Etablissement Université de M’Sila - Mohamed Boudiaf Affiliation Département Electronique Auteur CHALABI, Izzeddine Directeur de thèse

Mémoires de Fin d’Etudes
Etablissement Université de M’Sila - Mohamed Boudiaf Affiliation Département Electronique Auteur CHALABI, Izzeddine Directeur de thèse MEZACHE Amar (Maitre de conférence) Filière Electronique Diplôme Magister Titre DETECTION CFAR A BASE DE GLRT DANS UN ENVIRONNEMENT GAUSSIEN-COMPOSE Mots clés Mots clés : GLRT, CFAR, détection, RADAR, estimation, SIRV, clutter. GLRT, SIRV, CFAR ، كلمات المفتاح: الرادار، الضجيج، التقدير، الكشف Key word: GLRT, CFAR, detection, RADAR, estimation, SIRV, clutter. Résumé Résumé L’objectif principal d’un système radar est la détection et la localisation automatique des cibles dans l’espace, La grande diversité des environnements dans lesquels le radar opère pose un problème sérieux, car les signaux engendrait par les sources des bruits et d’échos indésirables s’ajoutent au signal cible, donc l’opération de détection devient compliqué et difficile à réaliser. Il faut donc identifier puis extraire le bruit du signal, pour pouvoir ensuite détecter la cible. Dans ce mémoire, une étude détaillée de la détection radar CFAR dans un environnement modélisé par le modèle Gaussien-composé ou SIRV a été considérée. Après avoir exposé les différents détecteurs et les estimateurs de la matrice de covariance associés au modèle Gaussien-composé, nous avons vérifié les propriétés CFAR et les performances de détection du détecteur GLRT_LQ construit avec les différents estimateurs de la matrice de covariance à travers des simulations Monte-Carlo. Pour enrichir et donner un aspect réel à ce manuscrit, nous avons exploité des données réelles d’un clutter de mer, Dans un premier lieu, nous avons analysé statistiquement ces données. Par la suit, nous avons donné une procédure expérimental pour estimer la matrice de covariance de clutter ainsi que le calcul des probabilités de fausse alarme et de détection, afin d’appliquer le détecteur GLRT_LQ. Concernant la modélisation de ces données réelles, nous avons considéré quelques modèles mathématique, la distribution Weibull, Log-normal, K sans bruit, K avec bruit, RiIG et le modèle proposé IG (Inverse Gaussian) composé. Ces modèles sont caractérisés par des paramètres, la procédure d’estimation MLE, la méthode des moments, l’algorithme d’optimisation de Nelder-Mead (ajustement de la courbe de la CDF), la méthode IMLM et l’approche neuronal, sont employées pour estimer ces paramètres. الملخـــص الهدف الرئيسي للرادار هو الكشف و التحديد الأوتوماتيكي للهدف في المحيط، التعدد الكبير للبيئة التي يعمل فيها الرادار يطرح مشكلا جديا لان الإشارات الناتجة عن مصادر الضجيج تضاف لإشارة الهدف فتصبح عملية الكشف معقدة و صعبة التنفيذ لهذا يجب فصل الضجيج عن إشارة الهدف بعد ذالك يمكن للكشف عن الهدف. في هذه المذكرة سوف ندرس طريقة الكشف في بيئة ممثلة بالنموذج Gaussien-composé ou SIRV ) (. بعد التعرف على مختلف الكواشف و التقديرات لمصفوفة الترابط المتعلقة بالنموذج Gaussien-composé . قمنا بالتحقق من الخصائص و نتائج الكشف للكاشف GLRT_LQ بواسطة طريقة Monte-Carlo . وذالك من اجل الكاشف GLRT_LQ المكون من مختلف التقديرات لمصفوفة الترابط. بعد ذالك قمنا باستعمال ضجيج حقيقي ناتج عن البحر، بعد تحليل هذه المعطيات قمنا باستعمالها بطريقة حقيقية لتقدير مصفوفة الترابط و الكشف. من اجل الحصول على النموذج الملائم لهذه المعطيات أخذنا النماذج الرياضية التالية: Weibull, Log-normal, K sans bruit, K avec RiIG ,bruit و النموذج الجديد المقترح IG (Inverse Gaussian) composé. فيما يخص تقدير معاملات النماذج السابقة فقد استعملنا الطرق التالية: طريقة MLE ، طريقة العزوم (moments) ، خوارزمية التحسين (Nelder-Mead) ، طريقة IMLM ، طريقة الخلايا العصبية. Abstract The objective of the radar system is the automatic detection and localization of the targets in space, the large diversity of the environments in which the radar operate posed a serious problem, because the signals generated by the sources of the noises and of undesirable echoes are added to the target signal, therefore the operation of detection becomes complicated and difficult to realize. It is necessary to identify then extract the noise from the signal, to be able to detect the target. In this work, a detailed study of radar detection CFAR in an environment modeled by the compound-Gaussian model or SIRV was considered. After having exposed the various detectors and the estimators of the matrix of covariance associated with this model, we checked the CFAR properties and the performances of detection of the detector GLRT_LQ built with the various estimators of the matrix of covariance through Monte Carlo simulations. To enrich and give a real aspect to this manuscript, we exploited real data of a sea clutter, in first, we analyzed statistically these data. By follows, we gave a procedure experimental for estimated the matrix of covariance of clutter as calculates the probabilities of false alarm and detection, in order to apply the detector GLRT_LQ. Concerning the modeling of these real data, we considered some mathematical models: the Weibull distribution, Log-normal, K without noise, K with noise, RiIG and the suggested model compound IG (Inverse Gaussian). These models are characterized by parameters, the procedure of estimate MLE, the moments method, the algorithm of optimization of Nelder-Mead (curve fitting), the algorithm IMLM and the neuronal approach, are employed for estimate these parameters. Date de soutenance 14/06/2012 Pagination 132p Illusatration Relié Format 30cm Notes une copie papier + un cdrom Statut Soutenue