Estimation et Détection CFAR dans un Clutter CG-LNT par la Technique d’Intelligence Artificielle

Simple item page
dc.contributor.authorMohammed Manel
dc.contributor.authorHammache Malek
dc.contributor.authorENCA/Mezache Amar
dc.date.accessioned2024-07-08T09:33:01Z
dc.date.available2024-07-08T09:33:01Z
dc.date.issued2024-07-08
dc.description.abstractDans 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.
dc.identifier.otherEL/2024
dc.identifier.urihttps://repository.univ-msila.dz/handle/123456789/43307
dc.language.isofr
dc.subjectModélisation
dc.subjectClutter
dc.subjectEstimation
dc.subjectCG-LNT
dc.subjectDétection CFAR
dc.titleEstimation et Détection CFAR dans un Clutter CG-LNT par la Technique d’Intelligence Artificielle
dc.typeThesis

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Mémoire de Master Mohammed Manel ety Hammeche Malek.pdf
Size:
778.6 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Master Thesis