27 Février – Soutenance de thèse - Mahdi Saleh

10 h15 Amphi Jean-Paul Dom - Laboratoire IMS (bâtiment A31) / Campus de Talence

Contributions à la mise en œuvre de chaînes de traitement radar fondées sur des formes d'onde à bande synthétique.

Dans divers systèmes radar, un grand intérêt a été porté à la sélection d’une forme d’onde et à la conception d’une chaîne de traitement complète, de l’émetteur au récepteur, afin d’obtenir un profil distance haute résolution (HRRP, acronyme de High Range Resolution Profile en anglais). Au cours des dernières décennies, les concepteurs d’algorithmes de traitement du signal radar ont concentré leur attention sur différentes formes d’onde telles que les techniques de compression d’impulsion et les systèmes à bande synthétique (SF acronyme de stepped frequency, en anglais).
D’une part, trois types de formes d’onde de compression d’impulsions large bande ont été proposés dans la littérature : la forme d’onde modulée linéairement en fréquence (Linear Frequency Modulation), celle à codes de phase (Phase Coded) et la forme d’onde modulé non linéairement en fréquence (Non Linear Frequency Modulation). Ces approches sont très populaires, mais elles requièrent une fréquence d’échantillonnage généralement  élevée au niveau du récepteur, et par voie de conséquence un convertisseur analogique-numérique  coûteux. De plus, les formes d’onde PC et NLFM peuvent être préférables dans certaines applications à haute résolution, car elles conduisent à de meilleurs PSLR et ISLR que ceux obtenus avec la forme d’onde LFM.
D’autre part, lorsqu’il s’agit de schémas SF, une fréquence d’échantillonnage moins élevée peut être envisagée, ce qui permet d’utiliser un CAN meilleur marché.
Ces deux approches peuvent  être combinées pour tirer avantage des deux familles. Bien que la combinaison standard mène à l’exploitation d’un CAN bon marché, les performances en termes de PSLR et ISLR ne sont pas nécessairement adaptées. Comme le PSLR et l’ISLR ont une grande influence sur la probabilité de détection et la probabilité de fausse alarme, notre objectif est de trouver des solutions alternatives. Ainsi, notre contribution dans ce mémoire de thèse consiste à proposer deux nouvelles chaînes de traitement, de l’émetteur au récepteur :
1) Dans la première approche, le spectre de la forme d’onde à large bande est décomposé en un nombre prédéterminé de portions. Puis, les versions temporelles de ces dernières sont successivement transmises. Le signal reçu est alors traité soit en utilisant un algorithme FD (pour Frequency domain en anglais) modifié, soit un algorithme de reconstruction de forme d’onde réalisé directement dans le domaine temporel (TWR pour time wave reconstruction). Dans cette thèse, les formes d’ondes PC et NLFM ont été sélectionnées. Une  étude comparative est alors menée entre les différentes chaînes de traitement, de l’émetteur au récepteur, que l’on peut constituer. Nos simulations montrent que les performances obtenues à partir de l’algorithme TWR sont le plus souvent meilleures que celles de l’algorithme FD modifié. La contre-partie est une augmentation du coût calculatoire. De plus, que ce soit avec une forme d’onde PC ou NLFM, l’approche présentée fournit de meilleurs résultats en termes de PSLR et ISLR que les formes d’onde SF classiques.
2) La seconde démarche proposée consiste à approximer une forme d’onde NLFM à large bande par une forme d’onde LFM par morceaux, puis de la combiner avec une approche de type SF. Cela donne lieu à une forme d’onde combinant SF et un train d’impulsions LFM ayant différentes durées et largeurs de bande. La sélection des paramètres de cette forme d’onde est faite en minimisant un critère multi-objectif, tenant compte du PSLR, de l’ISLR et de la résolution distance. Cette estimation est opérée par algorithmes génétiques. Selon les poids utilisés dans le critère multi-objectif et le nombre d’impulsions LFM pris en compte, les performances des les formes d’onde résultantes varient.
Une annexe est en outre fournie qui présente des travaux complémentaires sur la comparaison de modèles à partir de la divergence de Jeffreys.

Localisation de l’événement