Dans les systèmes de positionnement par satellite (GNSS), les réflexions multiples, caractéristiques des canaux de propagation urbains, posent de gros problèmes dans la bonne estimation de la position. Bien que de nombreuses solutions aient été proposées pour lutter contre les multi-trajets (Narrow correlator, MEDLL), les multi-trajets à faibles retards relatifs (<0.1Chips) sont toujours problématique. Plus récemment, l'utilisation de réseaux d'antennes adaptatifs a été proposée pour lutter contre les multi-trajets. En effet, l'échantillonnage spatial du front d'onde réalisé à partir de plusieurs antennes permet de discriminer les sources dans le domaine spatial, et cela quels que soient les retards des multi-trajets. Cette thèse a donc pour objectif de définir des méthodes de réjection des multi-trajets qui tirent partie de la dimension des directions d'arrivées (DOA) apportée par un réseau d'antenne. Le cahier des charges impose que le réseau utilisé soit de petite taille (typiquement réseau carré 2×2), et demande un algorithme robuste aux défauts technologiques.Inspiré des méthodes de réjection d'interférence, les premières solutions proposées ont été les techniques d'antennes adaptatives afin de filtrer spatialement les multi-trajets Cependant, en raison de la petite taille du réseauainsi que de la corrélation intrinsèque entre les multi-trajets et le signal direct, ces méthodes ont rapidement été mises en défaut. En particulier, les multi-trajets spatialement proches du trajet direct restent toujours problématiques.Afin de tirer partie de la dimension spatiale apportée par un réseau d'antennes et sans être trop dépendant de l'espacement angulaire entre les sources, nous avons choisi de joindre à l'estimation des DOA, l'estimation des retards et fréquences Doppler de chaque trajet reçu. L'algorithme SAGE, issu de la théorie du maximum de vraisemblance, a été utilisé afin d'estimer de façon jointe les paramètres des sources. De plus, nous avons proposé une nouvelle implémentation de SAGE qui permet de réduire d'un facteur 500 la complexité de l'algorithme tout en conservant les mêmes performances d'estimation. Les simulations ont montré une nette amélioration de la réjection des multi-trajets par rapport aux méthodes mono-antenne et multi-antennes adaptatives, tout en conservant une complexité calculatoire raisonnable. Cette méthode a fait l’objet d’un brevet.Nous avons ensuite étudié l'influence des défauts technologiques (couplage, défaut de chaîne RF …), numériques (quantification) et des défauts intrinsèques à l'algorithme SAGE (estimation du nombre de multi-trajets) sur les performances d'estimation, et proposé différentes méthodes de compensation. Nous retiendrons que des filtres FIR ont été utilisés pour compenser les défauts large bande de la chaîne RF, et que le couplage peut être estimé à partir de la connaissance des DOA des signaux utiles. Les simulations ont montré qu'avec ces méthodes de compensation, l'algorithme SAGE affichait des performances très proches de celles dans le cas parfait (sans défaut). Un algorithme d'estimation du nombre de multi-trajets a aussi été proposé, et les résultats en simulation dynamique (en utilisant des modèles de canal existants) ont montré une bonne adaptation aux différentes situations.Pour finir, il est important de noter que les outils développés durant cette thèse peuvent être utilisés dans le cadre de l'étude du canal de propagation des signaux GNSS, en identifiant et estimant les multi-trajets susceptibles de perturber l'estimation de la position du récepteur. / In Global Navigation Satellite Systems (GNSS) applications, multipath (MP) errors are still one of the major error sources in conventional receivers. The additional signal replicas due to reflections introduce a bias in Delay Lock Loops (DLL), which finally leads to a positioning error. Several techniques have been developed for multipath mitigation or estimation such as the Narrow Correlator Spacing or the Multipath Estimating Delay-Lock-Loop (MEDLL) algorithm.However, these techniques suffers from high sensitivity to noise, and can not mitigate short delay multipath (<0.1 chip).More recently, the use of antenna array algorithms has been proposed for multipath mitigation. Antenna arrays perform a spatial sampling that makes possible the discrimination of sources in the space domain (azimuth and elevation).However, in conventional receivers, little room remains for antenna integration, and only a small number of antenna elements can be integrated. This study will therefore focus on algorithms for a 2x2 square antenna array. Moreover, theproposed solutions have to be robust against technological defects.Two solutions are investigated to mitigate multipath with an antenna array. The first one tries to filter the multipaths in the space domain in order to "clean" the incoming signal of all the multipaths. However, the results obtained with this solution are quite mitigated. Indeed, the small size of the array implies a low space resolution, and the correlation between the LOS signal and the multipaths strongly degrade the performance of high resolution algorithms. Thus, close spaced multipath are still a problem.In the second approach, a set of parameters (amplitudes, times-delays, Doppler shifts, elevations and azimuths) of all the incoming sources are estimated. The main difference with the first approach is that, instead of filtering the sources on the space domain only, the different incoming paths are filtered on space, time and frequency domains. To estimate the parameters of all the sources, SAGE algorithm, which is a low-complexity generalization of maximum likelihood theory, has been considered. Moreover, a new implementation of the SAGE algorithm has been investigated in order to reduce the complexity by a factor 500, without loss of estimation performances. The simulations show a real improvement in the multipath mitigation compared to mono antenna algorithms and beamformerapproaches.The impact of technological defects (mutual coupling, RF channel mismatch …), numerical defect (quantization) and SAGE defect (estimation of the number of path) on the estimation performances were also investigated, and severalcompensation algorithms were proposed. The wide band effects of the RF filter were compensated by FIR equalizer, and mutual coupling can be estimated thanks to the knowledge of the satellites DOA. Simulations show that the estimationperformance of the SAGE algorithm after array calibration are very close than the performance in perfect system. Last, we proposed an algorithm to estimate the number of path, and dynamic simulations (by using channel model) show avery good adaptation of the algorithm.Last but not least, the tools developed in this PhD can be also useful in multipath modelling applications for GNSS.

