Vous êtes sur la page 1sur 132

Analyse et mod

elisation de lutilisation de signaux


GNSS en environnement marin
Sarab Tay

To cite this version:


Sarab Tay. Analyse et modelisation de lutilisation de signaux GNSS en environnement marin.
Signal and Image Processing. Telecom Bretagne, Universite de Rennes 1, 2012. French. <tel00776316>

HAL Id: tel-00776316


https://tel.archives-ouvertes.fr/tel-00776316
Submitted on 15 Jan 2013

HAL is a multi-disciplinary open access


archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.

Larchive ouverte pluridisciplinaire HAL, est


destinee au depot et `a la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.

N dordre : 2012telb0209

Sous le sceau de lUniversit europenne de Bretagne

Tlcom Bretagne
En habilitation conjointe avec lUniversit de Rennes 1
Ecole Doctorale MATISSE

Analyse et modlisation de lutilisation de signaux GNSS en


environnement marin

Thse de Doctorat
Mention : Traitement du Signal et Tlcommunications

Prsente par Sarab Tay


Dpartement : Image et Traitement de linformation
Laboratoire : CNRS UMR 3192 Lab-STICC/CID
Directeur de thse : Ren Garello
Soutenue le 06 fvrier 2012

Jury :
M. Eric Pottier, Professeur, Universit de Rennes1 / prsident du jury
M. Serge Reboul, Matre de confrences, Universit du Littoral Cte dOpale / rapporteur
M. Philippe Courmontagne, Professeur, ISEN Toulon / rapporteur
M. Thierry Chonavel, Professeur, Tlcom Bretagne / examinateur
M. Franois Soulat, Ingnieur de recherche, CLS Toulouse / examinateur
M. Ren Garello, Directeur de recherche, Tlcom Bretagne / directeur de thse
M. Arnaud Coatanhay, Enseignant chercheur, ENSTA Bretagne / examinateur
M. Frdric Maussang, Matre de confrences, Tlcom Bretagne / examinateur

Ils peuvent dfinir leur identit comme ils veulent.


Le problme, cest que cette conception de lidentit,
signifie la ngation de celle de lautre !
Mahmoud DARWICHE,
La Palestine comme mtaphore
(Actes Sud, 2002).

Suraya, Maria et . . . Blacky

Rsum

Lobservation passive de la surface marine, utilisant notamment comme source dopportunit des signaux mis par les systmes de positionnement par satellites (GNSS),
constitue depuis quelques annes un axe de recherche et de dveloppement trs dynamique.
Plusieurs quipes de recherche ont dj mis en vidence la pertinence de telles
approches pour des observations aroportes. Le travail de cette thse sinscrit dans le
cadre gnral de la mesure passive utilisant les signaux de positionnement par satellites
(GPS).
Toutefois, le contexte prcis de notre tude se focalisera sur les observations ctires
ralises proximit de la surface (quelques mtres). La surface de mer ne peut plus,
dans ce cas, se rsumer une surface immobile rugueuse. La diffraction des signaux
GPS doit alors prendre en compte la dformation spatio-temporelle de la surface et le
dplacement des vagues.
Lanalyse de ces signaux permet de mettre en vidence la variation temporelle de la
surface, en identifiant le dplacement des principaux diffuseurs (crte de vague, objet
flottant la surface,...). Les mouvements auxquels il est fait rfrence sont trs lents
(de lordre du Hz) par rapport aux frquences des ondes observantes (ordre du GHz).
Lamplitude des dplacements reste limite, ce qui induit des diffrences de retard trs
faibles.
Toutefois, dans ce contexte dlicat, nous avons mis en oeuvre des techniques de
traitement de signal adaptes, qui mettent en vidence ces mouvements partir des
signaux dopportunit, rflchis par la surface. Ltude sappuie, en particulier, fortement sur la thorie du filtrage de Kalman dans le plan Doppler-retard des signaux
diffracts.
Mots-cls : Systme de navigation par satellites, Systme de positionnement par
satellites, Surface de mer, Tldtection, Observation ctire, Mesure passive, Suivi de
cibles, Filtrage de Kalman (linaire et tendu).

Abstract

For many years now, passive observation of the ocean surface, using in particular,
sources of opportunities from positioning satellites (GNSS), has been a very dynamic
research and development topic. Several research teams have already demonstrated
the relevance of such approaches for airborne observations.
The aim of this thesis is to address the feasibility of passive measurements from
GPS system signals near the sea surface (a few meters) for recovering oceanographic
information in coastal zones. The sea surface cannot anymore, in this case, be considered as a stationary rough surface. GPS reflected signals must consider the kinematic
evolution of the sea surface and the wave motion. The processing of these signals can
reveal the temporal variation of the surface, and identify the displacement of the main
scatterers (wave crest, buoy on sea surface).
The motions described here are very slow (some Hz), with respect to the incident
wave frequencies (some GHz). The movement amplitude is limited, which induces very
short time delay differences.
Keywords : Global Navigation Satellite System (GNSS), Global Positioning System (GPS), Sea surface, Remote sensing, Coastal observation, Passive systems, Target
tracking, Kalman filter (linear and extended).

Remerciements

Entre deux tonnerres 1 Brest, jai vcu une priode fructueuse et importante de
ma vie. Ayant quitt mon pays pour entamer une thse, jai t accueillie Tlcom
Bretagne avec beaucoup dattention et de chaleur. Loin dtre juste une tape de ma
formation, la thse est bel et bien une exprience qui ma marque pour la vie.
Je tiens exprimer ma reconnaissance M. Ren GARELLO, pour avoir accept
de diriger ma thse, pour son exigence et sa prsence, sa sagesse et sa jeunesse, et sa
comprhension et son accompagnement sans faille, tout au long de ces annes.
Je voudrais remercier M. Arnaud COATANHAY pour son soutien en toutes circonstances, et ses comptences scientifiques et techniques, dont il a su me faire profiter.
Pour ses conseils constructifs et son suivi assidu, quil trouve ici lexpression de ma
reconnaissance.
Mes remerciements vont galement M. Frdric MAUSSANG, qui ma soutenue et
apport son aide au quotidien. Il ma accompagn avec beaucoup denthousiasme, me
permettant de profiter de ses remarques et ses rflexions.
Outre ceux qui ont accompagn ce travail, je tiens remercier MM. Philippe
COURMONTAGNE et Serge REBOUL, davoir accept de faire partie du jury de
cette thse, et den tre les lecteurs privilgis. Cest avec plaisir que jai soumis ce
document leur jugement et leurs critiques.
Jadresse galement mes remerciements les plus sincres M. ric POTTIER qui ma
fait lhonneur de prsider ce jury, MM. Franois SOULAT et Thierry CHONAVEL
pour leur prsence, leurs recommandations et remarques si importantes.
Un grand merci M. Ali KHENCHAF, chef du laboratoire E 3 I 2 , pour mavoir
accueillie au sein de lENSTA Bretagne, ainsi qu Mme Annick BILLON-COAT.
Mention spciale pour M. Basel SOLAIMAN, chef du dpartement Image et Traitement de linformation.
Jai aussi le devoir et le plaisir de tmoigner mes remerciements tous ceux qui ont
collabor, de prs ou de loin, rendre mon passage Tlcom Bretagne exceptionnel
et haut en motions.
1. Les Tonnerres de Brest, ditions 2008 et 2012.

vi

Remerciements

Cela aurait t difficile dachever une thse sans mes chers amis. Pour tous les
dlicieux moments, les petits djeuners au bureau, les barbecues de vendredi midi,
les dbats anims autour du caf, les soires et les anniversaires, les ballades sur le
sentier des douaniers, et les aprs-midi de dtente sur la plage : je tiens remercier
chaleureusement Cline, Naouraz, Pauline, Rana, Khawla, Violeta, Simona, Elisa
(et sa famille Tavarone, le centre du monde), Irne, Raushan, Lana, Sarah, Dona,
Alya, Salma, Hala, Ghias, Rabie, Hakim, Slaheddine, Refzul, Laurent, Edouard,
Antoine, Taha, Thibaut, Luca, Grard, Hyunseuk, le couple glamour Houda et Riadh,
le couple de coeur Rudi et Ana, Franoise, et tous les autres qui excuseront ma mmoire.
Un norme merci mes parents Mohamed et Binaa, ma soeur chrie Zeinab, et
mes frres Ahmad et Ibrahim pour leur amour, leur soutien sans faille, pour leur toile
qui ma toujours suivie travers des milliers de kilomtres. Ma famille a toujours t
le moteur de mes ambitions et le premier supporter de mes choix. En tout cas, il ny
a pas assez de mots qui peuvent exprimer ma reconnaissance envers mes anges gardiens.
Je voudrais remercier Jacky et Simone GUYOT, Carine et Thierry MARCELLIN
et le petit Aurlian, pour leur gentillesse, leur prsence bienveillante et leur soutien
sincre.
Un merci exceptionnel une personne qui mest trs chre, Stphane, qui a donn
une autre dimension ma vie.

Table des matires

Rsum

Abstract

iii

Remerciements

Introduction

I Fondamentaux des Systmes de Navigation par


Satellites

1 Notions de bases

1.1

Principe de navigation par satellites . . . . . . . . . . . . . . . . . . . .

1.1.1

tat actuel des GNSS dans le monde . . . . . . . . . . . . . . .

1.1.2

Systmes de coordonnes . . . . . . . . . . . . . . . . . . . . . .

1.1.3

Dtermination de la position . . . . . . . . . . . . . . . . . . . .

Composantes principales du systme GPS . . . . . . . . . . . . . . . .

10

1.2.1

Segment spatial . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

1.2.2

Segment de contrle . . . . . . . . . . . . . . . . . . . . . . . .

11

1.2.3

Segment sol/ Utilisateurs, rcepteurs . . . . . . . . . . . . . . .

12

1.2.4

Le message de navigation . . . . . . . . . . . . . . . . . . . . . .

12

Galileo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

1.3.1

Avantages et enjeux du dploiement de Galileo . . . . . . . . . .

14

1.3.2

Services proposs par Galileo . . . . . . . . . . . . . . . . . . .

14

1.3.3

Signaux Galileo . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

1.4

GPS et Galileo : Intrt pour la tldtection . . . . . . . . . . . . . . .

16

1.5

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

1.2

1.3

viii

Table des matires

2 La composante signal du GPS


2.1

2.2

2.3

2.4

2.5

II

19

Structure du signal GPS . . . . . . . . . . . . . . . . . . . . . . . . . .

19

2.1.1

Codes Gold . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

20

2.1.2

Frquences et modulations . . . . . . . . . . . . . . . . . . . . .

21

Rception et acquisition du signal GPS . . . . . . . . . . . . . . . . . .

24

2.2.1

Modle du signal GPS dmodul . . . . . . . . . . . . . . . . .

24

2.2.2

Acquisition du signal GPS . . . . . . . . . . . . . . . . . . . . .

25

2.2.3

Traitement par blocs . . . . . . . . . . . . . . . . . . . . . . . .

25

Dtection des signaux faibles . . . . . . . . . . . . . . . . . . . . . . . .

27

2.3.1

Intgration longue

. . . . . . . . . . . . . . . . . . . . . . . . .

27

2.3.2

Sommation cohrente . . . . . . . . . . . . . . . . . . . . . . . .

27

2.3.3

Sommation incohrente . . . . . . . . . . . . . . . . . . . . . . .

28

2.3.4

Gestion des bits de donnes . . . . . . . . . . . . . . . . . . . .

29

Modes dacquisition . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

30

2.4.1

Mode dacquisition en srie

. . . . . . . . . . . . . . . . . . . .

30

2.4.2

Mode dacquisition en parallle . . . . . . . . . . . . . . . . . .

30

2.4.3

Mode dacquisition en parallle du code . . . . . . . . . . . . . .

32

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

34

Le signal GPS dans le contexte ocanographique

35

3 Mesure passive du signal GPS dans les applications ocanographiques 37


3.1

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

37

3.2

Les signaux GNSS-R dans locanographie . . . . . . . . . . . . . . . .

37

3.3

Modlisation des vagues . . . . . . . . . . . . . . . . . . . . . . . . . .

38

3.3.1

Paramtres gophysiques mis en jeu . . . . . . . . . . . . . . . .

38

3.3.2

Onde monochromatique . . . . . . . . . . . . . . . . . . . . . .

38

3.3.3

Relation de dispersion et vitesse de phase des vagues . . . . . .

39

Description statistique de la surface . . . . . . . . . . . . . . . . . . . .

41

3.4.1

Hauteur moyenne des vagues . . . . . . . . . . . . . . . . . . . .

41

3.4.2

Fonction de corrlation de la surface . . . . . . . . . . . . . . .

41

3.4.3

Densit de probabilit des pentes . . . . . . . . . . . . . . . . .

42

Modle spectral de la surface de mer . . . . . . . . . . . . . . . . . . .

42

3.5.1

Comparaisons entre les modles spectrales de la surface de mer .

42

3.5.2

Spectre dElfouhaily . . . . . . . . . . . . . . . . . . . . . . . .

43

3.4

3.5

Table des matires

3.6

3.7

3.8

3.9

III

Exemple des types dapplications impliquant le GNSS-R . . . . . . . .

43

3.6.1

Altimtrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

3.6.2

Rflectomtrie . . . . . . . . . . . . . . . . . . . . . . . . . . . .

45

Systme exprimental . . . . . . . . . . . . . . . . . . . . . . . . . . . .

46

3.7.1

Exprience Mobile Fixed Target . . . . . . . . . . . . . . . . . .

46

3.7.2

Caractristiques des signaux synthtiques . . . . . . . . . . . . .

48

3.7.3

Dfinition du gain . . . . . . . . . . . . . . . . . . . . . . . . . .

49

Scnarios considrs . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

50

3.8.1

Le signal direct . . . . . . . . . . . . . . . . . . . . . . . . . . .

50

3.8.2

La cible fixe . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

50

3.8.3

La cible mobile . . . . . . . . . . . . . . . . . . . . . . . . . . .

53

3.8.4

Sommation longue . . . . . . . . . . . . . . . . . . . . . . . . .

53

Rsultats et conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . .

55

Techniques de filtrage

4 Techniques de filtrage dans le contexte maritime


4.1

ix

59
61

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

61

4.1.1

Modlisation de lenvironnement marin . . . . . . . . . . . . . .

61

4.2

Thorie de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

62

4.3

Gnralits sur le filtrage . . . . . . . . . . . . . . . . . . . . . . . . . .

63

4.3.1

Utilit dun filtre . . . . . . . . . . . . . . . . . . . . . . . . . .

63

4.3.2

Systmes dynamiques . . . . . . . . . . . . . . . . . . . . . . . .

63

4.3.3

Dfinitions mathmatiques . . . . . . . . . . . . . . . . . . . . .

64

Modle dtat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

65

4.4.1

Construction du modle dtat . . . . . . . . . . . . . . . . . . .

67

4.4.2

Dynamique du systme . . . . . . . . . . . . . . . . . . . . . . .

68

4.5

Construction du modle dobservation . . . . . . . . . . . . . . . . . . .

69

4.6

quations du filtre de Kalman . . . . . . . . . . . . . . . . . . . . . . .

70

4.6.1

Densits de probabilit . . . . . . . . . . . . . . . . . . . . . . .

70

4.6.2

Formules rcursives . . . . . . . . . . . . . . . . . . . . . . . . .

71

Rsultats du filtrage de Kalman linaire . . . . . . . . . . . . . . . . .

71

4.7.1

Mouvement rectiligne uniforme . . . . . . . . . . . . . . . . . .

72

4.7.2

Mouvement vertical sinusoidal . . . . . . . . . . . . . . . . . . .

75

4.7.3

Premiers rsultats . . . . . . . . . . . . . . . . . . . . . . . . . .

75

4.4

4.7

Table des matires

5 Filtrage de Kalman non linaire

79

5.1

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

79

5.2

Observations non linaires . . . . . . . . . . . . . . . . . . . . . . . . .

79

5.2.1

Signal GPS reu . . . . . . . . . . . . . . . . . . . . . . . . . . .

80

5.2.2

Fonction dambigut . . . . . . . . . . . . . . . . . . . . . . . .

80

Filtrage de Kalman tendu . . . . . . . . . . . . . . . . . . . . . . . .

82

5.3.1

Modle dtat et fonction dobservation . . . . . . . . . . . . . .

82

5.3.2

quations gnrales du Filtrage de Kalman tendu . . . . . . .

84

5.4

quations dtat appliques notre problmatique . . . . . . . . . . . .

85

5.5

Rsultats de la simulation . . . . . . . . . . . . . . . . . . . . . . . . .

87

5.3

Conclusion et perspectives

91

5.6

Conclusion gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

91

5.7

Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

93

6 Publications

95

Bibliographie

95

A Corrlation circulaire

103

B chelle de Beaufort

105

C Filtrage de Kalman sans parfum

107

C.1 Problme de cohrence du FKE . . . . . . . . . . . . . . . . . . . . . . 107


C.2 Transformation sans parfum . . . . . . . . . . . . . . . . . . . . . . . . 108
C.3 quations du filtre de Kalman sans parfum . . . . . . . . . . . . . . . . 108

Liste des figures

1.1

Technique de trilatration . . . . . . . . . . . . . . . . . . . . . . . . .

10

1.2

La structure du message de navigation (TLM : telemetry et HOW :


Hand Over Word) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

1.3

Prsentation dtaille des diffrents signaux Galileo, les frquences utilises et les types de modulation utiliss [ONU, 2010] . . . . . . . . . .

15

1.4

Reprsentation des signaux GPS (code C/A et code P), les frquences
(non exhaustives) correspondantes (L1 et L2 ) et le type de modulation
utilis ( voir en dtails dans le chapitre 2). . . . . . . . . . . . . . . .

16

2.1

Gnrateur du code C/A (Gold) (adapt de [Borre et al., 2007]) . . . .

21

2.2

Structure du signal GPS sur la frquence L1 (Codes C/A et P) et L2


(Code P) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

2.3

Spectre du signal GPS . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

2.4

Structure dun signal GPS . . . . . . . . . . . . . . . . . . . . . . . . .

24

2.5

Schma dacquisition . . . . . . . . . . . . . . . . . . . . . . . . . . . .

26

2.6

Recherche en srie du Doppler et du retard de code . . . . . . . . . . .

30

2.7

Recherche en parallle du Doppler et du retard de code . . . . . . . . .

31

2.8

Acquisition en mode parallle du code et de la phase . . . . . . . . . .

32

2.9

Une carte Doppler - Retard qui montre la prsence dun signal GPS
provenant du PRN 18, par le biais dun pic de corrlation ayant comme
coordonnes les valeurs du dlai de code et du dphasage frquentiel . .

33

2.10 Une carte Doppler - Retard qui affiche seulement du bruit montrant ainsi
labsence dun signal GPS provenant du PRN 18 . . . . . . . . . . . . .

33

3.1

Allure du spectre dElfouhaily, avec calcul pour plusieurs vitesses de vent


diffrentes (tire de [Lurton, 2010]) . . . . . . . . . . . . . . . . . . . .

44

3.2

Principe daltimtrie ctire o lon voit que la diffrence de distance


traverse l est proportionnelle laltitude h du rcepteur par rapport
la surface rflchissante et le sinus de langle dlvation du satellite
GPS (adapte de [Ruffini, 2006]) . . . . . . . . . . . . . . . . . . . . .

45

xii

LISTE DES FIGURES

3.3

Schma du systme exprimental . . . . . . . . . . . . . . . . . . . . .

47

3.4

Schma montrant la dfinition du gain . . . . . . . . . . . . . . . . . .

49

3.5

Le produit dauto-corrlation du signal sD (t). Ce signal est affich avec


un retard D = 0.5ms . . . . . . . . . . . . . . . . . . . . . . . . . . . .

50

3.6

volution du gain du signal sD (t) en intgrant sur une dure de L = 50ms 51

3.7

Produit de corrlation du signal sF (t) avec une rplique du code du PRN


5, le pic du signal sD (t) est montr aussi. . . . . . . . . . . . . . . . . .

51

3.8

Une vue plus prcise du pic de corrlation du signal sF (t) permettant


ainsi de calculer le dlai de code F D . . . . . . . . . . . . . . . . . . .

52

3.9

La Carte Doppler - Retard montrant la corrlation entre le signal sF (t)


avec une rplique propre et ayant le pic de sD (t) comme pilote . . . . .

52

3.10 Comparaison de lvolution du gain pour les 2 signaux sD (t) et sF (t)


pour une intgration sur une dure de L = 50ms . . . . . . . . . . . .

53

3.11 Fonction de corrlation F M du signal (sF (t) + sM (t)) linstant t0 . .

54

3.12 Une vue plus prcise de la fonction de corrlation du signal (sF (t) +
sM (t)), montrant la prsence de la cible mobile et permettant de dterminer sa position (M ) . . . . . . . . . . . . . . . . . . . . . . . . . . .

54

3.13 La Carte Doppler - Retard montrant la corrlation entre le signal sF (t)+


sM (t), dans le but de dtecter la cible mobile dans le mme plan que la
cible fixe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

55

3.14 Carte Doppler - Retard obtenue aprs la superposition des deux premires observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

56

3.15 Carte Doppler - Retard obtenue aprs la superposition des trois premires observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

56

3.16 Carte Doppler - Retard obtenue aprs la superposition des quatre premires observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

57

3.17 Carte Doppler - Retard obtenue aprs la superposition des cinq observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

57

4.1

Schma de la cible sur la surface de mer . . . . . . . . . . . . . . . . .

62

4.2

Modle gomtrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

69

4.3

Crte dune vague : une cible ayant un mouvement rectiligne uniforme .

73

4.4

Trajectoire thorique dcrite par la cible . . . . . . . . . . . . . . . . .

73

4.5

Trajectoire observe . . . . . . . . . . . . . . . . . . . . . . . . . .

74

4.6

Trajectoire filtre (sortie du filtre de Kalman) . . . . . . . . . . . . . .

74

4.7

Un bateau (ou une boue) : une cible ayant un mouvement vertical


sinusoidal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

75

4.8

Trajectoire thorique dcrite par la cible . . . . . . . . . . . . . . . . .

76

4.9

Trajectoire observe . . . . . . . . . . . . . . . . . . . . . . . . . .

76

LISTE DES FIGURES

xiii

4.10 Trajectoire filtre (sortie du filtre de Kalman) . . . . . . . . . . . . . .

77

5.1

Projection de la fonction dambigut sur laxe . . . . . . . . . . . . .

81

5.2

Projection de la fonction dambigut sur laxe . . . . . . . . . . . . .

81

5.3

Fonction dobservation gk bruite, il sagit de la fonction de corrlation.


Celle-ci est reprsente ici par une fonction gaussienne. . . . . . . . . .

83

5.4

Construction de la fonction dobservation gk autour des valeurs k et k


(le point en rouge fonc) : les indices i et j sont utiliss pour balayer
le plan Doppler-Retard, et et dterminent le pas de dplacement
dans chacune des deux directions. . . . . . . . . . . . . . . . . . . . . .

83

5.5

La projection de la fonction de corrlation sur laxe pour k = 8 observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

88

5.6

La projection de la fonction de corrlation sur laxe pour k = 8 observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

88

5.7

Position estime de la cible pour k = 8 observations . . . . . . . . . . .

89

Liste des tableaux

1.1

Rpartition des signaux Galileo . . . . . . . . . . . . . . . . . . . . . .

16

2.1

La sortie S dun XOR (OR exclusif) . . . . . . . . . . . . . . . . . . .

20

4.1

Systme dynamique continu . . . . . . . . . . . . . . . . . . . . . . . .

64

4.2

Systme dynamique discret . . . . . . . . . . . . . . . . . . . . . . . . .

64

4.3

Proprits statistiques des bruits dtat et dobservation . . . . . . . . .

66

4.4

Rcapitulatif des quations du filtre de Kalman linaire [Candy, 2009]. .

72

5.1

Jacobiens des fonctions non linaires . . . . . . . . . . . . . . . . . . .

85

5.2

Algorithme du filtrage de Kalman tendu [Candy, 2009]. . . . . . . . .

