Identification Des Cibles Aeriennes Par Un Classifieur Neuronal

  • Published on
    29-Dec-2014

  • View
    20

  • Download
    0

Embed Size (px)

Transcript

DJABER Mahfoud

IDENTIFICATION DE CIBLES ARIENNES PAR UN CLASSIFIEUR NEURONAL

SommaireIntroduction gnrale...........................................................................................................01 CHAPITRE I : INTRODUCTION AU RADARIntroduction...03 1- gnralit sur les radar03 1.1- dfinition du radar..03 1.2- principe du radar....03 2- composition dun radar.....04 3- les frquences radar..06 4- caractristiques dun systme radar..07 4.1- type de radar ...07 4.2- modes dmission du radar..07 5- leffet doppler...07 6- quation radar...08 7- la surface quivalent radar....09 8- notation sur les performances des radars..10 8.1- la porte...10 8.2- localisation en ongle ...10 8.3- localisation en distance ...11 9le bruit ..11 9.1- le bruit thermique.12 9.2- le bruit extrieurs (clutter)...12 9.3- aspect probabilistique de signal radar.12 10- application radar ....13 Conclusion.13

CHAPITRE II : LE RADAR OUVERTURE SYNTHETIQUE INVERSE (ISAR)Introduction ..14 1- Identification des cibles au moyen des systmes IFF...14 1.1- Principe de fonctionnement..14 1.2- Caractristiques des antennes...15 - Le faisceau dinterrogation...15 - Le faisceau de contrle..15 1.3 - Signal dinterrogation.16 1.4- Signal de rponse.....18

1.5- Les inconvnients de system (IFF).18 2- Reconnaissance des cibles non coopratives20 2.1-dfinition .20 2.2- Techniques de reconnaissance des cibles non coopratives .20 2.2.1- Radar Haute Rsolution..20 2.2.2- Limage 2D-ISAR22 2.3- Comparaison des techniques de reconnaissance de cibles non coopratives 23 3- principes de fonctionnement des radars imageurs SAR et ISAR.23 3.1- Principe de fonctionnement des radars SAR24 3.1.1- Avantages du radar SAR et ses applications.24 3.1.2- Rsolution du radar SAR25 3.2- la radar a ouverture synthtique inverse (ISAR)29 3.2.1- Principe de fonctionnement du radar ISAR.30 3.2.2- Recouvrement de donnes ISAR..31 3.2.3- Rsolution de l'ISAR.33 4- Les oprations de pr-traitement effectues sur les images ISAR34 4.1- technique d'extraction des caractristiques.34 4.1.1- Extraction de contour 34 4.2- Technique de rduction de la taille de donne36 4.3- transforme de radon (TR) 38 4.4- technique de slection des caractristique 39 4.4.1- l'analyse en composantes principales (ACP)40 Conclusion 42

CHAPITRE III : Classification par rseaux de neuronesIntroduction .....43 1- mthode de classification..43 2- prsentation des rseaux de neurones.44 2.1- dfinition .44 2.2- transition du neurone biologique au neurone formel45 2.3- le principe et les tapes de constriction dun rseau de neurones.46 2.4- rseaux de neurones formels.47 3- Diffrents type de fonction dactivation 49 4- lapprentissage..50 4.1- lapprentissage supervis50

4.2- lapprentissage non supervis51 4.3- techniques dapprentissages51 5- Architecture51 5.1- les rseaux non rcurrents.....51 5.2- les rseaux rcurrents.52 6- le perceptron multicouches53 7- Algorithme de rtropropagation .54 7.1- modification des poids de la couche de sortie..54 7.2- mise jour des poids des couches caches.55 7.3- lissage de la classification 57 8- rseau de neurones pour la classification 58 8.1- classification et approximation des fonctions58 8.2- classification neuronale et non neuronale..59 9- les avantages et les inconvnients du rseau de neurones59 9.1- les avantages du RN59 9.2- les inconvnients du TN..60 Conclusion..61

