Annonce

Les commentaires sont clos.

Désentrelacement et Pistage de Formes d’onde radar par techniques IA

17 Mai 2021


Catégorie : Doctorant


Laboratoire d’accueil : Lab-STICC UMR CNRS 6285 (A. Khenchaf, J.M. Le Caillec, M. Toumi)

Entreprise impliquée : Thales (Vincent Guardia, Yves Audic)

Contacts : Ali.Khenchaf@ensta-bretagne.fr, vincent.guardia@fr.thalesgroup.com

Contexte : CIFRE (ANRT)

Candidature : Transmettre un CV, une lettre de motivation, ...

Profil : Diplômé ou en fin d'études d’une école d’ingénieur ou d’un master dans le domaine des STIC

Date de recrutement : la rentrée scolaire 2021-2022

Le présent projet de thèse s’intègre globalement dans le domaine de la détection et la reconnaissance des émissions électromagnétiques radar présentes dans l’environnement d’un récepteur d’écoute.

Les radars émettent pour la plupart des formes d’onde impulsionnelles. Un système de détection et de reconnaissance de forme d’ondes radar possède ainsi un système de réception comportant une partie analogique (antenne, démodulation hyperfréquence, codage du signal) et un premier traitement numérique permettant de détecter et de mesurer les caractéristiques de chaque impulsion radar (fréquence, durée d’impulsion, direction d’arrivée, …). Les formes d’onde radar sont généralement nombreuses à un même instant et souvent enchevêtrées au niveau impulsionnel.Il s’avère donc nécessaire d’opérer un désentrelacement des impulsions radar détectées qui consiste à regrouper les impulsions provenant d’une même forme d’onde sur une fenêtre temporelle restreinte (classe 1 s) puis à pister chaque forme d’onde radar dans le temps et/ou dans l’espace (selon le système d’acquisition et les signaux récoltés).

Les algorithmes actuellement implantés dans les matériels sont basés sur des techniques de clustering standard utilisant les paramètres mesurés sur les impulsions (paramètres primaires) combinées à des algorithmes de désentrelacement par analyse des séquences des dates d’arrivée des impulsions. Bien que performants, ils montrent néanmoins des limitations dans certaines situations, notamment lorsque la densité des émissions augmente ou dans des conditions de faible rapport signal à bruit.

La technologie IA et les techniques de machine learning apparaissent comme prometteuses pour améliorer la performance de ces algorithmes classiques avec une capacité de généralisation intéressante.

Avec la densification électromagnétique croissante dans une zone d’écoute, le développement de nouveaux moyens de caractérisation, de reconnaissance et de classification efficace des émissions électromagnétiques devient nécessaire afin de les intégrer dans les futurs systèmes de guerre électronique. Les développements récents de l'intelligence artificielle (IA) suggèrent que cette technologie émergente aura une influence déterministe et potentiellement transformatrice dans ce contexte d’étude. Et les algorithmes pilotés par l'IA peuvent être très efficaces à plusieurs niveaux dans divers domaines de la guerre électronique. En effet, l’intégration des algorithmes de Machine Learning apportent une meilleure robustesse par la définition ou la détermination d’une manière automatique des caractéristiques pour une détection fiable et précise.

Au-delà d’une étape dédiée à l’état de l’art global, s’appuyant à la fois sur la bibliographie et l’expérience interne de l’entreprise et du laboratoire, mais aussi sur la littérature ouverte, le déroulement des travaux de thèse proposés s’articule globalement autour de trois phases complémentaires : 1-analyse de la problématique dans un contexte GE avec la constitution d’une base de données de signaux, 2-modélisation, choix d’architectures de traitement et simulation, 3-évaluation, optimisation et analyse des performances dans un cadre pratique et opérationnel.

Par ailleurs, bien que la thèse nécessite l'accès à des données sensibles concernant des systèmes radar qui seront étudiées et exploitées, la très grande majorité des travaux qui seront menés pourront être valorisés dans le cadre de conférences et de publication dans des revues.

En dehors des références internes disponibles, des rapports réalisés et des mémoires de thèses soutenues, il sera mis à disposition un ensemble d’éléments de bibliographie utiles pour le travail de thèse prévu dans ce projet.