Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

4 septembre 2018

Pistages de groupes de détections fortement ambigües par filtrage multi-cibles.


Catégorie : Doctorant


La thèse se déroulera au sein du département Advanced Radar Concepts de l’unité Radar de Surface de Thales. Les études réalisées par le département portent principalement sur les domaines de l'architecture radar, du traitement et de la gestion des senseurs radars. Sur le plan académique, la thèse se déroulera à Telecom SudParis. Elle sera encadrée par Daniel Clark.

 

Les missions :

La thèse s’inscrit dans le cadre du développement de nouveaux algorithmes permettant d’améliorer les performances des radars de Thales. L’objectif de la thèse est d’investiguer l’emploi des techniques récentes pour résoudre le problème de pistage radar de groupe de cibles ou de détections proches fortement ambigües, éventuellement noyées dans le fouillis. Les techniques considérées sont celles basées sur la modélisation des mesures et des états de cible sous forme d’ensembles finis aléatoires. Cette modélisation donne lieu aux algorithmes de filtrage de processus ponctuels dont il existe différentes modélisations. Les implémentations seront réalisées sous forme de filtre particulaire, ou sous forme de somme de gaussiennes.

Les cas d’application étudiés seront : le pistage d’essaim de drones, le pistage de groupe de cibles noyées dans le fouillis, le pistage de cortège d’objets balistiques (éventuellement noyés dans un nuage de leurres) et le pistage d’objets étendus (dont la taille est grande par rapport à la résolution du radar). Les solutions seront comparées à d’autres solutions (état de l’art industriel et universitaire), et une activité d’analyse d’implémentabilité dans un radar sera menée.

Pour cela, vous serez chargé de :

Références bibliographiques :

1. Lee, C. S., Clark, D. E., & Salvi, J. (2013). SLAM with dynamic targets via single-cluster PHDfiltering. IEEE Journal of Selected Topics in Signal Processing, 7(3), 543-552.

2. Üney, M., Clark, D. E., & Julier, S. J. (2013). Distributed fusion of PHD filters via exponentialmixture densities. IEEE Journal of Selected Topics in Signal Processing, 7(3), 521-531.

3. Ristic, B., Clark, D. E., & Gordon, N. (2013). Calibration of multi-target tracking algorithms usingnon-cooperative targets. IEEE J. Selected Topics in Signal Processing, 7(3), 390-398.

4. Delande, E., Uney, M., Houssineau, J., & Clark, D. E. (2014). Regional Variance for Multi-ObjectFiltering. IEEE Trans. Sig. Proc, 62(13), 3415-3428.

5. Schlangen, I., Delande, E. D., Houssineau, J., & Clark, D. E. (2018). A second-order PHD filter withmean and variance in target number. IEEE Trans. Sig. Proc.

Pré-requis :

Compétences indispensables :

•Traitement de signal

•Théorie de l'estimation

•Probabilités et statistiques

•Matlab ou Python

•Autonomie, curiosité, esprit de synthèse

 

Durée : 3 ans (CDD CIFRE ou CIFRE Défense)

 

Contact : Franck Jean, Thales ; Daniel Clark, Télécom SudParis

E-mail : franck.jean@thalesgroup.com; daniel.clark@telecom-sudparis.eu

Au sein de nos équipes, nous vous offrons :

-du challenge,

-des opportunités de carrière,

-et des technologies innovantes pour rendre le monde plus sûr.

Together We

Explore a world of possibilities *

*Repoussons les frontières du possible

 

Dans cette rubrique

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