86

B.1 chelle dtat de la mer . . . . . . . . . . . . . . . . . . . . . . . . . . 105


B.2 chelle de Beaufort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

Introduction

La surveillance de la surface de mer, utilisant comme signaux dopportunit les


sources lectromagntiques mettrices, connait un succs certain grce au progrs des
technologies spatiales notamment les systmes de navigation par satellites GNSS (Global Navigation Satellite System, GNSS).
Cependant, le rle initial dun systme GNSS consiste fournir une couverture globale de gopositionnement pour lusage civil. Il existe plusieurs GNSS dans le monde
tels que le GPS (Global Positioning System) des tats Unis, Galileo (Union Europenne), GLONASS (Russie), QZSS (Japon), Beidou (Chine) et IRNSS (Inde).
Le fonctionnement dun GNSS est bas sur trois segments : le segment spatial, le
segment de contrle et les utilisateurs. Le segment spatial comporte une constellation de
satellites rpartis sur un certain nombre dorbites, se trouvant une altitude moyenne
de 20200km autour de la Terre, assurant dune faon continue une couverture globale
de la surface du globe terrestre.
Dans le cas du GPS, par exemple, ce sont 32 satellites rpartis sur 6 orbites et ayant
une priode de rvolution d peu prs 12 heures qui assurent cette couverture 24 heures
sur 24. Ces satellites sont responsables de la transmission des ondes lectromagntiques
et des donnes aux utilisateurs. La longueur donde tant de lordre de 20cm, il en
rsulte un signal insensible aux conditions mtorologiques, mme les plus extrmes.
La maintenance des satellites, de leur configuration orbitale, des systmes embarqus ainsi que la surveillance de lintgrit des signaux transmis, sont assurs par la
composante de contrle au sol. Cette dernire est galement responsable de la mise
jour des corrections de lhorloge des satellites et des phmrides. Les utilisateurs
regroupent lensemble des utilisateurs civils et militaires qui ne font que recevoir et
exploiter les informations des satellites.
Parmi les GNSS, on considrera dans ce document le GPS, dans la mesure o celuici a t longtemps le seul systme disponible, et le seul qui est entirement exploitable
actuellement. En effet, le GPS est un systme couverture globale, disponible sans
discontinuit. Linfrastructure principale de transmission est dj mise en place et elle
est exploitable par le grand public. Il suffit de se munir dun rcepteur GPS afin de
profiter des diffrents services. Pour lensemble de ces raisons le GPS a connu un grand
succs de dveloppement commercial.
Dans le domaine civil, le GPS est surtout connu pour la navigation maritime, sur
route (exemple des appareils de guidage TomTom ), pour la localisation de flottes de

Introduction

vhicules, la randonne, . . . Il est galement utilis pour se synchroniser sur le Temps


Atomique International TAI qui est lui-mme dcal du Temps Universel Coordonne
UTC. Toutefois, ce ne sont pas les seules utilisations du GPS. Le signal mis par un satellite GPS correspond la modulation BPSK dune porteuse une frquence centrale
f0 = 1, 5742 GHz. Cest un signal dterministe constitu dune squence connue (code
PRN). Le code PRN est unique pour chaque satellite. A la rception dun signal GPS
provenant dun satellite donn, un dispositif est mis en place au niveau du rcepteur
permettant dextraire le signal reu du bruit ambiant. Il sagit deffectuer chaque fois
le produit de corrlation entre le signal reu et une rplique dune squence PRN.
Si cette rplique correspond au satellite metteur du signal, le rsultat de la corrlation
est alors une forme donde - quon appelle pic de corrlation - qui a une amplitude
significative. Dans ce cas, le satellite est identifi et lon passe au traitement du signal
reu, notamment la dtermination du dphasage frquentiel du signal reu d au dplacement du satellite (effet Doppler) et du retard temporel pour extraire toutes les
informations utiles. Cest pour cela quon appelle la matrice du produit de corrlation
contenant le pic de corrlation : carte Doppler - Retard.
Dans le cas contraire, le produit de corrlation est presque nul ce qui se traduit par des
pics damplitudes plus faibles quon appelle bruit, ne permettant pas de dterminer la
position du rcepteur.
Depuis deux dcennies, de nombreux chercheurs ont essay daborder le traitement
du signal GPS pour des fins de rflectomtrie. Ils ont montr quil tait possible de
profiter des caractristiques du GPS, afin de lutiliser pour dautres fin que le positionnement, o ils ont mis en vidence la forme donde des signaux GPS rflchis par
la surface de mer. Ainsi, en tudiant la forme du pic de rflexion de la carte Doppler
- Retard, il est possible de remonter la rugosit de la surface de leau, la direction
de vent, les mouvements des courants et laltimtrie de surface. Cela peut mme aller
jusqu lobservation de la topologie de la banquise et lhumidit du sol.
Le rcepteur mis en jeu peut tre aroport (cas dobservation lointaine ou mme
spatiale), ou plus rarement situ proximit de la surface de mer (observation ctire).
Dans cette seconde configuration, les signaux GPS diffuss peuvent tre analyss
pour donner une information dynamique de la surface de mer. Par contre, lanalyse de ces signaux reste dlicate et soulve des difficults de mise en uvre dans
un cadre oprationnel. Cette problmatique, assez peu exploite thoriquement, fait
lobjet dun projet de recherche appel MOPS (Marine Opportunity Passive System)
[Coatanhay et al., 2008], et cest dans le contexte de ce projet que nous plaons ltude
mene dans cette thse.
Le projet MOPS runit plusieurs disciplines comme llectromagntisme, le traitement du signal et locanographie, afin de dvelopper une plateforme exprimentale
Brest. Il reprsente galement le fruit de coopration entre Tlcom Bretagne,
lENSTA Bretagne, et lIfremer. Ce projet est constitu de quatre parties principales :
Modlisation physique :
Il sagit de la modlisation numrique du champs lectromagntique au voisinage
des vagues ctires [Khairi et al., 2010] et en particulier les vagues qui sont
dferlantes. On y propose dutiliser la mthode des moments dordre suprieur

Introduction

(HO - MoM).
Traitement du signal : Lutilisation des signaux GNSS pour lobservation
passive exige des traitements sophistiqus pour mettre en vidence linformation
utile. Cest pourquoi, le projet doit dfinir une certaine configuration pour
dvelopper des techniques de traitement du signal adaptes la problmatique
de mesure passive.
Problmes inverses : Cette dernire partie dans ltude thorique utilise
les modles et les rsultats prsents dans les deux premires parties afin de
transformer les traitements en donnes exploitables dans locanographie. Plus
prcisment, il sagit de linversion du problme physique et de lidentification
des paramtres ocanographiques.
Plateforme de mesure : Le rle de cette plateforme est dassurer les enregistrements ncessaires pour faire les mesures finales indispensables pour la
validation de nos tudes [Raikotondrainibe et al., 2011].
Cest dans la partie traitement du signal que sinscrit le travail ralis dans
cette thse. Dans cet esprit, cette partie consiste dvelopper des algorithmes de
traitement dun signal GPS faible, comme lintgration des signaux GPS sur une longue
dure. On modlise les particules de la surface de mer o se rflchissent les signaux
GPS par des cibles ponctuelles. Ensuite, on cherche suivre ces cibles, en mettant
en place un dispositif de suivi de celles-ci bas sur lutilisation du filtrage de Kalman et dun rcepteur ctier qui mesure les signaux GPS rflchis par la surface de mer.
Ce manuscrit est divise en trois parties principales :
Rappel sur les GNSS
Dans le chapitre 1, nous rappelons quelques gnralits sur les systmes de
navigation par satellites, les actualits et les dernires mises jour des diffrents
GNSS, et surtout le GPS et Galileo. Les diffrentes composantes du systme GPS sont
prsentes de faon plus dtaille.
Dans le chapitre 2, nous compltons la prsentation par une description plus prcise
du signal GPS. Ainsi, nous prsentons plus de dtails sur la modulation des ondes
lectromagntiques mises par les satellites, la structure dun signal GPS, la transmission et lacquisition dun signal GPS.
Lobjectif de cette premire partie est avant tout de prciser la nature des signaux que
nous devrons traiter. Avant de prsenter des traitements labors que nous avons dvelopps, il est en effet primordial de souligner que les signaux GNSS sont dterministes.
Le signal GPS dans le contexte ocanographique
Dans le chapitre 3, on prsente les diffrents travaux raliss en associant les
signaux GPS (GNSS-R) rflchis par la surface et les diffrents types de rcepteurs.
Avant de procder une analyse des procdures utilises dans la ralisation de ces

Introduction

travaux, quelques notions physiques sur la modlisation des vagues et la description


statistique et spectrale de la surface de mer, sont rappeles. Nous avons choisi de
poser quelques hypothses simplificatrices concernant les cibles, qui correspondent aux
crtes de vagues sapprochant de la cte.
Afin de modliser notre systme exprimental, nous proposons dans une premire
tape de synthtiser des signaux GPS directs et rflchis, en considrant deux points
- lun fixe et lautre mobile - qui reprsentent la surface de mer. Ces points sont
assimils deux cibles fixe et mobile sur la surface de mer. Le mouvement de la cible
mobile est gr par des trajectoires reprsentatives de lenvironnement marin.
Le but est de pouvoir dtecter la prsence de la cible mobile, son mouvement par
rapport au signal direct (pilote) et la cible fixe, ainsi que lapplication de certains algorithmes spcifiques, pour maximiser le rapport signal bruit et surmonter
le problme du basculement de bits de donnes lors dintgrations sur une longue dure.
Techniques de filtrage
Dans le chapitre 4, nous assimilons la cible mobile une crte de vague ou
une boue, permettant ainsi daffiner sa trajectoire par des quations de mouvement
(vitesse de phase dune vague) et des paramtres de dfinition du cadre de mesure
(surveillance ctire). Cela permet de dfinir un modle dtat propre la cible.
Nous proposons dappliquer dans ce cas un algorithme de filtrage de Kalman pour la
poursuite de cette cible.
Idalement, des capteurs de mouvement de la cible devraient fournir les mesures
ncessaires au fonctionnement du filtre de Kalman.
Pour notre modlisation, nous dcidons dutiliser les valeurs du Doppler et du retard
du temps pour des instants diffrents (chapitre 3 - section 3.7) comme les mesures du
capteur.
La thorie de Kalman ainsi que quelques dfinitions mathmatiques sont prsentes
dans ce chapitre. Malgr des rsultats encourageants pour cette tentative, nous
remarquons que le filtre utilis est sensible au bruit et que la fonction dobservation
choisie est probablement peu raliste.
Dans le chapitre 5, nous proposons dutiliser dautres types de mesures pour diminuer
leffet du bruit. Il sagit de fournir chaque instant dobservation une carte complte
qui contient en mme temps le bruit et le pic correspondant la rflexion du signal
GPS sur la cible mobile. Cette carte est reprsente analytiquement par la fonction
dambigut du signal GPS reu. La fonction dambigut tant non linaire, nous utilisons le filtrage de Kalman tendu. Les quations propres au FKE ainsi que la nouvelle
fonction dobservation, modlise par une fonction gaussienne ayant les mmes caractristiques statistiques que la fonction dambigut, sont prsentes dans ce chapitre.
Finalement, nous reverrons dans la conclusion le travail ralis pendant ces trois
annes de thse. Les rsultats obtenus lors des diffrentes expriences, seront discutes.
On montrera galement comment ce travail nous a permis de prsenter une nouvelle
approche pour approfondir ltude de la surface de la mer, ainsi que les applications de
suivi et de pistage de navires.

Premire partie
Fondamentaux des Systmes de
Navigation par
Satellites

CHAPITRE

Notions de bases

La caractrisation et la surveillance de la surface ocanique sont trs importantes


pour les ocanographes et tous ceux intresss lcologie et la tldtection du milieu
marin. Les systmes de navigation par satellites GNSS, dans le milieu maritime, sont
le domaine dapplication dont fait lobjet notre travail de recherche. Ces derniers sont
donc dfinis sommairement dans ce chapitre.

1.1

Principe de navigation par satellites

Le terme GNSS reprsente un acronyme de lexpression Global Navigation Satellite


System. Certains pays ont dj dvelopp des systmes de positionnement, et tentent
damliorer les performances de ces systmes, avec lutilisation de nouveaux signaux et
de nouvelles frquences.
Le GNSS comprend de nos jours les systmes de positionnement par satellites tels
que le GPS (tats Unis), Galileo (Union Europenne), Glonass (Russie), . . .
En fait, le GPS est lorigine du GNSS : au dbut des annes 60, plusieurs dpartements du gouvernement amricain tels que le dpartement de la Dfense (DOD), la
NASA (National Aeronautics and Space Administration), et le dpartement des transports (DOT) sintressaient au dveloppement dun systme de positionnement 3
dimensions de lespace par les satellites. Ce systme devait tre optimal tout en fournissant une couverture globale continue, pour toutes les conditions mtorologiques : ce
systme est le GPS (Global Positionning Satellite System) [Kaplan et Hegarty, 2006].

1.1.1

tat actuel des GNSS dans le monde

Bien que les diffrents GNSS utilisent sensiblement les mmes techniques de positionnement (trilatration, utilisation dun code pseudo-alatoire, mesure de la phase
de la porteuse,. . . ), les frquences et les largeurs de bande utilises par chaque systme
sont trs diffrentes.
Le systme le plus connu, le GPS, est oprationnel depuis plusieurs annes avec
une frquence civile appele L1 C/A. Le premier satellite GPS fut lanc en 1978 et le
systme a volu depuis pour atteindre les capacits de mise en service en 1993 et une

Chapitre 1. Notions de bases

pleine exploitation de ses capacits avec une deuxime gnration de satellites en 1995
[Kaplan et Hegarty, 2006].
Depuis 2005, plusieurs satellites transmettent un signal civil la frquence L2C . Ce
signal sera disponible sur les 32 satellites dici 2016. Dautre part, un premier signal sur
la frquence L5 est disponible depuis 2009 ; les satellites lancs dici 2019 diffuseront
galement ce signal qui sera disponible tous les utilisateurs civils [gps, 2011]. En
2014, aura lieu la diffusion du premier signal L1C qui sera disponible sur la totalit
des satellites en 2021.
Le systme europen Galileo fournira des signaux dans trois bandes de frquence :
E1 , E5 (E5a et E5b ) et E6 . Bien que sujet plusieurs retards depuis sa conception
initiale, il est prvu que Galileo soit oprationnel lhorizon 2014 [ONU, 2010].
Pour la Russie, Glonass a t lanc en 1982. Cependant, la mise en place de ce
systme a t reprise en 1999 grce un dcret prsidentiel aprs un arrt pour des
raisons conomiques [Spaans, 2006]. Le systme russe Glonass possde actuellement 2
signaux civils (L1 et L2 ) et il tait cens atteindre la capacit oprationnelle complte,
ou Full Operational Capability (FOC), en fin 2010 [ONU, 2010].
Un troisime signal nomm L3 /L5 sera galement ajout sur les nouveaux satellites
de type GLONASS-K et ce signal sera disponible sur tous les satellites vers 2017-2020
[Gibbons, 2008].
Dautres pays se sont lancs dans cette aventure comme le Japon avec son QZSS
(Quasi Zenith Satellite System) qui couvre le Japon et lAustralie et qui devait tre
oprationnel en 2007. La Chine qui a lanc son systme Beidou en 2001, dclar oprationnel en 2004 [Spaans, 2006]. LInde avec lIndian Regional Navigation Satellite
System tait le dernier arrivant.
Avant de prsenter les composantes des systmes de navigation par satellite, sur les
deux exemples GPS et Galileo, il est ncessaire de montrer les systmes rfrentiels et
comment sopre le positionnement par satellites.

1.1.2

Systmes de coordonnes

Pour la mesure et la dtermination des orbites des satellites GPS, il est ncessaire
dutiliser un systme de coordonnes ECI (Earth- Centered Inertial). Cependant, la
gomtrie de ce systme rfrentiel par rapport la Terre fait quil est largement
affect par la rotation de la Terre et par les mouvements gravitationnels. Ainsi pour
calculer la position du rcepteur sur Terre, il est mieux dutiliser un autre systme
qui tourne avec la Terre. Celui-ci est le ECEF (Earth-centered Earth-Fixed system).
Ainsi, pour un rcepteur GPS, il est indispensable de transformer le ECI en ECEF
[Kaplan et Hegarty, 2006].

1.1. Principe de navigation par satellites

1.1.3

Dtermination de la position

Chaque rcepteur GNSS situ une certaine position peut recevoir tout moment
la position des satellites qui lui sont visibles travers leurs signaux de radionavigation.
Cela permet de calculer les distances Ri qui les sparent du rcepteur.
En effet, pour chaque signal du satellite i diffus linstant tiS par rapport au
rfrentiel satellitaire et reu linstant tiR par rapport au rfrentiel satellitaire, on
peut dduire la distance Ri entre le rcepteur et le satellite grce lquation 1.1 :
Ri = (tiR tiS ) c,

(1.1)

o c dsigne la clrit. Thoriquement, lhorloge du rcepteur est parfaitement


synchronise avec celle du satellite. Ainsi, pour une dtermination prcise de la position
du rcepteur (ou encore lutilisateur), il suffit de calculer les distances sparant le
rcepteur de trois satellites (mthode de trilatration) comme le montrent la figure 1.1
et lquation 1.2.
Ri =

(xi xR )2 + (yi yR )2 + (zi zR )2 ,

(1.2)

Pour i = 1 3 , Ri reprsente la distance entre le satellite i et le rcepteur,


(xi , yi , zi ) les coordonnes du satellite i et (xR , yR , zR ) les coordonnes du rcepteur.
La position du rcepteur est dtermine en rsolvant le systme dquations mettant
en jeu les coordonnes des satellites (xi , yi , zi ) et du rcepteur (xR , yR , zR ). Ce processus
de triangulation ncessite 3 satellites au minimum, comme le montre la figure 1.1.
Or, lhorloge du rcepteur na pas la mme prcision que les horloges situes au bord
des satellites. Ce qui implique lexistence , en pratique, dun biais td entre lhorloge du
rcepteur et celles des satellites. Ce biais reste la source principale derreur pour les
mesures de distances. Do la notion de pseudo-distance et la ncessit dun
quatrime satellite :
= [(tR + tdR ) (tS + tdS )] c,

(1.3)

o lon a :
tdR : Dcalage de lhorloge du rcepteur par rapport la rfrence du temps.
tdS : Dcalage de lhorloge du satellite par rapport la rfrence du temps.
tR + tdR : Temps affich par lhorloge du rcepteur au moment de la rception du
signal.
tS + tdS : Temps affich par lhorloge du satellite au moment de la transmission
du signal.
Tenant compte des quations 1.2 et 1.3, aura lexpression suivante :
i =

p
(xi xR )2 + (yi yR )2 + (zi zR )2 + ctdR

(1.4)

10

Chapitre 1. Notions de bases

Erreur
dhorloge

Satellite 2
Satellite 1

R2

1
R

R3
Satellite 3

Figure 1.1 Technique de trilatration

(i = 1 4).
Lors de la rception, dautres mesures sont alors possibles comme la mesure du
dcalage Doppler et de phase.
Le dcalage Doppler est la diffrence entre la frquence reue et la frquence nominale de transmission. Ce dcalage est induit par le mouvement relatif entre le satellite
et le rcepteur. Cette mesure est surtout utilise pour dterminer la vitesse instantane
de rcepteurs mobiles et pour dtecter et corriger les sauts de cycles dans les mesures
de phase.
Quant la mesure de la phase, parfois on sintresse la dtermination du dphasage
entre le signal reu et sa rplique gnre par le rcepteur plutt que de mesurer le temps
de parcours de londe lectromagntique.

1.2

Composantes principales du systme GPS

Le systme GPS est compos de trois segments principaux : la constellation des


satellites, le rseau de contrle et de surveillance et le rcepteur.

1.2. Composantes principales du systme GPS

11

La constellation de satellites tant lensemble des satellites en orbite qui fournissent les signaux de mesure et les donnes aux utilisateurs.
La composante de contrle est responsable de la surveillance et de la maintenance
des satellites dans lespace, lintgrit des signaux transmis et la maintenance de
la configuration orbitale des satellites. Cette composante met jour les corrections de lhorloge des satellites, les phmrides ainsi que dautres paramtres
essentiels la dtermination de la position de lutilisateur.
Le rcepteur effectue la navigation et la synchronisation.

1.2.1

Segment spatial

La constellation du systme GPS est constitue des satellites NAVSTAR (NAVigation Satellite Timing And Ranging). Elle comprend au minimum 24 satellites, positionns une altitude de 20200 km et voluant sur des orbites circulaires inclines 55
par rapport lquateur. Ces satellites sont rpartis dans 6 plans orbitaux diffrents
comprenant chacun 4 satellites. Ils ont une priode de rvolution autour de la Terre
de 11 heures et 58 minutes [Piplu, 2006]. Ces satellites mettent des codes pseudo alatoires (Pseudo Random Noise ) partir desquelles les mesures de distance peuvent
tre faites. Do la notion de systme passif par rapport lutilisateur, comme :
Les signaux sont mis par les satellites ;
Les utilisateurs reoivent les signaux passivement ;
Le nombre dutilisateurs capables de recevoir simultanment les signaux tant
illimit.

1.2.2

Segment de contrle

Linfrastructure au sol du systme GPS, ou ce quon appelle la composante de


contrle, a pour fonctions principales de contrler les satellites au cours de leur dure
de vie, de maintenir leurs positions dans les orbites, de surveiller ltat de sant de ces
satellites, ainsi que ltat de leurs panneaux solaires et le niveau des batteries.
Cette composante doit galement activer les satellites de remplacement pour assurer la disponibilit du systme en cas de faillite, mettre jour lhorloge interne du
satellite, les phmrides, lalmanach, ainsi que dautres indications dans le message de
navigation au moins une fois par jour. Ces mises jour sont dautant plus frquentes
quune prcision est ncessaire.
En plus, elle doit calculer les donnes que les satellites doivent diffuser aux rcepteurs et doprer lensemble du systme [Piplu, 2006]. Cette infrastructure comprend
plusieurs lments dploys sur le globe, notamment les suivants :
La station de contrle principale, ou MGS (Master Ground Station) ;
Les stations de surveillance, ou MS (Monitoring Station) ;
Les antennes au sol.

12

Chapitre 1. Notions de bases

1.2.3

Segment sol/ Utilisateurs, rcepteurs

Les constructeurs de rcepteurs ont dvelopp une vaste gamme dquipements


dont les caractristiques sont adaptes de nombreuses applications. Il existe donc
plusieurs catgories de rcepteurs ayant des architectures diffrentes en fonction de leur
utilisation. Avant de citer ces catgories, nous donnons une explication des fonctions
principales des composantes dune chaine de rception.
Rception des signaux
La rception des signaux est ralise par une chane qui comprend entre autres
lantenne, le pr-amplificateur et le convertisseur [Piplu, 2006].
Antenne :
La premire tche de lantenne consiste transformer londe lectromagntique
(signal GPS) reue en courant lectrique se propageant le long du cble de la
sortie de lantenne.
Pr-amplificateur :
La puissance des signaux reus au sol tant trs faibles, il est ncessaire de les
amplifier avant de pouvoir les traiter. Cest la fonction du pr-amplificateur qui
est directement intgr la base de lantenne de rception.
Convertisseur :
La frquence des signaux reus est trop leve (L1 = 1, 5472 GHz) pour
permettre de traiter le signal directement afin dextraire les mesures de distance
et les donnes. Le rle du convertisseur est de ramener ces oscillations une
frquence plus faible appele frquence intermdiaire.

Catgories des rcepteurs


Les catgories de rcepteurs sont aussi varies que les domaines dapplications. On
peut citer :

Les
Les
Les
Les

1.2.4

rcepteurs
rcepteurs
rcepteurs
rcepteurs

grand public ;
certifis pour les transports ;
de qualit godsique ;
militaires.

Le message de navigation

Ce message contient des donnes bien dfinies qui sont ncessaires aux rcepteurs
pour effectuer leur calcul de position, et aux centres de contrle sol pour faire les
corrections sur ces positions et les communiquer par la suite aux satellites qui les
renvoient aux rcepteurs. Il est cadenc une frquence de 50 bits par seconde.

13

1.3. Galileo

Ces donnes comportent des lments comme les almanachs, les phmrides, les
corrections dhorloge (passage du systme GPS au UTC), et les paramtres de correction ionosphrique. Toutes ces donnes sont transmises aux satellites avec un format
standardis. La figure suivante montre la structure du message de navigation.

