Contributions au traitement radar haute résolution : détection de cibles étendues et optimisation de formes d'onde

Abstract

Dans le domaine du radar aéroporté, les enjeux industriels actuels sont nombreux et portent,entre autres, sur l'établissement de profils distance de cibles aériennes, terrestres et maritimes pour leur identification. Cela implique en particulier la mise en oeuvre de chaînes d'émission/réception pour des modes de fonctionnement haute résolution. Dans ce contexte, les problématiques à traiter comprennent alors la conception et l'analyse de performances de détecteurs pour des modèles de cibles étendues, la conception de formes d'ondes multi-résolutions et le développement des traitements associés, l'optimisation de formes d'onde robustes au fouillis, etc. Le travail de cette thèse, qui s'intègre dans ce cadre, se décompose en deux parties. Dans un premier temps, nous traitons la détection d'une cible dite "étendue", c'est-à-dire caractérisée par plusieurs réflecteurs élémentaires prépondérants répartis sur plusieurs cases distance non nécessairement consécutives. Ce modèle est notamment approprié lorsque la résolution en distance est suffisamment fine, et s'intègre dans les problématiques d'identification de cible. Dans ce cadre, nous étudions un test de détection fondé sur le rapport de vraisemblances généralisé (GLRT) intégrant la localisation inconnue des réflecteurs, et lorsque la perturbation est du bruit blanc gaussien. En utilisant des résultats issus des statistiques d'ordre, nous déduisons des approximations de la probabilité de fausse alarme et de la probabilité de détection. Des comparaisons numériques avec des détecteurs existants sont fournies. Dans un second temps, nous étudions une forme d'onde correspondant à un train d'impulsions contenant deux codes de phase, l'un intra impulsion et l'autre inter impulsion. Pour un modèle de cible ponctuelle et un fouillis gaussien, nous proposons de sélectionner ces codes en tenant compte de différents critères tels que la maximisation de la probabilité de détection ou encore la minimisation des lobes secondaires du signal reçu après traitement. Pour un type donné de fouillis modélisé par un processus autorégressif (AR), nous abordons le problème d'optimisation multi-objectifs en utilisant les fronts de Pareto. La modélisation AR permettant de considérer plusieurs types de fouillis à partir d'un nombre réduit de paramètres, nous étudions alors la robustesse des codes de phase optimaux à des variations de fouillis.