Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

27 mars 2018

Coherent multimodal radar imaging using compressive MIMO techniques - Imagerie radar cohérente multimodale par approches MIMO compressives


Catégorie : Doctorant


Imaging systems aim to reconstruct the spatial distribution of scattering coefficients of a scene. The resolution is intimately related to the aperture of the antenna array which can be created either by using regularly spaced transmitting/receiving antennas or by translating antennas to create a synthetic aperture (SAR imaging: Synthetic Aperture Radar). The coherent recombination of the measured signals in post-processing then provides an image of the scene. However, both solutions have inherent limitations. On the one hand, recording/emitting antenna arrays are expensive since they require as many Radio-Frequency (RF) channels as the number of antennas or number of switches. On the other hand, SAR systems are strongly limited for real-time imaging of moving targets. This Ph.D. work proposes to overcome such limitations using a passive compressive device and to develop adapted high-resolution signal processing techniques.

Les systèmes d’imagerie visent à reconstruire la distribution spatiale des coefficients de diffusion d’une scène. Typiquement plusieurs antennes sont utilisées à l’émission et/ou la réception, soit grâce à un réseau physique d’antennes (systèmes MIMO), soit de façon virtuelle en déplaçant une antenne en émission et une antenne en réception (imagerie SAR : Synthetic Aperture Radar). La recombinaison cohérente des signaux enregistrés sur plusieurs antennes permet de reconstruire en post- traitement une image de la scène à étudier. Néanmoins, ces systèmes possèdent certaines limites inhérentes aux techniques utilisées (coût et encombrement ou temps de déplacement). Ce travail de thèse propose une solution à ces limitations, basée sur l'utilisation de composant naturellement compressifs et vise à développer des technqiues de traitement à haute résolution adaptées à ce type de signal

Informations : https://www.ietr.fr/spip.php?rubrique563&lang=fr

 

Objective

The main purpose of this PhD is to develop space-time signal processing techniques taking into account the compressive aspect of an imaging system with a high aperture but a small number of RF channels to image moving targets. The system will be based on the use of a leaky chaotic cavity opened on its front face and coupled to a single receiving antenna [1, 2]. The signals are thoroughly mixed within the reverberation cavity which results in a strong spectral decorrelation. Nevertheless, it is possible to reconstruct an image of the scene using compressive techniques once the sensing matrix of the cavity has been estimated. The effective aperture is then given by the physical aperture so that the chaotic cavity provides a diversity in space (1D or 2D) and polarization even though a single antenna is used in reception. Following first results on passive imaging at IETR [2], we propose to extend this approach to the detection, localization and imaging of moving targets using Space-Time Adaptative Processing (STAP) and ISAR (Inverse SAR) methods. Existing Space-Time techniques and robust inverse problem approaches including the use of sparsity or high resolution techniques will be adapted to the new configuration with the chaotic cavity.

Using recent advances in compressive sensing, the new setup should make it possible to improve imaging performances and the robustness in comparison to existing systems used to track moving targets. At the same time, the complexity of the system in terms of the number of RF channels and/or switches will be reduced. Following a validation step in the laboratory, we aim to board the developed system on the platform PIMA (certified research platform of the University of Rennes 1 in July 2017: www.ietr.fr/pima) which is a unique airborne measurement base in the academic landscape that can accommodate sensors covering the entire electromagnetic spectrum. To achieve this ambitious project, an interdisciplinary approach combining methods from wave physics, signal processing and applied mathematics is required.

Beginning of the PhD: September/October 2018. Duration : 36 months

Candidate

MS (or equivalent) with a background in physics, applied mathematics, signal processing or electronics.

Contact

To apply, please provide your CV, motivation letter, and reference letter (optional) to:

References

[1] T. Fromenteze, O. Yurduseven, M. F. Imani, J. Gollub, C. Decroze, D. Carsenat and D. R. Smith, Computational imaging using a mode-mixing cavity at microwave frequencies, Appl. Phys. Lett. 106, 194104 (2015).

[2] A. C. Tondo Yoya, B. Fuchs and M. Davy, Computational passive imaging of thermal sources with a leaky chaotic cavity, Appl. Phys. Lett. 111, 193501 (2017).

[3] J. Li and P. Stoica, MIMO Radar Signal Processing. (Wiley Online Library, 2008).

 


Objectif

Cette thèse a pour objectif de concevoir des techniques de traitement du signal spatio- temporel prenant en compte l’aspect compressif d’un système d’imagerie ayant un nombre de canaux de réception, et donc une complexité, réduit, mais une diversité effective élevée par rapport aux solutions existantes pour l’imagerie de cibles mobiles. Le système proposé est basé sur l’utilisation en réception d’une cavité chaotique ouverte [1, 2] sur sa face avant afin de tirer parti de l’ouverture de la cavité afin d’obtenir une diversité spatiale (réseau 1- ou 2-D) et de polarisation. Les signaux provenant de la scène se propagent à l’intérieur de la cavité avant d’être enregistrés. Grâce à la réverbération chaotique des ondes dans la cavité agissant comme un codage aléatoire compressif, il est possible de reconstruire une image du milieu extérieur à partir de méthodes de traitement du signal basées sur les approches compressives. A la suite des premiers travaux réalisés à l’IETR [2] sur l’imagerie passive de sources de bruit, nous proposons d’étendre ce système à l’imagerie de cibles mobiles. Nous étudierons notamment durant la thèse la possibilité de les détecter, localiser et imager, en utilisant les principes joints du Space-Time Adaptive Processing (STAP) et de l’imagerie ISAR (InverseSynthetic Aperture Radar) [3]. Les techniques d’imagerie spatio-temporelle seront adaptées à la nouvelle configuration incluant la boîte chaotique, à l’aide d’approches inverses robustes, incluant notamment des approches parcimonieuses ou à haute résolution.

Ce travail doit permettre d’améliorer les performances de détection et d’imagerie par rapport aux systèmes existants de par les caractéristiques uniques de l’acquisition comprimée ainsi que la robustesse de l’imagerie par rapport au mouvement des cibles, tout en réduisant significativement la complexité du système imageur en termes de nombre de canaux de mesure et de systèmes de commutation. A la suite d’une étape de validation en laboratoire, nous visons à embarquer le système développé sur la plateforme PIMA (labélisée plate-forme de Recherche de l'Université de Rennes 1 en juillet 2017 : www.ietr.fr/pima) qui constitue une base de mesure aéroportée unique dans le paysage académique, pouvant accueillir des capteurs couvrant l’ensemble du spectre électromagnétique.

Pour réaliser ce projet ambitieux, une approche interdisciplinaire combinant des méthodes provenant de la physique des ondes, du traitement du signal et des mathématiques appliquées est nécessaire.

Début de la thèse: Septembre/Octobre 2018. Durée : 36 mois

Candidat

Master 2 (ou équivalent) en physique, mathématiques appliquées, traitement du signal ou électronique.

Contacts

Pour postuler à cette thèse, envoyer CV et lettre de motivation à :

Références

[1] T. Fromenteze, O. Yurduseven, M. F. Imani, J. Gollub, C. Decroze, D. Carsenat and D.R. Smith, Computational imaging using a mode-mixing cavity at microwave frequencies, Appl. Phys. Lett. 106, 194104 (2015).

[2] A. C. Tondo Yoya, B. Fuchs and M. Davy, Computational passive imaging of thermal sources with a leaky chaotic cavity, Appl. Phys. Lett. 111, 193501 (2017).

[3] J. Li and P. Stoica, MIMO Radar Signal Processing. (Wiley Online Library, 2008).

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.