The aim of this thesis is to develop and analyse single data set (SDS) detection algorithms that can utilise the advantages of widely-spaced (statistical) multiple-input multiple-output (MIMO) radar to increase their accuracy and performance. The algorithms make use of the observations obtained from multiple space-time adaptive processing (STAP) receivers and focus on covariance estimation and inversion to perform target detection. One of the main interferers for a Doppler radar has always been the radar’s own signal being reflected off the surroundings. The reflections of the transmitted waveforms from the ground and other stationary or slowly-moving objects in the background generate observations that can potentially raise false alarms. This creates the problem of searching for a target in both additive white Gaussian noise (AWGN) and highly-correlated (coloured) interference. Traditional STAP deals with the problem by using target-free training data to study this environment and build its characteristic covariance matrix. The data usually comes from range gates neighbouring the cell under test (CUT). In non-homogeneous or non-stationary environments, however, this training data may not reflect the statistics of the CUT accurately, which justifies the need to develop SDS methods for radar detection. The maximum likelihood estimation detector (MLED) and the generalised maximum likelihood estimation detector (GMLED) are two reduced-rank STAP algorithms that eliminate the need for training data when mapping the statistics of the background interference. The work in this thesis is largely based on these two algorithms. The first work derives the optimal maximum likelihood (ML) solution to the target detection problem when the MLED and GMLED are used in a multistatic radar scenario. This application assumes that the spatio-temporal Doppler frequencies produces in the individual bistatic STAP pairs of the MIMO system are ideally synchronised. Therefore the focus is on providing the multistatic outcome to the target detection problem. It is shown that the derived MIMO detectors possess the desirable constant false alarm rate (CFAR) property. Gaussian approximations to the statistics of the multistatic MLED and GMLED are derived in order to provide a more in-depth analysis of the algorithms. The viability of the theoretical models and their approximations are tested against a numerical simulation of the systems. The second work focuses on the synchronisation of the spatio-temporal Doppler frequency data from the individual bistatic STAP pairs in the multistatic MLED scenario. It expands the idea to a form that could be implemented in a practical radar scenario. To reduce the information shared between the bistatic STAP channels, a data compression method is proposed that extracts the significant contributions of the MLED likelihood function before transmission. To perform the inter-channel synchronisation, the Doppler frequency data is projected into the space of potential target velocities where the multistatic likelihood is formed. Based on the expected structure of the velocity likelihood in the presence of a target, a modification to the multistatic MLED is proposed. It is demonstrated through numerical simulations that the proposed modified algorithm performs better than the basic multistatic MLED while having the benefit of reducing the data exchange in the MIMO radar system.