CHAPITRE VI : Mise en uvre dun Classifieur NeuronalIntroduction62 1- Dmarche gnrale ..62 2- Prtraitement et compression.64 2.1- Donnes brutes 64 2.2- Application de la transforme de radon aux images 64 2.3- slection des caractristiques.67 3- Base de donnes de notre travail..67 4-Conception et mise en oeuvre par MATLAB ..69 4.1-Conditionnement des entres69 4.2- Architecture du rseau et apprentissage.69 Etude en fonction du nombre de couches caches.70 Etude en fonction du nombre de neurones dans la couche cache70 Etude en fonction du pas dapprentissage......................................................71 Etude en fonction du nombre ditrations.71 Etude en fonction du nombre ditrations72 5- Interface graphique..72 Conclusion..76

Conclusion gnrale....77

Liste des figuresFig.1.1: Schma synoptique dun radar moderne04 Fig.1.2 : Localisation en distance..11 Fig 1.3: Rsolution en distance11 Fig.2.1: Schma synoptique gnral15 Fig.2.2: Les signaux dantennes.16 Fig.2.3: Dfinition des modes militaires..18 Fig. 2.4: Profil en porte d'un avion vu du ct gauche21 Fig.2.5: image 2D ISAR.22 Fig.2.6 :gomtrie du radar SAR.24 Fig.2.7: Le SAR embarqu sur plate forme dplaant une vitesse constante v26 Fig.2.7: Situation des donnes avant et aprs focalisation27 Fig.2.8: Principe de focalisation du radar SAR27 Fig.2.10: Schma comparatif entre la rsolution de trois types de radar28 Fig.2.11:Gomtrie du l'ISAR.29 Fig.2.12 : Equivalence SAR/ISAR.30 Fig.2.13: deux points rflecteurs dune cible pour le cas de limagerie ISAR..30 Fig.2.14: Spectres dun point rflecteur deux instants diffrents.31 Fig.2.15:reprsentation de la forme d'onde de M- bus et N- impulsions32 Fig.2.16: montre l'application de plusieurs techniques d'extraction de contours sur une image 2D-ISAR.35 Fig2.17: les diffrent niveau de la transforme en endelette appliqus a un mig-2537 Fig.2.18: Les diffrents niveaux de la transforme en ondelette appliqus un bateau.37 Fig.2.19: Limage f ( x, y ) projete sur l'axe x qui Est orient selon un ongle Par apport l'axe x38 Fig.2.20: La transforme de radon sur une image ISAR39 Fig.2.21: Rsultat aprs lapplication de lACP sur une image ISAR42 Fig.3.1: diagramme d'un systme de classification.44 Fig. 3.2 : Neurone biologique..45 Fig.3.3 : Neurone artificiel45 Fig.3.4: architecture d'un perceptron multicouches.46 Fig.3.5: neurone formel..48

Fig.3.6: Rseaux non rcurrents52 Fig.3.7 : Les rseaux de neurones rcurrents52 Fig.3.8 : rseau MLP.53 Fig.4.1 : Dmarche gnrale de lapproche propose63 Fig.4.2: Organigramme de notre dmarche de travail.64 Fig.4.3 : Image ISAR dun MIG 2565 Fig.4.4 : Squence dimages ISAR dun MIG25 a des instants successifs. 65 Fig.4.5 : Image ISAR du MIG25 a 0 et 45 et leur transforme de Radon. 66 Fig.4.6 : Application de la transformation Radon et SVD sur limage ISAR MIG2567 Fig.4.7 : Images brutes des avions utiliss pour la base de rfrence68 Fig.4.8 : tude en fonction de nombre de couches caches..70 Fig.4.9 : tude en fonction de nombre de neurones.70 Fig.4.10 : tude en fonction de pas dapprentissage.71 Fig.4.11: tude en fonction de momentum.72 Fig.4.12: tude en fonction de nombre ditration.72 Fig.4.13 : Forme principale.73 Fig.4.14 : Forme Architecture rseau ..73 Fig.4.15 : Forme de progression de lacquisition.74 Fig.4.16: Forme de la cible identifie.74 Fig.4.17 :forme choix avion.75 Fig.4.18 : forme a propos75