0
Sous
trame 1

HOW

TLM

HOW

Ephmrides

TLM

HOW

Ephmrides

Sous
trame 4

TLM

Sous
trame 2

300 bits (6s)

Sous
trame 3

30 bits 60 bits

25

Sous
trame 5

s
ge
pa
25
s
ge
pa

TLM

HOW

TLM

HOW

Corrections de lhorloge,
Etat des satellites

Almanach, corrections ionosphriques,


paramtres UTC

Almanach

Figure 1.2 La structure du message de navigation (TLM : telemetry et HOW :


Hand Over Word)

1.3

Galileo

Initi au dbut des annes 1990, le GNSS europen Galileo a t ensuite dvelopp
conjointement par lAgence Spatiale Europenne (ESA) et la Communaut Europenne
(CE), afin de rpondre plusieurs enjeux stratgiques, scientifiques et commerciaux
[Piplu, 2006].
Le programme Galileo consiste en la mise en place dune infrastructure globale
constitue de 30 satellites rpartis sur 3 orbites diffrentes, positionnes une altitude
de 23222 km et inclines 56 par rapport lquateur. Ces satellites doivent tre
soutenus par un vaste rseau de stations sol mondialement rparties, 2 centres de
contrle en Europe, ainsi que 2 autres centres ddis la fourniture des diffrents
services.

14

Chapitre 1. Notions de bases

1.3.1

Avantages et enjeux du dploiement de Galileo

A la diffrence du GPS, Galileo est un systme civil. Il a t conu par des civils
afin de rpondre plusieurs enjeux stratgiques (assurer lindpendance de lUE vis
vis des tats Unis), conomiques (cration demploi, promotion de lindustrie et de
la recherche, lacquisition dune expertise, comptitivit) et techniques (systme de
navigation prcis avec une marge de 4 15m pour le service OS et 4 6m pour les
services de scurit, diminution des fausses alarmes et simplification des oprations de
sauvetage en introduisant un signal - rponse aux appels de dtresse avec le service
SAR, augmentation du niveau de scurit dans les messages dintgrit...)

1.3.2

Services proposs par Galileo

Pour Galileo, cinq niveaux de services de natures diffrentes sont dfinis. Il sagit
de quatre services de navigation, plus un pour laide aux organismes de sauvetage.
Service ouvert (OS - Open service) :
Ce service fournira tout usager muni dun rcepteur bon march sa localisation
avec une prcision de quelques mtres. Il est destination du grand public, dintrt gnral, et est compltement gratuit. Il sera disponible en mono-frquence
et en double frquence. Lutilisation de deux frquences spares permet de
corriger les altrations survenues lors de la traverse de lionosphre, et qui
dpendent de la frquence utilise.
Service commercial (CS - Commercial Service) :
Destin aux applications commerciales exigeant une prcision suprieure celle
fournie par le service ouvert et une garantie de services. Par rapport lOS, deux
signaux complmentaires crypts sont transmis, afin daugmenter le dbit et un
systme dauthentification est prvu. En plus, un canal bas dbit (500bits/s)
permettra la diffusion dinformations des centres de services vers les utilisateurs :
alertes mto, annonce daccident, mise jour, . . . Cependant, laccs ce service
sera payant.
Sret de vie (SoL - Safety of Life) :
Cest un service de trs haute qualit, ddi aux applications exigeant une forte
suret de fonctionnement. Par exemple, les applications qui mettent en jeu la vie
humaine comme la navigation arienne ou maritime.
Service gouvernemental (PRS - Public Regulated Service) :
Son accs est contrl. Il est ddi aux applications gouvernementales. Il sera
constitu de deux signaux de navigation crypts et protgs contre le brouillage
et les interfrences.
Service de recherche et sauvetage (SAR - Search And Rescue) :
Il sagit essentiellement des oprations de recherche pour le sauvetage et lassistance. Il va assurer la dtection du signal de dtresse mme en conditions difficiles,

1.3. Galileo

15

la transmission quasi-immdiate du signal de dtresse (contre une heure dattente


aujourdhui), et la localisation de lmetteur avec une prcision de quelques mtres
(contre 5km par rapport au GPS).

1.3.3

Signaux Galileo

En 2000, certaines nouvelles bandes de frquences ont t alloues aux GNSS


(bandes E5a , E5b et E6 ). Galileo dispose ainsi de deux bandes en commun avec le
GPS (E5a L5 , L1 ) afin dassurer la compatibilit, et deux bandes distinctes (E5b et
E6 ) afin de supprimer le risque de panne commune. La compatibilit fait rfrence
au partage de frquences entre les GNSS. Autrement dit, Galileo et GPS ont des frquences en commun, mais aucun des deux ne doit dgrader significativement le signal
de lautre.
Les satellites Galileo transmettent en permanence 10 signaux sur trois bandes de
frquences : E5 : (1164 1215)MHz, E6 : (1260 1300)MHz et E2 L1 E1 : (1559
1593)MHz. Un onzime signal est transmis vers les centres SAR (paragraphe :1.3.2)
pour leur faire parvenir les messages de dtresse dtects par Galileo, dans la bande
1554 1545MHz. La figures 1.3 montre les bandes de frquences de Galileo ainsi que
les signaux mis en jeu.
Tous les satellites utilisent les mmes bandes de frquence, et utilisent le CDMA
comme mode de partage.
Les ondes sont polarises circulairement vers la droite (tout comme le GPS) RHCP
(Right Hand Circular Polarization). Pour la plupart des frquences, des signaux sont
mis la fois sur la porteuse en phase I et en quadrature de phase Q. Les canaux en
quadrature ne sont pas porteurs de donnes, et sont donc appels pilotes. Bien que
ces canaux ne transmettent pas des donnes, leur rle est utile car ils amliorent la
prcision et la robustesse des mesures [Boost, 2005].
Les figures suivantes montrent brivement les signaux mis en jeu :

Figure 1.3 Prsentation dtaille des diffrents signaux Galileo, les frquences
utilises et les types de modulation utiliss [ONU, 2010]

Le tableau 1.1 explique la rpartition des frquences.

16

Chapitre 1. Notions de bases

Figure 1.4 Reprsentation des signaux GPS (code C/A et code P), les frquences
(non exhaustives) correspondantes (L1 et L2 ) et le type de modulation utilis ( voir
en dtails dans le chapitre 2).

Signal
Frquence centrale (MHz)
E5a (L5 )
1176, 45MHz
E5b
1207, 14MHz
E6a
1278, 75MHz
E6b
1278, 75MHz
E1a (L1 )
1575, 42MHz

Modulation
AltBOC (15, 10)
AltBOC (15, 10)
BOC (10, 5)
BPSK (5)
BOC (2, 2)

Largeur de la bande (MHz)


25, 575
25, 575
40, 92
40, 92
24, 552

Tableau 1.1 Rpartition des signaux Galileo

1.4

GPS et Galileo : Intrt pour la tldtection

Bien que les diffrents GNSS soient indpendants et autonomes, les applications
civiles de certains dentre eux comme le GPS et Galileo sont destines tre utilises
conjointement. En effet, Galileo a t conu de telle faon permettre une grande
interoprabilit, notamment avec le GPS.
Lintroprabilit couvre les aspects fonctionnels, et la possibilit de combiner les
systmes au niveau de lutilisateur. Lutilisation des deux systmes simultanment doit
apporter lutilisateur une valeur ajoute en terme de prcision, dintgrit, de disponibilit et de qualit de services en gnral.
Pour le GPS, linteroprabilit a t rendue possible grce un recouvrement partiel
du spectre, tandis que la compatibilit est assure par lutilisation de codes et de
structures de signaux diffrents. Par exemple, si les signaux Galileo civils de la bande
L1 sont brouills, ceci naffectera ni le signal PRS (paragraphe 1.3.2), ni le signal
GPS. En plus, lutilisation de frquences centrales communes simplifie grandement la
conception des rcepteurs, mais elle est lorigine dinterfrences inter-systmes qui
viennent sajouter aux interfrences intra-systmes.
A eux deux, le GPS et Galileo couvrent une bande de frquence de 160MHz environ sur le spectre lectromagntique entre 1GHz et 2GHz, offrant ainsi une grande
disponibilit des signaux (qui sont mis leur tour dune manire continue).
Dune part, les frquences situes dans cette bande ne ncessitent pas une forme
spciale dantenne. Les longueurs dondes correspondantes ces deux frquences sont

1.5. Conclusion

17

de lordre de 15cm 30cm. Par consquent, la propagation des signaux dans cette
bande nest pas perturbe par les conditions mtorologiques comme la pluie, la neige
et les nuages.
Dautre part, lespace est maintenant rempli avec les satellites appartenant aux
diffrents GNSS, dont certains sont en pleine fonctionnalit et dautres sont en pleine
conception, assurant ainsi une couverture globale de la Terre et une transmission des
signaux non interrompue grce linteroprabilit des diffrents GNSS les uns avec les
autres.
Ces derniers offrent alors une opportunit grandissante pour la tldtection de jour
comme de nuit. Sachant quils sont dj utiliss dans des activits assez varies comme
le transport maritime, la gestion des risques naturels, lanalyse du risque sismique,
le suivi de lvolution des volcans, le suivi et lvaluation des zones dinondations, la
surveillance de la dsertification, ainsi que le suivi de la pollution par hydrocarbures,
la pollution maritime et la pollution atmosphrique.
Cest de l que vient notre motivation pour concevoir une plateforme de mesures
capables dexploiter les signaux GNSS dans un contexte de mesure passive de la surface
de locan, permettant ainsi la mise en oeuvre dautres applications comme le suivi de
cibles sur cette surface.
Dans notre travail, nous utilisons seulement les signaux GPS, vu que cest le seul
systme totalement fonctionnel et disponible selon notre position gographique. Toutefois, le traitement restera le mme, quelques modifications prs, pour Galileo.

1.5

Conclusion

Aprs cette prsentation globale des systmes de navigation par satellites, qui sont
au coeur de toutes les nouvelles technologies, un lecteur non averti est alors capable de
comprendre les notions de base de la conception de ces systmes ainsi que leur mode
de fonctionnement dans un contexte de positionnement.
Nous avons montr quil tait possible de profiter de ces systmes pour dautres fins
que le positionnement. Nous avons pu voir que les GNSS sont de nos jours massivement
exploits dans des oprations de tldtection et de surveillance grce leurs caractristiques. Nous avons toujours considr que les GNSS reprsentent une solution non
couteuse, les quipements tant dj existants. De plus, il y a toujours plusieurs satellites metteurs en visibilit de nimporte quel point sur Terre fournissant des vues avec
diffrentes gomtries et une grande rsolution, renforant ainsi le pouvoir dextraction
des mesures du terrain (terrestre ou maritime).
Mais comment faire concrtement pour utiliser les GNSS pour observer la surface
de mer ?
Une rponse cette question se trouve dans la composante signal dun GNSS.
Nous allons voir dans le chapitre suivant comment des caractristiques dun signal GPS
comme le type de modulation utilis, sa composition et sa transmission constituent une
source riche en information de la surface tudie. Nous y prsentons galement les outils
mathmatiques ainsi que les algorithmes utiliss pour le traitement de ce signal.

CHAPITRE

La composante signal du
GPS

Aprs cette prsentation des aspects techniques du systme GPS, nous allons dtailler dans la suite laspect signal du GPS, notamment le type de transmission utilise
pour la diffusion des signaux de navigation, la structure du signal GPS ainsi que ses caractristiques. Les satellites NAVSTAR 1 mettent des signaux lectromagntiques, de
mme nature que les ondes hertziennes de diffusion radio AM/FM ou TV, les signaux
radar ou la lumire.

2.1

Structure du signal GPS

Les signaux du systme GPS sont diviss selon CDMA (Code Division Multiple
Access). Un signal GPS consiste en une porteuse, une squence unique de code PRN
(Pseudo-Random Noise) et un message contenant les donnes de navigation appel
message de navigation (revoir paragraphe 1.2.4). Le message de navigation et le code
PRN sont cods par une modulation BPSK (Binary Phase Shift Keying). Dans ce
type de modulation, le signal est transmis tel quil est ou avec un dphasage de 180 .
Autrement dit, il sagit de multiplier le signal non modul par une squence de donnes
ayant comme valeurs 1 pour des intervalles successifs de dure Tb = 1/Rb , o Rb
est le dbit en bits par seconde.
Les diffrents satellites NAVSTAR transmettent tous sur la mme frquence sans
interfrence entre les diffrents canaux. Ceci est possible avec lutilisation des codes
PRN qui sont uniques et orthogonaux. Ces codes sont utiliss pour calculer la distance
entre le satellite et le rcepteur.
Les satellites GPS mettent plusieurs signaux cods, destination civile comme
le code C/A (Coarse / Acquisition) ou militaire comme le code P (Precise). Bien
videmment, la partie civile est non crypte et par la suite disponible lutilisation par
le grand public. Cest cette composante civile du signal GPS que nous utilisons dans ce
document. Tandis que la composante militaire est crypte et est rserve pour lusage
militaire et pour assurer la scurit et lintervention sur la composante civile.
Comme nous avons dj vu, lutilisateur doit mesurer, laide du message de navigation, la phase de chaque code PRN reu du satellite. Ceci est quivalent la mesure
1. NAVSTAR est le nom officiel des satellites GPS.

20

Chapitre 2. La composante signal du GPS

E1
0
0
1
1

E2
0
1
0
1

S
0
1
1
0

Tableau 2.1 La sortie S dun XOR (OR exclusif)

de la distance sparant le rcepteur du satellite. Cest le rle du rcepteur dassurer


cette opration. Les proprits de la fonction dautocorrlation des codes PRN sont
utilises pour la dtermination des codes PRN reus. Avant daborder le sujet des frquences utilises, et la construction du signal GPS, nous prsentons dans le paragraphe
suivant les codes de Gold, qui sont des codes pseudo-alatoires.

2.1.1

Codes Gold

Code C/A
Cest un code PRN en libre accs. Il est compos de squences dterministes ayant
des proprits proches de celles dun bruit alatoire. Ce code doit son nom - code
de Gold - [Gold, 1967] mme sil a dj t utilis en radar [Golomb, 1964] et
[Nathanson, 1969]. Ce code est gnr laide dun registre dcalage qui utilise la
sommation XOR (tableau 2.1) des sorties de 2 satellites diffrents de la constellation
NAVSTAR [Stang et Borre, 1997]. Ce qui entraine lunicit de ce code par rapport
chaque satellite.
Le nombre dlments N dune squence de code Gold est exprim en nombre
dtages n du registre, tel que : N = 2n 1. Pour le code C/A du GPS, n = 10 daprs
la figure 2.1. Elle consiste en 1023 chips partags en 512 uns et 511 zros (ces
valeurs sont parfois implmentes par des NRZ chips).
Cette squence se rpte toutes les 1ms et est donc cadence 1, 023Mbits/s. Ainsi
1ms
1s (ou 300m si la propagation se fait dans lair
la dure dun chip de code sera 1023
ou dans le vide). Nous reviendrons dans la suite de ce chapitre sur ses caractristiques
et ses aspects utiles pour la tldtection.

Code P
Cest un code rserv accs restreint qui permet daccder aux meilleures performances du GPS. Cest un code crypt (codes Y) dont le dcryptage est inconnu du
grand public. Il est cadenc 10, 23 MHz et est identique sur les 2 porteuses L1 et L2 .
Thoriquement, il se rpte tous les 38 semaines. Mais en ralit il est renouvel toutes
les semaines. Il a une rsolution 10 fois celle du code C/A. De sa part, L2 nest pas
module par le code C/A.

21

2.1. Structure du signal GPS

Figure 2.1 Gnrateur du code C/A (Gold) (adapt de [Borre et al., 2007])

Proprits de corrlation du code Gold


Tous le codes C/A sont presque dcorrls les uns des autres. Ainsi pour deux codes
ci et ck correspondant aux satellites i et k, le produit de corrlation scrit alors :
ik (m) =

1022
X

ci (l)ck (l + m) 0 m

(2.1)

l=0

Par ailleurs, le produit dauto-corrlation dune squence donne est presque nul
pour tout dphasage non nul. Cest un indice important pour savoir si les deux codes
sont aligns.
kk (m) =

1022
X

ck (l)ck (l + m) 0 |m| 1

(2.2)

l=0

2.1.2

Frquences et modulations

Les satellites NAVSTAR transmettent leurs signaux sur 2 frquences porteuses appeles L1 et L2 . Ces deux frquences sont dduites partir dune frquence fondamentale F0 = 10, 23M Hz par rapport un observateur terrestre, tels que :


L1 = 154 F0 = 1575, 42M Hz
(2.3)
L2 = 120 F0 = 1227, 60M Hz
La frquence L1 est module par les deux codes PRN ; C/A et P, ainsi que par le
message de navigation.
La frquence L2 est module par le seul code P (figure 2.2). Le programme de
modernisation du GPS permettra dtendre ces possibilits des nouveaux services
par la mise en place de signaux supplmentaires.

22

Chapitre 2. La composante signal du GPS

-3dB
Frquence L1
1,5742 GHz

90

Signal L1

Code C/A
1,023 MHz

Donnes de
navigation
50 Hz

Code P
10,23 MHz

Frquence L2
1,2776 GHz

-6dB

Signal L2

Figure 2.2 Structure du signal GPS sur la frquence L1 (Codes C/A et P) et L2


(Code P)

Signal L1
Le signal s1 (t) provenant dun satellite i et transmis sur la frquence L1 est form
des composantes en phase I et en quadrature de phase Q et est crit sous la forme de
si,1 (t) dans lquation 2.4 :

si,1 (t) =

2PCA ci (t) di (t) cos(2L1 t + ) +

p
2Pp,L1 pi (t) di (t) sin(2L1 t + ) (2.4)

La composante I est module par le code C/A reprsent par le terme ci (t) et le
message de navigation avec le terme di (t). De son ct, Q est modul par le code P
prsent par le terme pi (t) et le message de navigation di (t). On remarque donc que pour
un signal transmis donn, les codes PRN sont diffrents mais le message de navigation
est commun, ce dernier dpend uniquement du satellite metteur. reprsente un
dphasage d la transmission des signaux. On rappelle galement que la puissance
de la composante en phase PCA diffre de celle de la composante Q, Pp , par +3dB.

Signal L2
De sont ct, le signal s2 (t) est le signal transmis sur la frquence L2 et est cod
seulement par le code P. Pour un signal provenant dun satellite i, ce signal scrit
ainsi :
si,2 (t) =

p
2Pp,L2 pi (t) di (t) cos(2L2 t + )

(2.5)

o pi (t) et di (t) sont des squences binaires qui correspondent respectivement au


code P et aux donnes de navigation.

23

2.1. Structure du signal GPS

Code C/A
Code P
2,046 MHz

1575,42 MHz
20,46 MHz

Figure 2.3 Spectre du signal GPS

Caractristiques spectrales
Comme dans notre travail nous traitons seulement la composante L1 du signal
si,1 (t), nous pouvons alors considrer que ce dernier scrit comme tant de la forme
s1 (t) = f (t) c(t) o f est une sinusode et o c est la fonction caractristique de
lintervalle [0, T ], T = 1/1, 023MHz prsente la priode du code C/A.
Le spectre du signal s1 (t) sera alors de la forme : S1 () =
dsignant un produit de convolution.

1
(F ()
2

C()),

Avec :
F =

C =

1
[( 2L1 ) + ( + 2L1 )]
2
e

iT /2

(2.6)

sin(T /2)

Le spectre de S1 est alors un sinus cardinal centr la frquence de la porteuse. La


forme de la puissance spectrale du signal S1 est donne par la figure 2.3.
Daprs ce spectre, on constate que le code P est trs tal temporellement par
rapport au code C/A. De plus il est 3dB par rapport au code C/A. Cest pourquoi
on sintresse seulement la composante L1 et surtout au code C/A Le signal GPS
s1 (t) utile mis par le satellite est alors donn par lquation 2.7 et dans la figure 2.4.
s1 (t) = Ac c(t) d(t) sin(2L1 t + )

(2.7)

24

Chapitre 2. La composante signal du GPS

Donnes de
navigation 50Hz

Code C/A
(PRN 18)
1,023 MHz

1
0

1
0

DC / A

Porteuse
1,57542 GHz

Signal S1

Figure 2.4 Structure dun signal GPS

2.2
2.2.1

Rception et acquisition du signal GPS


Modle du signal GPS dmodul

Mme avec une connaissance a priori des satellites en visibilit, la premire tche
effectuer par le rcepteur GPS est dacqurir la frquence porteuse et le retard du signal
reu au sol par rapport au signal mis par le satellite. Le retard est directement li
lloignement et le dcalage par rapport la frquence L1 (effet Doppler) traduisant la
vitesse radiale du satellite.
Au niveau du rcepteur, le signal brut est modul en frquence intermdiaire de
pulsation IF , numris et chantillonn la pulsation s . Le signal reu s(t), compos des chantillons sk correspondants aux instants dchantillonnage tk scrira alors
[Psiaki, 2001] :
sk = A d(tk ) c[(1 + )(tk )] cos[IF tk (D tk + 0 )] + vk

(2.8)

A tant lamplitude du signal. La valeur de A dpend uniquement du satellite que


lon cherche dtecter. La fonction d(t) dcrit les donnes de navigation. Elle consiste
en des bits de valeur 1 qui varient alatoirement, toutes les 20ms ; d(t) est squence
alors 50Hz. La fonction c(t) reprsente le code C/A du signal reu. Cest une squence
de 1 dont la rptition se fait la frquence 1.023MHz.
Le terme traduit la variation du retard de code et des donnes induites par le
dplacement du satellite impliqu (effet Doppler), marque le dbut du code C/A et
reprsente le retard de phase de c(t), et D reprsente le dcalage Doppler. 0 est la
phase initiale du signal. Enfin, vk est un bruit additif suppos Gaussien et color seulement par la bande passante du filtre dentre. Si on nglige les effets ionosphriques, la
relation entre et D sexprime par :

2.2. Rception et acquisition du signal GPS

D
21575, 42.106

25

(2.9)

Le changement ventuel des bit de navigation de la fonction d(t), se produit toutes


les 20 priodes de c(t), aux instants tm , tels que :
tm =

0.02m + 0.001i
m = 0, 1, 2, . . .
1+

(2.10)

lentier i est inconnu, mais qui varie de 0 19.

2.2.2

Acquisition du signal GPS

Lobjectif du processus de lacquisition est davoir une estimation de et D , en


se basant sur des mesures de sk . Plus prcisment, cest un processus de recherche
dans lespace temps-frquence 2 , des valeurs de et D qui maximisent le produit de
corrlation entre le signal brut reu et une rplique de ce signal.
En supposant que
D et s reprsentent les valeurs estims du retard et du Doppler,
et que =
/(21575, 42.106 ), nous calculons les termes daccumulation en phase I et
en quadrature Q tels que :
I=

N
1
X

sk c[(1 + )(tk )] cos[(IF D )tk ]

(2.11)

k=0

Q=

N
1
X

sk c[(1 + )(tk )] sin[(IF D )tk ]

(2.12)

k=0

o lon a : . Le terme N est choisi tel que la sommation se fasse sur une priode
dune milliseconde du code C/A.
Aprs avoir calcul lenveloppe P (
,
D ) = I 2 +Q2 , un processus de contrle cherche
ajuster les valeurs ts et
D afin doptimiser la grandeur P . On cherche alors dans le
plan bidimensionnel, = t0 , t1 , . . . , tN 1 , et
D = Dmin , Dmin + D , . . . , Dmax .
Si la quantit P (
,
D ) dpassent un certain seuil prdfini, alors on parle dune
acquisition russie, et lon considre que les valeurs ts et
D sont estims de faon
suffisamment prcise. Dans le cas contraire, le signal est donc non dtect.
Le procd dacquisition est dcrit schmatiquement sur la figure 2.5.

2.2.3

Traitement par blocs

Dans un contexte permettant lutilisation de calcul numrique et surtout si on


saffranchit dune contrainte temps rel, le calcul de la corrlation vu prcdemment
2. o laxe temporel et et laxe frquentiel, sont associs respectivement, au retard du code et au
dcalage Doppler D du signal reu.

26

Chapitre 2. La composante signal du GPS

Recherche/Dtection
Acquisition
Comparateur de
puissance

Dtecteur
d'enveloppe

Filtre
passe- bande

Signal
reu

Contrle
Filtre
passe- bande

Dtecteur
d'enveloppe

Filtre
passe- bande

Dtecteur
d'enveloppe

Figure 2.5 Schma dacquisition

peut tre avantageusement remplac par un traitement en blocs faisant appel des
transformes de Fourier [Akopian, 2001] et [Psiaki, 2001].
En effet, en posant t = tk+1 tk , les quations 2.11 et 2.12 donnent :
z(n,
D ) = z(t0 + nt,
D )
=

PN 1
k=0

= I + Q
(2.13)
(IF
D )tk

sk ckn e

avec ckn = c[(1 )(k n)t]. Pour une frquence Doppler fixe, on peut calculer
la valeur de z(n,
D ) pour toutes les valeurs de n allant de 0 N 1 directement en
appliquant la transforme de Fourier discrte (TFD) et son inverse (TFDI). En posant
les notations suivantes :

S0
S1
..
.