Les systèmes de navigation par satellite sont connus pour être sensibles aux interférences. Cette thèse étudie les techniques d'antennes adaptatives comme une solution au problème du brouillage des signaux militaires (GPS et Galileo) par des interférences de forte puissance et à grande occupation spectrale. L'objectif est de réaliser, à terme, une antenne réseau indépendante du récepteur de radionavigation, ce qui nous a rapidement conduit à privilégier les systèmes MISO.<br />Divers algorithmes de traitement ont été évalués sur plusieurs géométries de réseau. Nous avons mis en évidence que le SINR moyen de sortie du réseau n'est pas représentatif des performances d'un récepteur de radionavigation. Un critère de sélection des méthodes, basé sur la précision finale de localisation, a donc été défini. Nous avons montré que, selon ce critère, la connaissance a priori des DOA ne permet pas forcément de gain de traitement avec un système MISO. La stabilité de la réponse des réseaux a également été étudiée, nous conduisant finalement à restreindre notre étude aux méthodes aveugles de minimisation de puissance sous contrainte linéaire. <br />Nous avons ensuite caractérisé les principaux défauts de la chaîne RF (dus aux dispersions de fabrication des capteurs et des filtres analogiques, et au couplage inter-capteurs) et en avons évalué l'impact sur les performances des filtres spatiaux. Physiquement, comme l'effet large bande, les défauts du réseau se traduisent par une augmentation du nombre de degrés de liberté consommés par un signal de forte puissance. Le traitement Spatio-Temporel (STAP) constitue une solution possible à cette augmentation du rang du sous-espace interférent car il permet d'accroitre le nombre de degrés de liberté disponibles, sans augmenter la taille du réseau. Cependant, la composante fréquentielle du filtrage STAP peut dégrader les performances du corrélateur d'un récepteur GNSS générique. Aussi, avons-nous défini un nouveau critère de performance, adapté au traitement des signaux GNSS. Nous avons ainsi pu écrire le filtre STAP optimal et nous en avons déduit une version simplifiée qui constitue un bon compromis performances - complexité.<br /> Globalement, le réseau STAP ne permet pas de gain de traitement sur la puissance utile transmise au récepteur mais il permet de mieux rejeter les signaux interférents de forte puissance en présence de défauts linéaires de chaîne.

A Multiple-Input Multiple Output (MIMO) radar can be broadly defined as a radar system employing multiple transmit waveforms and having the ability to jointly process signals received at multiple receive antennas. In terms of configurations, the antennas can be widely separated or co-located. The first part of the thesis is on detection under Gaussian and non-Gaussian environments using a MIMO radar which contains several widely separated subarrays with one or more elements each. Two different situations are considered. Firstly, we consider that the interference is Gaussian but correlation between subarrays can arise due to insufficient spacing and the imperfect orthogonality of waveforms. Secondly, we consider that the interference is non-Gaussian, a situation which arises under sea and ground clutter and when the resolution is very high. The second part is on the application of MIMO techniques to Space-Time Adaptive Processing (STAP). The coherent MIMO configuration is studied in terms of antenna element distribution and inter-element spacing to improve detection and estimation performance. A preliminary study is also done on the use of spatial diversity to improve detection stability w.r.t. target Radar Cross Section (RCS) fluctuations and velocity direction changes.

Les traitements spatio-temporels adaptatifs (STAP) sont des traitements qui exploitent conjointement les deux dimensions spatiale et temporelle des signaux reçus sur un réseau d'antennes, contrairement au traitement d'antenne classique qui n'exploite que la dimension spatiale, pour leur filtrage. Ces traitements sont particulièrement intéressants dans le cadre du filtrage des échos reçus par un radar aéroporté en provenance du sol pour lesquels il existe un lien direct entre direction d'arrivée et fréquence Doppler. Cependant, si les principes des traitements STAP sont maintenant bien acquis, leur mise en œuvre pratique face à un environnement réel se heurte à des points durs non encore résolus dans le contexte du radar opérationnel. Le premier verrou, adressé par la thèse dans une première phase, est d'ordre théorique, et consiste en la définition de procédures d'estimation de la matrice de covariance du fouillis sur la base d'une sélection des données d'apprentissage représentatives, dans un contexte à la fois de fouillis non homogène et de densité parfois importante des cibles d'intérêts. Le second verrou est d'ordre technologique, et réside dans l'implémentation physique des algorithmes, lié à la grande charge de calcul nécessaire. Ce point, crucial en aéroporté, est exploré par la thèse dans une deuxième phase, avec l'analyse de la faisabilité d'une implémentation sur GPU des étapes les plus lourdes d'un algorithme de traitement STAP.

No description available.

