Sparse bearing estimation of radio sources : models, algorithms and robust implementations
Goniométrie parcimonieuse de sources radioélectriques : modèles, algorithmes et mises en œuvre robustes
Résumé
This thesis deals with the direction-of-arrival (DOA) estimation of non-cooperative radio transmitters from signals received on an antenna array. The applications targeted in this work are the airborne scenario, characterized by a number of sources higher than the number of sensors, and the urban environment scenario, characterized by coherent multipath.Conventional direction-of-arrival estimation methods such as beamforming and Capon method or high resolution methods such as MUSIC are not efficient in such scenarios. The maximum likelihood method suffers from a computational complexity incompatible with current operational systems.In order to overcome these limitations, the problem of direction-of-arrival estimation is treated here with a sparse formalism, perfectly adapted to the use of calibration tables in operational systems. After having shown the interests of an approach based on a regularization by the L0 norm, this thesis tackles the technical issues that are the regularization parameter and the global convergence of optimization algorithms. To this end, we construct and statistically study sparse representations adapted to i) airborne scenarios, and ii) urban environments. The equivalence with the maximum likelihood given by a constrained formulation then allows us to determine a theoretical admissible interval for the regularization parameter. We also study the minimizers and error surfaces of different optimization criteria. This allows us to propose iterative minimization schemes that increase the probability of global convergence and thus are less sensitive to initialization. In that respect, the proposed ALICE-L0 algorithm enables to separate close sources.
Cette thèse porte sur la goniométrie d'émetteurs radioélectriques non coopératifs à partir de signaux reçus sur un réseau d'antennes. Les applications visées dans ce travail sont le scénario aéroporté, caractérisé par un nombre de source supérieur au nombre de capteurs, et le scénario en environnement urbain, caractérisé par des multi-trajets cohérents.Les méthodes de goniométrie conventionnelles telles que formation de voies et Capon ou encore les méthodes à haute résolution telles que MUSIC ne sont pas performantes dans de tels scénarios. La méthode du maximum de vraisemblance souffre d'une complexité de calcul incompatible avec les systèmes opérationnels actuels.Pour palier ces limitations, la goniométrie est traitée ici avec un formalisme parcimonieux, parfaitement adapté à l'utilisation de tables de calibration dans les systèmes opérationnels. Après avoir montré les intérêts d'une approche reposant sur une régularisation par la norme L0, cette thèse s'attaque aux verrous que sont le paramètre de régularisation et la convergence globale des algorithmes d'optimisation. Pour cela, nous construisons et étudions statistiquement des représentations parcimonieuses adaptées i) aux scénarios aéroportés, et ii) aux environnements urbains. L'équivalence avec le maximum de vraisemblance donné par une formulation contrainte permet alors de déterminer un intervalle théorique admissible pour le paramètre de régularisation. Nous étudions également les minimiseurs et les surfaces d’erreurs de différents critères d’optimisation. Cela nous permet de proposer des schémas itératifs de minimisation augmentant la probabilité de convergence globale et ainsi moins sensibles à l’initialisation. L'algorithme ALICE-L0 ainsi proposé permet de plus de séparer des sources proches.
Origine : Version validée par le jury (STAR)