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 ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
124 Filtrage spatio-temporel sur radar à antenne tournante<br />
8.3.1 Description du traitement proposé<br />
Lorsque l’on s’impose une contrainte directionnelle, maximiser un SINR est équivalent à minimiser la<br />
variance : W H RW. Contrairement au filtrage STAP, on contraint la structure du filtre spatio-temporel<br />
à s’écrire sous la forme :<br />
W = [w T (1)w T S,1 ,...,w T(M)w T S,M ]T<br />
et on note w T = [w T (1),... ,w T (M)] T le filtre Doppler et W S = [w S,1 ,...,w S,M ] T les filtres spatiaux<br />
pour les différentes récurrences. Ensuite, pour faire l’optimisation, on décompose la variance W H RW en<br />
deux parties, correspondant respectivement aux matrices de covariance de brouillage+bruit thermique et<br />
fouillis (cf. 8.1) :<br />
avec<br />
W H RW = f(W S ,w T ) + g(W S ,w T )<br />
f(W S ,w T ) =<br />
M∑<br />
|w T (m)| 2 wS,m(R H k,J + σnI)w 2 S,m<br />
m=1<br />
g(W S ,w T ) = w H T R Z w T<br />
et R Z est la matrice de covariance du fouillis après filtrage spatial, c’est à dire (R Z ) m,m ′ = w H S,m R c(m,m ′ )w S,m ′<br />
avec R c (m,m ′ ) = ∑ i σ2 c (θ i)φ (m) (θ i )φ (m′)H (θ i ).<br />
On décrit maintenant le traitement proposé, qui consiste à effectuer l’optimisation en deux étapes. Tout<br />
d’abord, les filtres spatiaux (w S,m ) m=1..M sont calculés pour minimiser la variance de brouillage+bruit<br />
thermique sur chaque récurrence et ainsi la composante f(W S ,w T ). Cette optimisation s’effectue par<br />
utilisation des données tertiaires. Ensuite, pour minimiser W H RW, il reste à minimiser la seconde composante<br />
g(W S ,w T ). Cette étape s’effectue sur w T , par utilisation des données secondaires. Le filtre<br />
solution est alors simplement w T ∝ R −1<br />
Z φ T où φ T est le vecteur des déphasages Doppler correspondant<br />
à la vitesse de la cible.<br />
Pour mieux comprendre ce schéma, comparons le à l’approche factorisée en configuration antenne<br />
fixe. Ce dernier traitement consiste à implémenter en premier lieu un filtrage spatial adaptatif unique<br />
w S et à ensuite appliquer un filtre Doppler non adaptatif par TFD. En configuration antenne fixe, ce<br />
schéma est efficace par la matrice correspondante R Z est de rang un, engendrée par le vecteur [1...1] T .<br />
Par conséquent, les filtres Doppler obtenus par TFD aux fréquences Doppler non nulles sont orthogonaux<br />
à ce dernier vecteur, annulant ainsi le terme wT HR Zw T . Cependant, lorsque l’antenne est en rotation<br />
et que les filtres spatiaux sont mis à jour dans la rafale, la propriété de rang un de la matrice R Z<br />
disparaît. Cela s’explique à la fois par des erreurs stochastiques dans le calcul des filtres de récurrence à<br />
récurrence et par des changements déterministes conduisant à un étalement Doppler, comme cela a été<br />
décrit dans la section précédente. Notons alors que même si les fluctuations aléatoires peuvent être limitées<br />
par utilisation de contraintes sur les filtres spatiaux, un étalement Doppler reste. Cela peut induire des<br />
dégradations de performance, par exemple lorsque de puissants points brillants de fouillis sont vus sur les<br />
lobes secondaires. Par conséquent, un calcul adaptatif des filtres Doppler apparaît approprié.<br />
Finalement, on résume l’algorithme permettant de calculer le filtre spatio-temporel :<br />
– Calculer les filtres spatiaux W S avec mise à jour à chaque récurrence par estimation des données<br />
tertiaires<br />
– Estimer la matrice de covariance R c avec les données secondaires<br />
– Calculer R Z à partir de R c et W S<br />
– Calculer w T<br />
– Former le filtre spatio-temporel et filtrer les données primaires