The research presented in this dissertation is on the development of advanced reduced rank adaptive signal processing for airborne radar space-time adaptive processing (STAP) and steering vector mismatch robustness. This is an important area of research in the field of airborne radar signal processing since practical STAP algorithms should be robust against various kinds of mismatch errors. The clutter return in an airborne radar has widely spread Doppler frequencies; therefore STAP, a two-dimensional adaptive filtering algorithm is required for effective clutter and jamming cancellation. Real-world effects in nonhomogeneous environments increase the number of adaptive degrees of freedom required to adequately suppress interference. The increasing computational complexity and the need to estimate the interference from a limited sample support make full rank STAP impractical. The research presented here shows that the reduced rank multistage Wiener filter (MWF) provides significant subspace compression better than any previous techniques in a nonhomogeneous environment. In addition, the impact of steering vector mismatch will also be examined on the MWF. In an airborne radar environment, it is well known that calibration errors and steering vector mismatch can seriously degrade adaptive array performance and result in signal cancellation. These errors can be caused by many non-ideal factors such as beam steering angle errors, multipath propagation, and phase errors due to array imperfections. Since the MWF centrally features the steering vector on its formulation, it is important to assess the impact of steering vector mismatch. In this dissertation, several novel techniques for increasing robustness are examined and applied to the MWF. These include derivative constraints, quiescent pattern control (QPC) techniques, and covariance matrix tapers (CMT). This research illustrates that a combination of CMT and QPC, denoted CMTQ, is very effective at mitigating the impact of steering vector mismatch. Use of CMTQ augmentation provides the steering vector mismatch robustness that we desire while improving the reduced-rank and reduced sample characteristics of the MWF. Results using Monte Carlo simulations and experimental Multichannel Airborne Radar Measurements (MCARM) data confirm that the use of CMTQ gives superior performance to steering vector errors at a much reduced rank and sample support as compared to conventional techniques. / Ph. D.

Cette thèse traite du traitement adaptatif spatio-temporel dans le domaine radar. Pour augmenter les performances en détection, cette approche consiste à maximiser le rapport entre la puissance de la cible et celle des interférences, à savoir le bruit thermique et le fouillis. De nombreuses variantes de cet algorithme existent, une d’entre elles est fondée sur une modélisation autorégressive vectorielle des interférences. Sa principale difficulté réside dans l’estimation des matrices autorégressives à partir des données d’entrainement ; ce point constitue l’axe de notre travail de recherche. En particulier, notre contribution porte sur deux aspects. D’une part, dans le cas où l’on suppose que le bruit thermique est négligeable devant le fouillis non gaussien, les matrices autorégressives sont estimées en utilisant la méthode du point fixe. Ainsi, l’algorithme est robuste à la distribution non gaussienne du fouillis.D’autre part, nous proposons une nouvelle modélisation des interférences différenciant le bruit thermique et le fouillis : le fouillis est considéré comme un processus autorégressif vectoriel, gaussien et perturbé par le bruit blanc thermique. Ainsi, de nouvelles techniques d'estimation des matrices autorégressives sont proposées. La première est une estimation aveugle par bloc reposant sur la technique à erreurs dans les variables. Ainsi, l’estimation des matrices autorégressives reste robuste pour un rapport faible entre la puissance de la cible et celle du fouillis (< 5 dB). Ensuite, des méthodes récursives ont été développées. Elles sont fondées sur des approches du type Kalman : filtrage de Kalman étendu et filtrage par sigma point (UKF et CDKF), ainsi que sur le filtre H∞.Une étude comparative sur des données synthétiques et réelles, avec un fouillis gaussien ou non gaussien, est menée pour révéler la pertinence des différents estimateurs en terme de probabilité de détection. / This dissertation deals with space-time adaptive processing in the radar’s field. To improve the detection’s performances, this approach consists in maximizing the ratio between the target’s power and the interference’s one, i.e. the thermal noise and the clutter. Several variants of its algorithm exist, one of them is based on multichannel autoregressive modelling of interferences. Its main problem lies in the estimation of autoregressive matrices with training data and guides our research’s work. Especially, our contribution is twofold.On the one hand, when thermal noise is considered negligible, autoregressive matrices are estimated with fixed point method. Thus, the algorithm is robust against non-gaussian clutter.On the other hand, a new modelling of interferences is proposed. The clutter and thermal noise are separated : the clutter is considered as a multichannel autoregressive process which is Gaussian and disturbed by the white thermal noise. Thus, new estimation’s algorithms are developed. The first one is a blind estimation based on errors in variable methods. Then, recursive approaches are proposed and used extension of Kalman filter : the extended Kalman filter and the Sigma Point Kalman filter (UKF and CDKF), and the H∞ filter. A comparative study on synthetic and real data with Gausian and non Gaussian clutter is carried out to show the relevance of the different algorithms about detection’s probability.

