681 articles – 2 Notices 
Fiche détaillée Thèses
Ecole nationale superieure de l'aeronautique et de l'espace (17/12/1996), G.SALUT (Dir.)
Liste des fichiers attachés à ce document : 
PDF
Chamon.pdf(5 MB)
Filtrage particulaire et ouverture synthétique inverse sur cibles RADAR non-coopératives
Marco Antonio Chamon1

Dans ce mémoire, on utilise la résolution particulaire du filtrage non-linéaire optimal pour le traitement du signal radar. Cette méthode, dite Filtrage Particulaire, permet de traiter de modèles non-linéaires sans restrictions sur la nature des non-linéarités ou sur la distribution des processus aléatoires qui représentent la dynamique du modèle et le bruit d'observation. Le principe du filtrage particulaire est de construire la probabilité conditionnelle aux mesures des variables à estimer par un peigne de Dirac généralisé, dont les supports suivent le flot stochastique de la variable, et dont les masses sont issues de la correction Bayesienne due aux mesures. L'application de cette nouvelle méthode aux techniques radar d'ouverture synthétique inverse (ISAR) permet d'estimer conjointement la trajectoire et l'image d'une cible non-coopérative à de faibles rapports signal/bruit. Dans ce cas, chaque particule dans l'espace d'état est porteuse d'une grille rigide qui représente la cible et dont la vraisemblance fournit le poids. Selon la finesse de la grille, l'algorithme peut être adapté aux problème d'imagerie radar ou simplement de poursuite d'une cible en présence de glint.
1 :  LAAS - Laboratoire d'analyse et d'architecture des systèmes [Toulouse]
Filtrage non-linéaire – Filtrage particulaire – Imagerie radar – Radar à ouverture synthétique inverse (ISAR) – Poursuite radar

This report describes the application of optimal nonlinear/non-Gaussian filtering to the radar signal processing problem. This approach, made feasible by a new technique named Particle Filtering, may cope with nonlinear models without any restrictions as well as non-Gaussian dynamic and observation noises. The main feature of the Particle Filtering is that it constructs the conditional probability of the state variables, with respect to the measurements, through a random exploration of the state space by entities called particles. A weight is assigned to each particle by a Bayes correction term based on the measurements. The application of this new filter to the inverse synthetic aperture radar (ISAR) technique allows the joint estimation of the path and the image of a manoeuvring target in weak signal to noise ratio situations. The same algorithm can be used also to deal with the simpler problem of target tracking in presence of glint.
Nonlinear filtering – Particle filtering – Radar imaging – Inverse synthetic aperture radar (ISAR) – Radar tracking