= TFD

SN 1

C0
C1
..
.
CN 1

s0 e(IF D )t0
s1 e(IF D )t1
..
.

sN 1 e(IF D )tN 1

c0

c1

= TFD ..

.
cN 1

Il vient immdiatement que :

z(0,
D )
z(1,
D )

z(2,
D )

..

.
z(N 1,
D )

= TFDI

C 0 Y0
CN 1 Y1
CN 2 Y2
..
.
C1 YN 1

(2.14)

(2.15)

(2.16)

27

2.3. Dtection des signaux faibles

On choisit pour valeur du retard = nm axt, o nm ax est la position du maximum


de la norme de z. On peut remarquer que dans la mesure o on sintresse la norme
de z(n, D ) et o le signal cn est rel, il est possible dcrire :


z(0,
D )

z(1,
D )

z(2,
D )


..

.

z(N 1,
D )

2.3



C0 Y0

CN 1 Y1


CN 2 Y2

TFDI
=


..


.


C1 YN 1

(2.17)

Dtection des signaux faibles

Si le calcul de la corrlation sur une priode de 1ms permet la dtection des signaux
GPS un niveau de rapport signal bruit nominal (45 50dBHz), cette acquisition
devient impossible lorsquon doit faire face des rapports plus faibles comme ceux
envisags dans le milieu marin. Le calcul de la corrlation doit donc soprer sur une
priode de temps plus longue. On envisage alors naturellement un calcul sur plusieurs
priodes de code C/A.

2.3.1

Intgration longue

Il sagit de la sommation cohrente sur une (ou plusieurs) priode du code C/A
des chantillons du signal complexe pour des valeurs fixes du Doppler D , corrlation
de ces chantillons avec ceux de la rplique pour des diffrentes valeurs du retard
, sommation incohrente du signal de corrlation sur plusieurs priodes de bit de
navigation. Il est possible de calculer en parallle plusieurs squences dintgration
longue dcales dun certain nombre de priodes not n.
Dans cette phase, il est indispensable dutiliser des algorithmes qui servent maximiser la puissance de la fonction de corrlation. Aprs le calcul de ces diffrentes squences, une dcision logique aura lieu pour dterminer la squence optimale dfinie
par lindice de retard n.
Les bruits sont souvent additifs, stationnaires et centrs. Leurs moyennes temporelles tendent vers zro. Tandis que le signal lui-mme est constant : sa moyenne est
gale son amplitude. Ainsi, si lon accumule les mesures sur une longue dure et que
lon fait la moyenne de lintensit, on se rapproche de la valeur du signal et on limine
le bruit.

2.3.2

Sommation cohrente

La corrlation sur la i-me priode du code C/A peut tre exprime par lquation
suivante :

28

Chapitre 2. La composante signal du GPS

zi (n,
D ) = Ii + jQi
=

PN (i+1)1
k=N i

(2.18)
j(IF
D )tk

sk ckn e

Ainsi la sommation cohrente sur plusieurs priodes donne :


zsc (n,
D ) = Isc + jQsc
=

PL1
i=0

(2.19)
zi (n,
D )

2
+ Q2sc que lon cherche
Nous calculons ainsi la puissance du signal Psc = Isc
optimiser en fonction de
D et n. Le calcul de cette sommation se fait par la mthode
de traitement en blocs, sur une dure gale 10 priodes.

Il existe un facteur qui peut limiter la dure de la sommation cohrente, cest le


changement des donnes de navigation, et par suite le signal brut toutes les 20 millisecondes. Par ailleurs, comme nous lavons dj signal, le message de navigation est
connu par le rcepteur GPS. Cependant, comme nous travaillons avec des signaux synthtiques, nous ne pouvons pas ngliger cette composante du signal. Cest pourquoi,
dans le chapitre 3, nous supposerons que ces donnes sont a priori inconnues et que la
fonction d(t) est non dterministe. Lors de la gnration des signaux de la section 3.7,
cette squence sera reprsente par une squence de valeurs alatoires dont les valeurs
{1, 1}. Ce qui explique le passage par la sommation incohrente.

2.3.3

Sommation incohrente

Le changement ventuel des bits de donnes toutes les 20ms entraine un changement
de phase du signal brut. Pour traiter ce problme, nous ralisons la sommation au carr
des quantits zsc calcules prcdemment. Le nombre L de priodes de code C/A est
choisi tel que L 20, tout en dbutant linstant tm . On rpte le mme calcul pour
dautres instants tn , et tous les lments au carr sont somms la fin.
Cela sexprime par lquation :

zsnc (n,
D ) =

M
1
X

|zsc (n,
D )|2 ,

(2.20)

m=0

"

zsnc (n,
D ) =

M
1 imX
+L1
X

m=0

i=im

#2
Ii (n,
D )

"i
+

#2

X
Qi (n,
D )

m +L1

(2.21)

i=im

O im est la i-me priode du code, dbutant linstant tm , laquelle on commence


la sommation partielle. M reprsente le nombre de priodes de 20ms sur lesquelles
seffectue lintgration longue.

29

2.3. Dtection des signaux faibles

2.3.4

Gestion des bits de donnes

La faon la plus naturelle pour traiter le problme des bits de donnes prenant alatoirement la valeur 1 ou 1 est de raliser la sommation au carr des calculs effectus
sur quelques priodes. Ainsi, nous allons effectu le calcul propos prcdemment sur
un nombre L de priode de code C/A infrieur ou gal 20, en commenant une
date tm . On effectue ensuite le passage au carr et on somme le rsultat obtenu avec
celui effectu pour dautres instants tn .
Cela se traduit mathmatiquement par la relation suivante :
"
#2 "I +L1
#2
M
1 ImX
+L1
mX

X
Plong =
II (n, D ) +
QI (n, D )
,

m=0
I=Im

(2.22)

I=Im

o Im est la m-ime priode du code (dbutant au temps tm ) laquelle on commence


la sommation partielle.
Muni de cette expression, nous pouvons envisager une intgration du signal GPS
sur une trs longue priode, condition de bien choisir la squence I0 , I1 , , IM 1 .
En particulier aucune transition de donnes ne doit avoir lieu entre la priode Im et la
priode Im + L. Pour sassurer de cela, [Dierendonck, 1996] propose deux techniques
que nous prsentons ci-dessous :
1. Mthode des demi bits alterns
La premire approche consiste choisir deux squences entrelaces pour les Im .
Par exemple, pour une squence l1 , on peut choisir I0 = 0, I1 = 20, I2 = 40, . . . ,
IM 1 = (M 1) 20 ; et pour une squence l2 , on choisit I0 = 10, I1 = 30, I2 = 50,
. . . , IM 1 = 10 + (M 1) 20.
Alors, si on impose L = 10 (demi dure dun bit de donnes), nous sommes assurs
que soit la squence l1 , soit la squence l2 vite toute transition de bit durant les
sommations partielles.
Au final, le choix de la squence se fera en considrant le meilleur rapport signal
bruit RSB.
2. Mthode des bits entiers
La mthode des demi bits alterns se rvle trs rapide, puisque les sommations
partielles seffectuent uniquement sur 10 priodes du code C/A, cest dire que
lon se prive potentiellement de la moiti du signal GPS.
Une autre possibilit est donc de considrer une squence lp tel que I0 = p, I1 =
p + 20, I2 = p + 40, . . . , IM 1 = p(M 1) 20 ; avec une dure de sommation
partielle telle que L = 20.
En faisant varier p 0, 1, 2, , 19, on peut dterminer la squence loptim qui
optimise le RSB.
La mthode de lestimation de la date de transition (Mthode des bits entiers) est
certainement plus coteuse en temps. Par contre, elle permet un gain dnergie de
lordre de 2 par rapport la mthode prcdente : cest dire un gain de 3dB sur
les sommations partielles, et un gain de 6dB lors de la mise au carr.

30

Chapitre 2. La composante signal du GPS

2.4

Modes dacquisition

Il existe trois mthodes diffrentes pour effectuer lopration de lacquisition. Les


figures 2.6, 2.7 et 2.8 sont adaptes de [Borre et al., 2007].

2.4.1

Mode dacquisition en srie

Cette mthode est souvent utilise pour les systmes CDMA (division de code
accs multiple). Cet algorithme est bas sur la multiplication du signal reu sk par
un code PRN c(t) gnr localement, correspondant un satellite donn et ayant une
marge de dphasage de code de 0 1022 chips ; et une porteuse gnre elle aussi
localement (figure 2.6).

( )2

Signal
reu

Sortie

( )2

90
Gnrateur
du code C/A

Oscillateur
local

Figure 2.6 Recherche en srie du Doppler et du retard de code

Les composantes I et Q (quations 2.11 et 2.12) seront ensuite intgres sur 1 ms, et
leurs carrs sont somms afin de calculer la puissance P (ts ,
D ) = I 2 + Q2 . Si le seuil
de dtection prdfini est atteint, alors on peut dire que les valeurs estimes ts et
D
sont correctes et on procde ds lors la poursuite du signal.
Dans cet algorithme, il y a une recherche dans le domaine temporel (code) et frquentiel (Doppler). Ainsi, chaque fois, on fait balayer les 1023 chips dun ct et un
intervalle de la frquence intermdiaire F I 10 KHz avec des pas de f1 = 500 Hz
[Akos, 1997] de lautre ct. Le nombre total dopration sera alors :

1023

20000
+1
500

= 41 1023 = 41943 combinaisons

Ce grand nombre doprations constitue un point faible pour lalgorithme.

2.4.2

Mode dacquisition en parallle

Nous avons vu que la mthode de recherche en srie est trs coteuse au niveau
temps. Cest pourquoi, il est ncessaire dliminer un des deux paramtres recherchs,

31

2.4. Modes dacquisition

ou le cas chant le faire en parallle. La deuxime mthode propose dans ce paragraphe consiste parallliser la recherche dun seul paramtre. Ainsi, on neffectue plus
le balayage de lespace frquentiel, liminant ainsi 41 oprations de recherche.
La premire partie de cette mthode est similaire celle de la mthode de recherche
en srie, o le signal reu est multipli par un code PRN correspondant un satellite
bien dfini, avec un dlai de code allant de 0 1022. Le signal rsultant ( la sortie
du multiplicateur dans la figure 2.7) est alors obtenu dans le domaine frquentiel par
la Transforme de Fourier. Si le nombre dchantillons de la squence dentre, est
une puissance de 2, on peut utiliser la Transforme de Fourier Rapide (Fast Fourier
Transform - FFT). Pour plus de dtails sur la FFT, le lecteur pourrait se rfrer
[Oppenheim et Schafer, 1999].

Transforme
de Fourier

Signal
reu

| |2
Sortie

Gnrateur du
code C/A

Figure 2.7 Recherche en parallle du Doppler et du retard de code

Le signal la sortie de la FFT est alors complexe. Si le code PRN gnr par le
rcepteur est parfaitement align avec le signal reu, nous pouvons voir dans ce cas
un pic de corrlation situ une frquence frech qui est gale la somme du dcalage
Doppler recherch et la frquence intermdiaire : frech = fD + fIF .
La prcision de cette mthode au niveau frquentiel dpend du nombre dchantillons existants dans les donnes traites. Par exemple, pour une frquence dchantillonnage fs = 60MHz et pour une dure de code de 1ms nous avons Ns = fs /1000 =
60000 chantillons.
tant donn que les premiers Ns /2 chantillons reprsentent les frquences appartenant lintervalle [0, fs /2Hz], la rsolution de recherche frquentielle est alors :
f2 =

60.106
fs /2
=
= 1kHz
Ns /2
60.103

Pour cette mthode, nous remarquons que le pas de recherche f2 = 1kHz est gal
au double du pas de recherche f1 = 500Hz propre la mthode dacquisition en srie.
Ainsi, cette mthode est deux fois moins prcise que la premire.
Le balayage dans cette mthode se faisant seulement sur 1023 bits de code, nous
constatons alors que lon gagne beaucoup en temps de calcul par rapport la premire.
Toutefois, on y perd au niveau de la prcision.

32

2.4.3

Chapitre 2. La composante signal du GPS

Mode dacquisition en parallle du code

Lobjectif de cette mthode consiste proposer une nouvelle architecture dacquisition afin de rsoudre les dfauts des mthodes dacquisition en srie et en parallle,
comme le temps dexcution (grand nombre doprations) pour la premire et le manque
relatif de prcision pour la deuxime. Il sagit toujours dune corrlation entre le signal
reu et une rplique du code gnre par le rcepteur. Afin de gagner en temps dexcution (diminuer le nombre doprations), cette mthode fait appel la corrlation
circulaire entre le signal reu (entre) et le code PRN gnr comme le montre la figure
2.8 au lieu dune corrlation avec les 1023 rpliques dcales (acquisition en srie).

Signal
reu

90

Oscillateur
local

Transforme
de Fourier

Transforme de
Fourier inverse

| |2
Sortie

Conjugu

Transforme
de Fourier

Gnrateur du
code C/A

Figure 2.8 Acquisition en mode parallle du code et de la phase

La multiplication du signal reu avec la rplique du code gnre par le rcepteur


donne lieu aux composantes en phase I et en quadrature de phase Q du signal. Le
signal rsultant lentre de la Transforme de Fourier est alors x(n) = I(n) + jQ(n).
Dun autre ct, le code PRN gnr est obtenu dans le domaine frquentiel aprs
le passage par la Transforme de Fourier. Le conjugu du signal complexe rsultant est
ensuite calcul.
Les deux signaux rsultants de la TF de x(n) et la TF du code PRN sont alors
multiplis (3-me multiplicateur de la figure 2.8) et ils sont ramens ensuite en domaine
temporel par une Transforme de Fourier Inverse.
La corrlation entre le signal reu et le code PRN est alors donne par le module
du signal la sortie de la Transforme de Fourier Inverse. Si lon voit apparaitre un pic
de corrlation, les coordonnes de ce pic dfinissent le dlai du code et le dphasage
frquentiel (Doppler) (figure 2.9). Toutefois, le dlai du code est exprim en nombre
dchantillons et non pas en chips de code, comme dans les deux premires mthodes.
Nous observons, dans la figure 2.9, lexistence dun pic de corrlation. Cela montre
la rception dun signal provenant du satellite 18. Il est situ tN = 36000 chantillons
et fD 300Hz. Par contre, quand on nobtient que du bruit dans la carte (figure 2.10)
et pas de pic de corrlation, nous constatons alors que le satellite en question nest pas
visible. Par consquent, le signal reu ne contient pas son code PRN.

2.4. Modes dacquisition

Figure 2.9 Une carte Doppler - Retard qui montre la prsence dun signal GPS
provenant du PRN 18, par le biais dun pic de corrlation ayant comme coordonnes
les valeurs du dlai de code et du dphasage frquentiel

Figure 2.10 Une carte Doppler - Retard qui affiche seulement du bruit montrant
ainsi labsence dun signal GPS provenant du PRN 18

33

34

Chapitre 2. La composante signal du GPS

Lavantage de cette mthode est la diminution du nombre doprations et la prcision par rapport aux deux premires mthodes. Dune part, on gnre le code PRN
(1023 bits) une seule fois pour 41 oprations de balayage du domaine frquentiel.
Dautre part, la prcision se fait dsormais sur le nombre dchantillons (Ns = 60000
chantillons pour une fs = 60MHz) au lieu de 1023 bits.
Cest cette dernire mthode que nous allons utiliser pour le calcul de la fonction
de corrlation dans le chapitre 3.

2.5

Conclusion

Ce chapitre a permis dexposer les caractristiques des signaux GPS et les modes
dacquisition de ces signaux, dans le cas gnral et pour les signaux faibles.
Nous estimons que ce chapitre est ncessaire pour comprendre dans la suite la
relation entre le signal GPS et la mer. Dans le chapitre suivant, nous allons aborder
la problmatique de mesures ocanographiques avec les signaux GPS comme signaux
dopportunit.
Nous allons aussi prsenter notre problmatique de dtection, et la modlisation des
cibles de surface en montrant quelques rsultats.

Deuxime partie
Le signal GPS dans le contexte
ocanographique

CHAPITRE

3.1

Mesure passive du signal


GPS dans les applications
ocanographiques

Introduction

Dans ce chapitre, nous prsentons une introduction sur la problmatique de recherche ocanographique, et plus particulirement sur les applications ralises avec les
signaux GPS, et les techniques de mesure passive, dans ce contexte.
Ensuite, nous rappelons quelques notions physiques et lectromagntiques concernant la surface de mer, comme la modlisation des vagues, la description statistique de
la surface, la description spectrale o lon aborde le spectre dElfouhaily, celui-ci tant
couramment utilis dans la plupart des applications, et la gnration de la surface
de mer. Toutefois, certaines notions ne seront pas utilises explicitement dans notre
travail, le but tant de comprendre le cadre gnral des modles thoriques tudiant
linteraction lectromagntique entre la surface de mer et les signaux incidents.
Nous prsentons galement quelques applications bases sur GPS-Rflchi (GNSS-R).
Enfin, nous commenons aborder notre problmatique de recherche en mettant en
avant linteraction entre la surface de mer et les signaux GPS rflchis, en mettant en
vidence linfluence du mouvement (position) des pics des signaux rflchis par rapport
au signal direct reu.

3.2

Les signaux GNSS-R dans locanographie

Le GPS-R constitue un systme radar bi-statique et passif, o lon dispose dun


metteur et dun (ou plusieurs) rcepteur(s). Les signaux GNSS sont trs faibles car
ils ne sont pas conus pour les applications de radar ; toutefois ils sont dtectables.
Plus prcisment, si les signaux rflchis constituent pour certaines applications une
sorte de bruit liminer afin damliorer lacquisition du signal direct, pour notre
problmatique, ils constituent une source riche dinformations.
En effet, le signal rflchi est affaibli par la rflexion, avec une amplitude rduite, une
forme donde modifie et une cohrence perdue [Ruffini, 2006].

Chapitre 3. Mesure passive du signal GPS dans les applications


ocanographiques

38

En 1993, Martin-Neira suggre lutilisation des signaux diffuss provenant de


la constellation actuelle des satellites GPS [Martn-Neira, 1993]. Deux ans aprs,
[Anderson, 1995] suggrait lutilisation de lempreinte dinterfrence des signaux GPS
rflchis pour la dtermination de la hauteur des mares. Fort des tests exprimentaux,
qui montrent la possibilit de dtection depuis un avion, des signaux GPS rflchis
[Auber et al., 1994], [Katzberg et Garisson, 1996] suggrent la dtection partir des
satellites en basse orbite (LEO) de ces signaux afin de dterminer le retard ionosphrique au dessus de locan.
Martn-Neira a galement travaill sur lestimation de la hauteur de la surface de mer, partir des rcepteurs situs respectivement faibles distances
[Martn-Neira, 1999], et longues distances, en validant le concept daltimtrie en
utilisant le radar passif [Ruffini et al., 2003].
Dautres ont mme dvelopp des rcepteurs spcialiss qui ont pour fonction de
rcuprer les signaux GNSS rflchis sur une surface convenable. On en cite deux :
le Delay-Mapping Receiver (DMR) dvelop par la NASA [Garrison et al., 1997] et le
GPS Open Loop Differential Real Time Receiver (GOLD-RTR) par le centre dtude
spatiale CSIS-IEEC en Espagne [Norgus-Correig et al., 2007]. Notons que, dans ces
expriences, le rcepteur tait port soit par des avions, radars, ballons stratosphriques
ou des plates-formes spatiales.
Un autre type dapplication est la surveillance ctire o le rcepteur est situ
quelques mtres au-dessus de la surface de locan. Ce type de rcepteur permet
de fournir plus dinformation sur le milieu ocanique. Dans ce cadre, Starlab a dj
dvelopp un rcepteur ctier appel OCEANPAL permettant de mettre en vidence
la salinit et la hauteur des mares [Soulat et al., 2006].

3.3
3.3.1

Modlisation des vagues


Paramtres gophysiques mis en jeu

Il existe trois paramtres principaux dans la gnration des vagues :


La vitesse du vent dix mtres de la surface U10 en m.s1 ,
La dure de laction du vent,
Le fetch, la distance ou ltendue de mer sur laquelle (ou encore surface effective)
le vent a souffl une vitesse constante.

3.3.2

Onde monochromatique

Les vagues la surface de la mer peuvent tre dcrites comme la superposition


dondes lies une perturbation de la surface. Lamplitude des ondes est petite devant
leur longueur donde. On les dcrit comme tant des ondes stationnaires et homognes
[Phillips, 1977].
Soit a lamplitude locale de londe monochromatique et sa phase, une fonction qui
varie rapidement en fonction du temps et de lespace. Cette onde est caractrise par son

39

3.3. Modlisation des vagues

vecteur donde ~k et sa pulsation , dfinis partir de la phase tels que [Mouche, 2005] :
~k =
=
t

(3.1)

o dsigne le gradient qui sapplique sur le plan horizontal (plan des x) sauf
indication contraire. Si le fluide est translat horizontalement par un courant de vecteur
~ , on a : = + ~k U
~ , o est la pulsation de londe dans un repre li au mouvement
U
alors que est dfinie dans un repre fixe. La vitesse de phase dune onde est sa vitesse
de propagation. Quand la phase (~x, t) est constante, la vitesse de phase c est alors
donne par :

d
= ~c +
= ~c ~k = 0
dt
t

(3.2)

On en dduit la relation qui dfinit la vitesse de phase dune vague ~c pour un vecteur
donde ~k donn :
~c = ~k c = k
(3.3)
car ~k et ~c sont parallles et de mme sens. La vitesse de dplacement de lnergie
par la propagation des ondes dans le fluide est donne par la vitesse de groupe qui
scrit :
~cg = k
(3.4)

3.3.3

Relation de dispersion et vitesse de phase des vagues

On utilise les quations de la mcanique des fluides pour dcrire la propagation


de ces ondes. Dune part, lquation
dEuler qui sobtient en appliquant le principe
P
fondamental de la dynamique ( F~ = m ~a) un fluide de volume V et de surface S
sur laquelle sapplique une force de pression p et la force de la pesanteur g.
Dautre part, lquation de continuit qui scrit en galant la variation de volume
V du fluide la quantit de fluide qui sort de ce volume par unit de temps et despace
[Landau et Lifchitz, 1971].
Dans le cas de la mer, le fluide est suppos incompressible et irrotationnel. Sans
considrer les forces dues aux interactions avec latmosphre (comme le forage de
vent), lquation dEuler applique une particule fluide est alors donne par :
~ + ~g = ~a = d~v
p
dt


d~v
~v
~ v
=
+ (~v )~
dt
t

(3.5)

Do la forme connue de lquation dEuler :


~v
~ v = 1 p
~ + ~g (quation dEuler)
+ (~v )~

t
noter que :

(3.6)

40

Chapitre 3. Mesure passive du signal GPS dans les applications


ocanographiques

Le terme ~g correspond aux forces de pesanteur par unit de volume (N m3 )


subies par la particule fluide,
~ correspond aux forces par unit de volume (N m3 ) de pression sur les
p
surfaces de la particule,
d~v

correspond la variation de la quantit de mouvement par unit de volume
dt
de la particule.

~v = 0 (quation de continuit)

(3.7)

o v dsigne la vitesse de dplacement dun lment de fluide.


