Application du DCA aux Radars de Surveillances Secondaires

Application of DCA to Secondary Surveillance Radars

• Auteur / Autrice : Sara Zaghloul
• Direction : Mamadou Mboup
• Type : Thèse de doctorat
• Discipline(s) : ATS - Automatique et Traitement de Signal
• Date : Soutenance le 06/12/2024
• Etablissement(s) : Reims
• Ecole(s) doctorale(s) : École doctorale Mathématiques Physique Sciences du Numérique et de l'Ingénieur (Reims ; 2018-)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Sciences et Technologies de l'Information et de la Communication (Reims, Marne ; 2004-....)
• Partenaire(s) de recherche : Equipe de recherche : Equipe ATS-CRESTIC
• Jury : Président / Présidente : Éric Moreau
• Jury : Examinateurs / Examinatrices : Mamadou Mboup, Josep Vidal, Nicolas Petrochilos, Sebastian Miron, Amor Keziou
• Jury : Rapporteur / Rapporteuse : Josep Vidal

Mots clés

Mots clés contrôlés

Traitement du signal

Algèbre linéaire

Radar

Algorithmes

Mots clés libres

Séparation aveugle des sources

Radar de surveillance secondaire

Analyse en composantes disjointes

Blind source separation

Secondary surveillance radar

Disjoint component analysis

Résumé

L'objectif de cette thèse était de développer un algorithme rapide pour séparer un mélange de signaux de Radars de Surveillance Secondaires (SSR). Ce mélange peut inclure différents modes, tels que le Mode A/C et le Mode S, qui compliquent la séparation en raison de leurs formats variés et de leurs caractéristiques de codage différentes. Au cours de cette thèse, trois méthodes ont été développées en utilisant un critère relativement discret, l'Analyse en Composantes Disjointes (DCA), qui vise à séparer les sources en maximisant la disjonction entre elles.La première est une approche de post-traitement qui utilise l'algèbre linéaire pour résoudre les problèmes rencontrés lors de l'application de la version à valeurs réelles du DCA. Cependant, l'application de cette méthode peut poser plusieurs problèmes, notamment une perte de signal, la présence du mélange résiduel et des dépendances linéaires entre signaux. Par conséquent, nous avons conclu qu'il était nécessaire de développer une méthode qui considère les signaux SSR dans leur format original à valeur complexe.La deuxième méthode vise à démontrer l'efficacité du critère DCA pour les signaux SSR, en utilisant une approche de recherche exhaustive tout en considérant les signaux dans leur format complexe. Cette méthode permet de séparer les signaux avec une grande précision, mais elle coûteux en termes de calcul.La troisième méthode proposée optimise la recherche du minimum à l'aide d'un algorithme de descente de gradient, ce qui améliore considérablement l'efficacité des calculs tout en maintenant une qualité similaire des résultats.Ces algorithmes ont été testés dans des simulations et comparés à divers algorithmes de la littérature, afin d'évaluer leur performance en fonction de différents paramètres de réception. Enfin, ils ont été testés sur des données réelles.

The objective of this thesis was to develop a fast algorithm to separate a mixture of Secondary Surveillance Radar (SSR) signals. This mixture may include different modes, such as Mode A/C and Mode S, which complicate the separation due to their varied formats and different coding characteristics. During this thesis, three methods were developed using a relatively discrete criterion, the Disjoint Component Analysis (DCA), which aims to separate sources based on maximizing the disjointness between them.The first is a post-processing approach that uses linear algebra to solve the problems encountered when applying the real-valued version of DCA. However, the application of this method can pose several problems, including signal loss, residual mixing, and signal dependencies. Therefore, we concluded that it was necessary to develop a method that considers SSR signals in their original complex-valued format.The second method aims to demonstrate the effectiveness of the DCA criterion for SSR signals, using an exhaustive search approach while considering signals in their complex format. This method succeeds in separating signals with a high degree of accuracy but is computationally expensive.The third proposed method optimizes the search for the minimum using a gradient descent algorithm, which significantly improves computational efficiency while maintaining similar quality of results.These algorithms were tested in simulations and compared with various algorithms from the literature, to evaluate their performance as a function of different reception parameters. Finally, they were tested on real-world data.