Estimation et Détection CFAR dans un Clutter CG-LNT par la Technique d’Intelligence Artificielle
Loading...
Date
2024-07-08
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Dans ce travail, nous présentons en premier lieu le principe de fonction du radar avec
les citations des modèles de fluctuation de cibles et du clutter de la surface. En particulier,
nous considérons les distributions CG-LNT sans et avec bruit thermique pour la modélisation
du clutter IPIX (Intelligent PIXel X-band). Pour ce faire, nous utilisons les approches
d’estimation existantes HOME, FOME, zlog(z) et PCFE (Parametric Curve Fitting
Estimation). Dans le but d’améliorer les performances d’estimation, nous proposons les
méthodes MLE (Maximum Likelihood Estimator) et ANN (Artificial Neural Network). Ce
dernier est construit à partir de trois étapes ; apprentissage (via des données simulées), test
(via des données simulées) et validation (via des données réelle IPIX). Les résultats
numérique montre que l’approche ANN offre des estimés précis avec un temps de calcul
réduit. Enfin, nous analysons les performances des détecteurs CA (Cell Averaging)-CFAR,
SO (Smallest Of)-CFAR, GO (Greatest Of)-CFAR et OS (Order Statistic)-CFAR dans un
clutter CG-LNT sans bruit homogène et hétérogène avec un paramètre d’écart type connu a
priori.
Description
Keywords
Modélisation, Clutter, Estimation, CG-LNT, Détection CFAR