Abstract:
48
Conclusion générale
Dans ce travail, nous avons considéré la détection cohérente dans un environnement Gaussien-composé. Nous avons présenté les différents détecteurs associés à ce modèle de clutter, ainsi que les différents estimateurs de la matrice de covariance du clutter. L’analyse des propriétés CFAR et les performances de détection du détecteur GLRT_LQ a été effectuée par la méthode de simulation de Monte-Carlo utilisant les différents estimateurs de la matrice de covariance, ainsi que les différents paramètres du clutter.
Les résultats obtenus montrent que le détecteur GLRT_LQ construit avec l’estimateur PF est le plus robuste contre les variations des conditions de l’environnement car il est CFAR-texture et CFAR-matrice. Tandis que l’estimateur NSCM est CFAR-texture mais n’est pas un CFAR-matrice, et l'estimateur SCM n'est pas un CFAR-texture et ces performances sont dégradées pour le clutter non Gaussien. D’après les résultats de détection, le PF offre les meilleures performances de détection par rapport au NSCM.
A la fin, plusieurs perspectives peuvent être considérées pour la continuité de nos travaux, nous proposons l’implémentation des techniques d’estimation de la matrice de covariance sur des cartes DSP et FPGA. De plus l’utilisation d’autre détecteur et estimateur de la matrice de covariance associé au modèle Gaussien-Composé.
