En TAO des ondes sont transmises dans le milieu marin conduisant à l'observation de plusieurs versions du signal émis diversement atténuées et retardées. On s'intéresse ici au problème de l'estimation de ces temps de retard. Les méthodes de type maximum de vraisemblance présentent l'inconvénient de nécessiter la connaissance a priori du nombre de trajets et sont sensibles à une mauvaise initialisation des paramètres. Afin de s'affranchir de ces limitations, on propose une approche bayésienne basée sur la prise en compte d'une information a priori concernant les amplitudes des trajets reçus. On propose alors 2 méthodes différentes de déconvolution. La première utilise comme information la sortie d'un récepteur quadratique et conduit à la minimisation d'un critère simple et de faible complexité. Dans la seconde méthode proposée, le signal est observé après le filtrage adapté. On introduit un modèle Bernoulli Gaussien et le problème est résolu en utilisant des simulations de Monte-Carlo. La mise en œuvre de ces deux méthodes sur des données réelles impose de prendre en compte les distorsions subies par le signal au niveau des transducteurs d'émission et de réception et éventuellement lors de la propagation. On indique comment cette méconnaissance de la forme d'onde peut être résolue et on met en évidence l'amélioration des résultats obtenus par cette prise en compte. Enfin, l'évolution modérée des temps de retard du canal de propagation entre des mesures successives permet d'envisager après la déconvolution trace par trace un traitement bidimensionnel de l'image obtenue en juxtaposant les traces déconvoluées successives. L'intérêt principal de la méthode ainsi obtenue est de ne pas considérer le nombre de trajets de la propagation constant. L'ensemble des méthodes développées est testé sur des données synthétiques, puis sur 2 types de données réelles.
Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00439634 |
Date | 12 July 2001 |
Creators | Porée, Fabienne |
Publisher | Université Rennes 1 |
Source Sets | CCSD theses-EN-ligne, France |
Language | French |
Detected Language | French |
Type | PhD thesis |
Page generated in 0.0018 seconds