Transport optimal : sune application au Processus de Reconnaissance RADAR pour désentrelacer les impulsions RADAR et identifier les émetteurs

Optimal Transport : an application to the RADAR Recognition Process for deinterleaving RADAR pulses and identifying emitter

• Auteur / Autrice : Manon Mottier
• Direction : Frédéric Pascal, Gilles Chardon, Jean-Daniel Busi
• Type : Thèse de doctorat
• Discipline(s) : Informatique mathématique
• Date : Soutenance le 28/06/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Laboratoire des signaux et systèmes (Gif-sur-Yvette, Essonne ; 1974-....)
• Partenaire(s) de recherche : référent : CentraleSupélec
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Sciences de l'ingénierie et des systèmes (2020-....)
• Partenaire(s) de recherche : Entreprise : Avantix (Aix-en-Provence)
• Jury : Président / Présidente : Audrey Giremus
• Jury : Examinateurs / Examinatrices : Ali Khenchaf, Rémi Flamary, Jean-Philippe Ovarlez
• Jury : Rapporteurs / Rapporteuses : Ali Khenchaf, Rémi Flamary

Mots clés

Mots clés contrôlés

Classification

Guerre électronique

Séparation de sources (traitement du signal)

Radar

Transport optimal de mesure

Mots clés libres

Processus de reconnaissance RADAR

Désentrelacement

Identification

Transport optimal

Guerre électronique

Clustering

Radar Passif

RADAR recognition process

Deinterleaving

Identification

Optimal Transport

Electronic warfare

Clustering

Passive Radar

Résumé

Le renseignement militaire est un aspect essentiel pour la sécurité et la défense d'un pays, notamment le renseignement d'origine électromagnétique (ROEM). L'émergence des systèmes passif a permis de donner un avantage considérable aux acteurs capables de les maitriser en permettant une surveillance discrète et à moindre coût. Néanmoins, l'interception et le traitement des signaux par un RADAR passif nécéssitent la mise en place d'une chaine de traitement algorithmique dédiée, capable de comprendre la diversité des spectres électromagmétiques ainsi que les phénomènes physiques sous-jacents. Au fil des années, les enjeux se sont complexifiés et diversifiés notamment à cause de nombreuses innovations technologiques qui ont conduit à la complexification et de la sophistication des équipements électroniques; les RADARs ont des spectres électromagnétiques plus similaires rendant leur différenciation complexe. Ces travaux proposent un Processus de Reconnaissance RADAR permettant dans un premier temps de désentrelacer un signal puis d'identifier les RADARs. Tout d'abord deux nouvelles approches de désentrelacement non supervisées sont proposées, basées sur une combinaison d'algorithmes de clustering intégrant des distances de transport optimal afin de séparer les impulsions en plusieurs clusters avant de les regrouper les clusters appartenant à un même RADAR. Enfin, lorsque la phase de désentrelacement est terminée, l'identification des RADARs est faite à partir de l'élaboration d'une distance de transport optimal entre une base de données de référence et les ensembles d'impulsions précédemment désentrelacés tout en modélisant le phénomène d'impulsions manquantes.

Military intelligence is essential to a country's security and defense, particularly signals intelligence (ROEM). The emergence of passive systems has given a considerable advantage to those capable of controlling them by allowing discreet surveillance at a lower cost. However, the interception and processing of signals by a passive RADAR require establishing a dedicated algorithmic processing chain capable of understanding the diversity of electromagnetic spectra and the underlying physical phenomena. Over the years, the issues have become more complex and diversified, mainly because of numerous technological innovations that have led to the complexity and sophistication of electronic equipment; RADARs have more similar electromagnetic spectra, making their differentiation complex. This work proposes a RADAR Recognition Process first to deinterleave a signal and then to identify the RADARs. First, two new unsupervised deinterleaving approaches are proposed based on a combination of clustering algorithms integrating optimal transport distances to separate the pulses into several clusters before grouping the clusters belonging to the same RADAR. Finally, when the deinterleaving phase is completed, the RADARs are identified by developing an optimal transport distance between a reference database and the sets of previously deinterleaved pulses while modeling the phenomenon of missing pulses.