10.01.2015 Views

TH`ESE DE DOCTORAT DE L'UNIVERSITÉ PARIS 6 Spécialité ...

TH`ESE DE DOCTORAT DE L'UNIVERSITÉ PARIS 6 Spécialité ...

TH`ESE DE DOCTORAT DE L'UNIVERSITÉ PARIS 6 Spécialité ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

108 Filtrage spatial non stationnaire sur radar à antenne tournante<br />

K T rec (ms) ω(rd/s) σJ 2 G p (0) G a (0) N mc<br />

100 0.1 2π 50 0 −7 100<br />

Tab. 7.1: Paramètres de la simulation<br />

maintenant une approximation asympotique des fonctions de brouillage correspondant aux équations<br />

(7.8) et (7.9). La convergence en moyenne quadratique des expressions suivantes permet de justifier ces<br />

approximations (avec ρ = t 0<br />

KT e<br />

) :<br />

S<br />

K ≈ σ2 J<br />

et<br />

U<br />

K 2 T e<br />

≈ ( 1 2 − ρ)σ2 J (7.12)<br />

V<br />

K 3 T 2 e<br />

≈ ( 1 3 − ρ + ρ2 )σ 2 J (7.13)<br />

X<br />

K 4 T 3 e<br />

≈ ( 1 4 − ρ + 3/2ρ2 − ρ 3 )σ 2 J. (7.14)<br />

En utilisant (7.12) dans (7.7), on obtient un équivalent sur la puissance résiduelle de brouillage avec<br />

l’algorithme OLS standard :<br />

P (1)<br />

res (t l) ≈<br />

∣<br />

ωT e<br />

(K − 2l) ˙<br />

2<br />

G p (ωt l + θ J )<br />

∣<br />

Puis, en utilisant (7.12), (7.13) et (7.14) dans (7.11) et après quelques simplifications :<br />

P (2)<br />

res(t l ) ≈<br />

∣<br />

ω 2 T 2 e<br />

2 (K2<br />

6 − lK + l2 ) ¨G p (ωt l + θ J )<br />

∣<br />

2<br />

σ 2 J . (7.15)<br />

2<br />

σ 2 J. (7.16)<br />

Nous remarquons que cette dernière expression ne dépend pas de t 0 , ce qui veut dire que le choix de cette<br />

valeur n’a pas d’influence sur les performances de l’algorithme.<br />

7.2.4 Simulations<br />

Les simulations sont réalisées à partir d’une voie principale formée grâce à une ALU de 16 capteurs<br />

et d’une voie auxiliaire à partir d’une ALU de 2 capteurs. Ces deux réseaux respectent la condition de<br />

Shannon et ont le même centre de phase. On choisit comme durée d’observation une période de récurrence<br />

radar. Les puissances sont exprimées en dB.<br />

Comparaison des performances des deux versions de l’algorithme OLS<br />

Les figures suivantes Fig.7.3 et Fig.7.4 comparent les puissances résultantes des deux versions de<br />

l’algorithme OLS obtenues par Monte Carlo sur N mc réalisations et par les formules théoriques (7.15) et<br />

(7.16), pour deux valeurs de θ J correspondant respectivement à un brouilleur dans un trou de diagramme<br />

et un brouilleur sur un lobe secondaire. On observe une nette diminution de la puissance résiduelle<br />

moyenne pour la version avec coefficients variables dans le temps par rapport à la version standard. On<br />

note ensuite que même en zone de gain de la voie principale fortement variable (cf. Fig.7.2 avec θ J = 7<br />

deg.), les courbes théoriques et de Monte Carlo sont très proches. On vérifie enfin que les courbes de P res<br />

(1)<br />

montrent un creux pour l = K (2)<br />

2<br />

, alors que celles de P res montrent un creux pour les valeurs de l racines<br />

de ( K2<br />

6 − lK + l2 ).

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!