La relation de dispersion des vagues tablit le lien entre la frquence angulaire dune
vague et son nombre donde k, cest--dire quelle va constituer une quation de base
pour lvolution temporelle dune surface de mer. Cette relation sexprime comme :
"
2 = gk 1 +

k
km

2

tanh(kD)

(3.8)

T 3
k tanh(kD)
(3.9)

p
D tant la profondeur de leau, km =
g/T , la densit de leau de mer, g
lacclration de la pesanteur et T la tension superficielle de la surface de mer.
Dans les situations en eau profonde, D est suppose infinie, et par suite tanh(kD) = 1.
En remplaant par c k dans lquation 3.9, on obtient la vitesse de phase des vagues
en eau profonde :
2 = gk +

v"
u
 2 #
u
k
g
c=t 1+

km
k

(3.10)

On classe les vagues en trois grandes catgories suivant les processus physiques qui
rgissent la formation des ondes. chacune delles correspond un rgime de variation
de la vitesse de phase en fonction de :
1. Vagues de capillarit : Ces ondes sont cres lorsque les forces de gravit sont
ngligeables devant la tension de surface. Elles ont une priode infrieure un
dixime de seconde. La relation de dispersion scrit alors :
2 =

T 3
k

(3.11)

2. Vagues de transition capillarit - gravit (ultra-vagues) : Les forces de pesanteur et


de tension de surface sont de mme ordre. Elles forment une classe intermdiaire

41

3.4. Description statistique de la surface

dont la priode varie dune seconde un dixime de seconde. La relation (3.10)


demeure la mme :
T
(3.12)
2 = gk + k 3

3. Vagues de gravit : Elles sont gnres par le vent et entretenues par un change
entre nergie cintique et nergie potentielle gravitationnelle. Ces ondes ont une
priode comprise entre trente secondes et une seconde et leur relation de dispersion
(3.9) se simplifie alors en :
2 = gk

(3.13)

On retrouve galement cette relation de dispersion en rsolvant le systme dquations


(3.6) et (3.7) dans le cas o la tension de surface est nglige. Alors, la premire
condition aux limites est telle que la diffrence de pression entre la surface de leau et
latmosphre soit nulle.

3.4

Description statistique de la surface

La surface de la mer peut tre considre comme le rsultat de processus alatoires.


En effet, le complexit des phnomnes physiques en jeu rend particulirement dlicate,
une description parfaitement dterministe de linteraction vent-surface de mer. Cest
pourquoi, il est frquent dutiliser ses proprits statistiques pour la dcrire.
Soit une surface de mer dcrite par sa hauteur (x, y, t) par rapport une surface
rfrence dfinie telle que (x, y, t) = 0, (x, y, t) R3 . Soit p() la probabilit davoir
cette surface comprise entre une hauteur et + d pour nimporte quel point de
lespace dfini par ses coordonnes ~r = (x, y). On peut alors introduire quelques notions
statistiques fondamentales :

3.4.1

Hauteur moyenne des vagues

Soit h(~r)i, la hauteur moyenne de la surface.


Z +
=
p()d = 0,

(3.14)

La variance des hauteurs 2 est dfinie comme tant le carr de la moyenne quadratique de lcart entre la surface de la mer et la rfrence. Elle est donne par :
2 i,
2 = h( )

3.4.2

(3.15)

Fonction de corrlation de la surface

La longueur de corrlation l de la surface dans une direction donne, sexprime en


fonction de la fonction dautocorrlation de cette surface. Elle se dfinit comme lcart

42

Chapitre 3. Mesure passive du signal GPS dans les applications


ocanographiques

type de la fonction dautocorrlation. Il sagit dune mesure lchelle spatiale associe


la relation statistique qui relie les points de la surface.
La longueur de corrlation est lie lchelle de rugosit. Plus les rugosits sont
restreintes un spectre basse frquence, et plus la longueur de corrlation est grande.
Dans le cas de la mer, quand le vent devient fort, le spectre ([Elfouhaily et al., 1997])
ne varie pratiquement pas dans les frquences hautes, en revanche le spectre monte
dans les basses, voire trs basses frquences (3.1). Ceci explique pourquoi, la longueur
de corrlation augmente quand le vent souffle plus fort.

3.4.3

Densit de probabilit des pentes

En tout point de la surface assimile localement a un plan, on peut associer des


pentes x et y orientes respectivement le long des axes (Ox) et (Oy) ports par le
couple de vecteurs (
x, y) qui forment une base orthonorme. lordre premier, cette
densit de probabilit est gaussienne, elle scrit :
"
#
x 2 y2 2x y x y + x2 y 2
1
exp
,
p(x , y ) = p
2x,y
2 x,y

(3.16)

O lon a x,y = x2 y2 (x y )2 . La fonction de densit de probabilit des pentes


la surface de la mer est utile dans ltude des interactions des ondes lectromagntiques
avec la surface [Mouche, 2005].

3.5

Modle spectral de la surface de mer

Dans cette partie, nous prsentons brivement une comparaison entre plusieurs
modles spectraux de la surface de mer. Nous dtaillerons un peu plus le spectre
d[Elfouhaily et al., 1997]. La simulation de la surface de mer peut tre dduite facilement du spectre.

3.5.1

Comparaisons entre les modles spectrales de la surface


de mer

De nombreux spectres de vagues de vent ont t noncs durant les quatre dernires dcennies [Apel, 1994], [Donelan et Pierson, 1987], [Durden et Vesecky, 1985] et
[Elfouhaily et al., 1997].
Certains de ces modles ont t dvelopps empiriquement partir de mesures en
mer ou en bassin ; dautres ont un fondement thorique. On trouve des modles qui
dcrivent le comportement dune partie du spectre seulement (petites ou grandes vagues
par exemple), et dautres qui recouvrent lensemble des nombres dondes [Lurton, 2010].
On souligne le fait que les modles dj disponibles ne prennent pas en compte les
diffrentes conditions de fetch, ne conviennent pas non plus avec les mesures in situ
de [Cox et Munk, 1954] sur la dpendance de vent de la variance des pentes, et de

3.6. Exemple des types dapplications impliquant le GNSS-R

43

[Jhne et Riemer, 1990] et [Hara et al., 1994] sur le spectre de courbure des vagues de
gravit - capillarit. Cest pour cela, quil est admis quaucun des modles noncs
jusqu maintenant ne confirme parfaitement lensemble des observations et mesures
in situ.
Do la proposition du modle d[Elfouhaily et al., 1997]. Avant de prsenter lquation de ce spectre, qui sexprime comme la somme dun rgime de grandes vagues
Sl et dun rgime de petites vagues Sh , les auteurs d[Elfouhaily et al., 1997] commencent par examiner les modles dj existants et qui sont dfinis k, comme ceux de
[Bjerkaas et Riedell, 1979], [Donelan et Pierson, 1987] et [Apel, 1994]. Pour une comparaison brve, le lecteur peut se rfrer [Soulat, 2003].

3.5.2

Spectre dElfouhaily

Le spectre d[Elfouhaily et al., 1997] possde une composante omnidirectionnelle et


une fonction dtalement angulaire. Il est dfini pour tous les nombres donde k et
peut tre amen analytiquement lutilisation dans des modles lectromagntiques.
Les donnes radar sont exclues de llaboration de ce modle. La validit de ce spectre
est restreinte aux mers de vent, cest dire aux scnes de vent qui reprsentent un
alignement entre la direction de propagation du vent et celle des vagues (pic des vagues)
(figure 3.1). Il a pour expression :
(k, ) =

1 1
k [Sl (k) + Sh (k)] [1 + (k) cos(2)]
2

(3.17)

Le terme [1 + (k) cos(2)] reprsente la fonction de rpartition azimutale de


spectre dpendant de k et la direction azimutale. k 1 [Sl (k) + Sh (k)] reprsente
la partie omnidirectionnelle du spectre, elle est divise entre les basse frquences et
les hautes frquences. Les expressions dtailles de Sl (k) et Sh (k) se trouvent dans
[Elfouhaily et al., 1997].
Ce modle contient deux paramtres : U10 et km ( correspondant la vitesse de phase
c~p ), le nombre donde du pic des vagues dominantes. Linverse dep
lge des vagues est
donn en fonction de ces deux valeurs, ayant = U10 /cp U10 km /g. La fonction
de frottement du vent u , relie la vitesse de vent U10 est prise en compte elle aussi
[Soulat, 2003].

3.6

3.6.1

Exemple des types dapplications impliquant le


GNSS-R
Altimtrie

Il existe deux types de mesure de laltimtrie :


Altimtrie par mesure de code : Le code est utilis dans ce cas pour calculer la
distance entre le signal direct et le rflchi.

Chapitre 3. Mesure passive du signal GPS dans les applications


ocanographiques

44

3 m/s
6 m/s
9 m/s
12 m/s
15 m/s
18 m/s
21 m/s

10

Spectre omnidirectionnel S(k)

10

10

10

10

10

10

10

12

10

10

10

10

10
k (rad/m)

10

10

10

Figure 3.1 Allure du spectre dElfouhaily, avec calcul pour plusieurs vitesses de
vent diffrentes (tire de [Lurton, 2010])

Altimtrie par mesure de phase : La phase est utilise.

Altimtrie par mesure de code


Comme les signaux rflchis sont affects par le processus de rflexion, la forme
triangulaire du signal rflchi est alors dforme entrainant une incohrence des signaux
rflchis, ce qui complique la mesure de distance.
Le principe de cette mthode repose sur la diffrence entre les temps darrive du
signal direct et du signal rflchi. Nous appelons cette diffrence de temps t. Pour une
rflexion basse altitude (figure 3.2), lincertitude sur la diffrence du temps darrive
t entraine une incertitude de la diffrence de la distance traverse l (incertitude
altimtrique) par rapport la surface moyenne de la mer. En considrant langle
dlvation du satellite, nous avons alors :
dr dd = 2h sin()
Aprs la corrlation du signal direct reu avec une rplique, londe C/A aura une
forme triangulaire et bien dtermine. Pour les signaux rflchis, il faut tenir compte de
la dispersion et bien modliser la forme donde rsultante. Certains aspects de londe
dforme sont plus sensibles que dautres pour les applications ocanographiques :
altimtrie si le premier bout du pic de corrlation est dform , et dautres applications
bases sur le GNSS-R si londe entire est dforme.
Plusieurs expriences ont montr la robustesse de laltimtrie par mesure de code
pour des applications au sol, dans lair et dans lespace [Lowe et al., 2002]. Mme si les
mesures peuvent tre prcises mais biaises parfois, lefficacit de ce type daltimtrie
a t souligne dans [Ruffini et al., 2004].

3.6. Exemple des types dapplications impliquant le GNSS-R

45

Satellite GPS

dd

Rcepteur
dr

l
h

Surface de la mer

Figure 3.2 Principe daltimtrie ctire o lon voit que la diffrence de distance traverse l est proportionnelle laltitude h du rcepteur par rapport la
surface rflchissante et le sinus de langle dlvation du satellite GPS (adapte de
[Ruffini, 2006])

Altimtrie par mesure de phase


Si pour laltimtrie par mesure de code, des dizaines dexpriences ont t ralises,
la validation de laltimtrie par mesure de phase reste plus limite.
Cette mthode consiste pister le changement de phase sur le sol pour des observations
ctires [Ruffini et al., 2002] et au niveau des lacs aussi [Treuhaft et al., 2001]. Les
rsultats obtenus taient dune prcision de quelques centimtres. Le traitement de la
phase est affect par la rugosit de leau ainsi que par son mouvement entrainant une
incohrence du signal rflchi.

3.6.2

Rflectomtrie

La rflexion des signaux GNSS par la surface de mer peut tre modlise par un
modle doptique gomtrique, o le processus physique fondamental est la rflexion

46

Chapitre 3. Mesure passive du signal GPS dans les applications


ocanographiques

sur les facettes. Les signaux rflchis sont grs par les statistiques tels que le rayon
de courbure et la densit de probabilit des pentes de la surface. Cette densit de
probabilit peut nous informer sur linteraction entre latmosphre et la surface de mer
(moments, nergie, gaz).

3.7

Systme exprimental

Le traitement du signal GPS dcrit dans ce paragraphe intervient aprs la phase de


rception. En fait, en mesurant le produit de corrlation des signaux GPS rflchis et
de la rplique du code PRN gnr par le rcepteur pour un satellite donn, on met en
vidence le pic de rception du signal direct provenant du satellite. On met galement
en vidence les pics secondaires correspondant aux phnomnes de rflexion. Certains
paramtres ocanographiques peuvent ainsi tre dduits partir des caractristiques
de ces pics secondaires, comme lhumidit du sable, les mesures de la mare, la salinit
de leau,. . .
Cependant lanalyse de ces signaux reste difficile dans la mesure o les rflexions
sont perturbes par le mouvement de la surface de locan, la rugosit et latmosphre
maritime et que ces signaux sont dun niveau faible par rapport au bruit. Pour surmonter ces difficults, le traitement de ces signaux ncessite une intgration sur plusieurs
squences de code de faon cohrente et/ou incohrente.
Lobjectif de cette analyse est de vrifier la possibilit de dtecter deux (ou plusieurs)
types de mouvement diffrents. Cest pour cela que nous prsentons dans lexprience
MFT (Mobile Fixed Target) le cas dune cible mobile prsente la surface de la mer.
Nous supposons galement la prsence dune autre cible qui est fixe et qui servira de
repre la cible mobile.
Le travail prsent dans cette partie du chapitre 3 est caractre gnrique et explorateur, aucune description de la vague elle-mme na t aucun moment envisage.
Nous supposons dans la suite que le satellite GPS est fixe sur la dure de lintgration.

3.7.1

Exprience Mobile Fixed Target

Linteraction dune onde lectromagntique avec une surface rugueuse en mouvement (surface de mer) est un phnomne particulirement complexe qui rend le signal
GPS rflchi difficile traiter. Pour illustrer la problmatique du mouvement de la
surface, nous avons procd une exprience simplifie qui simule le mouvement des
particules de la surface de locan et lvolution du gain des signaux lors dintgrations
sur de longues priodes.
Nous considrons un systme de radar passif bi-statique. Ce systme, prsent sur
la figure 3.3 est compos essentiellement de :
1. Un metteur qui est un (ou plusieurs) satellites GPS,
2. Un rcepteur qui est compos de deux antennes spares par un plan de masse afin
dviter les interfrences entre les deux : la premire est polarisation circulaire

47

3.7. Systme exprimental

Satellite
GPS

t
l direc
Signa

Rcepteur
ctier

Signaux
rflchis
v
5 km

500 m
Cible B
fixe

Cible A
mobile

Figure 3.3 Schma du systme exprimental

droite dirige vers le haut afin de recevoir le signal direct, et la deuxime est
polarisation circulaire gauche dirige vers la mer pour recevoir les signaux rflchis
par la surface de mer,
3. Deux cibles (A) et (B), la premire est mobile et la deuxime a une position fixe
par rapport lantenne rceptrice. La prsence de la cible (B) sert comme une
rfrence pour retrouver la cible (A) au cours des observations.
Nous considrons que le rcepteur se situe dans un champ proche de la surface de
mer. La perception de cette surface est alors diffrente. En effet, la surface est donc
considre comme dterministe, car il est possible de dtecter le mouvement lents
(quelques Hz) des vagues ayant des hauteurs allant de 50cm 4m. Les signaux reus
seront alors directement lis lvolution temporelle de la surface.
Ainsi, afin de modliser le mouvement de la surface, nous avons tudi la diffusion
des signaux par cette surface. La surface est considre comme tendue, ayant une
rpartition continue et compose de diffuseurs rpartis uniformment.
Elle est modlise, dans ce chapitre, par une srie de diffuseurs discrets, qui pourraient
tre fixes et mobiles. Chaque diffuseur est considr comme ponctuel. Leur mouvement
sera connu (en relation avec le mouvement des vagues). Notre objectif est de mettre
en vidence la prsence de ces diffuseurs ainsi que leurs dplacements.
Dans ce paragraphe, les deux cibles (A) et (B) sont considres comme deux diffuseurs ponctuels. (A) reprsente la crte dune vague dans une mer forte o la vitesse
de la vague peut atteindre v = 36km/h. Nous supposons galement que (A) se situe
une distance initiale de 500m de la cible fixe (B), qui se situe 5km de la cte (le
rcepteur).

Chapitre 3. Mesure passive du signal GPS dans les applications


ocanographiques

48

Lobjectif de cette simulation est de montrer la possibilit de rcuprer par un


rcepteur ctier un signal GPS rflchi sur une cible marine fixe ou mobile. En pratique,
il sagit de mesurer le dphasage frquentiel d leffet Doppler et le dlai du code
du signal rflchi en utilisant une corrlation entre le signal considr et une rplique
propre du code PRN reu.
Nous commenons notre analyse par une prsentation des signaux synthtiques
utiliss. Ensuite, nous montrerons lavantage de la corrlation sur une longue dure. Afin
de rduire le temps de calcul, nous utiliserons un traitement par blocs pour effectuer la
corrlation. Nous terminons par une dfinition du gain comme nous lavons considr
dans notre travail. Enfin, nous tudierons les cas des cibles une par une.

3.7.2

Caractristiques des signaux synthtiques

Les signaux mis par les satellites GPS sont classs en deux groupes : les signaux
directs traversant une distance DSR , et les signaux rflchis sur la surface de mer, qui
de leur ct traversent les distances conscutives dA et dB .
Pour le reste du chapitre, les notations sD (t), sM (t) et sF (t) dsigneront respectivement le signal direct, le signal rflchi sur la cible mobile et le signal rflchi sur la
cible fixe.
Notre exprience a t ralise avec des signaux synthtiques. Les signaux sD (t),
sM (t) et sF (t) sont gnrs partir dune porteuse une frquence intermdiaire I ,
multiplie par la fonction c(t) qui reprsente le code C/A, et par , une squence de
1 reprsentant les donnes de navigation. Ces signaux ont des amplitudes respectives
AD , AM et AF .
De par leur nature, les signaux sD (t), sM (t) et sF (t) arrivent au rcepteur des
moments diffrents selon leurs positions initiales (sD (t) et sF (t)) et lvolution de leur
mouvement en fonction du temps (sM (t)). Pour ce dernier signal, une variation de
frquence (effet Doppler) simpose cause du mouvement relatif de la cible mobile par
rapport au rcepteur. Lors de la gnration des signaux synthtiques, le dlai de code
et le Doppler apparaissent dans lexpression du signal. Ainsi, pour le signal sD (t)
par exemple, lexpression de ce signal donne :
sD (t) = AD c(, ) d(, ) sin[(I + D )(t D ) + D ] + v(t),

(3.18)

O lon a : v(t) est un bruit blanc gaussien, et (AD ) = 10RSB/20 .


Pour ressortir le signal utile et le discriminer du bruit, nous calculons le produit
de corrlation s,p , entre le signal sD (t) par exemple, avec une rplique p(t) du code
gnre elle-mme par le rcepteur :
s,p (t) = p(t) sD (t)

(3.19)

Nous soulignons le fait quen sappuyant sur la corrlation normale point par
point, on risque davoir une solution trs couteuse en temps, surtout lorsquon a des
contraintes sur la dure de calcul.

49

3.7. Systme exprimental

R Lmax

Figure 3.4 Schma montrant la dfinition du gain

Une bonne solution qui rpond aux besoins en optimisation du temps de calcul est
lutilisation de la Transforme de Fourier Discrte TFD. Cest ce que nous appelons le
traitement en blocs [Psiaki, 2001].

3.7.3

Dfinition du gain

Pour amliorer les temps de calcul et viter des ambiguts dinterprtation, nous
avons choisi de considrer le gain comme le rapport entre la diffrence de hauteur de
pic vis vis du bruit par rapport lcart type du bruit.
La moyenne n et lcart type n du bruit sont estims en ne considrant pas les
100 points avant et aprs la position du pic. Le gain G vaut alors :
G=

RLmax n
n

(3.20)

Le gain de dcibel est alors :



GdB = 10 log10

RLmax n
n

(3.21)

avec RLmax est la valeur maximale de corrlation alors que n et n sont respectivement la moyenne et lcart type du bruit (figure 3.4).

50

Chapitre 3. Mesure passive du signal GPS dans les applications


ocanographiques

Figure 3.5 Le produit dauto-corrlation du signal sD (t). Ce signal est affich


avec un retard D = 0.5ms

3.8
3.8.1

Scnarios considrs
Le signal direct

Pour un signal sD (quation 3.18) provenant du P RN = 5 et ayant un RSB =


20dB, le produit de corrlation nous donne la figure 3.5 :
Lintrt de lobtention de D et D est de servir comme rfrence aux signaux
rflchis sur la cible fixe et la cible mobile. Nous avons vu dans la figure 3.5 quil est
possible de dterminer le retard du code du signal sD (t). Pour avoir un repre du retard,
le pic de corrlation du signal sD (t) sera rinject dans la fonction dauto-corrlation
du signal sF (t). Ainsi, le calcul du dlai du code de ce dernier est fait par rapport au
signal direct.
Pour voir leffet de lintgration sur le gain du signal sD (t), nous effectuons une
corrlation du signal sD (t) cohrente sur 1ms, et ensuite incohrente sur 50 ms (L =
50). En calculant le gain rsultant, on obtient la courbe de la figure 3.6.

3.8.2

La cible fixe

Pour le signal direct sD (t), il est possible de retrouver le retard D et le doppler D


du signal, en effectuant une simple corrlation sur 1ms, dans des conditions nominales
( RSB 23dB).
Afin de dterminer les coordonnes f et le doppler f du signal sF (t), nous avons
effectu une corrlation entre le signal sF (t) et une rplique propre du code provenant
du PRN 5. Le pic de corrlation du signal sD (t) obtenu pour les valeurs D et D ,

3.8. Scnarios considrs

51

Figure 3.6 volution du gain du signal sD (t) en intgrant sur une dure de
L = 50ms

Signal direct ( s D )
Cible fixe ( s F )

Figure 3.7 Produit de corrlation du signal sF (t) avec une rplique du code du
PRN 5, le pic du signal sD (t) est montr aussi.

est rinject avec le pic du signal sF (t). D et D reprsentent alors une rfrence aux
autres pics ventuels de corrlation. Ils sont dsormais appels 0 et 0 .
Par ailleurs, leau de la mer tant sale, elle constitue un bon rflecteur. La puissance
du signal rflchi sur la cible fixe vaut alors 70% de la puissance du signal direct.
Dans la figure 3.7, nous observons la corrlation du signal sF (t), et dans la figure
3.8, nous avons une vue plus prcise du pic de corrlation. Ceci permet de retrouver la
position de la cible fixe par rapport au rcepteur par le biais du retard = f 0 .
Daprs la figure 3.7, nous avons = 1, 666 105 s.

52

Chapitre 3. Mesure passive du signal GPS dans les applications


ocanographiques

FD= f 0

Figure 3.8 Une vue plus prcise du pic de corrlation du signal sF (t) permettant
ainsi de calculer le dlai de code F D

Pic du
signal direct

Pic du signal
rflchi

Figure 3.9 La Carte Doppler - Retard montrant la corrlation entre le signal


sF (t) avec une rplique propre et ayant le pic de sD (t) comme pilote

3.8. Scnarios considrs

53

Figure 3.10 Comparaison de lvolution du gain pour les 2 signaux sD (t) et sF (t)
pour une intgration sur une dure de L = 50ms

Limportance de cette carte est de montrer quil nest pas toujours vident de faire
ressortir le pic correspondant au signal rflchi. Et donc, dans ce cas, la question dintgration longue ou de mettre en oeuvre dautres dispositifs afin de dtecter le pic de
corrlation se pose.
Sur la figure 3.10, nous observons lvolution du gain du signal direct par rapport
au gain du signal rflchi sur la cible fixe.

3.8.3

La cible mobile

Aprs ltude de la corrlation des signaux sD (t) et sF (t), il est temps de passer
la cible la plus problmatique : la cible mobile. Le traitement du signal rflchi sur la
cible mobile soulve quelques dfis, que ce soit au niveau de son RSB, sa position, son
volution dans le temps.
Dans notre simulation, nous avons suppos que cette cible reprsente la crte dune
vague qui sapproche une vitesse v = 36km/h, dans ce cas, elle a un mouvement
linaire et elle se dplace paralllement la surface moyenne de la mer. Cette cible
se trouve une position initiale de 500m de la cible fixe. Nous avons effectu une
corrlation pour vrifier sil est possible de dtecter cette cible mobile et de la situer
dans le plan de la cible fixe. Nous avons obtenu les figures 3.12 et 3.13.

3.8.4

Sommation longue

La sommation sur plusieurs priodes reprsente une solution efficace un rapport


signal bruit trs faible. Cependant, un problme se pose quant la dtection des pics
reprsentant le signal sM (t). Pour prciser la nature de ce problme, nous avons men
plusieurs intgrations sur des priodes de 50ms.
Plus prcisment, nous avons considr une portion du signal sF (t) + sM (t) de

Chapitre 3. Mesure passive du signal GPS dans les applications


ocanographiques

54

Fonction de corrlation pour L = 1 priode (s), PRN = 5

x 10
2.5

Amplitude de corrlation

1.5

0.5

4
5
6
Dlai du code (sec)

9
4

x 10

Figure 3.11 Fonction de corrlation F M du signal (sF (t) + sM (t)) linstant t0

FM = M f

Cible fixe
Cible mobile

Figure 3.12 Une vue plus prcise de la fonction de corrlation du signal


(sF (t) + sM (t)), montrant la prsence de la cible mobile et permettant de dterminer
sa position (M )

55

3.9. Rsultats et conclusion

Signal s M ( t)

Signal s F (t)

Figure 3.13 La Carte Doppler - Retard montrant la corrlation entre le signal


sF (t) + sM (t), dans le but de dtecter la cible mobile dans le mme plan que la cible
fixe.

