TH`ESE DE DOCTORAT DE L'UNIVERSITà PARIS 6 Spécialité ...
TH`ESE DE DOCTORAT DE L'UNIVERSITà PARIS 6 Spécialité ...
TH`ESE DE DOCTORAT DE L'UNIVERSITà PARIS 6 Spécialité ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
7.2 Algorithme OLS à coefficients variables dans le temps 105<br />
Le critère utilisé dans cette méthode est l’erreur quadratique moyenne entre le signal sur la voie principale<br />
et la pondération du signal sur la voie auxiliaire. L’algorithme OLS standard consiste à rechercher le<br />
coefficient α qui minimise l’expression : E|V p (t) − α ∗ V a (t)| 2 . Le coefficient solution de ce problème vérifie<br />
alors l’équation :<br />
α(t) = E(|V a (t)| 2 ) −1 E(V a (t)V ∗<br />
p (t)).<br />
L’approche OLS optimale serait donc de calculer un coefficient à chaque instant. Cependant, cela n’est<br />
pas réalisable en pratique d’une part parce que les espérances sont estimées par une moyenne empirique<br />
sur plusieurs instants et d’autre part parce qu’une telle approche serait trop lourde à mettre en oeuvre.<br />
Approche avec coefficients variables dans le temps<br />
Cette approche a pour objectif de décomposer le coefficient recherché sur une base polynômiale de<br />
façon à tenir compte des variations temporelles du coefficient optimal [78]. L’estimation à effectuer revient<br />
alors à celle des coefficients dans la base choisie. Supposons que l’on fasse une décomposition du coefficient<br />
sur la base de polynômes canonique contenant I + 1 éléments :<br />
α(t) =<br />
I∑<br />
α i (t − t 0 ) i<br />
i=0<br />
Les coefficients à estimer sont maintenant les coefficients (α i ) i=0..I . t 0 est un instant de la durée d’écoute<br />
choisi de façon à optimiser les performances en termes de puissance résiduelle. Dans toute la suite de ce<br />
chapitre, on fait l’hypothèse selon laquelle la variation de gain est suffisamment faible pour que l’on puisse<br />
se limiter à I = 1.<br />
Implémentation de l’algorithme<br />
L’algorithme OLS peut être mis en oeuvre de différentes manières. En effet, l’utilisateur dispose de<br />
toutes les données correspondant aux cases distance de la récurrence radar et doit choisir les échantillons<br />
à utiliser dans le calcul du coefficient. Ce dernier peut de plus être calculé une ou plusieurs fois. Ici,<br />
nous supposons que le coefficient α n’est calculé qu’une seule fois, à partir de tous les échantillons de la<br />
récurrence.<br />
7.2.3 Etude de performance<br />
Critère de performance retenu<br />
On cherche maintenant à comparer le gain en performance résultant de l’utilisation de l’algorithme<br />
OLS à coefficients variables dans le temps. Pour cela, on retient comme critère la puissance résiduelle de<br />
brouillage instantanée. Ce choix se justifie dans la mesure où ce critère est directement relié au rapport<br />
signal sur bruit. En effet, la puissance utile reçue sur la voie principale est largement supérieure à la<br />
puissance utile reçue sur la voie auxiliaire et donc la contribution du signal utile soustraite à la voie<br />
principale est négligeable devant le signal utile sur cette même voie, quelque soit la version de l’algorithme<br />
OLS utilisé. Dans le rapport signal sur bruit, la puissance du signal peut donc être considérée indépendante<br />
de la version de l’algorithme OLS. De plus, le coefficient α étant faible en raison du choix d’une voie<br />
auxiliaire dont le diagramme est largement supérieur au niveau des lobes secondaires de la voie principale,<br />
la puissance résultante de bruit thermique est approximativement égale à σ 2 n quelque soit la version de<br />
l’algorithme OLS considéré. Finalement, le rapport SINR ne dépend donc que de la puissance résiduelle<br />
de brouillage. Ainsi, l’algorithme est d’autant plus efficace que la puissance résiduelle de brouillage est<br />
faible. D’après (7.1) et (7.2), cette puissance s’écrit à l’instant t :<br />
P res (t) = |G p (ωt + θ J ) − α ∗ (t)G a (ωt + θ J )| 2 σ 2 J . (7.3)