caor@mines-paristech.fr

Soutenance de thèse – Marion Pilté

Marion Pilté le plaisir de vous inviter à sa soutenance de thèse le mercredi 14 novembre à 10h, sous réserve d’un avis favorable des rapporteurs.

La thèse a pour titre « Gestion dynamique des ressources de poursuite pour cibles hyper-manoeuvrantes », et en anglais « Dynamic management of tracking ressources for hyper-manoeuvring targets ». La présentation sera en anglais.

Lieu : Mines ParisTech, 60 bd Saint Michel 75006 Paris
Salle : L213

La soutenance sera suivie d’un pot à l’espace Vendôme.

Le jury sera composé comme suit :

  • – M. Nicolas Le Bihan – GIPSA-lab Grenoble (Rapporteur)
  • – M. Stéphane Puechmorel – ENAC (Rapporteur)
  • – M. Daniel Clark – Telecom Sud-Paris (Examinateur)
  • – Mme. Audrey Giremus – IMS Bordeaux (Examinateur)
  • – M. Frédéric Barbaresco – Thales Land & Air Systems (Examinateur)
  • – M. Silvère Bonnabel – Mines ParisTech (Examinateur)

Résumé :

Les nouvelles générations de radars sont confrontées à des cibles de plus en plus menaçantes. Ces radars doivent effectuer plusieurs tâches en parallèle, dont la veille et la poursuite. Pour cela, ils peuvent être équipés de panneaux fixes, pour éviter les contraintes liées à la rotation de l’antenne. Le pistage du radar doit donc être renouvelé pour répondre à la double difficulté posée par le pistage des cibles très manoeuvrantes et la gestion des ressources.

Dans ce contexte, cette thèse étudie de nouvelles méthodes de pistage pour les cibles hyper-manoeuvrantes. Un nouveau modèle de cible, en coordonnées intrinsèques, est proposé. Ce modèle est exprimé directement dans le repère de la cible, afin de décrire au mieux des manoeuvres fortes avec des accélérations normales bien supérieures à la gravité terrestre. Un algorithme de filtrage utilisant la formulation intrinsèque du modèle est développé. Cet algorithme ayant la même structure qu’une filtre de Kalman étendu, il a été testé sur de vraies données. La comparaison avec d’autres algorithmes de filtrage a montré de réelles améliorations sur un ensemble important de trajectoires. Une nouvelle méthode d’estimation, reposant sur la formulation en termes de moindres carrés de l’approche de lissage, et permettant de tenir compte de sauts dans la trajectoire est également proposée, et les bénéfices sur des méthodes plus classiques de sauts entre modèles sont montrés. Indépendamment, le problème de cadence adaptative est également traité. Un algorithme très général permettant d’optimiser la cadence de mesure pour ménager le budget temps du radar pour la surveillance est présenté.

Comments are closed.