50s. Nous avons effectu cinq intgrations respectivement aux instants dobservations
suivants : t0 = 0, t1 = 10, t2 = 20, t3 = 30, t4 = 40, et t5 = 50. Ensuite, nous avons
superpos les cartes DDM obtenues, afin de ressortir le mieux les pics fixe et mobile.
Ainsi, dans la figure 3.14, nous avons une superposition des deux premires observations. Dans la figure 3.15, nous avons la superposition des trois premires observations,
et ainsi de suite jusqu la figure 3.17 qui reprsente la superposition de toutes les
observations.
Nous remarquons alors, que dune sommation lautre, le pic fixe est de plus en
plus remarquable. Tandis que la zone en jaune, reprsentant le pic mobile disparait
au fur et mesure. Donc il faut trouver une solution alternative, qui permet dinclure
le mouvement de la cible mobile dans le processus dintgration. Nous avons choisi
dintroduire une solution base sur le suivi de cible mobile.

3.9

Rsultats et conclusion

Le processus de corrlation permet lidentification du type de signal suivant la


position et lamplitude du pic correspondant (figures 3.8, 3.9, 3.12 et 3.13).
En plus, la corrlation sur plusieurs priodes du signal augmente le rapport signal
bruit. Daprs les figures 3.6 et 3.10. On trouve que le gain augmente en fonction du
nombre de priodes L. Ceci est utile surtout pour lextraction des signaux faibles rflchis du signal reu. Limportance de cette exprience est quelle dmontre la possibilit

56

Chapitre 3. Mesure passive du signal GPS dans les applications


ocanographiques

Figure 3.14 Carte Doppler - Retard obtenue aprs la superposition des deux
premires observations

Figure 3.15 Carte Doppler - Retard obtenue aprs la superposition des trois
premires observations

dexploiter opportunment les signaux GPS. La prsentation de cette mthode dune


manire simple est voulue dans un but pdagogique et gnrique.
Dans le chapitre suivant, nous essayons de nous approcher dune modlisation plus
raliste de lenvironnement marin surtout en ce qui concerne les distances sparant les
cibles et la valeur de la vitesse. Nous introduisons galement une autre approche pour
dtecter et suivre le mouvement de la cible sur la surface de la mer.

3.9. Rsultats et conclusion

Figure 3.16 Carte Doppler - Retard obtenue aprs la superposition des quatre
premires observations

Figure 3.17 Carte Doppler - Retard obtenue aprs la superposition des cinq
observations

57

Troisime partie
Techniques de filtrage

CHAPITRE

4.1

Techniques de filtrage
dans le contexte maritime

Introduction

En ralit, le signal rflchi est diffus dans toutes les directions. Or, une grande
partie des signaux qui atteignent le rcepteur provient de la zone de rflexion spculaire.
De plus, la puissance maximale de rflexion provient du centre de cette zone, appel
le point de rflexion spculaire. Langle dincidence du signal GPS reu ce point est
gale langle de rflexion.
Afin de garantir une probabilit de dtection leve du signal rflchi, nous considrons le point de rflexion spculaire sur la surface de mer comme une cible. Ensuite,
pour des instants dobservation dfinis, on calcule la fonction dambigit du signal rflchi et reu par notre rcepteur. Autrement dit, on essaye de suivre notre cible sur
la Carte Doppler - Retard (Delay Doppler Map), quon va appeler brivement DDM
dans le reste du chapitre.
Afin de raliser ce travail, nous supposons une analogie avec le problme classique
de suivi des cibles mobiles. En gnral, dans le contexte classique de suivi de cibles,
les mesures pr-traites sont construites partir des donnes de mesures originales
chaque fois mises en place. Dans ce cas, lapproche commune est de soumettre toutes
les donnes un seuil, puis de considrer celles qui dpassent le seuil comme des
mesures ponctuelles. En revanche, ceci est acceptable si le rapport RSB est relativement
lev [Boers et Driessen, 2004]. Le filtrage de Kalman est conseill dans ce cas. Cest
pourquoi, nous dveloppons un algorithme de suivi bas sur le filtrage de Kalman. La
modlisation et linitialisation des paramtres est possible avec une simple hypothse et
raliste sur la surface de la mer. Les paramtres du problme sont dfinis par la position
de lmetteur qui est un satellite GPS, le rcepteur qui est une antenne oprant dans
un mode passif, et la cible qui est dfinie par ses quations de mouvement.

4.1.1

Modlisation de lenvironnement marin

Schmatiquement, nous envisageons les deux scnarios suivants :


1. La cible est une crte dune vague se dplaant paralllement la surface moyenne
de leau. Le mouvement dcrit par la cible est alors rectiligne uniforme. La vitesse

62

Chapitre 4. Techniques de filtrage dans le contexte maritime

direct
Signal

Sig
na
lG
PS

ha

r f
lc

hi

cible
mobile

x0

hw

Figure 4.1 Schma de la cible sur la surface de mer

de cette cible dpend de sa position par rapport au rcepteur x0 , la longueur donde


de la vague w et la profondeur de leau hw .
2. La cible est une boue flottante sur la surface qui oscille en place, ou encore un
petit bateau situ une certaine distance du rcepteur. Le mouvement est alors
vertical et sinusodal (figure 4.1).
Donc, comme on la dj dit, la cible mobile a une vitesse constante qui dpend de
la constante g de gravit, la profondeur de leau hw , la longueur donde w . La vitesse
de phase v de la vague [Gurgel, 2009] peut tre calcule par lquation suivante :
s
v=

gw
tanh
2

2h
w


= 1, 7661m/s

(4.1)

avec g = 9.8m/s2 . Dans le cas considr ici : w = 2m, et hw = 10m. La cible se


dplace suivant lquation de mouvement suivante :


x(t) = d + vt
(4.2)
z(t) = 22
Le but est destimer les valeurs du dphasage frquentiel (effet Doppler) et le
dcalage temporel ds au mouvement de la cible.
Pour cette raison, on va construire notre modle dtat autour de ces deux valeurs
(k , k ).

4.2

Thorie de Kalman

En mars 1960, R.E. Kalman publia ses travaux de recherche sur le filtrage linaire
et la prdiction de problmes [Kalman, 1960]. Il sagit dun ensemble dquations ma-

63

4.3. Gnralits sur le filtrage

thmatiques qui prsentent des mthodes de calcul rcursives qui visent estimer de
faon optimale ltat dun systme linaire partir des donnes discrtes issues des
capteurs imprcis.
Depuis, le filtre de Kalman a fait lobjet de recherches approfondies qui ont
abouti dautres processus lis au filtrage de Kalman. Et grce aux progrs numriques, les domaines dapplications du filtrage de Kalman sont devenus trs varis : navigation [Jazwinski, 1970] et [Maybeck, 1979], pistage [Bar-Shalom et Li, 1993],
traitements chimiques [Candy et Rozsa, 1980], acoustique [Candy et Sullivan, 1992],
sismologie [Mendel et al., 1981],. . . On peut trouver une liste complte des applications du filtre de Kalman dans [Sorenson, 1983]. Pour plus de rfrences sur ce sujet, le lecteur pourra se rfrer [Brown et Hwang, 1992], [Gelb, 1974], [Lewis, 1986],
[Grewal et Angus, 1993] et [Jacobs, 1993].
Dans ce chapitre, on prsente la mthodologie mathmatique : les notions de filtrage et des systmes dynamiques discrets et continus. Ensuite, on prsente le concept
dapproche baysienne et le modle linaire de Gauss - Markov. On verra galement
comment dduire le filtrage de Kalman linaire partir du modle linaire de GaussMarkov et quelles sont les contraintes dutilisation dun tel filtre. Et pour finir cette
partie, nous allons prsenter notre problmatique, construire notre modle dtat, effectuer le rglage du filtre de Kalman linaire (FKL) et bien sr prsenter les rsultats.

4.3
4.3.1

Gnralits sur le filtrage


Utilit dun filtre

Soit un filtre dfini par sa rponse impulsionnelle h(t), le signal dentre x(t) et de
sortie y(t). La relation entre ces trois variables est donne par la relation suivante :
x(t) 7

h(t)

7 y(t)

y(t) = h(t) x(t)

Un filtre sert dcomposer un signal comme par exemple distribuer un signal sur
plusieurs voies (enceintes HIFI) ou analyser une bande de frquences particulire (slection de station FM), dtecter (filtre adapt), approcher un signal partir dun autre
comme la rgression linaire et le dbruitage par le filtre de Wiener, compresser linformation (compression par prdiction linaire), et encore lestimation dans les modles
dtat. On en retient que le filtrage est une opration qui consiste estimer ltat dun
systme dynamique partir des observations partielles et bruites.

4.3.2

Systmes dynamiques

Ce sont des modles mathmatiques dvolution utiliss dans de nombreux domaines


de sciences et techniques : physique, biologie, cologie, mtrologie, ingnierie, . . .
Ces systmes voluent dans le temps de faon la fois :
1. Causale : leur avenir ne dpendant que de phnomnes passs ou prsents,

64

Chapitre 4. Techniques de filtrage dans le contexte maritime

2. Dterministe : une condition initiale donne linstant prsent correspondant,


chaque instant ultrieur, un et un seul tat futur.
Quant aux systmes dynamiques, on parle dquations diffrentielles ordinaires quand
lvolution est continue dans le temps, et dquations rcurrentes quand lvolution est
discontinue dans le temps. On dit quil sagit de systmes dynamiques stochastiques
quand on prend en compte les perturbations alatoires dans les quations du systme, et
pour lvolution de phnomnes alatoires dcrits par des processus alatoires continus
ou discrets.

4.3.3

Dfinitions mathmatiques

Cas continu :
Pour les processus alatoires continus, on a :
Temps

Vecteur dtat

Vecteur des mesures

tR

X(t) Rp

Z(t) Rm

Tableau 4.1 Systme dynamique continu

X(t) et Z(t) sont deux processus alatoires continus, et ltat X(t) du systme
dynamique nest pas observ. Les mesures bruites disponibles linstant t sont dfinies
par Z(t), tel que {Z( ), [0, t]}. La relation entre les mesures et le signal linstant
t est donne par :
Z(t) = h(X(t)) + W (t)
(4.3)
o h(X(t)) est un signal fonction de ltat X(t), et W (t) un bruit additif suppos
connu.
On en conclut que, pour un systme continu, le filtrage consiste la dtermination

dun estimateur optimal X(t)


du vecteur dtat X(t) partir de toutes les mesures
disponibles Z( ), [0, t].
Cas Discret :
Pour les processus alatoires discrets, on a :
Temps

Vecteur dtat

Vecteur des mesures

kZ

Xk Rp

Zk Rm

Tableau 4.2 Systme dynamique discret

Xk et Zk sont deux processus alatoires discrets, et ltat Xk du systme dynamique nest pas observ. Les mesures bruites disponibles linstant k sont dfinies
par Zk , tel que Z0:k = {Zl , l = 0, 1, 2, ..., k}.

65

4.4. Modle dtat

La relation entre les mesures et le signal linstant k est donne par :


Zk = h(Xk ) + Wk

(4.4)

o h(Xk ) est un signal fonction de ltat Xk , et Wk un bruit additif suppos connu.


On en conclut que, pour un systme discret, le filtrage consiste la dtermina k du vecteur dtat Xk partir de toutes les mesures
tion dun estimateur optimal X
disponibles Z0:k = {Zl , l = 0, 1, 2, ..., k}.

4.4

Modle dtat

Daprs [Ristic et al., 2004], dans lapproche Baysienne de lestimation de ltat


dynamique, on essaye de calculer la densit de probabilit (Probability Density Function, pdf) a posteriori de ltat en se basant sur toutes les informations disponibles
(mme des mesures).
En principe, une estimation optimale - selon un critre donn - et la mesure de
lefficacit de cette estimation peuvent tre obtenues partir de la densit de probabilit
a posteriori. Or, dans la plupart des cas, une estimation dtat est ncessaire chaque fois
quon dispose dune nouvelle mesure, ce qui convient lutilisation dun filtre rcursif.
Un filtre rcursif implique que les donnes reues sont traites squentiellement et
non pas comme un bloc, donc il nest pas ncessaire de stocker lintgralit des donnes
ni de traiter nouveau des anciennes donnes si lon dispose de nouvelles mesures. Le
filtre rcursif est compos de deux tapes : la prdiction et la correction (mise jour).
La prdiction utilise le modle du systme pour prdire la pdf de ltat dune
observation (mesure) lautre. Comme cet tat est souvent soumis des perturbations (bruit alatoire), la prdiction dforme et largit la pdf dtat.
La correction utilise les dernires valeurs de mesures pour modifier la pdf de la
prdiction en utilisant le thorme de Bayes. En fait, il sagit dun mcanisme
pour mettre jour les informations sur ltat de la cible en vue de connaissances
supplmentaires obtenues partir de nouvelles donnes.
Ainsi, pour dfinir un problme de filtrage linaire ou pas, on introduit le vecteur
dtat Xk , la dure dintgration Tk1 tk tk1 . Ltat de la cible volue suivant un
modle discret stochastique :
Xk = fk1 (Xk1 , vk1 )

(4.5)

o fk1 est une fonction de Xk1 connue, probablement non linaire ; et vk1 est la
squence du bruit du modle exprim par une imperfection du modle ou par dautres
perturbations inattendues dans le modle de la cible.
Lobjectif du filtrage dans ce cas est destimer Xk partir des mesures zk dune
manire rcursive.
Les mesures sont lies ltat de la cible par lquation :
zk = hk (Xk , wk )

(4.6)

66

Chapitre 4. Techniques de filtrage dans le contexte maritime

E[vk vqT ]

E[wk wqT ]

0 k 6= q

E[vk wkT ]

k 6= q

Tableau 4.3 Proprits statistiques des bruits dtat et dobservation

o hk est une fonction connue probablement non linaire, et wk est le bruit de mesure. vk1 et wk sont donc deux bruits supposs indpendants, blancs et de covariances
connues 4.3. On suppose aussi que p(0|0) la pdf de ltat initial de la cible est connue
et indpendante du bruit.
k estimes de Xk un instant tk
Maintenant, on cherche calculer les valeurs X
partir de toutes les mesures disponibles Zk , zl , l = 1, , k jusqu linstant tk . Du
point de vue Baysien, il sagit de quantifier un certain degr de croyance dans ltat de
Xk linstant tk , k ayant plusieurs valeurs, tant donn les mesures Zk jusqu linstant
tk . Ainsi, on demande de calculer la pdf a posteriori p(Xk |Zk ). Pour t0 , lorsquil nexiste
pas de mesures, la pdf initiale scrit alors : p(X0 ) , p(X0 |Z0 ). Les valeurs ultrieures
de p(Xk |Zk ) sont obtenues rcursivement partir des deux fameuses tapes que sont
la prdiction et la correction. A commencer par la covariance P (1|0) de p(Xk=1 |Zk=1 )
calcule avec lquation de Lyapounov.
On suppose que lon dispose de la valeurs de p(Xk1 |Zk1 ) linstant k 1. La
prdiction consiste dans ce cas utiliser le modle du systme (quation 4.5) pour
obtenir la densit de la prdiction (a priori) de ltat tk via lquation de Chapman
- Kolmogorov 1 :
Z
p(Xk |Zk1 ) =

p(Xk |Xk1 ) p(Xk1 |Zk1 )dXk1

(4.7)

La phase de correction intervient t = tk quand la mesure zk est disponible. Il


sagit dune mise jour de la pdf de prdiction (a priori) suivant la rgle de Bayes :
p(Xk |Zk ) = p(Xk |zk , Zk1 )
=

p(zk |Xk , Zk1 ) p(Xk |Zk1 )


p(zk |Zk1 )

p(zk |Xk ) p(Xk |Zk1 )


p(zk |Zk1 )

(4.8)

Sachant que le terme de normalisation (quation 4.9) dpend de la fonction de


vraisemblance p(wk , Xk ) dfinie par le modle de mesure (quation 4.6) et wk , il vient :
1. Comme lquation 4.5 dcrit un processus de Markov de premier ordre, on peut crire dans
lquation 4.7 : p(Xk |Xk1 , Zk1 ) = p(Xk |Xk1 )

67

4.4. Modle dtat

Z
p(zk |Zk1 ) =

p(zk |Xk )p(Xk |Zk1 )dXk

(4.9)

Pendant la phase de correction (quation 4.8), les mesures zk sont utilises pour
modifier la densit a priori pour obtenir la densit a posteriori de ltat courant du
systme [Ristic et al., 2004].
Dans le cas linaire et Gaussien, la rcurrence fonctionnelle dans les quations 4.7
et 4.8 deviennent le filtrage de Kalman. Dans le paragraphe suivant, nous montrons
comment nous avons construit notre modle pour mettre en oeuvre les quations du
filtre de Kalman.

4.4.1

Construction du modle dtat

Relation entre le temps et le Doppler :

v
L1 =
L1
c
c

(4.10)

L1 = 1, 5472GHz est la frquence centrale du GPS.


Or daprs lquation dEuler, on peut crire :
k+1 k
T

k+1 k

cT

L1

(4.11)

En considrant que le temps dintgration T est suffisamment petit pour que le


Doppler ne varie pas beaucoup entre les deux instants k et k + 1 :

k+1

(4.12)

k+1 cT k + k

L1
Do le modle dtat suivant :


k+1
k+1

cT
=
L1

k
k


+ bk

(4.13)

Considrant la bande dans laquelle nous travaillons, nous pouvons considrer le


bruit bk comme bruit blanc gaussien. Or en considrant la premire ligne de lquation
4.13, et statistiquement parlant, si on calcule la covariance, on aura :
Var(k+1 ) = Var(k ) + Var(bk )

68

Chapitre 4. Techniques de filtrage dans le contexte maritime

Ce qui nest pas ncessairement correct. Dans ce cas, un problme de calibrage de


modle simpose. Cette mme quation suit un modle AR dordre 1, donc elle peut
scrire :
(4.14)

k+1 = a k + bk
Pour calculer la valeur de a, on utilise la mthode des moindres carres :
"
a argmina
Do la valeur de a :

N
1 X
(k+1 ak )2
N k=1

PN

k=1 (k+1 k )
P
N
2
k=1 (k )

a=

4.4.2

#
(4.15)

(4.16)

Dynamique du systme

Daprs le paragraphe prcdent, le vecteur dtat est dfini par :




k
Xk =
k

(4.17)

Lvolution dynamique du systme est donne par lquation rcursive suivante :


Xk+1 = f (Xk ) + vk

(4.18)

o f est une fonction linaire de Xk , reprsente par la matrice de lquation 4.13

cT
F =
L1

vk N (0, v2 ) est le bruit dtat.


T est le temps de revisite du signal.
Thoriquement, le Doppler et le retard peuvent tre calculs par les quations
suivantes :
L1 (xk xa )(xk xa )0 + (zk za )(zk za )0
p
k =
c
(xk xa )2 + (zk za )2

(4.19)

p
(xk xa )2 + (zk za )2
k =
c

(4.20)

Sachant que L1 = 1, 57542 GHz est la frquence porteuse du signal GPS. Nous
rappelons que (xk , zk ) reprsentent les coordonnes de la cible un temps dobservation
tk et (xa , za ) les coordonnes de lantenne.

69

4.5. Construction du modle dobservation

4.5

Construction du modle dobservation

Les mesures sont lies ltat de la cible par lquation suivante :


(4.21)

zk = g(Xk ) + wk
g tant une fonction linaire de Xk et wk N (0, w2 ).

Pour avoir les valeurs observes de (k , k ), on effectue la corrlation entre un signal


reu (simul) et une rplique du signal. Ensuite, on dtermine le pic ayant le maximum
damplitude, et on note ses coordonnes dans le plan Doppler-Retard. En fait, on va
gnrer un signal GPS reu contenant les deux composantes directe et rflchie, ainsi
quune simulation du bruit dobservation wk . Le signal rflchi est suppos ltre sur
la cible mobile en question. Pour le calcul de (k , k ), on ne considre pas seulement la
cible mais aussi son interaction avec le satellite et le rcepteur.
Si on reprend la figure 4.1, et on note R, S, et C respectivement le rcepteur, le
satellite metteur et la cible mobile, on aura :

Figure 4.2 Modle gomtrique

Dans ce cas, le couple (k , k ) est calcul par :


k =

k =

L1 d
(RC + CS)
c dt

(4.22)

SC + CR SR
c

(4.23)

70

Chapitre 4. Techniques de filtrage dans le contexte maritime

Ces valeurs sont utilises pour dterminer, t = 0 la position initiale de notre


cible (pic correspondant), dans la DDM et lvolution au plan temps - frquence des
paramtres de notre cible mobile.
Une fois que le produit de corrlation est calcul, les coordonnes du pic correspondant la cible mobile, sont sauvegardes dans le vecteur dobservation.
Une fois que le vecteur dtat et le vecteur dobservation sont bien dfinis, on peut
appliquer le filtrage de Kalman linaire. Dans le paragraphe 4.6, on retrouve les quations du filtre de Kalman ainsi que la logique dun tel filtre.

4.6

quations du filtre de Kalman

Le filtrage de Kalman suppose que la densit a posteriori pour chaque instant tk est
gaussienne et elle peut , par la suite, tre caractrise par deux paramtres, sa moyenne
et sa covariance.
Si p(Xk1 |Zk1 ) est gaussienne, alors on peut montrer que p(Xk |Zk ) est encore
gaussienne, tout en tenant en compte quelques hypothses [Ho et Lee, 1964] :
vk1 et wk possdent des densits de probabilit gaussiennes de paramtres
connus,
fk1 (Xk1 , vk1 ) est une fonction linaire de Xk1 et vk1 ,
hk (Xk , wk ) est une fonction linaire de Xk et wk ,
Daprs les quations 4.5 et 4.6, on peut alors crire :


Xk = Fk1 Xk1 + vk1


zk = Hk Xk + wk

(4.24)

o les matrices Fk1 [NX NX ] et Hk [Nz NX ] sont des matrices connues qui
dfinissent les fonctions linaires. On rappelle galement que les bruits vk1 et wk sont
des bruits blancs gaussiens indpendants de moyennes nulles, et admettant Qk1 et Rk
respectivement comme matrices de covariance. Les matrices Fk1 , Hk , Qk1 et Rk sont
des matrices qui varient en fonction du temps.

4.6.1

Densits de probabilit

Ainsi, lalgorithme du filtrage de Kalman driv partir des quations 4.7 et 4.8,
peut tre vu comme cette srie dquations rcursives :
k1|k1 , Pk1|k1 )
p(Xk1 |Zk1 ) = N (Xk1 : X

(4.25)

k|k1 , Pk|k1 )
p(Xk |Zk1 ) = N (Xk : X

(4.26)

k|k , Pk|k )
p(Xk |Zk ) = N (Xk : X

(4.27)

4.7. Rsultats du filtrage de Kalman linaire

71

o N (X : m, P) est la densit de probabilit Gaussienne de largument X de


moyenne m et de covariance P. En gnral elle sexprime sous la forme :


1
1
T 1
N (X : m, P) =
(4.28)
exp (X m) P (X m)
2
2P

4.6.2

Formules rcursives

Afin de calculer les densits de probabilit p(Xk1 |Zk1 ), p(Xk |Zk1 ) et p(Xk |Zk ),
k1|k1 , X
k|k1 , et X
k|k ; et les matrices
nous devrons trouver les moyennes respectives X
de covariance Pk1|k1 , Pk|k1 , et Pk|k . Nous utilisons alors les formules rcursives du
filtrage de Kalman [Anderson et Moore, 1979], [Chui et Chen, 1991] et [Candy, 2009],
nous obtenons :

k|k1 = Fk1 X
k1|k1
X

(4.29)

Pk|k1 = Qk1 + Fk1 Pk1|k1 FTk1

(4.30)

k|k = X
k|k1 + Kk (zk Hk X
k|k1 )
X

(4.31)

Pk|k = Pk|k1 Kk Sk KTk

(4.32)

Sk reprsente la matrice de covariance du facteur de linnovation ek qui est gal


ek = zk zk|k1
k|k1
= zk Hk X

(4.33)

Sk = Hk Pk|k1 HTk + Rk

(4.34)

Sk est alors :
Un autre terme remarquable cest Kk appel le gain de Kalman,
Kk = Pk|k1 HTk H1
k

(4.35)

Lensemble de toutes ces quations ainsi que les diffrentes tapes rsumant le fonctionnement dun filtre de Kalman linaire sont prsents dans le tableau 4.4.

