Estimation et Détection Adaptative des Cibles pour Radars MIMO dans un Environnement de Clutter non-Gaussien
Loading...
Date
2017
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université de M'sila
Abstract
Une détection radar performante est liée à plusieurs critères. En général, la modélisation statistique de l’environnement de la cible à détecter, l’estimation des paramètres du modèle du clutter et l’algorithme de détection contribuent aux principaux problèmes de la détection radar. Cette thèse traite, dans un premier temps, l’estimation des paramètres des modèles statistiques du clutter de mer non-Gaussien. Le premier modèle considéré est celui de la distribution K avec et sans bruit thermique. Ainsi, nous proposons deux estimateurs basés sur les moments d’ordre fractionnaire positif et négatif FPNOME (Fractional Positive and Negative Order Moments Estimator) pour une intégration de plusieurs impulsions. Le deuxième modèle considéré est celui de la distribution Pareto en présence du bruit thermique. Aussi, nous proposons une expression asymptotique des moments d’ordre de la distribution Pareto-plus-bruit en termes de la fonction hypergéométrique généralisée. Ensuite, exploitant cette expression, deux estimateurs basés sur les moments d’ordre fractionnaire FOME (Fractional Order Moments Estimator) et les moments logarithmiques ([zlog(z)]) sont proposés dans le cas d’une intégration de plusieurs impulsions. Les résultats obtenus à travers l’évaluation des performances utilisant des données synthétiques et réelles (base de données du radar McMaster IPIX) montrent l’efficacité de nos approches. Dans un second temps, la détection CFAR (Constant False Alarm Rate) des radars MIMO (Multiple Input Multiple Output) dans un environnement de distribution Pareto a été considérée. Dans cette partie, nous proposons de généraliser les algorithmes GM (Geometric Mean), GO (Greatest Of), SO (Smallest Of) et OS (Order Statistic) CFAR. Les performances de détection des détecteurs généralisés sont évaluées pour un clutter Pareto homogène et hétérogène. Dans le cas d’un clutter homogène, le détecteur GM-CFAR a montré de meilleures performances par rapport aux autres détecteurs. Cependant, dans le cas d’un clutter hétérogène, les performances de ce dernier se dégradent alors que celles des détecteurs SO-CFAR, GO-CFAR et OS-CFAR demeurent robustes.