No description available.

Στην εργασία αυτή, μελετάται το πρόβλημα της ανίχνευσης κινούμενων στόχων και της εκτίμησης της θέσης και της ταχύτητάς τους από ένα σύστημα ραντάρ. Η κίνηση των στόχων ως προς το ραντάρ έχει σαν αποτέλεσμα τη μετατόπιση Doppler της συχνότητας της επιστρεφόμενης ακτινοβολίας ως προς τη συχνότητα εκπομπής του ραντάρ. Εκτιμώντας αυτή τη μετατόπιση στη συχνότητα μπορούμε να ανιχνεύσουμε το στόχο καθώς και να εκτιμήσουμε τη θέση και την ταχύτητά του. Διερευνάται η δυνατότητα βελτίωσης της πιθανότητας ανίχνευσης των στόχων καθώς και του μέσου τετραγωνικού σφάλματος των εκτιμήσεων θέσης και ταχύτητας, με χρήση μοντέρνων εκτιμητών συχνοτήτων, αντί των κλασσικών εκτιμητών που βασίζονται στο Μετασχηματισμό Fourrier. Αναλύονται θεωρητικά και μέσω προσομοιώσεων οι δυνατότητες των μοντέρνων εκτιμητών συχνοτήτων, δίνοντας ιδιαίτερη έμφαση στους εκτιμητές Υποχώρου (MUSIC, ESPRIT). Ακολουθεί, η παρουσίαση μιας γενίκευσης της χρήσης των εκτιμητών συχνοτήτων στην περίπτωση διανυσματικών σημάτων. Ο αλγόριθμος που προτείνεται για την ανίχνευση στόχων από ένα σύστημα ραντάρ, επεξεργάζεται τα δείγματα της ληφθείσας ακτινοβολίας κατά μπλοκ οπότε προκύπτει η ανάγκη χρήσης αυτής της διανυσματικής μορφής των εκτιμητών συχνοτήτων. Παρουσιάζονται, τέλος, αποτελέσματα προσομοιώσεων, για διάφορα σενάρια, που επιβεβαιώνουν την αποτελεσματικότητα του αλγορίθμου και φανερώνουν τα πλεονεκτήματα της χρήσης των μοντέρνων τεχνικών εκτίμησης συχνοτήτων. / This report focuses on the problem of detection of moving targets and estimation of their positions and velocities using a radar system. By estimating the targets' Doppler frequencies it is possible to detect the targets and estimate both their position and velocity. It is shown how the use of modern frequency estimators results in higher values of the probability of detection compared to the Fourrier-based methods. Modern estimators are analyzed, with emphasis shown on the subspace-based estimators (MUSIC, ESPRIT) and their use is generalized for the case of estimating frequencies in vector signals. This generalized form of frequency estimators is used by our proposed algorithm for target detection. Simulation results are presented that prove the superiority of modern techniques.

L’objectif de ces travaux de thèse est de développer des architectures fiables de surveillance et de détection des défauts d’une machine asynchrone basées sur des techniques paramétriques de traitement du signal. Pour analyser et détecter les défauts, un modèle paramétrique du courant statorique en environnement stationnaire est proposé. Il est supposé être constitué de plusieurs sinusoïdes avec des paramètres inconnus dans le bruit. Les paramètres de ce modèle sont estimés à l’aide des techniques paramétriques telles que les estimateurs spectraux de type sous-espaces (MUSIC et ESPRIT) et l’estimateur du maximum de vraisemblance. Un critère de sévérité des défauts, basé sur l’estimation des amplitudes des composantes fréquentielles du courant statorique, est aussi proposé pour évaluer le niveau de défaillance de la machine. Un nouveau détecteur des défauts est aussi proposé en utilisant la théorie de détection. Il est principalement basé sur le test du rapport de vraisemblance généralisé avec un signal et un bruit à paramètres inconnus. Enfin, les techniques paramétriques proposées ont été évaluées à l’aide de signaux de courant statoriques expérimentaux de machines asynchrones en considérant les défauts de roulements et les ruptures de barres rotoriques. L’analyse des résultats expérimentaux montre clairement l’efficacité et la capacité de détection des techniques paramétriques proposées. / This Ph.D. thesis aims to develop reliable and cost-effective condition monitoring and faults detection architectures for induction machines. These architectures are mainly based on advanced parametric signal processing techniques. To analyze and detect faults, a parametric stator current model under stationary conditions has been considered. It is assumed to be multiple sinusoids with unknown parameters in noise. This model has been estimated using parametric techniques such as subspace spectral estimators and maximum likelihood estimator. A fault severity criterion based on the estimation of the stator current frequency component amplitudes has also been proposed to determine the induction machine failure level. A novel faults detector based on hypothesis testing has been also proposed. This detector is mainly based on the generalized likelihood ratio test detector with unknown signal and noise parameters. The proposed parametric techniques have been evaluated using experimental stator current signals issued from induction machines under two considered faults: bearing and broken rotor bars faults.Experimental results show the effectiveness and the detection ability of the proposed parametric techniques.