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
    New user? Click here to register. 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
    New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Melki Youcef Kheireddine"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    ItemOpen Access
    Parameter Es􀆟ma􀆟on and Radar Clu􀆩er Modeling using Biparametric Compound- Gaussian Models
    (University of Mohamed Boudiaf - M’sila, 2025-11-27) Melki Youcef Kheireddine; enca/Tabakh Mostapha
    Ce mémoire porte sur l'estimation des paramètres et la modélisation du fouillis marin à l'aide du modèle CGWB (Gaussien composé avec texture de Weibull), une distribution non gaussienne introduite pour modéliser le fouillis radar haute résolution. La recherche se concentre sur le développement et l'amélioration des méthodes d'estimation des paramètres de ce modèle. Les méthodes existantes sont MoM (Méthode des moments), [zlog(z)] et MoFM (Méthode des moments fractionnaires). Une nouvelle méthode appelée MoFNM (Méthode des moments fractionnaires négatifs) a également été proposée pour améliorer la précision de l'estimation. Les performances de ces méthodes ont été testées à l'aide de données réelles du radar IPIX ainsi que de données simulées. Les fonctions de densité de probabilité (PDF) et les fonctions de distribution cumulative complémentaires (CCDF) du modèle ont été comparées aux données réelles. Les résultats ont montré que l'estimateur MoFNM peut estimer avec précision les paramètres du

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

  • Cookie settings
  • Privacy policy
  • Terms of Use