THÈSE En vue de l'obtention du

THÈSE
En vue de l'obtention du
DOCTORAT DE L’UNIVERSITÉ DE TOULOUSEDOCTORAT DE L’UNIVERSITÉ DE TOULOUSE
Délivré par l'Institut National Polytechnique de Toulouse
Discipline ou spécialité : Signal, Image, Acoustique et Optimisation
Présentée et soutenue par Stéphanie Bidon
Le 14 octobre 2008
Titre : ESTIMATION ET DÉTECTION EN MILIEU NON-HOMOGÈNE,
APPLICATION AU TRAITEMENT SPATIO-TEMPOREL ADAPTATIF
JURY
M. LOUBATON Philippe Université Marne la Vallée Président/Rapporteur
M. FORSTER Philippe Ué Paris X Rapporteur
M. FARINA Alfonso SELEX Sistemi Integrati Examinateur
M. LE CHEVALIER François THALES Examur
M. MILIN Jean-Luc DGA Examinateur
M. BESSON Olivier ISAE Co-directeur de Thèse
M. TOURNERET Jean-Yves ENSEEIHT Directeur de Thèse
Ecole doctorale : Mathématiques Informatique Télécommunications de Toulouse
Unité de recherche : IRIT (UMR 5505), ISAE/DEOS/SCAN
Directeur de Thèse : Jean-Yves Tourneret
Co-directeur de Thèse : Olivier BessonRemerciements
La thèse s’est déroulée principalement au Département Avionique et Systèmes de l’ENSICA
(devenue depuis ISAE). Elle a été financée par la Délégation Générale pour l’Armement et par
le partenaire industriel Thalès Systèmes Aéroportés. Mais, ces trois dernières années passées se
caractérisent avant tout par les personnes qui m’ont encadrée et que j’ai eu l’occasion de rencon-
trer lors de divers déplacements.
Ainsi, parmi les personnes qu’il me tient à coeur de remercier vient en premier lieu mon
co-directeur de thèse Olivier Besson. Après m’avoir encadrée lors d’un court stage d’été au DAS,
l’idée de faire une thèse a vu naturellement le jour. Le stage annonçait sans conteste la qualité de
l’encadrement dont il a fait preuve pendant la thèse. Les résultats des travaux doivent beaucoup
à ses compétences techniques, sa rigueur et sa disponibilité.
À cet égard, il me faut aussi remercier mon directeur de thèse Jean-Yves Tourneret, qui a
fortement contribué aux travaux en apportant sa touche Bayésienne. Il a été également d’un
grand soutien en conférence en particulier devant le redoutable Yuri. J’en profite pour saluer
les doctorants de l’IRIT que j’ai pu retrouver dans plusieurs conférences. Merci aussi à Nicolas
Dobigeon pour ses réponses à quelques unes de mes interrogations Bayésiennes.
J’adresse également mes remerciements aux membres du jury. Merci à Philippe Loubaton
pour avoir présidé et rapporté cette thèse. Merci à Philippe Forster pour l’avoir rapportée. Merci
également à Jean-Luc Milin et à François Le Chevalier pour l’avoir examinée. Enfin, je tiens
à adresser ma grande reconnaissance à Alfonso Farina, radariste de renom, qui a accepté de
participer au jury. Thank you Alfonso for your kindness. Hope we’ll see you again in Toulouse.
N’oublions pas de remercier non plus Michel Sarran et ses deux étoiles sans qui cette journée de
soutenance n’aurait pas été ce qu’elle a été.
À ce stade, je tiens à saluer l’équipe de Thalès Systèmes Aéroportés et en particulier Marc
Montécot,CyrilleEnderli,Jean-YvesDelabbaye,etFrançoisLeChevalieravecquij’aipufairede
nombreux “points STAP” lors de mes déplacements à Élancourt. Leurs connaissances sur le radar
a été d’un grand enrichissement. Merci également à Laurent Savy qui m’a permis d’effectuer mon
premier séjour parisien.Au cours de ces trois dernières années, il y a eu également quelques moments difficiles. Les
collègues du DAS ont su de par leur gentillesse me témoigner leur soutien. Je leur en suis re-
connaissante. À cet effet, un grand merci à Claude Nouals pour m’avoir accueillie dans son
département. Une pensée aussi aux amis de Toulouse, d’Allemagne et d’ailleurs. Comme promis
un remerciement spécial à “Aurély dico d’or” à qui j’ai osé faire relire les deux premiers chapitres
du manuscript.
