learning / Zackary Vanche (2022)
Titre : Predicting AIS reception using tropospheric propagation forecast and machine learning Type de document : Article/Communication Auteurs : Zackary Vanche, Auteur ; Ambroise Renaud, Auteur ; Aldo Napoli, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2022 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : ISAP 2022, IEEE AP-S/USNC-URSI International Symposium on Antennas & Propagation 10/07/2022 Denver Colorado - Etats-Unis Proceedings IEEE Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] apprentissage automatique
[Termes IGN] carte thématique
[Termes IGN] identification automatique
[Termes IGN] navigation maritime
[Termes IGN] navire
[Termes IGN] récepteur
[Termes IGN] troposphèreRésumé : (auteur) The aim of this paper is to present a methodology for modelling and predicting the coverage of an Automatic Identification System (AIS) station based on tropospheric index forecast maps and modelling methods from machine learning. The aim of this work is to cartographically represent the areas in which the AIS signals emitted by ships will be received by a coastal station. This work contributes to the improvement of maritime situational awareness and to the detection of anomalies at sea [1], and in particular to the identification of AIS message falsifications [2] (ubiquity of a vessel by identity theft, falsification of GPS positions and deactivation of AIS). Numéro de notice : C2022-036 Affiliation des auteurs : ENSG+Ext (2020- ) Autre URL associée : vers HAL Thématique : POSITIONNEMENT Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.23919/USNC-URSI52669.2022.9887465 En ligne : https://doi.org/10.23919/USNC-URSI52669.2022.9887465 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101606