Search

The applications of radar techniques to the urban environment constitute an emerging subject. One of the main difficulties is related to the complexity of the propagation environment induced by the buildings present in the scene. Indeed, unlike conventional radar applications where the target is in line of sight of the radar, the presence of these buildings generates on the one hand shadow areas within which a target is not in line of sight, and on the other hand, many multipaths produced by reflections and diffractions on the surrounding surfaces. Classically, these multipaths are often seen as an inconvenience, limiting radar detection capabilities. However these multipaths can also be exploited to the advantage of the radar to detect and locate targets located in the shadows areas (target in NLOS).The objective of this thesis work is therefore to develop signal processing methods allowing the detection and localization of a target located in shadow areas in urban environment and to apply these techniques for detecting and locating a target in NLOS from realistic or even real signals.For this, we first proposed two solutions for detection and localization of a target by exploiting multipath information: the FMU algorithm which is based on a projection of the received signal on the subspace defined by the delays of the multipaths and the SLC algorithm that is based on a non-coherent integration of multipath energy. We have also improved on one hand our detection solution by proposing a method for selecting the number of paths based on the optimization of the probability of detection, and on the other hand our localization solution by proposing to use some penalization enabling to mitigate the ambiguity problem inherent to the "around-the-corner" problem. In a second step, we developed two particle filters to track a target in urban environment in the presence of multipaths. These algorithms have been applied to real data and showed promising results: even with an approximate knowledge of the geometry of the scene, it has been possible to detect, locate and track a target by exploiting only the information on multipath delays., Les applications des techniques radar au milieu urbain constituent un domaine émergent. Une des difficultés principale est liée à la complexité du milieu de propagation induit par les bâtiments présents dans la scène. En effet, contrairement aux applications radar classiques où la cible est en ligne de vue du radar, la présence de ces bâtiments génère d’une part des zones d’ombre à l’intérieur desquelles une cible n’est pas en visibilité directe, et d’autre part de nombreux multi-trajets produits par les possibles réflexions et diffractions sur les surfaces environnantes. Ces multi-trajets sont souvent vus comme une gêne, limitant les capacités de détection en radar. Or ils peuvent aussi être exploités à l’avantage du radar afin de détecter et localiser des cibles situées dans les zones d’ombre (cible en NLOS).L’objectif de ce travail de thèse est donc la mise en place de méthodes de traitement du signal permettant la détection et la localisation d’une cible en NLOS en milieu urbain et l’application de ces techniques pour détecter et localiser une cible en NLOS à partir de signaux réalistes voire réels.Pour cela, nous avons proposé dans un premier temps deux solutions pour la détection et la localisation de la cible en exploitant les multi-trajets : l’algorithme FMU qui est basé sur une projection du signal reçu sur le sous-espace défini par les retards des multi-trajets et l’algorithme SLC qui est basé sur une intégration non cohérente de l’énergie des multi-trajets. Nous avons également affiné d’une part notre solution de détection en proposant une méthode de sélection du nombre de trajets fondée sur l’optimisation de la probabilité de détection, et d’autre part notre solution de localisation en proposant d’utiliser des critères de pénalisation permettant de limiter dans une certaine mesure le problème d’ambiguïté inhérent à la problématique «around-the-corner».Dans un deuxième temps, nous avons développé deux filtres particulaires pour pister une cible en milieu urbain en présence de multi-trajets. Ces algorithmes ont été appliqués aux données réelles issues d’une expérimentation et ont montré des résultats prometteurs : même avec une connaissance approximative de la géométrie de la scène, il a été possible de détecter, localiser et suivre une cible en exploitant uniquement l’information fournie par les retards des multi-trajets.

This thesis deals with the study and the development of mono and multitarget tracking methods in a Track-Before-Detect (TBD) context with particle filters. Contrary to the classic approach that performs before the tracking stage a pre-detection and extraction step, the TBD approach directly works on raw data in order to jointly perform detection and tracking. Several solutions to this problem exist, however this thesis is restricted to the particular Hidden Markov Models considered in the Bayesian framework for which the TBD problem can be solved using particle filter approximations.Initially, we consider existing monotarget particle solutions and we propose several instrumental densities that allow to improve the performance both in detection and in estimation. Then, we propose an alternative approach of the monotarget TBD problem based on the target appearance and disappearance times. This new approach, in particular, allows to gain in terms of computational resources. Secondly, we investigate the calculation of the measurement likelihood in a TBD context -- necessary for the derivation of the particle filters -- that is difficult due to the presence of the target amplitude parameters that are unknown and fluctuate over time. In particular, we extend the work of Rutten et al. for the likelihood calculation to several Swerling models and to the multitarget case. Lastly, we consider the multitarget TBD problem. By taking advantage of the specific structure of the likelihood when targets are far apart from each other, we show that it is possible to develop a particle solution that considers only a particle filter per target. Moreover, we develop a whole multitarget TBD solution able to manage the target appearances and disappearances and also the crossing between targets., Cette thèse s'intéresse à l'étude et au développement de méthodes de pistage mono et multicible en contexte Track-Before-Detect (TBD) par filtrage particulaire. Contrairement à l'approche classique qui effectue un seuillage préalable sur les données avant le pistage, l'approche TBD considère directement les données brutes afin de réaliser conjointement la détection et le pistage des différentes cibles. Il existe plusieurs solutions à ce problème, néanmoins cette thèse se restreint au cadre bayésien des Modèles de Markov Cachés pour lesquels le problème TBD peut être résolu à l'aide d'approximations particulaires. Dans un premier temps, nous nous intéressons à des méthodes particulaires monocibles existantes pour lesquels nous proposons différentes lois instrumentales permettant l'amélioration des performances en détection et estimation. Puis nous proposons une approche alternative du problème monocible fondée sur les temps d'apparition et de disparition de la cible; cette approche permet notamment un gain significatif au niveau du temps de calcul. Dans un second temps, nous nous intéressons au calcul de la vraisemblance en TBD -- nécessaire au bon fonctionnement des filtres particulaires -- rendu difficile par la présence des paramètres d'amplitudes des cibles qui sont inconnus et fluctuants au cours du temps. En particulier, nous étendons les travaux de Rutten et al. pour le calcul de la vraisemblance au modèle de fluctuations Swerling et au cas multicible. Enfin, nous traitons le problème multicible en contexte TBD. Nous montrons qu'en tenant compte de la structure particulière de la vraisemblance quand les cibles sont éloignées, il est possible de développer une solution multicible permettant d'utiliser, dans cette situation, un seule filtre par cible. Nous développons également un filtre TBD multicible complet permettant l'apparition et la disparition des cibles ainsi que les croisements.