Date : 2008
Editeur / Publisher : [S.l.] : [s.n.] , 2008
Type : Livre / Book
Type : Thèse / ThesisLangue / Language : français / French
Résumé / Abstract : Dans le cadre de la prédiction de la couverture des systèmes radars en milieu côtier ou embarqués sur navire, la connaissance de l'indice de réfraction est un élément essentiel pour nourrir les systèmes de modélisation de la propagation des ondes électromagnétiques. Le but de cette thèse est de retrouver le profil vertical d'indice de réfraction en basse troposphère en milieu marin à partir de la seule connaissance du fouillis de mer reçu par le radar. On appelle cette méthode "Refractivity From Clutter" (RFC). Une telle méthodologie inclut un problème inverse : retrouver l'indice de réfraction depuis le fouillis de mer. Ce travail de thèse explore la faisabilité d'un système RFC au fonctionnement temps réel en conditions opérationnelles, par l'utilisation de méthodes inverses reposant sur des bases de données pré-générées et prétraitées. Les algorithmes testés et validés sur des données idéales sont les algorithmes d'apprentissage Least Squares Support Vector Machine (LS-SVM) et Multitask LS-SVM (MLS-SVM), et une Méthode d'Interpolation d'ordre 0 (MI0). Des systèmes RFC basés sur les méthodes MuLS-SVM et MI0 sont tout d'abord retenus après une étude sur des mesures de la campagne VAMPIRA en présence de conduits atmosphériques simples. La deuxième étude, portant sur les données de la campagne Wallops '98, montre l'efficacité de la méthode MI0 quand celle-ci est améliorée par des considérations physiques. Cette méthode est validée sur les 23 cartographies radars disponibles, et les profils atmosphériques retrouvés sont proches de ceux mesurés pendant la campagne de mesures. Cette thèse démontre donc la faisabilité d'un système RFC temps réel efficace basé sur la MI0
Résumé / Abstract : To predict the coverage of radars shiborne on vessels or in coastal environment, the knowledge of the refractive index is required to feed the electromagnetic waves propagation models. The aim of this PhD work is to retrieve the vertical profile of the refractive index from the knowledge of the sea clutter. This method is called "Refractivity From Clutter" (RFC). Such a problem includes an inverse problem: retrieving the refractive index profile from the sea clutter. This work studies the feasibility of a real-time RFC system during operational conditions, using inverse methods based on pre-generated and pre-processed databases. The learning algorithms Least Squares Support Vector Machine (LS-SVM) and Mutitask LS-SVM (MuLS-SVM), and an Interpolation Method of order 0 (MI0) are tested and validated on ideal noiseless and simulated data. The RFC systems based on MuLS-SVM and MI0 are first selected after a study on measurements from the VAMPIRA campaign, carried out in the presence of simple atmospheric ducts. The second study deals with data from the Wallops '98 campaign in the presence of complex ducts. This study shows the efficiency of the MI0 when it is improved by physical considerations. This method is validated on the 23 available clutter maps, and the retrieved atmospheric profiles are close to the ones measured during the campaign. This PhD work shows the feasibility on an efficient and real-time RFC system based on MI0