Détection multivariée robuste pour sonar à croix de Mills

Robust multivariate detection for Mills cross sonar

• Auteur / Autrice : Olivier Lerda
• Direction : Guillaume Ginolhac, Jean-Philippe Ovarlez, Ammar Mian
• Type : Projet de thèse
• Discipline(s) : Stic
• Date : Inscription en doctorat le ; Soutenance le 17/12/2024
• Etablissement(s) : Chambéry
• Ecole(s) doctorale(s) : Sciences Ingénierie Environnement
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique, Systèmes, Traitements de l'Information et de la Connaissance
• Jury : Président / Présidente : Nicolas Le bihan
• Jury : Examinateurs / Examinatrices : Guillaume Ginolhac, Ammar Mian, Jean-philippe Ovarlez, Philippe Forster, Eric Chaumette, Angélique Dremeau
• Jury : Rapporteurs / Rapporteuses : Philippe Forster, Eric Chaumette

Mots clés

Mots clés libres

Détection

Estimation

Statistiques multivariées

Detection

Estimation

Multivariate statistics

Résumé

Ces travaux de thèse concernent l’amélioration des performances et robustesse de la détection de cibles ponctuelles par un sonar multifaisceaux bi-antennes en croix de Mills. Le système SEAPIX est un sondeur multifaisceaux composé de deux antennes linéaires uniformes orthogonales, réversibles en émission/réception et orientables électroniquement. Nous expérimentons une configuration « forward looking » dans laquelle le SEAPIX est installé sur un drone de surface, la face active orientée vers « l’avant », pour une détection et identification prédictive de cibles sous-marines. Nous montrons d’abord que les signaux sonar sont parfaitement propices au formalisme de la détection adaptative multivariée. Par la suite, nous considérons plus spécifiquement la géométrie de réception originale à deux antennes linéaires orthogonales partiellement corrélées. Ces dernières permettent une observation de l’environnement acoustique selon des angles d’azimuts et/ou d’élévations. Nous déduisons un nouvel estimateur de matrice de covariance généralisant, au cas bi-antennes, le M-estimateur de Tyler. En nous basant sur les approches en deux étapes du rapport de vraisemblance généralisé et de Rao, nous dérivons deux nouveaux détecteurs robustes à des bruits impulsifs, à des écarts d’amplitude de la cible, à des inconnues de facteurs d’échelle sur les covariances des antennes et à la contamination des données d’entraînement. Les résultats expérimentaux montrent que les performances peuvent être jusqu’à 3 dB supérieures aux approches conventionnelles en environnement non-gaussien hétérogène. Nous abordons ensuite la détection adaptative multi-pings de cibles quasi-statiques par un système SEAPIX en déplacement. Les avancées du sonar au cours des pings impliquent un mouvement apparent de la scène insonifiée. Les données doivent donc être préalablement repositionnées à l’aide d’une procédure de recalage des amplitudes et phases, permettant une compensation des mouvements induits par les déplacements du porteur. Le résultat est une pile de données dans laquelle les observations de la cible sont remises en cohérence et la matrice de covariance du fouillis possède naturellement des structures sous-jacentes. Nous montrons alors qu’un détecteur multi-pings de rang 1, considérant les structures inhérentes de la matrice de covariance et sous hypothèse de réalignement parfait des phases de la cible, est plus performant qu’un détecteur mono-ping conventionnel de près de 7 dB. Mais si la détection multi-pings de rang 1 fonctionne très bien pour des signaux idéalement alignés en phase, ce n’est pas toujours le cas dans les applications pratiques. Nous démontrons alors que dans des situations de désalignement de phases, les taux de détection chutent. Dans ces conditions dégradées, une détection multi-pings structurée avec sous-espace interférométrique apporte une grande robustesse aux déphasages tout en conservant un gain de près de 5,5 dB comparativement à son équivalent mono-ping. Nous concluons notre étude par de possibles perfectionnements et de nouvelles perspectives de recherches apportées par ces travaux.

The aim of this work is to improve the performance and robustness of point-like target detection using a Mills cross dual-array multibeam sonar. The SEAPIX system is a multibeam echosounder consisting of two uniform orthogonal linear arrays, reversible in transmission/reception and electronically steerable. We are experimenting with a “forward looking” configuration in which the SEAPIX is installed on a surface drone, with the active face facing “forward”, for predictive detection and identification of underwater targets. We first show that sonar signals are perfectly suited to the formalism of multivariate adaptive detection. We then consider more specifically the original receiving geometry with two partially correlated linear orthogonal arrays. The latter allow the acoustic environment to be observed from azimuth and/or elevation angles. We derive a new covariance matrix estimator generalizing Tyler's M-estimator to the bi-antenna case. Based on the two-step generalized likelihood ratio and Rao approaches, we derive two new detectors robust to impulsive noise, target amplitude deviations, unknown scaling factors on array covariances and training data contamination. Experimental results show that performance can be up to 3 dB better than conventional approaches in heterogeneous non-Gaussian environments. We then discuss adaptive multi-ping detection of quasi-static targets by a moving SEAPIX system. Sonar displacements during pings imply apparent movement of the insonified scene. The data must therefore be repositioned beforehand, using an amplitude and phase coregistration procedure to compensate for movements induced by the platform's movements. The result is a data stack in which the target observations are brought back into coherence, and the covariance matrix of the clutter naturally possesses underlying structures. We then show that a rank-1 multi-ping detector, considering the inherent structures of the covariance matrix and under the assumption of perfect realignment of the target phases, outperforms a conventional mono-ping detector by almost 7 dB. But while rank-1 multi-ping detection works very well for ideally phase-aligned signals, this is not always the case in practical applications. We demonstrate that in situations of phase misalignment, detection rates drop. Under these degraded conditions, a structured multi-ping detection with interferometric subspace provides great robustness to phase shifts, while retaining a gain of almost 5.5 dB compared to its mono-ping equivalent. We conclude our study with possible refinements and new research perspectives resulting from this work.