4.7

Rsultats du filtrage de Kalman linaire

Dans cette section, nous prsentons les rsultats de simulations nous permettant de
suivre la position de la cible mobile chaque instant tk dune priode de 100ms. Nous
avons considr deux types de mouvement : rectiligne uniforme, et vertical sinusoidal.

72

Chapitre 4. Techniques de filtrage dans le contexte maritime

Prdiction
x(t|t 1) = F (t 1)
x(t 1|t 1)

P (t|t 1) = F (t 1)P (t 1|t 1)F 0 (t 1) + Rvv (t 1)

Prdiction de ltat
Covariance de la prdiction

Innovation
e(t) = z(t) z(t|t 1) = z(t) H(t)
x(t|t 1)
0

Ree (t) = H(t)P (t|t 1)H (t) + Rww (t)

Innovation
Covariance de linnovation

Gain
1
(t)
K(t) = P (t|t 1)H 0 (t)Ree

Gain

Correction (mise jour)


x(t|t) = x(t|t 1) + K(t)e(t)
P (t|t) = [I K(t)H(t)] P (t|t 1)

Correction de la variable dtat


Covariance de la correction

Conditions initiales
x(0|0) et P (0|0)
Tableau 4.4 Rcapitulatif des quations du filtre de Kalman linaire
[Candy, 2009].

4.7.1

Mouvement rectiligne uniforme

Sur la figure 4.3, nous observons une cible mobile reprsentant une crte de vague.
Le mouvement de cette cible est dcrit par lquation 4.2.
Pour t0 , les valeurs thoriques du Doppler et du retard, sont calcules partir des
quations 4.19 et 4.20. Les figures suivantes montrent le calcul de leffet Doppler et le
dlai dans les diffrentes tapes afin davoir la forme de la trajectoire suivie par la cible
en fonction du Doppler et du retard.
La fonction dobservation correspond un relev des coordonnes du pic de corrlation
mobile, pour des instants dobservation diffrents.
Les figures 4.4 et 4.5 montrent respectivement les trajectoires thorique et observe de
la cible, dans le plan Doppler - Retard. La trajectoire filtre se trouve dans la figure
4.6.
La valeur de Doppler indique sur laxe des y est Doppler qui est gal la diffrence
entre la valeur estime du Doppler (aprs filtrage) et la moyenne de toutes les mesures
Doppler pendant 100ms.
= Doppler +
avec = 9.27Hz

(4.36)

73

4.7. Rsultats du filtrage de Kalman linaire

Figure 4.3 Crte dune vague : une cible ayant un mouvement rectiligne uniforme

Trajectoire thorique

1.5

x 10

Doppler moyenne (delta) (Hz)

0.5

0.5

1.5
5.0004

5.0005

5.0006

5.0007

5.0008

5.0009

5.001

5.0011

Retard de temps (sec)

Figure 4.4 Trajectoire thorique dcrite par la cible

5.0012
6

x 10

74

Chapitre 4. Techniques de filtrage dans le contexte maritime

Trajectoire observe

1.5

x 10

Doppler moyenne (delta) (Hz)

0.5

0.5

1.5
5.0004

5.0005

5.0006

5.0007

5.0008

5.0009

5.001

5.0011

Retard de temps (sec)

5.0012
6

x 10

Figure 4.5 Trajectoire observe

Trajectoire filtre

1.5

x 10

Doppler moyenne (delta) (Hz)

0.5

0.5

1.5
5.0004

5.0005

5.0006

5.0007

5.0008

5.0009

Retard de temps (sec)

5.001

5.0011

5.0012
6

x 10

Figure 4.6 Trajectoire filtre (sortie du filtre de Kalman)

4.7. Rsultats du filtrage de Kalman linaire

75

les courbes reprsentes dans les figures 4.4, 4.5 et 4.6 sont obtenues partir dune
matrice intermdiaire simplifie. On remarque que pour un niveau de bruit suffisamment petit, et pour un mouvement linaire, on peut retrouver une trajectoire trs
proche de la thorie.

4.7.2

Mouvement vertical sinusoidal

Sur la figure 4.7, nous observons une cible mobile reprsentant une boue ou un
petit bateau se trouvant la surface. Le mouvement de cette cible est dcrit par les
quations de mouvement : x = d = 10m et z = hv sin(2fm t).

Figure 4.7 Un bateau (ou une boue) : une cible ayant un mouvement vertical
sinusoidal

Pour t0 , les valeurs thoriques du Doppler et du retard, sont calcules partir des
quations 4.19 et 4.20. Les figures suivantes montrent le calcul de leffet Doppler et
le dlai dans les diffrentes tapes afin davoir la forme de la trajectoire suivie par la
cible en fonction du Doppler et du retard.
Les figures 4.8 et 4.9 montrent respectivement les trajectoires thorique et observe de
la cible, dans le plan Doppler - Retard. La trajectoire filtre se trouve dans la figure 4.10.

4.7.3

Premiers rsultats

En ralisant ce filtrage, nous avons russi joindre les deux approches ensemble :
suivi de cibles et intgration sur de longues priodes du signal GPS afin dextraire le
signal rflchi de la surface de mer. Nous avons trouv quil tait possible dutiliser le
filtre de Kalman linaire pour le cas dune seule cible mobile. Cependant, nous avons
constat que ce filtre est trop sensible au bruit : puisque il y a dun ct le bruit
du modle dtat qui est difficile dfinir, et le bruit dobservation qui perturbe les
observations. Ce qui limite un peu lefficacit de ce dispositif.

76

Chapitre 4. Techniques de filtrage dans le contexte maritime

Trajectoire thorique

Doppler moyenne (delta) (Hz)

x 10

0.5

0.5

1.5
0

0.2

0.4

0.6

0.8

1.2

Retard du temps (sec)

x 10

Figure 4.8 Trajectoire thorique dcrite par la cible

Trajectoire observe

x 10

Doppler moyenne (delta) (Hz)

0.5

0.5

1.5

2
2

10

Retard du temps (sec)

Figure 4.9 Trajectoire observe

12

14
5

x 10

77

4.7. Rsultats du filtrage de Kalman linaire

Trajectoire filtre

Doppler moyenne (delta) (Hz)

x 10

0.5

0.5

1.5
2

Retard du temps (sec)

10

12
5

x 10

Figure 4.10 Trajectoire filtre (sortie du filtre de Kalman)

En effet, les figures observes ci-dessus sont obtenues pour un niveau du bruit faible.
En ralit, le niveau du bruit est plus important, et par consquent la dtection du pic
nest pas vidente.
En effet, en passant dune observation une autre, on risque de faire une lecture
errone des coordonnes du pic de corrlation (fonction dobservation). Ceci induit un
bruit plutt uniforme, et non pas gaussien. Dans ce cas, lobservation doit se faire, non
pas sur la distance entre les deux pics, mais sur lnergie du pic de corrlation.
La fonction dobservation est alors non linaire. Ce qui explique le besoin dutiliser un
filtre non linaire, le Filtre de Kalman tendu.

CHAPITRE

5.1

Filtrage de Kalman non


linaire

Introduction

Pour permettre une dtection trs prcise du mouvement de la surface (mouvement


lent de lordre de quelques diximes quelques hertz), en considrant un train dondes
des signaux GPS (quelques millisecondes), nous proposons dutiliser un rcepteur ctier
situ quelques mtres au dessus de la surface de mer. Ce rcepteur est destin la
rception et lenregistrement des signaux GPS direct et rflchi, dune faon spare.
Nous supposons que le satellite GPS est fixe.
Dans le chapitre 3 nous avons introduit la notion de cibles de la surface de mer.
Lobjectif tant, dans un premier temps, de dtecter la prsence ou non des cibles sur
la surface de mer, et dextraire le signal rflchi du bruit et du clutter de mer. Nous
avons montr quil tait possible de raliser ce travail par le biais dune intgration
cohrente et longue des signaux GPS rflchis. Dans le chapitre 4, nous avons modlis
les cibles mobiles en les liant des quations de mouvement plus rigoureuse avec des
paramtres plus ralistes. Nous avons propos galement un algorithme bas sur le
filtrage de Kalman afin dtendre la problmatique de dtection du chapitre 3 au suivi
de la trajectoire dcrite par la dite cible sur la surface de mer.

5.2

Observations non linaires

Nous rappelons galement que lobjectif principal de ce filtrage est destimer les
valeurs du Doppler et du retard (k , k ) pour certains instants tk , engendres par le
dplacement de la cible, afin de pouvoir localiser dune manire fiable les pics de rflexion reprsentant les cibles mobiles chaque instant tk sur la carte Doppler - Retard
(DDM ).
Dans le chapitre 4, nous avons considr un modle simplifi o la fonction dobservation h est linaire. En dpit des rsultats encourageants obtenus, il est clairement
apparu que ce modle simplifi tait sensible au bruit et manquait de robustesse. Pour
que lobservation soit optimale et reprsentative de notre systme, nous avons choisi
des modles de la fonction dambigit du signal rflchi. Cette fonction ayant un lobe

80

Chapitre 5. Filtrage de Kalman non linaire

principal significatif, nous choisissons de la modliser par une fonction g ayant une
forme gaussienne.
Lquation dobservation de cette grandeur tant non linaire, notre algorithme
sappuie sur le filtrage de Kalman tendu (FKE).

5.2.1

Signal GPS reu

Nous rappelons que la carte Doppler - Retard reprsente le produit de corrlation du


signal reu sr (t) avec une rplique r(t) de ce signal gnre localement par le rcepteur,
avec :
sr (t) = s e2j(t ) r(t ) + n0 (t)
r(t) = c(t) cos(2f1 t)

(5.1)

Les paramtres s , , , et c(t) dsignent respectivement lattnuation du signal


reu, le Doppler, le dlai de code et la squence du code C/A.

5.2.2

Fonction dambigut

Nous rappelons que la fonction dambigit dun signal quelconque x(t) est dfinie
par :
Z+
Ax (, f ) =

x(t)
x(t )ej2f t dt

(5.2)

o x est le conjugu de x.
Pour un signal GPS (squence PRN), une approximation de la fonction dambigut
est donne par [Rabaste et Chonavel, 2007] :
Ax (, f ) ejTs f sinc(Ts f ) R( )

(5.3)

o Ts est la dure de la squence PRN et R( ) est la fonction dautocorrlation de ce


code.
On distingue deux valeurs particulires de et :
1. Doppler nul : La fonction dautocorrlation a une forme triangulaire parfaite
(Transforme de Fourier dune fonction porte sur un intervalle fini) comme
on le voit dans lquation 5.4 et sur la figure 5.1 :
(
R( )/{=0} =



1 Tc ,
0,


)

Tc 1
ailleurs

o Tc = 1ms/1023 est la dure dun chip. La largeur de la FAC est 2Tc .

(5.4)

5.2. Observations non linaires

81

Figure 5.1 Projection de la fonction dambigut sur laxe

2. Retard nul : La fonction dautocorrlation a une forme de sinus cardinal (quation


5.5 et figure 5.2) :
R()/{ =0} = sinc(f T )
(5.5)

Figure 5.2 Projection de la fonction dambigut sur laxe



Dans la figure 5.2, le lobe central est contenu dans lintervalle T1 , T1 , o T est
le temps dintgration.

82

Chapitre 5. Filtrage de Kalman non linaire

5.3

Filtrage de Kalman tendu

De retour notre cible, nous considrons le cas dune boue dpose sur la surface de
mer. tant donn ses quations de mouvements (quation 5.6), on gnre pour chaque
(k , k ) linstant tk , une fonction de corrlation gk .


x = x0
(5.6)
z = h sin(2fm t)

5.3.1

Modle dtat et fonction dobservation

On rappelle que le vecteur dtat est donn par sk = [ k k ]T linstant tk ; et


les quations dtat par :
Xk+1 = f (Xk ) + vk
(5.7)
(5.8)

yk = g(Xk , wk )

Lquation 5.7 reprsente lvolution dynamique du systme o f est une fonction


linaire et vk N (0, v2 ). Les mesures zk du capteur, qui sont lies ltat de la cible
via la fonction g, apparaissent dans lquation (5.8). Thoriquement wk N (0, w2 ).
Les valeurs du Doppler et du retard temporel peuvent tre calcules partir des
quations :
f0
k = va
(5.9)
c
p
(x x0 )2 + (z ha )2
(5.10)
k =
c
o va est la vitesse apparente de la cible, x0 = 10m est la distance sparant le rcepteur
de la cible lorigine, h = 1m est la hauteur de la vague , fm = 2Hz est la frquence
mcanique des vagues et ha = 22m est la hauteur de lantenne.
La fonction gk (figure 5.3) a pour expression :
"

1
(i k )2 (j k )2
gk = wk +
exp

2
22
22

!#
(5.11)

i = i + 0 et j = j + 0 dfinissent les transitions dune cellule lautre au


sein de la carte DDM. and sont les pas de transition, et 0 et 0 sont les mesures
linstant t0 = 0 (figure 5.4).
Dfinitions des paramtres de gk


2T4 c
0, 5s

(5.12)

83

5.3. Filtrage de Kalman tendu

Figure 5.3 Fonction dobservation gk bruite, il sagit de la fonction de corrlation. Celle-ci est reprsente ici par une fonction gaussienne.

Figure 5.4 Construction de la fonction dobservation gk autour des valeurs k


et k (le point en rouge fonc) : les indices i et j sont utiliss pour balayer le plan
Doppler-Retard, et et dterminent le pas de dplacement dans chacune des
deux directions.

84

Chapitre 5. Filtrage de Kalman non linaire

Si lon suppose en plus que le Doppler ne change pas dans une intervalle de dure
T = 20ms, alors :
largeur du lobe = T2
(5.13)
22, 8Hz
Distribution du bruit dobservation wk
Le bruit dans notre cas possde deux dimensions suivant le Doppler et le retard. A
lentre du rcepteur, w0 (t) reprsente un bruit gaussien moyenne nulle et ayant la
fonction dautocorrlation 0 (t) [Rabaste et Chonavel, 2007].
Pour f = f
Ax (, f ) sera la sortie dun filtre adapt quand lentre a t modifie par le
Doppler f . Elle scrit alors :
yf (t) = e2jf Ax (t , f f ) + wf (t)

(5.14)

wf (t) est un bruit Gaussien, avec : f (t) = 0 (t) ACF (x(t)).


Pour = t
Le bruit la sortie a une moyenne E(wf ) = 2 sinc(f T ).

5.3.2

quations gnrales du Filtrage de Kalman tendu

Dans le cas o lobservation est dcrite par un modle dtat non linaire, les quations 4.5 et 4.6, scrivent alors :


Xk = fk1 (Xk1 + vk1 )


yk = gk (Xk + wk )

(5.15)

Une approche convenable du problme de lestimation de ltat serait de linariser (dveloppement de Taylor lordre 1) les fonctions Fk1 et Gk autour de points
particuliers.
On rappelle que les bruits vk1 et wk sont des bruits blancs gaussiens indpendants
supposs centrs, et admettant Rvv,k1 et Rww,k1 respectivement comme des matrices
de covariance. La linarisation se fera donc autour du point 0 pour ces termes.
Pour le processus de X, sa dpendance linstant tk vis vis des valeurs passes de
lobservation incite prendre en compte la connaissance disponible pour bien choisir
le point de linarisation. Plus prcisment, si on considre les quations 4.29 et 4.31 du
filtre de Kalman, il semble raisonnable dutiliser une linarisation de lquation dtat
k|k de Xk puisque lquation de prdiction 4.29 est base sur la
autour de la valeur X
k|k1 de Xk , puisque lquation de filtrage 4.31 exploite la valeur
connaissance de X
k|k1 [Chonavel, 2009].
prdite X
Ainsi, en dveloppant les quations dtat f (t) et dobservation h(t) respectivement
k|k , 0) et (X
k|k1 , 0), on a :
autour (X

85

5.4. quations dtat appliques notre problmatique

Fk+1

fk+1
(Xk|k , 0)
X

Vk+1

fk+1
(Xk|k , 0)
v

Hk

gk+1
(Xk|k1 , 0)
X

Uk

gk+1
(Xk|k1 , 0)
w

Tableau 5.1 Jacobiens des fonctions non linaires

Xk+1 = fk+1 (Xk|k , 0) + Fk (Xk+1 Xk|k ) + Vk+1 vk

= gk (Xk|k1 , 0) + Gk (Xk Xk|k1 ) + Uk wk

yk

(5.16)

Le tableau 5.3.2 explicite la signification des diffrents termes de lquation 5.16.


Un rcapitulatif du droulement du FKE se trouve dans le tableau 5.2.

5.4

quations dtat appliques notre problmatique

Soit le vecteur dtat par Xk =

k k

T

On procde par observation de la puissance du signal GPS rflchi sur la cible


mobile. Les quations dtat peuvent tre exprimes sous la forme :


Xk+1 = Fk+1 (Xk , vk )
(5.17)
yk = Gk (Xk , wk )
Plus prcisment :



a 0

Xk+1 =
Xk + vk
Tc
1
f
h


k )2

yk = wk + 21 exp (i2

(j k )2
22

i

(5.18)

On pose :
1
=
, = 22 , et = 22 .
2
En faisant un dveloppement
1 des quations dtat et dobservation

  limit lordre


autour des points Xk,k , 0 et Xk,k1 , 0 respectivement, nous obtenons :


Xk+1

h
i

Fk+1 + FX,k+1 Xk Xk,k + Fv,k+1 vk

(5.19)

86

Chapitre 5. Filtrage de Kalman non linaire

Prdiction
x(t|t 1) = f [
x(t 1|t 1)]

P (t|t 1) = F [
x(t|t 1)]P (t 1|t 1)F 0 [
x(t|t 1)]
. . . . . . . . . . . . + Rvv (t 1)

Prdiction de ltat
Covariance de la prdiction

Innovation
e(t) = y(t) g[
x(t|t 1)]
Ree (t) = G[
x(t|t 1)]P (t|t 1)G0 [
x(t|t 1)] + Rww (t)

Innovation
Covariance de linnovation

Gain
1
(t)
K(t) = P (t|t 1)G0 [
x(t|t 1)]Ree

Gain

Correction (mise jour)


x(t|t) = x(t|t 1) + K(t)e(t)
P (t|t) = [I K(t) [
x(t|t 1)]] P (t|t 1)

Correction de la variable dtat


Covariance de la correction

Conditions initiales
x(0|0) et P (0|0)

Drives partielles
df [x(t 1)]
|x=x(t|t1)
F [
x(t|t 1)]
dx(t 1)
G[
x(t|t 1)]

dg[x(t)]
|x=x(t|t1)
dx(t)

Tableau 5.2 Algorithme du filtrage de Kalman tendu [Candy, 2009].

avec :




Fk+1 = Fk+1 Xk,k , 0




a 0
=
Tc
1
f
FX,k+1 =
=

Fk+1
s




Xk,k , 0

Fk+1

a
Tc
f

(5.20)

Fk+1

0
1




k,k , 0
X



k,k , 0
Fv,k+1 = Fvk+1
X
k
= 1

(5.21)

(5.22)

87

5.5. Rsultats de la simulation

Quant la fonction dobservation, elle est donne par :


h
i
k + G
X,k+1 Xk X
k,k1 + G
w,k wk
yk G

(5.23)



k = Gk X
k,k1 , 0
G

i

h

2
(j I )2
I)
k,k1 , 0

+
w
X
= exp (i
k




2
2
i k,k1 )
(j k,k1 )
(

Gk = exp

(5.24)

O lon a :

et



k,k1 , 0
X

 G G  
k
k
k,k1 , 0
X
=

X,k =
G

5.5

Gk
X

(5.25)

Rsultats de la simulation

Nous avons ralis plusieurs simulations paramtres en faisant varier des grandeurs
comme la hauteur des vagues, la distance de la cible par rapport lorigine, la distribution et le niveau de bruit dobservation. Nous avons fait par la suite une comparaison
entre les courbes thoriques et celles obtenues la sortie du filtre, afin danalyser les
performances et la robustesse du filtre de Kalman tendu pour le suivi de la cible marine.
Nous rappelons que les rsultats prsents dans cette section ont t raliss dans une
version intermdiaire. Les quations de mouvement de la cible sont gnres sur une
dure de 10 secondes, et pour une frquence dchantillonnage fs = 40kHz.
Cependant, pour mesurer des variations faibles de cette surface et donc des variations faibles des temps de parcours de londe rflchie nous considrons une frquence
dchantillonnage fe = 8GHz.
Dans la figure 5.5, on trouve la projection de la densit spectrale de puissance DSP
sur laxe pour chacune des k = 8 observations spares par 0.45s. Nous avons estim
la diffrence entre les retards : ,max ,min = 6.06ns. Pour ces mmes observations,
nous avons calcul aussi la diffrence des valeurs du Doppler :
,max ,min = 120Hz (Fig. 5.6).
Nous avons remarqu que la diffrence du retard temporel est tellement faible et
par la suite difficile dtecter mme avec la frquence dchantillonnage fe = 8GHz
utilise ici.
Daprs la figure 5.7, nous pouvons dduire quil est possible de retrouver la trajectoire de la cible.