Liste des tableauxTab.1-1 : les frquences radar06 Tab.2-1 : Modes civils17 Tab.2-2 : Modes militaires17 TAB.2-3 :Comparaison des techniques de classification..23 Tab.3-1 : Elments de ressemblance entre le neurone biologique et le neurone formel.46 Tab.3-1: Diffrents types de fonction dactivation..49

DdicacesJe ddie ce travail : Ma chre mre, pour ses sacrifices depuis quelle ma mis au monde Mon pre, qui ma toujours soutenu et aid affronter les difficults Toute la famille:khadra, nakhla,said,hafidha,nadjat et hayat Mon binme et frre hassen ainsi que toute sa famille, A mes amis : rachid, aissa,dahman,chibout,abdo,saleh, brahim,taytah, amin,mourad et Benatala,smaile somia,maria , noura, messouda, zinab. Toute la promotion 2008.Djaber

Introduction gnrale :La surveillance arienne est lune des proccupations majeures de la dfense militaire. Depuis les deux dernires guerres mondiales, beaucoup defforts ont t dploys pour lidentification des cibles. Les premiers systmes dvelopps pour examiner lidentit dune cible arienne sont les systmes IFF (Identification Friend-Foe). LIFF est base sur une boucle de questions/rponses. En rponse une interrogation code, le code didentification de la cible est transmis la station de surveillance, la cible est dite cooprative. Toutefois, lIFF prsente beaucoup dinconvnients qui peuvent fausser lidentification de la cible et conduire une dcision prilleuse. Pour pallier aux problmes poss par lutilisation de lIFF, les recherches se sont orientes de plus en plus vers la reconnaissance de la cible sans sa participation active. A partir du moment ou la gomtrie de la cible et ses parties en rotation imposent une certaine rponse vis--vis des ondes lectromagntiques, la signature radar est largement utilise pour la reconnaissance des cibles non coopratives. Plusieurs types de signatures radar peuvent tre utiliss. La signature radar de la cible est fonction de sa surface "vue" par le radar appele surface quivalente radar (SER). La difficult premire de la reconnaissance des cibles radar est que laSER est fortement dpendante de la frquence utilise et de langle de vise du radar. Pour

rsoudre ce problme, il est essentiel dobtenir des caractristiques efficaces et robustes partir de la SER de la cible, par consquent, les frquences de rsonances, les profils en porte(HRR) et les images radar ouverture synthtique inverse (ISAR) ont t utiliss cette fin.

Dans ce mmoire, nous avons essay dutiliser un classifieur neuronal pour identifier un cible inconnu a partir de son image ISAR. Lide de base est de ne slectionner que linformation pertinente (intressante) par rapport ce but. Ceci permet alors daboutir une base de donnes de rfrence de taille raisonnable et acclrer les diffrents calculs. Cette slection se fait en off-line et naffecte en rien la dure ncessaire la prise de dcision concernant une cible nouvellement dtecte. La premire tape de lapproche est un prtraitement qui permet de rduire la taille des donnes (ACP) et dextraire les caractristiques indpendamment de langle dorientation (transform Radon). Ensuite, la base de donne sera utilise par Matlab pour faire lapprentissage dun rseau de neurones, afin de reconnatre automatiquement une cible

