TH`ESE DE DOCTORAT DE L'UNIVERSITÃ PARIS 6 SpÃ©cialitÃ© ...

More documents

Recommendations

Info

108 Filtrage spatial non stationnaire sur radar à antenne tournante K T rec (ms) ω(rd/s) σJ 2 G p (0) G a (0) N mc 100 0.1 2π 50 0 −7 100 Tab. 7.1: Paramètres de la simulation maintenant une approximation asympotique des fonctions de brouillage correspondant aux équations (7.8) et (7.9). La convergence en moyenne quadratique des expressions suivantes permet de justifier ces approximations (avec ρ = t 0 KT e ) : S K ≈ σ2 J et U K 2 T e ≈ ( 1 2 − ρ)σ2 J (7.12) V K 3 T 2 e ≈ ( 1 3 − ρ + ρ2 )σ 2 J (7.13) X K 4 T 3 e ≈ ( 1 4 − ρ + 3/2ρ2 − ρ 3 )σ 2 J. (7.14) En utilisant (7.12) dans (7.7), on obtient un équivalent sur la puissance résiduelle de brouillage avec l’algorithme OLS standard : P (1) res (t l) ≈ ∣ ωT e (K − 2l) ˙ 2 G p (ωt l + θ J ) ∣ Puis, en utilisant (7.12), (7.13) et (7.14) dans (7.11) et après quelques simplifications : P (2) res(t l ) ≈ ∣ ω 2 T 2 e 2 (K2 6 − lK + l2 ) ¨G p (ωt l + θ J ) ∣ 2 σ 2 J . (7.15) 2 σ 2 J. (7.16) Nous remarquons que cette dernière expression ne dépend pas de t 0 , ce qui veut dire que le choix de cette valeur n’a pas d’influence sur les performances de l’algorithme. 7.2.4 Simulations Les simulations sont réalisées à partir d’une voie principale formée grâce à une ALU de 16 capteurs et d’une voie auxiliaire à partir d’une ALU de 2 capteurs. Ces deux réseaux respectent la condition de Shannon et ont le même centre de phase. On choisit comme durée d’observation une période de récurrence radar. Les puissances sont exprimées en dB. Comparaison des performances des deux versions de l’algorithme OLS Les figures suivantes Fig.7.3 et Fig.7.4 comparent les puissances résultantes des deux versions de l’algorithme OLS obtenues par Monte Carlo sur N mc réalisations et par les formules théoriques (7.15) et (7.16), pour deux valeurs de θ J correspondant respectivement à un brouilleur dans un trou de diagramme et un brouilleur sur un lobe secondaire. On observe une nette diminution de la puissance résiduelle moyenne pour la version avec coefficients variables dans le temps par rapport à la version standard. On note ensuite que même en zone de gain de la voie principale fortement variable (cf. Fig.7.2 avec θ J = 7 deg.), les courbes théoriques et de Monte Carlo sont très proches. On vérifie enfin que les courbes de P res (1) montrent un creux pour l = K (2) 2 , alors que celles de P res montrent un creux pour les valeurs de l racines de ( K2 6 − lK + l2 ).
7.2 Algorithme OLS à coefficients variables dans le temps 109 20 θ J =10 deg. 10 puissance resultante en dB 0 −10 −20 −30 −40 −50 Monte Carlo sur Pres1 DL ordre 1 sur Pres1 Monte Carlo sur Pres2 DL ordre 2 sur Pres2 −60 −70 −80 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Temps en seconde x 10 −4 Fig. 7.3: Puissance résultante de brouillage avec θ J = 10 deg 40 θ J =7 deg. 20 puissance resultante en dB 0 −20 −40 −60 Monte Carlo sur Pres1 DL ordre 1 sur Pres1 Monte Carlo sur Pres2 DL ordre 2 sur Pres2 −80 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Temps en seconde x 10 −4 Fig. 7.4: Puissance résultante de brouillage avec θ J = 7 deg
