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.
112 Filtrage spatial non stationnaire sur radar à antenne tournante<br />
avec {wS m} m=1..M<br />
les filtres spatiaux sur les M récurrences. Comme la variation angulaire dûe à la rotation<br />
est faible, on néglige la perte en SINR résultant de la désadaptation du vecteur directionnel spatial φ<br />
(avec ‖φ‖ 2 = N). Ainsi, on écrira :<br />
⎛ ⎞<br />
φ T (1)φ<br />
⎜ ⎟<br />
Φ = ⎝ . ⎠<br />
φ T (M)φ<br />
avec φ T (m) représentant le déphasage dûe à l’effet Doppler, que l’antenne soit en rotation ou non. De<br />
plus, on omettra d’écrire la puissance du signal utile dans les expressions, comme cette dernière disparaît<br />
dans les deux normalisations.<br />
7.3.2 Description des algorithmes ESMI<br />
Description de l’algorithme ESMI standard<br />
Dans notre contexte, la matrice de covariance spatiale varie dans le temps, c’est à dire : R S = R S (t) =<br />
E { x t x H }<br />
t . L’idée d’Hayward [78] a consisté à écrire le filtre spatial sous la forme : wS (t) = w 0 + t∆w.<br />
Dans ce cas, le problème MVDR s’écrit :<br />
min<br />
(w 0 ,∆w)/w(t) H c t=1<br />
où différents vecteurs de contrainte c t sont proposés dans [78]. Avec ˜x t<br />
def<br />
=<br />
une contrainte associée à c t , (7.17) devient :<br />
min<br />
˜w/ ˜w H˜c=1<br />
E<br />
{ ∣∣(w0<br />
+ t∆w) H x t<br />
∣ ∣<br />
2 } (7.17)<br />
E<br />
{ ∣∣<br />
˜w H˜x t<br />
∣ ∣<br />
2 } .<br />
( ) (<br />
xt<br />
, ˜w def w0<br />
=<br />
tx t ∆w<br />
)<br />
, et ˜c<br />
L’implémentation de cette minimisation standard est ensuite réalisée par une implémentation SMI, donnant<br />
naissance à l’algorithme ESMI :<br />
ˆ˜w ∝ ˆR −1˜c (7.18)<br />
où ˆR =<br />
( )<br />
ˆR(0) ˆR(1)<br />
avec<br />
ˆR ˆR (j) =<br />
(1)<br />
ˆR(2)<br />
P M,K<br />
m,k=1 tj m,k x(m) k<br />
KM<br />
x (m)H<br />
k<br />
. Différents types de contraintes peuvent être<br />
utilisées pour ce filtre étendu. Une et plusieurs contraintes indépendantes ont été proposées dans [78].<br />
Cependant, la plus classique<br />
( )<br />
consiste à imposer une contrainte sur w 0 , tout en laissant ∆w libre (cf. par<br />
φ<br />
exemple [80] où ˜c = ). On étudie maintenant les performances en termes de SINR cet algorithme<br />
0<br />
ESMI standard.<br />
Etude de performance de l’algorithme ESMI standard<br />
Tout d’abord, montrons que l’étude de performance faite sous des hypothèses bruit thermique seul est<br />
également valable en présence d’un seul brouilleur vu dans les lobes secondaires. Considérons un scénario<br />
stationnaire pour lequel R 1 = σJ 2φ Jφ H J +σ2 nI est la matrice de covariance du bruit total avec φ J le vecteur<br />
directionnel spatial du brouilleur. Après quelques manipulations algébriques, on obtient le SINR suivant :<br />
SINR = φ H R −1<br />
1 φ = N σ 2 n<br />
|φ H φ J | 2<br />
⎛<br />
⎝1 −<br />
∣ φ H ∣<br />
⎞<br />
φ J 2<br />
+ N 2<br />
Cela implique que SINR ≈ N si ≪ 1, i.e., si le brouilleur est vu dans les lobes secondaires<br />
σn<br />
2 N 2<br />
de l’antenne. En présence de plusieurs brouilleurs dans les lobes secondaires, une preuve analytique de<br />
N σ2 n<br />
σ 2 J<br />
⎠ .