Estimation et détection en milieu non-homogène, application au traitement spatio-temporel adaptatif

Abstract

Pour un radar aéroporté, la détection de cibles nécessite, de par la nature du fouillis de sol, la mise en place d'un filtre spatio-temporel adaptatif (STAP). Les détecteurs basés sur l'hypothèse d'un milieu homogène sont souvent mis à mal dans un environnement réel, où les caractéristiques du fouillis peuvent varier significativement en distance et en angle. Diverses stratégies existent pour contrer les effets délétères de l'hétérogénéité. La thèse propose d'approfondir deux de ces stratégies. Plus précisément, un nouveau modèle d'environnement est présenté dans un contexte Bayésien : il intègre à la fois une relation originale d'hétérogénéité et de la connaissance a priori. De nouveaux estimateurs de la matrice de covariance du bruit ainsi que de nouveaux détecteurs sont calculés à partir de ce modèle. Ils sont étudiés de manière théorique et par simulations numériques. Les résultats obtenus montrent que le modèle proposé permet d'intégrer de manière intelligente l'information a priori dans le processus de détection.