Enfin,j’adresseunedernièrepenséeàmesparents,quim’ontsoutenue,etàquij’aidûdonner
quelques cheveux blancs pendant la rédaction du mémoire.
Stéphanie
ivTable des matières
Introduction 1
1 État de l’art 5
1.1 Le domaine d’application : les traitements STAP . . . . . . . . . . . . . . . . . . 6
1.1.1 Notations STAP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1.1 La forme d’onde . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1.2 L’antenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1.3 La plate-forme et la configuration géométrique . . . . . . . . . . 6
1.1.1.4 Le cube de données . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1.5 Réponse du réseau . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.2 Modèle des signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.2.1 La cible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.2.2 Le bruit thermique . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.2.3 Le fouillis de sol . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.3 Enjeu de la détection pour un processeur STAP . . . . . . . . . . . . . . . 12
1.1.3.1 Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.1.3.2 Outils de mesures de performance . . . . . . . . . . . . . . . . . 13
1.2 Estimation et détection en milieu homogène . . . . . . . . . . . . . . . . . . . . . 14
1.2.1 Test d’hypothèse binaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.1.1 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.1.2 Cas d’un milieu homogène . . . . . . . . . . . . . . . . . . . . . 15
1.2.2 Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.3 Détection adaptative . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.3.1 Le GLRT de Kelly . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.3.2 L’AMF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3 Environnement réel et hétérogénéité . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.1 Limite du modèle homogène sur données réelles . . . . . . . . . . . . . . . 16
1.3.2 Modèles d’hétérogénéité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.2.1 Hétérogénéité de réflexion du sol . . . . . . . . . . . . . . . . . . 17
1.3.2.2 Variation du lieu du fouillis en distance . . . . . . . . . . . . . . 18
1.3.2.3 Présencedeciblesdanslesdonnéessecondairesoudansladonnée
primaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.2.4 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4 Estimation et détection en milieu hétérogène . . . . . . . . . . . . . . . . . . . . 20
1.4.1 Algorithmes à domaine d’entraînement réduit . . . . . . . . . . . . . . . . 20
1.4.1.1 Algorithmes à dimension réduite . . . . . . . . . . . . . . . . . . 20
1.4.1.2 Alg à rang réduit . . . . . . . . . . . . . . . . . . . . . . 21Table des matières
1.4.1.3 Diagonal loading . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.4.1.4 Interférences structurées . . . . . . . . . . . . . . . . . . . . . . . 22
1.4.2 Sélection des données secondaires . . . . . . . . . . . . . . . . . . . . . . . 23
1.4.2.1 Méthodes non adaptatives . . . . . . . . . . . . . . . . . . . . . . 24
1.4.2.2 Méthodes adaptatives . . . . . . . . . . . . . . . . . . . . . . . . 24
1.4.3 Modèle d’hétérogénéité intégré dans le schéma de détection . . . . . . . . 25
1.4.3.1 Prise en compte de la variation de puissance . . . . . . . . . . . 25
1.4.3.2 Prise en compte des variations du lieu fouillis . . . . . . . . . . . 26
1.4.4 Introduction de données a priori, KA . . . . . . . . . . . . . . . . . . . . . 27
1.5 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2 Modèle d’environnement hétérogène Bayésien 31
2.1 Spécifications du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.1.1 Hétérogénéité et information a priori . . . . . . . . . . . . . . . . . . . . . 32
2.1.2 Approche Bayésienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2 La donnée primaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.1 Le vecteur d’observation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.2 La matrice de covariance primaire . . . . . . . . . . . . . . . . . . . . . . 33
2.2.2.1 Choix de la loi a priori . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.2.2 Inte