Page 1:
THÈSE DE DOCTORAT DE L’UNIVERSIT
Page 5:
Remerciements Je souhaiterais tout
Page 9:
Abstract This thesis is devoted to
Page 12 and 13:
12 TABLE DES MATIÈRES 3.5 Applicat
Page 14 and 15:
14 TABLE DES MATIÈRES
Page 16 and 17:
16 TABLE DES FIGURES 4.4 SINR spati
Page 18 and 19:
18 TABLE DES FIGURES
Page 20 and 21:
20 LISTE DES TABLEAUX
Page 22 and 23:
22 Notations et abréviations TFD :
Page 24 and 25:
24 Introduction 2.2 Modélisation d
Page 26 and 27:
26 Introduction 2.3.2 Critère Mini
Page 28 and 29:
28 Introduction Fig. 2.1: Equivalen
Page 30 and 31:
30 Introduction Fig. 2.2: Représen
Page 32 and 33:
32 Introduction 0 Diagramme de rece
Page 34 and 35:
34 Introduction que le SINR normali
Page 36 and 37:
36 Introduction - Le chapitre 5 por
Page 38 and 39:
38 Introduction
Page 41 and 42:
Chapitre 3 Robustesse de la formati
Page 43 and 44:
3.3 Critère de robustesse par rapp
Page 45 and 46:
3.3 Critère de robustesse par rapp
Page 47 and 48:
3.4 Calcul d’expressions explicit
Page 49 and 50:
Page 51 and 52:
Page 53 and 54:
Page 55 and 56:
3.5 Application à l’étude de pe
Page 57 and 58: 3.5 Application à l’étude de pe
Page 63 and 64: 3.6 Conclusion 63 2.5 2 1.5 SINR(dB
Page 65 and 66: Chapitre 4 Etude de performance asy
Page 67 and 68: 4.2 Problème des valeurs propres g
Page 69 and 70: 4.3 Distribution asymptotique des v
Page 71 and 72: 4.4 Application à la formation de
Page 81 and 82: 4.5 Conclusion 81 0 −1 −2 −3
Page 83 and 84: Chapitre 5 Distribution asymptotiqu
Page 85 and 86: 5.2 Notations et résultats prélim
Page 87 and 88: 5.3 Distribution asymptotique des v
Page 89 and 90: 5.4 Conclusion 89 et lim λ l(A n P
Page 91: Deuxième partie Etude d’algorith
Page 94 and 95: 94 Filtrage optimal sur radar à an
Page 100 and 101: 100 Filtrage optimal sur radar à a
Page 102 and 103: 102 Filtrage optimal sur radar à a
Page 104 and 105: 104 Filtrage spatial non stationnai
Page 118 and 119: 118 Filtrage spatio-temporel sur ra
Page 142 and 143: 142 Conclusions et perspectives sio
Page 144 and 145: 144 Conclusions et perspectives
Page 147 and 148: Annexe A Approximations du SINR App
Page 149 and 150: 149 Sous les mêmes conditions pour
Page 151 and 152: Annexe B Preuve de Théorème 1 A p
Page 153 and 154: Annexe C Preuve de Théorème 2 Lem
Page 155 and 156: 155 et Par conséquent, nm∑ k=1 (
Page 157 and 158: Annexe D Preuve de Résultat 7 Tout
Page 159 and 160:
Annexe E Expression du signal reçu
Page 161 and 162:
Annexe F Calcul du SINR normalisé
Page 163 and 164:
Annexe G Calcul de la puissance ré
Page 165 and 166:
Bibliographie [1] R. Monzingo and T
Page 167 and 168:
BIBLIOGRAPHIE 167 [46] U. Grenander
show all

TH`ESE DE DOCTORAT DE L'UNIVERSITÃ PARIS 6 SpÃ©cialitÃ© ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?

TH`ESE DE DOCTORAT DE L'UNIVERSITÃ PARIS 6 SpÃ©cialitÃ© ...