Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

3 juillet 2018

Thèse CIFRE : Autocalibration bayésienne en traitement du signal radar


Catégorie : Doctorant


Thèse CIFRE Thalès et L2S + LabSTICC

 

Contexte

Les « antennes conformes 3D » sont de nouveaux radars performants et très compacts pouvant être embarqués sur des drones ou sur des missiles. Entièrement électroniques, elles sont réalisées par fabrication additive. Cette technologie a permis de créer de nouvelles formes d’antennes qui étaient alors impossibles à obtenir avec des méthodes de fabrication traditionnelle. Elle a également permis de réduire la taille des antennes tout en augmentant leurs performances. Ceci a été possible en mixant différents matériaux difficiles à assembler jusqu’à présent. Ces antennes aux formes bombées et compactes permettront à terme de passer d’une zone de couverture de 120 degrés des antennes actuelles planes, à 270 degrés. Ce gain en efficacité opérationnelle permettra entre autres de réduire le temps de détection de cibles. Ce temps libéré pourra alors être utilisé pour détecter en quasi simultané d’autres cibles.

Sujet de thèse

L’objectif de cette thèse est d’étudier et développer de nouvelles méthodes d’estimation de directions d’arrivée robustes aux défauts de l’antenne (déformations mécaniques du réseau de capteurs, variations de réponse en phase et gain des capteurs et des circuits analogiques, couplages intercapteurs, etc.). On s’intéressera non seulement au cas des antennes conformes 3D mais aussi aux antennes 2D de la génération actuelle.

Pour mener à bien ces objectifs, nous envisagerons des méthodes combinant à la fois des connaissances a priori sur les erreurs de phase attendues ou la cinématique des objets poursuivis et des modèles efficaces issus du traitement du signal. Parmi ces derniers, les représentations parcimonieuses [1] ont prouvé leur pertinence dans divers domaines applicatifs. Envisagée depuis quelques années en estimation de directions d'arrivée, leur exploitation a notamment mené à des résultats prometteurs [2, 3, 4] qu'il nous semble intéressant d'approfondir.

Dans la continuité de récentes études sur les traitements d'antennes en présence de bruit de phase [5,6], nous aborderons ces méthodologies d'un point de vue probabiliste. Les connaissances a priori seront notamment prises en compte dans une modélisation bayésienne. On pourra avoir recours à des approximations variationnelles bayésiennes [7] que le bon compromis complexité - performance rend particulièrement attractif.

Des travaux préliminaires dans le cadre d’un projet étudiant à CentraleSupélec en collaboration avec Thalès ont permis d’explorer ce type d’approches. En particulier, il a été montré que ces approximations variationnelles permettent d’estimer récursivement des défauts de phase et l’état d’une cible. En terme de complexité algorithmique et de performances, il a été observé que cette approche réalise le compromis cité plus haut entre les performances des approches bayésiennes Monte-Carlo et filtrage particulaire, et la rapidité des méthodes classiques ne prenant pas en compte les défauts de phase.

Laboratoires d'accueil

Ces travaux de thèse seront réalisés dans le cadre du laboratoire LATERAL entre Thalès et le Lab-STICC (UMR CNRS 6285, https://www.labsticc.fr, CNRS, UBO, UBS, IMT Atlantique, ENIB, ENSTA Bretagne), avec le Laboratoire des Signaux et Systèmes (UMR CNRS 8506,http://www.l2s.centralesupelec.fr, CNRS, CentraleSupelec, Uniservité Paris-Sud).

Dans le cadre de LATERAL, le Lab-STICC a une expertise sur les nouvelles technologies additives pour les dispositifs hyperfréquences, notamment autour de la mise en forme 3D de matériaux thermoplastiques et composites, de la métallisation sélective 3D et de la caractérisation de matériaux. Cet aspect sera une réelle valeur ajoutée pour le laboratoire commun de recherche de manière à se positionner en rupture scientifique pour les nouvelles technologies de missile. Les thématiques principales de ce laboratoire commun sont :

Le Lab-STICC (« du capteur à la connaissance ») est un laboratoire de recherche multidisciplinaire dans le domaine des sciences et technologies de l'information et de la communication. En son sein, le pôle CID (Connaissance, Information, Décision) développe ([5], [6]) l’ensemble des outils d’estimation robuste, de localisation de source pour répondre aux enjeux du sujet.

Le L2S est reconnu dans les deux domaines mis en jeu dans le cadre de ce sujet :

Profil

Le candidat doit être ingénieur et/ou titulaire d'un master de recherche en traitement du signal et posséder une solide formation en modélisation et inférence bayésiennes. Le candidat devra par ailleurs être à l'aise avec la programmation sous Matlab.

Informations pratiques

Financement : CIFRE Thalès
Laboratoires d'accueil : Lab-STICC et L2S
Encadrement : Benoit Clément (Lab-STICC/ENSTA Bretagne), Michel Narozny (Thalès), Sylvie Marcos (L2S/CNRS), Angélique Drémeau (Lab-STICC/ENSTA Bretagne), Gilles Chardon (L2S/CentraleSupélec)
Date de début de thèse : à partir de septembre 2018

Procédure de candidature

Toute candidature doit être soumise accompagnée d'un CV, d'une lettre de motivation et des coordonnées d'au moins une personne référente (encadrant de stage, professeur...). Tout autre élément susceptible de renforcer la candidature est bienvenu (lettre de recommandation, distinction...). Le dossier sera envoyé par courrier électronique aux encadrants (voir contacts ci- dessous).

Contacts

Directeurs de Thèse : Benoit Clément
Courriel : benoit.clement@ensta-bretagne.fr
Sylvie Marcos
Sylvie.marcos@l2s.centralesupelec.fr


Encadrement industriel : Michel Narozny
Courriel : michel.narozny@thalesgroup.com


Encadrement académique :
Angélique Drémeau
Courriel : angelique.dremeau@ensta-bretagne.fr
Gilles Chardon
Courriel : gilles.chardon@centralesupelec.fr

Références

[1] S. Foucart and H. Rauhut - A mathematical introduction to compressive sensing - Applied and Numerical Harmonic Analysis, Birkhaüser, 2013.
[2] A. Xenaki, P. Gerstoft, K. Mosegaard - Compressive Beamforming –The Journal of the Acoustical Society of America, vol. 136, no. 1, pp. 260-271, 2014.
[3] S. Fortunati, R. Grasso, F. Gini, M. S. Greco, and K. Lepage - Single snapshot DOA estimation by using compressed sensing - EURASIP Journal on Advances in Signal Processing, vol. 120, 2014.
[4] A. Xenaki and P. Gerstoft – Grid-free compressive beamforming – The Journal of the Acoustical Society of America, volume 137, no. 4, 2015.
[5] A. Drémeau, C. Herzet - DOA estimation in structured phase-noisy environments – Actes de IEEE Int'l Conference on Acoustics, Speech and Signal Processing (ICASSP), New Orleans, USA, 2017.
[6] G. Beaumont, R. Fablet, A. Drémeau - An Approximate Message Passing approach for DOA estimation in phase noisy environments – A paraître dans les actes de Int'l conference on latent variable analysis and signal separation (LVA/ICA), Guildford, UK, 2018.
[7] M. Beal - Variational Algorithms for Approximate Bayesian Inference - Ph.D. thesis, Univ. College of London, London, U.K., Mai, 20

 

Dans cette rubrique

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