Étude et Analyse des Détecteurs Adaptatifs CFAR de Cibles Radar Noyées dans un Milieu Non Gaussien

dc.contributor.authorBENHAMED, Rania
dc.contributor.authorBOUNIF, Selma
dc.contributor.authorEnca/ Mohamed, SAHED
dc.date.accessioned2022-07-17T11:22:25Z
dc.date.available2022-07-17T11:22:25Z
dc.date.issued2022-07-17
dc.description.abstractDans le cadre de cette étude, nous avons abordé le problème de la détection adaptative des cibles radar noyées dans un clutter distribué selon la loi de Pareto. Ce type de détection est réalisé en maintenant un taux de fausse alarme constant (Constant False Alarm Rate, CFAR), lors du traitement. Nous avons présenté tout d’abord le détecteur Geometric Mean CFAR (GM-CFAR) introduit dans la littérature. Ce détecteur est adapté aux milieux homogènes. Nous avons montré que la dérivation de ce détecteur a été réalisée en tirant parti de la dualité entre les deux distributions Exponentielle et Pareto. Cette dualité a permis de transformer les stratégies de détection CFAR développées pour les milieux gaussiens vers des milieux Pareto distribués. En exploitant cette même dualité, nous avons effectué une analyse théorique complète de deux autres détecteurs, à savoir le Geometric Mean Greatest Of-CFAR (GO-CFAR) et le Geometric Mean Smallest Of-CFAR (SO-CFAR). Ce dernier est plus adapté aux milieux hétérogènes caractérisés par la présence des interférences. Nous avons ensuite examiné, testé et comparé les performances des différents détecteurs via simulations numériques. Les résultats de simulations obtenus permettent de valider l’intérêt du détecteur SO-CAFR pour les milieux hétérogènes comparativement aux autres détecteurs.en_US
dc.identifier.urihttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/30528
dc.language.isofren_US
dc.publisheruniversity of M'silaen_US
dc.relation.ispartofseries31/2022;
dc.subjectRadar, Détection adaptative CFAR, Clutter non Gaussien, Interférences, Loi de Pareto.en_US
dc.titleÉtude et Analyse des Détecteurs Adaptatifs CFAR de Cibles Radar Noyées dans un Milieu Non Gaussienen_US
dc.typeThesisen_US

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
BOUNIF.Selma&BENHAMED.Rania.pdf
Size:
1.25 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections