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 ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
110 Filtrage spatial non stationnaire sur radar à antenne tournante<br />
20<br />
θ J<br />
=10 deg.<br />
10<br />
0<br />
puissance resultante en dB<br />
−10<br />
−20<br />
−30<br />
−40<br />
Monte Carlo sur Pres1 : Eq(5.7)<br />
Monte Carlo sur Pres1 : Eq(5.3)<br />
−50<br />
Monte Carlo sur Pres2 : Eq(5.11)<br />
Monte Carlo sur Pres2 : Eq(5.3)<br />
−60<br />
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1<br />
Temps en seconde<br />
x 10 −4<br />
Fig. 7.5: Puissance résultante de brouillage avec θ J = 10 deg, σ 2 n = −20dB, σ2 S = −10dB<br />
Robustesse du modèle par rapport aux hypothèses<br />
On étudie maintenant la robustesse des résultats théoriques aux erreurs de modèle sur Fig.7.5. On<br />
remarque que l’expression théorique de P res (2) est moins robuste que celle de P res, (1) mais que les performances<br />
de la version à coefficients variables restent sensiblement meilleures que celles de la version standard.<br />
7.3 Algorithme MVDR à coefficients variables dans le temps<br />
Après avoir étudié l’algorithme OLS à coefficients variables dans le temps avec calcul des filtres sur<br />
une période de récurrence, on s’intéresse maintenant à l’algorithme MVDR à coefficients variables dans le<br />
temps. Pour cela, on choisit d’utiliser l’algorithme Extended Sample Matrix Inversion (ESMI) introduit<br />
par Hayward [78] dont on étudie ici les performances en termes de SINR lors d’une utilisation spatiotemporelle.<br />
On montre en particulier que l’algorithme utilisé dans sa version standard conduit à de bonnes<br />
performances en contexte d’antenne tournante avec présence d’un brouilleur dans la voie principale.<br />
Ainsi, l’utilisation de l’algorithme ESMI permet d’atteindre, dans ces conditions, des performances très<br />
supérieures à celles résultant de l’utilisation de l’algorithme SMI standard 1 . Cependant, ces performances<br />
se dégradent lorsque le brouilleur se trouve dans les lobes secondaires. Afin de compenser ces pertes en<br />
performance, on propose alors une méthode d’optimisation de la contrainte au sens du SINR maximal. De<br />
cette manière, on réussit à compenser les pertes en SINR dûes à la rotation d’antenne pour une position<br />
quelconque du brouilleur par rapport à la cible.<br />
7.3.1 Modélisation du problème<br />
Contexte et modélisation des données<br />
On suppose que l’environnement est composé de brouilleurs, de bruit thermique et d’une cible mobile.<br />
Le radar terrestre émet une rafale composée de M récurrences de période T rec . Dans chaque récurrence, les<br />
1 On appelle algorithme SMI standard l’implémentation SMI du filtre MVDR (cf. chapitre 2).