Détection adaptative à taux de fausses alarmes
Loading...
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université du 20 Août 1955 Skikda
Abstract
De nos jours, la quasi-totalité des environnements radar exige des systèmes dits haute
résolution ou HRR (High Resolution Radar) ; autrement dit des radars dont la largeur
d’impulsion est inférieure à 0.5 µs. Dans de tels cas, les données expérimentales
correspondant à ce type de clutter ont montré qu’elles suivent une distribution présentant
une queue plus étalée que celle de la Gaussienne. Ainsi, pour détecter des cibles évoluant
dans ce type de clutter, il est nécessaire de modéliser l’environnement par des
distributions non-gaussiennes. Dans la littérature radar, parmi les modèles statistiques
pouvant suppléer à l’absence d’un clutter gaussien sont les distributions Weibull, lognormal et K… etc. A cet effet, plusieurs détecteurs CFAR (Constant False Alarm Rate)
inhérents à ce type de clutter ont été développés dans la littérature. Le détecteur de
Goldstein dit log-t-CFAR est l'un de ces détecteurs qui utilise un seuil non paramétrique.
Contrairement au cas homogène où le détecteur log-t-CFAR réalise de bonnes
performances de détection, ces dernières affichent une nette dégradation en présence
d'hétérogénéités du clutter, tels que la présence de cibles multiples ou de bord de clutter.
Pour cela, et dans l’optique d’optimiser les performances du détecteur log-t-CFAR en
présence de cibles multiples dans un milieu non-gaussien de type Weibull, nous
proposons l’association du détecteur log-t-CFAR à deux algorithmes de censure
automatique. Dans la première contribution, les deux seuils de censure choisis sont le
MLE-CFCR (Maximum Likelihood Estimator-Constant False Censoring Rate) et le WHCFCR (Weber-Haykin-CFCR). Les systèmes hybrides résultant sont, respectivement, les
détecteurs H-log-t-CFAR, i.e., H-MLE/log-t-CFAR et H-WH/log-t-CFAR. En réalité,
l’origine de l’hétérogénéité dans le signal échoïque peut ne pas être due à la présence de
cibles interférentes mais plutôt à la présence d’un bord de clutter. Pour pallier à l’une ou
l’autre hétérogénéité, dans notre deuxième contribution, nous présentons le détecteur
SVI-log-t-CFAR (Switching VI-CFAR), lequel fait appel aux statistiques VI (Variability
Index) et MR (Mean Ratio) pour commuter vers le détecteur log-t-CFAR dans le cas
d’environnement homogène, l’un ou l’autre des détecteurs H-log-t-CFAR en présence de
cibles multiples, ou le détecteur AEC-log-t-CFAR (Automatic Edge Censoring-CFAR)
en présence d’un bord de clutter. Les simulations de MC (Monte Carlo) ont pu nous
montrer, via le logiciel MATLAB, les performances de détection de ces nouveaux
détecteurs. Les résultats obtenus ont montré, d’une part, l'efficience des deux détecteursviii
hybrides dans l’amélioration des performances de détection du détecteur log-t-CFAR en
présence de cibles multiples ; remarquons, cependant, que leurs performances n'ont pas
pu surpasser celles du détecteur AC-MLE-CFAR (Automatic Censoring-MLE-CFAR).
Pour un milieu Weibull homogène, nous montrons que le détecteur SVI-log-t-CFAR est
susceptible de pister le détecteur log-t-CFAR, dont la 𝑃𝑑 (Probabilité de Détection) est un
peu réduite par rapport à celle du détecteur AEC-log-t-CFAR. Dans des situations de
cibles multiples, nous remarquons que le détecteur SVI-log-t-CFAR commence par pister
le détecteur log-t-CFAR, puis finit par suivre l’un des détecteurs H-log-t-CFAR jusqu'à
atteindre une superposition complète avec ces derniers. Nous remarquons aussi que plus
il y a d'interférences, plus les performances du détecteur log-t-CFAR se dégradent et
meilleures sont celles du détecteur SVI-log-t-CFAR. En présence d’un bord de clutter,
nous montrons que le discriminateur d'hétérogénéité, en l’occurrence les statistique VI et
MR n’induisent pas de bons résultats à faibles valeurs du CCR lorsque la taille de la sousfenêtre non homogène devient supérieure à la moitié de la taille de la fenêtre de référence.
Cependant, pour des valeurs plus élevées du CCR, le discriminateur d'hétérogénéité
semble surmonter un tel dysfonctionnement en permettant au détecteur SVI-log-t-CFAR
de suivre fermement le détecteur AEC-log-t-CFAR. Enfin, à travers la courbe de la
régulation de la Pfa (Probabilité de Fausse de Alarme), nous apercevons que le détecteur
SVI-log-t-CFAR a des difficultés à discriminer toute transition de puissance qui se
produit aux extrémités de la fenêtre de référence.
Description
Keywords
Détection adaptative, fausses alarmes