Ground Moving Target Indication (GMTI) operation relies on clutter suppression techniques for the detection of slow moving ground targets in the presence of strong radar returns from the ground. Space Time Adaptive Processing (STAP) techniques provide a means to achieve this goal by adaptively forming the clutter suppression filter, whose parameters are obtained using an estimated covariance matrix of the clutter data. Therefore, the performance of the GMTI operation is directly aected by the performance of the estimation process mentioned above. Knowledge based techniques are applicable in applications such as the parametric estimation of the clutter covariance matrix and the estimation of the clutter covariance matrix in a nonhomogeneous clutter environment. In this study, a knowledge based approach which makes use of both a priori and instantaneous data is proposed for the mentioned estimation process. The proposed approach makes use of Shuttle Radar Topography Mission (SRTM) data as well as instantaneous platform ownship data in order to determine distributed homogeneous regions present in the region of interest / and afterwards employs Doppler Beam Sharpening (DBS) maps along with the colored loading technique for the blending process of the a priori data and the instantaneous data corresponding to the obtained homogeneous regions. A nonhomogeneity detector (NHD) is also implemented for the elimination of discrete clutter and target-like signals which may contaminate the STAP training data. Simulation results are presented for both the knowledge aided and the traditional cases. Finally, the performance of the STAP algorithm will be evaluated and compared for both cases. Results indicate that by using the developed processing approach, detection of previously undetectable targets become possible, and the overall number of false alarms is reduced.

Dans le cadre du traitement statistique du signal, la plupart des algorithmes couramment utilisés reposent sur l'utilisation de la matrice de covariance des signaux étudiés. En pratique, ce sont les versions adaptatives de ces traitements, obtenues en estimant la matrice de covariance à l'aide d'échantillons du signal, qui sont utilisés. Ces algorithmes présentent un inconvénient : ils peuvent nécessiter un nombre d'échantillons important pour obtenir de bons résultats. Lorsque la matrice de covariance possède une structure rang faible, le signal peut alors être décomposé en deux sous-espaces orthogonaux. Les projecteurs orthogonaux sur chacun de ces sous espaces peuvent alors être construits, permettant de développer des méthodes dites rang faible. Les versions adaptatives de ces méthodes atteignent des performances équivalentes à celles des traitements classiques tout en réduisant significativement le nombre d'échantillons nécessaire. Par ailleurs, l'accroissement de la taille des données ne fait que renforcer l'intérêt de ce type de méthode. Cependant, cet accroissement s'accompagne souvent d'un accroissement du nombre de dimensions du système. Deux types d'approches peuvent être envisagées pour traiter ces données : les méthodes vectorielles et les méthodes tensorielles. Les méthodes vectorielles consistent à mettre les données sous forme de vecteurs pour ensuite appliquer les traitements classiques. Cependant, lors de la mise sous forme de vecteur, la structure des données est perdue ce qui peut entraîner une dégradation des performances et/ou un manque de robustesse. Les méthodes tensorielles permettent d'éviter cet écueil. Dans ce cas, la structure est préservée en mettant les données sous forme de tenseurs, qui peuvent ensuite être traités à l'aide de l'algèbre multilinéaire. Ces méthodes sont plus complexes à utiliser puisqu'elles nécessitent d'adapter les algorithmes classiques à ce nouveau contexte. En particulier, l'extension des méthodes rang faible au cas tensoriel nécessite l'utilisation d'une décomposition tensorielle orthogonale. Le but de cette thèse est de proposer et d'étudier des algorithmes rang faible pour des modèles tensoriels. Les contributions de cette thèse se concentrent autour de trois axes. Un premier aspect concerne le calcul des performances théoriques d'un algorithme MUSIC tensoriel basé sur la Higher Order Singular Value Decomposition (HOSVD) et appliqué à un modèle de sources polarisées. La deuxième partie concerne le développement de filtres rang faible et de détecteurs rang faible dans un contexte tensoriel. Ce travail s'appuie sur une nouvelle définition de tenseur rang faible et sur une nouvelle décomposition tensorielle associée : l'Alternative Unfolding HOSVD (AU-HOSVD). La dernière partie de ce travail illustre l'intérêt de l'approche tensorielle basée sur l'AU-HOSVD, en appliquant ces algorithmes à configuration radar particulière: le Traitement Spatio-Temporel Adaptatif ou Space-Time Adaptive Process (STAP).