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 "Hireche, Youcef"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    ItemOpen Access
    Estimation et Détection CFAR Dans un Clutter Pareto Type II avec Intégration d’Impulsions
    (university of M'sila, 2022-09-20) Hireche, Youcef; Hasbaia, Nour Elhouda; Enca/ MEZACHE, Amar
    La détection des cibles radar dans des milieux marins repose sur une recherche primordiale d’un modèle statistique adéquat des échos de la mer. Ce dernier est formulé par la fonction densité avec des paramètres inconnus tels que le paramètre de forme qui est responsable de l’agitation de la mer et le paramètre d’échelle qui influe sur la puissance reçue de l’écho radar. La détection à taux de fausse alarme constant (CFAR) est construite en fonction de plusieurs situations de clutter qui masque la cible d’intérêt. Dans ce travail, nous avons étudié en premier lieu la modélisation du clutter de mer IPIX utilisant les distributions standards Weibull, log-normal, K et Pareto type II. Nous avons trouvé que le modèle Pareto type II s’adapte dans plusieurs cas ce type de clutter. La deuxième partie de ce travail s’intéresse sur la généralisation des détecteurs GM (Geometric Mean)-CFAR, GO (Greatest Of)-CFAR, SO (Smallest Of)-CFAR et OS (Order Statistic)-CFAR avec une intégration non-cohérents et binaire d’impulsions multiples. Nous avons démontré par des simulations Monte-Carlo que les performances de détection de ces algorithmes sont améliorées avec l’augmentation du nombre d’impulsions.

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

  • Cookie settings
  • Privacy policy
  • Terms of Use