| Titre : | Analyse des performances des detecteurs CA.OS et ML_CFAR dans un clutter de distribution weibuli |
| Auteurs : | Mohamed Said Achbi, Auteur ; Moutaleb Abadli, Acteur ; Abdou Latifa, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algerie] : Université Mohamed Kheider, 2007 |
| Format : | 74.P / ILL / 30/20cm |
| Note générale : | Bibliographique |
| Langues: | Français |
| Langues originales: | Français |
| Résumé : |
Dans la détection CFAR, plusieurs méthodes adaptatives ont été adoptées afin de déterminer le seuil qui permet de perfectionner les systèmes de détection.
Ce travail propose d’étudier et de traiter le problème de la détection CFAR dans un clutter de mer représenté par une distribution Weibull. Pour cela nous avons choisi d’utiliser plusieurs types de détecteurs, le CA, l’OS et le ML-CFAR, afin de déterminer la performance de chacun d’entre eux dans différentes situations. Ces situations sont été présentées suivant la variation du nombre de cellules, la variation de la Pfa et la variation du paramètre de forme C. Dans le but de déterminer le meilleur des différents types de détecteurs, une comparaison a été effectuée pour plusieurs paramètres par simulation suivant la méthode de Monte-Carlo. Cette étude nous a permis en premier lieu de constater que le modèle de distribution Weibull qui est le plus adapté pour la représentation du clutter de mer, est un modèle général par rapport aux autres modèles car chaque changement effectué dans le paramètre de forme C représente un autre modèle, par exemple: le modèle de Rayleigh, Gamma, K distribué etc.… Aussi le paramètre de forme C peut présenter deux situations différentes suivant que C est connu ou inconnu. Dans le second cas ce paramètre peut être estimer suivant plusieurs méthodes. Pour le ML-CFAR, l'estimateur du Maximum de vraisemblance (Maximum-likelihood) a montré une amélioration de la performance par rapport à l'estimateur Weber-Haykin. La caractéristique principale de l'estimateur du Maximum-likelihood, est qu’il utilise toutes ces cellules pour cela l'algorithme présente une perte CFAR inférieure et la déviation entre les valeurs réelles et les valeurs estimés est plus petite. D’une façon générale, Malgré qu’il a été trouvé que le meilleur détecteur est le ML-CFAR, tous les détecteurs présentent une meilleure performance pour une Pfa égale 10-5 et un paramètre de forme C égale 2 représentant la distribution de Rayleigh. |
Disponibilité (1)
| Cote | Support | Localisation | Statut | Emplacement | |
|---|---|---|---|---|---|
| M/0941 | Memoire ingenieur | BIB.FAC.ST. | Empruntable | Salle de mémoires et de théses |
Erreur sur le template
