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.
8.2 Position du problème 119<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
Antenna<br />
Emission<br />
Beamwidth<br />
Reception<br />
Beamwidth<br />
Rotation in CPI<br />
(ω=180 deg/s)<br />
Fig. 8.1: Hypothèses sur les diagrammes d’émission et de réception<br />
où j (m,j)<br />
k<br />
= j (m)<br />
k<br />
(θ j )φ (m)<br />
k<br />
(θ j ) et φ (m)<br />
k<br />
(θ) est le vecteur directionnel du k eme échantillon de la m eme récurrence.<br />
Ensuite, en supposant que toutes les composantes sont mutuellement décorrélées, la matrice de covariance<br />
spatiale du k eme échantillon de la récurrence m est donnée par :<br />
R (m)<br />
k<br />
=<br />
J∑<br />
j=1<br />
R (m,j)<br />
k<br />
+ σ 2 nI.<br />
Notons ensuite X k=1..K les données spatio-temporelles de dimension NM. L’arrangement spatio-temporel<br />
est le suivant :<br />
⎛<br />
x (1) ⎞<br />
ḳ<br />
def ⎜ ⎟<br />
J∑<br />
X k=1..K = ⎝ . ⎠ = J k (θ j ) + ∑ C k (θ i ) + N k<br />
x (M) j=1 i<br />
k<br />
avec J k (θ j ) def = [j (1)<br />
k (θ j),..,j (M)<br />
k<br />
(θ j )] T def<br />
les vecteurs spatio-temporels de brouillage, N k = [n (1)<br />
k ,..,n(M) k<br />
] T<br />
le vecteur spatio-temporel de bruit thermique, C k (θ i ) = c k (θ i )Φ k (θ i ) les vecteurs spatio-temporels de<br />
fouillis et Φ k (θ i ) def = [φ (1)<br />
k (θ i),..,φ (M)<br />
k<br />
(θ i )] T les vecteurs directionnels spatio-temporels à l’échantillon k.<br />
Notons que cette expression signifie implicitement que le gain d’émission est supposé constant pendant la<br />
récurrence, en dépit de la rotation d’antenne. Cette hypothèse se justifie dans la mesure où on suppose<br />
que le faisceau d’émission de l’antenne est large par rapport à la rotation d’antenne, contrairement au<br />
faisceau en réception, comme l’illustre Fig.8.1. Ensuite, la matrice de covariance spatio-temporelle des<br />
données secondaires est donnée par :<br />
R k = R k,J + R k,c + σ 2 nI (8.1)<br />
où<br />
et<br />
R k,J<br />
def<br />
=<br />
⎛<br />
J∑ ⎜<br />
⎝<br />
j=1<br />
R k,c<br />
def<br />
= ∑ i<br />
R (1,j)<br />
k<br />
O<br />
. ..<br />
O<br />
R (M,j)<br />
k<br />
σ 2 c (θ i)Φ k (θ i )Φ H k (θ i).<br />
⎞<br />
⎟<br />
⎠<br />
Finalement, on note Φ k le vecteur directionnel spatio-temporel de la cible égal à :<br />
Φ k = [φ (1)<br />
k (θ S),e j2πf ST rec<br />
φ (2)<br />
k (θ S),...,e j2π(M−1)f ST rec<br />
φ (M)<br />
k<br />
(θ S )] T