inconnue. Ultrieurement, le classifieur neuronal sera exporter vers une application, de Type C++, qui se charge de faire lidentification automatique. La manuscrit qui reprsente notre travail sera organiser de la manire suivant : Le premier chapitre a t rserv a une introduction gnrale sur le radar. Nous allons parle des principes de fonctionnement dun systme radar, la composition dun radar, et les quations radar. Nous allons aussi prsente dans ce chapitre leffet doppler et les applications des radars. Dans le deuxime chapitre, nous allons prsenter la technique didentification des cibles (IFF), ses avantages et ses inconvnients. Pour rduire la probabilit de fratricide caus par un des inconvnients de lIFF nous allons prsenter le systme didentification des cibles non cooprative base sur la classification des images des cibles de type ISAR. Les tapes de prtraitements des images ISAR (extraction des caractristiques, rduction de la taille des donnes, slection des caractristiques), sont aussi exposes dans ce chapitre. Le troisime chapitre a pour but de prsenter la mthode de classification par une approche neuronale base sur lalgorithme de rtro-propagation. Le fondement mathmatique de lalgorithme a t prsent, ainsi que son application en classification. Puis nous citons les diffrents facteurs qui influent sur la classification neuronale, la fin de ce chapitre nous donnons la procdure dtablissement dun classifieur base de rseau de neurones. Le quatrime chapitre est consacr aux rsultats dapplication, sur des images ISAR. Nous prsentons les rsultats de lapplication de la transformation de radon et de lACP. Ensuite, nous parlons de la conception de notre rseau de neurones et la mise en uvre de ce dernier. Le dernier parti, est la prsentation de la ralisation finale de lexportation du rseau, ainsi que linterface utilisateur de notre application C++. Nous terminons ce mmoire par une conclusion gnrale.

CHAPITRE I :

Gnralits sur les radars

1- gnralit sur les radar 2- composition dun radar 3- les frquences radar 4- caractristiques dun systme radar 5- leffet doppler 6- quation radar 7- la surface quivalent radar 8- notation sur les performances des radars 9- le bruit 10- application radar

Introduction:Ce chapitre a t labor dans le but d'tayer le principe de fonctionnement du systme radar. Le terme radar est li son mot dorigine, qui est RADIO DETECTION AND RANGING , le principe est la dtermination de la prsence et la localisation dun objet en utilisant les chos des ondes radio. Le dveloppement du radar, est due en premier lieu, a la rvlation technologique qui a pris place en XX sicles et surtout, durant la deuxime guerre mondiale, o il a connu un progrs considrable. Dans ce premier chapitre nous allons parler sur le principe et la composition d'un systme radar. Ensuite, nous essayons d'exposer les caractristiques d'un tel systme et aussi prsent l'effet doppler, ainsi que les quations radar, le bruit, notion sur performances des radar et les applications du radar.

1. Gnralits sur le radar :1.1- Dfinition du radar : RADAR est une abrviation de RADIO DETECTION AND RANGING. 9 Radio : le radar utilise des ondes radio lectriques. 9 Dtection : le rle essentiel de radar est la dtection, c'est--dire la rvlation de la prsence dune cible. 9 Ranging : indique les paramtres qui caractrisent la cible. C'est un systme qui utilise les ondes lectromagntiques fin de dtecter l'existence de cible, leur position, leurs vitesses et ventuellement d'identifier leurs caractristiques. 1.2. Principe du radar : Lmetteur diffuse au moyen dune antenne, un faisceau dondes lectromagntiques, la plus grande partie de l'nergie dlivrer par le radar est transmise dans la direction du lobe principale de l'antenne. Cette nergie se propage dans l'aire une vitesse proche de la vitesse de la lumire c. La rflexion se fait dans plusieurs directions suivant la forme de l'objet, le seul cho intercept par le radar est celui rflchi dans la direction de son rcepteur. Lantenne capte le signal cho, ce signal va donc indiquer la prsence de la cible [1]. De plus, le radar peut recevoir une partie de l'nergie rflchie par le sol, la mer ou les nuages. Ces signaux interfrant, appels clutters, peuvent nuire la dtection des cibles. A la rception, l'nergie reue des diffrents chos est amplifie et filtre. Malheureusement, le rcepteur rajoute des bruits alatoires au signal reu. Pour extraire le signal utile des

interfrences, des traitements sont effectus, le signal rsultant est compar un certain niveau de rfrence appel le seuil de dtection. Ce seuil doit tre soigneusement choisi de manire avoir un minimum probabilit de fausse alarme [2]. La distance entre le radar et la cible est calcule a partir du temps ncessaire a l'onde pour parcourir le trajet aller retour entre le radar et la cible. Cette distance est proportionnelle cette dure et vaut: t1 + t 2 = 2R c

(1.1)

Ou c est la vitesse de la lumire et R la distance radar cible [3].

2- Compositions dun radar :

Le fonctionnement du radar correspond...

Recommended

View more >