Séparation aveugle de mélanges linéaires de sources : application à la surveillance maritime - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2016

Blind sources separation : application to marine surveillance

Séparation aveugle de mélanges linéaires de sources : application à la surveillance maritime

Résumé

This PHD thesis concerns the spatial automatic identification system dedicated to marine surveillance by satellite. Thissystem covers a larger area than the traditional system corresponding to several satellite cells. In such a system, there arerisks of collision of the messages sent by vessels located in different cells and received at the antenna of the samesatellite. We present different approaches to address the considered problem. They are not always based on the sameassumptions regarding the received signals and are not all applied in the same contexts (they depend on the number ofused sensors, semi-supervised mode with use of training sequences and a priori information versus blind mode, problemswith synchronization of signals, etc.). Firstly, we develop several approaches for the source separation/de-collision in theover-determined case (more sensors than messages) using joint matrix decomposition algorithms combined withdetectors of particular time-frequency (delay-Doppler frequency) points to build matrix sets to be joint (block) or zero(block) diagonalized. Concerning joint matrix decomposition algorithms, four new joint block-diagonalization algorithms(with optimal step-size) are introduced based respectively on conjugate gradient, preconditioned conjugate gradient,Levenberg-Marquardt and Quasi-Newton optimization schemes. Secondly, a new problem called non-unitary joint zeroblockdiagonalization is introduced. It encompasses the classical joint zero diagonalization problem. It involves thechoice of a well-chosen cost function and the calculation of quantities such as the complex gradient matrix and thecomplex Hessian matrices. We have therefore proposed three new algorithms (and their optimal step-size version) basedrespectively on conjugate gradient, preconditioned conjugate gradient and Levenberg-Marquardt optimization schemes.Finally, we suggest other approaches based on multi-user joint detection techniques in an underdetermined context wherewe have only one sensor receiving simultaneously several signals. First, we have developed an approach by deflationbased on a successive interferences cancelation technique. Then, we have proposed a second method based on the jointmaximum likelihood sequence estimator which is a variant of the VITERBI algorithm.
Dans cette thèse, nous nous intéressons au système d’identification automatique spatial lequel est dédié à la surveillancemaritime par satellite. Ce système couvre une zone bien plus large que le système standard à terre correspondant àplusieurs cellules traditionnelles ce qui peut entraîner des risques de collision des données envoyées par des navireslocalisés dans des cellules différentes et reçues au niveau de l’antenne du satellite. Nous présentons différentes approchesafin de répondre au problème de collision considéré. Elles ne reposent pas toujours sur les mêmes hypothèses en ce quiconcerne les signaux reçus, et ne s’appliquent donc pas toutes dans les mêmes contextes (nombre de capteurs utilisés,mode semi-supervisé avec utilisation de trames d’apprentissage et information a priori ou mode aveugle, problèmes liés àla synchronisation des signaux, etc...).Dans un premier temps, nous proposons des méthodes permettant la séparation/dé-collision des messages en modèle surdéterminé(plus de capteurs que de messages). Elles sont fondées sur des algorithmes de décompositions matriciellesconjointes combinés à des détecteurs de points temps-fréquence (retard-fréquence Doppler) particuliers permettant laconstruction d’ensembles de matrices devant être (bloc) ou zéro (bloc) diagonalisées conjointement. En ce qui concerneles algorithmes de décompositions matricielles conjointes, nous proposons quatre nouveaux algorithmes de blocdiagonalisation conjointe (de même que leur version à pas optimal) fondés respectivement sur des algorithmesd’optimisation de type gradient conjugué, gradient conjugué pré-conditionné, Levenberg-Marquardt et Quasi-Newton. Lecalcul exact du gradient matriciel complexe et des matrices Hessiennes complexes est mené. Nous introduisonségalement un nouveau problème dénommé zéro-bloc diagonalisation conjointe non-unitaire lequel généralise le problèmedésormais classique de la zéro-diagonalisation conjointe non-unitaire. Il implique le choix d’une fonction de coût adaptéeet à nouveau le calcul de quantités telles que gradient matriciel complexe et les matrices Hessiennes complexes. Nousproposons ensuite trois nouveaux algorithmes à pas optimal fondés sur des algorithmes d’optimisation de type gradientconjugué, gradient conjugué pré-conditionné et Levenberg-Marquardt.Finalement, nous terminons par des approches à base de techniques de détection multi-utilisateurs conjointe susceptiblesde fonctionner en contexte sous-déterminé dans lequel nous ne disposons plus que d’un seul capteur recevantsimultanément plusieurs signaux sources. Nous commençons par développer une première approche par déflationconsistant à supprimer successivement les interférences. Nous proposons ensuite un deuxième mode opératoire fondéquant à lui sur l’estimateur du maximum de vraisemblance conjoint qui est une variante de l’algorithme de VITERBI.
Fichier principal
Vignette du fichier
These_Cherak.pdf (6.73 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-01445735 , version 1 (25-01-2017)

Identifiants

  • HAL Id : tel-01445735 , version 1

Citer

Omar Cherrak. Séparation aveugle de mélanges linéaires de sources : application à la surveillance maritime. Traitement du signal et de l'image [eess.SP]. Université de Toulon; Université Sidi Mohamed ben Abdellah (Fès, Maroc). Faculté des Sciences et Techniques, 2016. Français. ⟨NNT : 2016TOUL0008⟩. ⟨tel-01445735⟩
365 Consultations
464 Téléchargements

Partager

Gmail Facebook X LinkedIn More