Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of Digital Repository
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "BENHAMED, Rania"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    ItemOpen Access
    Étude et Analyse des Détecteurs Adaptatifs CFAR de Cibles Radar Noyées dans un Milieu Non Gaussien
    (university of M'sila, 2022-07-17) BENHAMED, Rania; BOUNIF, Selma; Enca/ Mohamed, SAHED
    Dans le cadre de cette étude, nous avons abordé le problème de la détection adaptative des cibles radar noyées dans un clutter distribué selon la loi de Pareto. Ce type de détection est réalisé en maintenant un taux de fausse alarme constant (Constant False Alarm Rate, CFAR), lors du traitement. Nous avons présenté tout d’abord le détecteur Geometric Mean CFAR (GM-CFAR) introduit dans la littérature. Ce détecteur est adapté aux milieux homogènes. Nous avons montré que la dérivation de ce détecteur a été réalisée en tirant parti de la dualité entre les deux distributions Exponentielle et Pareto. Cette dualité a permis de transformer les stratégies de détection CFAR développées pour les milieux gaussiens vers des milieux Pareto distribués. En exploitant cette même dualité, nous avons effectué une analyse théorique complète de deux autres détecteurs, à savoir le Geometric Mean Greatest Of-CFAR (GO-CFAR) et le Geometric Mean Smallest Of-CFAR (SO-CFAR). Ce dernier est plus adapté aux milieux hétérogènes caractérisés par la présence des interférences. Nous avons ensuite examiné, testé et comparé les performances des différents détecteurs via simulations numériques. Les résultats de simulations obtenus permettent de valider l’intérêt du détecteur SO-CAFR pour les milieux hétérogènes comparativement aux autres détecteurs.

All Rights Reserved - University of M'Sila - UMB Electronic Portal © 2024

  • Cookie settings
  • Privacy policy
  • Terms of Use