88

Chapitre 5. Filtrage de Kalman non linaire

1.4

x 10

tk1
1.39

tk2
tk3

Fonction de corrlation

1.38

tk4
tk5

1.37

tk6
1.36

tk7
tk8

1.35

MAX tk

1.34
1.33
1.32
1.31
1.3
0.6

0.8

1.2

1.4

1.6

1.8

Dlai du code (sec)

x 10

Figure 5.5 La projection de la fonction de corrlation sur laxe pour k = 8


observations

14000
tk1
tk2

12000

tk3

Fonction de corrlation

tk4
10000

tk5
tk6
tk7

8000

tk8
MAX tk

6000

4000

2000

0
60

40

20

20

40

60

Doppler (Hz)

Figure 5.6 La projection de la fonction de corrlation sur laxe pour k = 8


observations

89

5.5. Rsultats de la simulation

60

40

Doppler (Hz)

20

20

40

60
7.7

7.8

7.9

8.1

Dlai du code (sec)

8.2

8.3

8.4
8

x 10

Figure 5.7 Position estime de la cible pour k = 8 observations

Conclusion et perspectives

5.6

Conclusion gnrale

Le travail prsent dans cette thse concernait la modlisation de la propagation


des signaux des systmes de navigation par satellites (GNSS) dans un environnement
marin.
Il sagit dun travail multidisciplinaire impliquant les GNSS (partie I), locanographie
(partie II) et le traitement du signal (partie III). La bibliographie mene dans ce document tait ainsi diversifie, avec une attention particulire porte aux GNSS (chapitre
1).
Pour modliser linteraction entre la surface de mer et les signaux GNSS, en particulier
le GPS, rflchis par cette surface, nous avons dvelopp des algorithmes bass sur la
thorie de Kalman et sur la fonction de corrlation des signaux rflchis.
Plus prcisment, nous avons considr un systme radar bi-statique, compos principalement dun metteur de signaux GPS, dun rcepteur ctier deux voies, et dune
cible en mouvement sur la surface de mer. Cette cible pouvait tre un lment de la
surface, la crte dune vague, une boue, . . .
Lobjectif consistait quantifier le signal rflchi sur cette cible, elle-mme mobile, et
reu par lantenne, en dterminant le retard du code et la frquence doppler de ce type
de signaux par rapport au signal direct. Le signal direct et le signal rflchi sur la cible
taient reus sparment, sur deux voies distinctes, par lantenne.
Dans le cas de rflexion sur la cible mobile, deux problmes se sont poss :
La puissance du signal reu :
Celui-ci est attnu par le processus de rflexion sur la surface de mer, et par
suite, il est noy dans le clutter de mer.
Le mouvement continu de la cible :
Afin de pouvoir dtecter le doppler et le retard, une adaptation de la configuration bi-statique, impliquant lvolution de la position de la cible, tait donc exige.
Afin de ressortir le signal du bruit, en maximisant son amplitude, nous avons propos des mthodes ddies lacquisition des signaux faibles, comme par exemple,
lintgration des signaux rflchis sur une longue dure (chapitre 2).
Nous avons calcul le produit de corrlation du signal rflchi avec une rplique de

92

Conclusion et perspectives

son code gnre au niveau du rcepteur (cest un mode dacquisition propre au signal
dterministe du GPS), sur plusieurs priodes de code du signal rflchi. Dans cette intgration, interviennent des sommations cohrentes, incohrentes, ainsi que la gestion
des bits de donnes (chapitre 3).
Lintgration longue des signaux rflchis sur la cible, est rendue difficile cause de
son mouvement. Il tait donc essentiel de proposer une mthode, qui permet destimer le
trajet effectu par la cible, partir dune position initiale, et de mesures dobservations
concernant des aspects particuliers du mouvement. La thorie de Kalman se prsentait
alors comme une solution efficace pour ce type de problmatiques.
Dans un premier temps, nous avons dvelopp un algorithme de filtrage de Kalman
linaire. Nous avons choisi de poursuivre la cible mobile en fonction du retard du code
et du doppler du signal rflchi. Pour modliser cet aspect, nous avons construit un
modle dtat bas sur lestimation, pour des instants diffrents, des valeurs du retard et
du doppler. Les observations, ou les mesures de capteurs en pratique, ont t obtenues
en mesurant, dans le plan Doppler-Retard, les coordonnes du pic ayant lamplitude
maximale. Ce pic rsulte de la corrlation du signal rflchi avec la rplique du code
(chapitre 4).
Ce modle supposait que ce pic tait dtectable et discriminable dans le plan doppler - retard, permettant de retrouver pour tout instant dobservation, le maximum de
corrlation. Or, dans une scne maritime, ce nest pas toujours possible. Pour une caractrisation plus raliste, nous avons pris en compte lensemble des points constituants
la carte Doppler-Retard. Ainsi, dans un deuxime temps, une autre approche base
sur la mme thorie de filtrage a t propose. Il sagit du filtre de Kalman tendu.
Toutefois, le type dobservations nest plus tout fait le mme dans ce cas. Les mesures du doppler et du retard, sont alors remplaces par les cartes Doppler-Retard. Ces
cartes reprsentent la corrlation du signal brut reu, pour des instants dobservations
distincts (chapitre 5).
Dans ce document, nous avons essay de prsenter notre problmatique dune faon
claire. A travers les diffrents chapitres, nous avons dcrit les tapes ncessaires pour
mener notre tude sa fin. Comme nous avons voulu que ce travail soit initiateur
et explorateur de la problmatique de la mesure passive ou encore la rflectomtrie,
nous avons pos des hypothses simples tout en tant rvlatrices de la situation. Les
rsultats obtenus dans les chapitres (3, 4 et 5), nous permettent de constater que le
raisonnement utilis pour traiter notre problmatique est correct.
En effet, nous avons vu dans le chapitre 3, quil est possible dutiliser des signaux
dopportunit, comme les signaux GPS, pour dtecter une cible mobile la surface
de la mer, en analysant finement lamplitude de son pic de corrlation, son retard et
son doppler. Dans le chapitre 4, nous avons affin le problme de dtection de la cible.
Nous avons considr des grandeurs et des dimensions plus compatibles avec le cas de la
mer. Ensuite, nous avons tendu le problme de dtection de la cible en un problme de
suivi de cible, via un processus de Kalman linaire. La forme des trajectoires issues de
ce filtre montrait une cohrence avec les trajectoires (dans un repre Doppler-Retard)
thoriques. Enfin, dans le chapitre 5, nous avons complt la forme des observations
utilises, en proposant lutilisation du filtrage de Kalman tendu. Pour retrouver dune

5.7. Perspectives

93

faon prcise les valeurs du retard et du Doppler, nous avons utilis une frquence
dchantillonnage assez leve.
A lissue de notre filtre, nous avons russi obtenir des valeurs du Doppler dune
manire assez nette. Cependant, lvolution entre le maximum et le minimum du retard
tait de lordre de quelques nanosecondes, valeur qui est critique et difficile exploiter
dans ce contexte. Ceci pourrait nous ramener baisser la frquence dchantillonnage
et proposer une alternative pour la dimension du retard dans cette analyse.

5.7

Perspectives

Le travail prsent dans cette thse, constitue une partie intgrante du projet
MOPS. Et donc, une valuation de ce travail ne peut pas se faire dans un cadre indpendant de celui du projet. tant donn que cette thse tait la premire tape du projet
qui a dmarr, nous tions contraints dadopter des hypothses simples concernant le
milieu marin, et des cas canoniques de cibles.
Une validation de nos algorithmes avec des signaux rels na pas t possible avant
la rdaction du prsent manuscrit. Toutefois, elle est prvue, avec des donnes relles
issues de la plateforme de mesures du projet. Pour de futurs travaux en relation avec
cette thse, nous recommandons dapporter quelques informations supplmentaires.
Dans le cas de la configuration bi-statique, nous proposons dinsister sur les
dimensions du systme bi-statique, surtout tudier le mouvement des satellites ([Coatanhay et al., 2007]) (dans cette thse, nous avons considr que
le satellite tait fixe sur la dure dintgration), et de quantifier la puissance
rflchie par la rflexion spculaire (travaux de [Zavorotny et Voronovich, 2000],
[Stienne et al., 2011] et [Azmani et al., 2010]).
Nous proposons galement de mieux estimer le bruit de modle dans le processus
de filtrage.
La comparaison entre les filtres de Kalman tendu et sans parfum est considrer
([Candy, 2009]).

CHAPITRE

Liste des publications et


participations
scientifiques

Article de revue avec comit de lecture


TAY Sarab, MAUSSANG Frederic, COATANHAY Arnaud, CHONAVEL Thierry,
GARELLO Ren. Near sea surface target tracking by extended Kalman filtering of the GPS reflected signals. IEEE Oceanic Engineering Society Newsletter,
July 2011, vol. XLVI, no 2, pp. 19 22
Communication dans une confrence comit de lecture
TAY Sarab, MAUSSANG Frederic, COATANHAY Arnaud, CHONAVEL Thierry,
GARELLO Ren. Near sea surface target tracking by extended Kalman
filtering of the GPS reflected signals. IEEE Oceans11 , June 06 09, Santander,
Spain, 2011, ISBN 978-1-4577-0087-3
TAY Sarab, COATANHAY Arnaud, MAUSSANG Frederic, GARELLO Ren. A
tracking algorithm for GNSS reflected signals on sea surface. IGARSS 2010 :
IEEE International Geoscience and Remote Sensing Symposium, 25 30 july 2010,
Honolulu, Hawaii, United States, 2010, pp. 3821 3824, ISBN 978-1-4244-9566-5
TAY Sarab, MAUSSANG Frederic, COATANHAY Arnaud, GARELLO Ren.
Kalman filtering of GPS signals for target tracking application. Passive 2010
conference, June 23 25 , Brest, France, 2010
TAY Sarab, MAUSSANG Frederic, COATANHAY Arnaud, GARELLO Ren.
New concept of passive measure using GNSS reflected signals in oceanographic applications. IEEE Oceans09, May 11 14, Bremen, Germany, 2009, ISBN
978-1-4244-2523-5

Bibliographie

[gps, 2011] (2011). www.gps.gov/systems/gps/modernization/civilsignals. Consult le


6 octobre 2011.
[Akopian, 2001] Akopian, D. (2001). A Fast Satellite Acquisition Method. Salt Lake
City , UT, USA. ON GPS 2001.
[Akos, 1997] Akos, D. (1997). A Software Radio Approach to Global Navigation Satellite System Receiver Design. Rapport technique, Ohio University, Athens, OH.
[Anderson et Moore, 1979] Anderson, B. et Moore, J. (1979). Optimal Filtering.
NJ : Prentice Hall.
[Anderson, 1995] Anderson, K. (1995). A GPS Tide Gauge. GPS World Showcase,
(6).
[Apel, 1994] Apel, J. R. (1994). An Improvement Model of the Ocean Surface Wave
VectorSpectrum and its Effects on Radar Backscatter. Journal of Geophysical Research, (99):16269 16291.
[Auber et al., 1994] Auber, J., Bibaut, A. et Rigal, J. (1994). Characterization of
Multipath on Land and Sea at GPS Frequencies. pages 1155 1171, Salt Lake City,
UT, USA. ION GPS - 94.
[Azmani et al., 2010] Azmani, M., Reboul, S., Choquel, J. et Benjelloun, M.
(2010). Soil Moisture Estimation using Land-Reflected GPS L2C Bi-Static Radar
Measurements. In 23rd International Technical Meeting of the Satellite Division of
the Institute of Navigation.
[Bar-Shalom et Li, 1993] Bar-Shalom, Y. et Li, X. (1993). Estimation and Tracking : Principles, Techniques, and Software. Artech House, Norwood, MA.
[Bjerkaas et Riedell, 1979] Bjerkaas, A. et Riedell, F. (1979). Proposed Model for
the Elevation Spectrum of a Wind - Roughned Sea Surface. Technical Report APL
- TG - 1328 - I - 31, Appl. Phys. Lab, John Hopkins University, Laurel, Md.
[Boers et Driessen, 2004] Boers, Y. et Driessen, J. N. (2004). Multitarget particle
filter track before detect application. IEE Proc. of Radar Sonar Navigation, 151(6).
[Boost, 2005] Boost (2005). Galileo et ses applications maritimes. Rapport technique,
Boost Technologies.
[Borre et al., 2007] Borre, K., Akos, D., Bertelsen, N., Rinder, P. et Jensen, S.
(2007). A Software-Defined GPS and Galileo Receiver. Birkhser.

98

BIBLIOGRAPHIE

[Brown et Hwang, 1992] Brown, R. G. et Hwang, P. Y. (1992). Introduction to Random Signals and Applied Kalman Filtering. John Wiley & Sons.
[Candy, 2009] Candy, J. (2009). Bayesian Signal Processing : Classical, Modern, and
Particle Filtering Methods. John Wiley & Sons.
[Candy et Rozsa, 1980] Candy, J. et Rozsa, R. (1980). Safeguards for a PlutoniumNitrate Concentrator-an Applied Estimation Approach. Automatica, 16:615 627.
[Candy et Sullivan, 1992] Candy, J. et Sullivan, E. (1992). OceanAcoustic Signal
Processing :AModel-Based Approach. Journal of Acoustic Society of America, 92:
3185 3201.
[Chonavel, 2009] Chonavel, T. (2009). Techniques de filtrage : Filtres de Wiener et
filtres adapts, filtres de Kalman et filtres particulaires. Tlcom Bretagne. Document
interne.
[Chui et Chen, 1991] Chui, C. et Chen, G. (1991). Kalman Filtering with Real Time
Applications. NY : Springer - Verlag.
[Coatanhay et al., 2007] Coatanhay, A., Arnold-Bos, A. et Khenchaf, A. (2007).
Simulation of a GNSS signal for a receiver near a time-evolving sea surface. In International Conference on Electromagnetics in Advanced Applications, ICEAA 2007,
pages 153 156.
[Coatanhay et al., 2008] Coatanhay, A., Garello, R., Chapron, B. et Ardhuin.,
F. (2008). Project MOPS : Marine Opportunity Passive Systems. Hyeres, France.
Passive 08.
[Cox et Munk, 1954] Cox, C. et Munk, W. (1954). Measurement of the roughness of
the sea surface from photographs of the suns glitter. Journal of the Optical Society
of America, 44:838 850.
[Dierendonck, 1996] Dierendonck, A. (1996). Global Positioning system : Theory
and Applications, volume 1 de Chapter : GPS Receivers. American Institute of
Aeronautics and Astronautics, Washington.
[Donelan et Pierson, 1987] Donelan, M. A. et Pierson, W. J. P. (1987). Radar
Scattering and Equilibrum Ranges in Wind - Generated Waves with Application to
Scatterometry. Journal of Geophysical Research, 92:4971 5029.
[Durden et Vesecky, 1985] Durden, S. L. et Vesecky, J. F. (1985). A Physical Radar
Cross - Section Model for a Wind - Driven Sea with Swell. IEEE Journal of Oceanic
Engineering, (0E - 10):445 451.
[Elfouhaily et al., 1997] Elfouhaily, T., Chapron, B., Katsaros, K. et Vandermark, D. (1997). A unified directionnal spectrum for long and short wind - driven
waves. Journal of Geophysical Research, 102(15):781 796.
[Garrison et al., 1997] Garrison, J., Katzberg, S. et Howell, C. (1997). Detection of Ocean Reflected GPS Signals : Theory and Experiment. pages 290 294,
Blacksburg, VA, USA. IEEE South-Eastcon97 : Engineering The New Century.
[Gelb, 1974] Gelb, A. (1974). Applied Optimal Estimation. The MIT Press.
[Gibbons, 2008] Gibbons, G. (2008). Glonass - A New Look for the 21st Century.
Inside GNSS : Integrity Beyond RAIM, Beyond GPS, 3(4).

BIBLIOGRAPHIE

99

[Gold, 1967] Gold, R. (1967). Optimal Binary Sequences for Spread Spectrum Multiplexing. IEEE Transactions on Information Theory, 13(4):619621.
[Golomb, 1964] Golomb, S. W. (1964). Digital Communications with Space Applications. Prentice-Hall, Englewood Cliffs, NJ, USA.
[Grewal et Angus, 1993] Grewal, M. et Angus, P. (1993). Kalman Filtering : Theory
and Practice. Prentice-Hall, Upper Saddle River, NJ, USA.
[Gurgel, 2009] Gurgel, K. (2009). High-Frequency Over-the-Horizon Radar Applications in Oceanography : Basic Physics of HF RDar. Tutorial, University of Hamburg,
Centre for Marine and Climate Research.
[Hara et al., 1994] Hara, T., Bock, E. et Lyzenga, D. (1994). In situ measurements
of capillary - gravitu wave spectra unsing a scanner laser slope gauge and microwave
radars. Journal of Geophysical Research, 99(12):593 602.
[Ho et Lee, 1964] Ho, Y. et Lee, R. (1964). A Bayesian Approach to Problems in
Stochastic Estimation and Control. IEEE Transactions on Automatic Control, 9:333
339.
[Jacobs, 1993] Jacobs, O. (1993). Introduction to Control Theory. Oxford University
Press.
[Jhne et Riemer, 1990] Jhne, B. et Riemer, K. S. (1990). Two Simensional Wavenumber Spectra of Smal-Scale Water Surface Waves. Journal of Geophysical Research, 95(11):531546.
[Jazwinski, 1970] Jazwinski, A. (1970). Stochastic Processes and Filtering Theory.
Academic Press, New York.
[Julier et Uhlmann, 1997] Julier, S. J. et Uhlmann, J. K. (1997). A New Extension
of the Kalman Filter to Nonlinear Systems. In AeroSense : The 11th Int. Symp. on
Aerospace/Defence Sensing, Simulation and Controls.
[Kalman, 1960] Kalman, R. (1960). A New Approach to Linear Filtering and Prediction Problems. Transactions of the ASME - Journal of Basic Engineering, 82:35
45.
[Kaplan et Hegarty, 2006] Kaplan, E. D. et Hegarty, C. (2006). Understanding
GPS : Principles ans Applications. Artech House Publishers.
[Katzberg et Garisson, 1996] Katzberg, S. et Garisson, J. (1996). Utilizing GPS
to Determine Ionospheric Delay over the Ocean. Technical Memory 4750, NASA .
[Khairi et al., 2010] Khairi, R., Coatanhay, A. et Khenchaf, A. (2010). The observability of marine weather conditions using the electromagnetic waves scattering
from the sea surface : A statistical analysis. In ICEAA, Sydney, Australia.
[Landau et Lifchitz, 1971] Landau, L. et Lifchitz, E. (1971). Mcanique des fluides.
Editions de Moscou.
[Lewis, 1986] Lewis, R. (1986).
Theory. John Wiley & Sons.

Optimal Estimation with an Stochastic Control

[Lowe et al., 2002] Lowe, S., LaBreque, J., Zuffada, C., Romans, L., Young, L.
et Hajj, G. A. (2002). First Spaceborne Observation of an Earth-Reflected GPS
Signal. Radio Science, 37(1).

100

BIBLIOGRAPHIE

[Lurton, 2010] Lurton, T. (2010). Modlisation et simulation de linteraction entre


onde lectromagntique et surfaces de mer. Thse de doctorat, Tlcom Bretagne.
[Martn-Neira, 1993] Martn-Neira, M. (1993). A Passive Reflectometry and Interferometry System (PARIS) : Application to Ocean Altimetry. ESA Journal, 17:331
355.
[Martn-Neira, 1999] Martn-Neira, M. (1999). Using GNSS Signals for Ocean Observation. ETP Technical Notes 8, ESA - ESTEC.
[Maybeck, 1979] Maybeck, P. (1979). Stochastic Models, Estimation, and Control.
Academic Press, New York.
[Mendel et al., 1981] Mendel, J., Kormylo, J., Lee, J. et Ashirafi, F. (1981). A
Novel Approach to Seismic Signal Processing and Modeling. Geophysics, 46:1398
1414.
[Mouche, 2005] Mouche, A. (2005). Apport de la double polarisation pour ltude
exprimentale et thorique de la section efficace radar de la surface ocanique. Thse
de doctorat, Universit de Versailles Saint-Quentin-En-Yvelines.
[Nathanson, 1969] Nathanson, F. E. (1969). Radar Design Principles. McGraw-Hill,
New York.
[Norgus-Correig et al., 2007] Norgus-Correig, O., Cardellach-Gal, E.,
Campderrs, J. S. et Rius, A. (2007). A GPS Reflections Receiver That
Computes Doppler/Delay Maps in Real Time. IEEE Transactions on Geoscience
and Remote Sensing, 45(1):156 174.
[ONU, 2010] ONU (2010). Current and Planned Global and Regional Navigation Satellite Systems and Satellite-based Augmentations Systems. Rapport technique, United Nations, Office for outer space affairs, New York, USA.
[Oppenheim et Schafer, 1999] Oppenheim, A. et Schafer, R. (1999). Discrete Time
Signal Processing. NJ : Prentice Hall.
[Phillips, 1977] Phillips, O. (1977). The dynamics of the upper ocean.
[Piplu, 2006] Piplu, J. (2006). GPS et Galileo : Systmes de navigation par satellite.
Editions Eyrolles.
[Psiaki, 2001] Psiaki, M. (2001). Block Acquisition for Weak GPS Signals in a Software Receiver. Salt Lake City, UT, USA. ION GPS.
[Rabaste et Chonavel, 2007] Rabaste, O. et Chonavel, T. (2007). Estimation of
Multipath Channels with Long Impulse Response at Low SNR, via a MCMC Method.
IEEE Transactions on Signal Processing, 55(4):1312 1325.
[Raikotondrainibe et al., 2011] Raikotondrainibe, L., Carouen, N., Leroux, Y.,
Coatanhay, A., Garello, R., Maussang, F., Chapron, B. et Ardhuin, F.
(2011). Projet MOPS : systme ddi lutilisation des signaux GNSS pour locanographie et la surveillance de la surface de la mer. In 17mes Journes Nationales
Microondes.
[Ristic et al., 2004] Ristic, B., Arulampalam, S. et Gordon, N. (2004). Beyond the
Kalman Filter : Partcile Filters for Tracking Applications. Artech House Publishers.

BIBLIOGRAPHIE

101

[Ruffini, 2006] Ruffini, G. (2006). A Brief Introduction to Remote Sensing Using


GNSS Reflections. IEEE Geoscience and Remote Sensing Society Newsletter, pages
15 21.
[Ruffini et al., 2002] Ruffini, G., Caparrini, M. et Ruffini, L. (2002). PARIS Altimetry with L1 Frequency Data from the Bridge 2 Experiment. Rapport technique
ESA/ESTEC Contract No. 14285/85/nl/pb, Starlab CCN3-WP3, Abridged Starlab
ESA/ESTEC. http ://starlab.es Library.
[Ruffini et al., 2003] Ruffini, G., Soulat, F., Caparrini, M., Germain, O. et
Martin-Neira, M. (2003). The GNSS-R Eddy Experiment I : Accurate GNSSR Ocean Altimetry from Low Altitude Aircraft. Workshop on Oceanography with
GNSS Reflections.
[Ruffini et al., 2004] Ruffini, G., Soulat, F., Caparrini, M., Germain, O. et
Martin-Neira, M. (2004). The Eddy Experiment - Accurate GNSS-R Ocean Altimetry from Low Altitude Aircraft. Geophysical Reasearch Letters, 31(12).
[Sorenson, 1983] Sorenson, H. (1983). Special Issue on Applications of Kalman Filtering. IEEE Transactions on Automatic Control, 3(AC - 28):253 427.
[Soulat, 2003] Soulat, F. (2003). Sea Surface Remote Sensing with GNSS and Sunlight Reflections. Thse de doctorat, Universitat Politcnica de Catalunya.
[Soulat et al., 2006] Soulat, F. et al. (2006). Oceanpal Experimental Campaigns.
ESTEC, Noordwijk, Nederland. GNSS-R 06 Workshop.
[Spaans, 2006] Spaans, J. (2006). Global Navigation Satellite Systems. Hydro International.
[Stang et Borre, 1997] Stang, G. et Borre, K. (1997). Linear Algebra, Geodesy and
GPS . Wellesley - Cambridge Press, Wellesly, MA.
[Stienne et al., 2011] Stienne, G., Reboul, S., Choquel, J. et Benjelloun, M.
(2011). A Phase Open Loop for the Long Coherent Integration of the Bi-Static
Radar EGNOS Signal. In Space Rflcto.
[Treuhaft et al., 2001] Treuhaft, R., Lowe, S., Zuffada, C. et Chao, Y. (2001).
Two-cm GPS Altimetry over Crater Lake. Geophysical Reasearch Letters, 22(23):
43434346.
[Zavorotny et Voronovich, 2000] Zavorotny, V. et Voronovich, A. (2000). Scattering of GPS Signals from the Ocean with Wind Remote Sensing Application. IEEE
Transactions on Geoscience and Remote Sensing, 38(2):951 964.

ANNEXE

Corrlation circulaire

Corrlation circulaire
Soient deux squences x(n) et y(n) quelconques de mme longueur N .
Les Transformes de Fourier Discrtes de x(n) et y(n) scrivent :
X(k) =

N
1
X

x(n) ej2kn/N ,

(A.1)

y(n) ej2kn/N ,

(A.2)

n=0

Y (k) =

N
1
X
n=0

Le produit de corrlation circulaire z(n) entre les deux squences priodiques x(n)
et y(n) est donn par :

z(n) =

1 PN 1
1 PN 1
x(m)y(m n)
n=0 x(m)y(m + n) =
N
N n=0

(A.3)

La TFD (Transforme de Fourier Directe) de z(n) scrit alors :


Z(k) =
=

PN 1 PN 1
n=0

PN 1
m=0

m=0

x(m)y(m n) ej2kn/N

x(m) ej2kn/N

= X (k)Y (k)
o X (k) est le conjugu de X(k)

PN 1
n=0

y(m + n) ej2k(n+m)/N

(A.4)

ANNEXE

chelle de Beaufort

Lchelle de Beaufort est une chelle de mesure empirique, comportant 13 degrs


(de 0 12), de la vitesse moyenne du vent sur une dure de dix minutes utilise dans
les milieux maritimes. Le degr Beaufort correspond la vitesse moyenne du vent. Si
cette vitesse peut tre mesure avec une bonne prcision laide dun anmomtre, il
est commode, en mer, destimer cette vitesse par la seule observation des effets du vent
sur la surface de la mer.
Il revient lamiral britannique Francis Beaufort (1774-1857) davoir, en 1805,
imagin une chelle comportant des critres assez prcis pour quantifier le vent en
mer et permettre la diffusion dinformations fiables universellement comprises. Ce fut
l chelle de Beaufort .

chelle dtat de la mer


Code Description
Haut (m)
0
Calme
0
1
Calme (ride) 0,1
2
Belle
0,1-0,5
3
Peu Agite
0,5-1,25
4
Agite
1,25-2,5
5
Forte
2,5-4
6
Trs forte
4-6
7
Grosse
6-9
8
Trs Grosse
9-14
9
Enorme
>14
Tableau B.1 chelle dtat de la mer

106

Annexe B. chelle de Beaufort

chelle de Beaufort
Force Description Noeuds

Etat de mer

Comme un miroir
Quelques rides

0
1

Vaguettes ne dferlant pas

Les moutons apparaissent

Petites vagues, nombreux moutons


Vagues modrs, moutons, embruns

4
5

Lames, crtes dcume blanche, em- 6


bruns
Lames dferlantes, tranes dcumes
7
Tourbillons dcume la crte des 8
lames, traines dcumes
Lames dferlantes, grosses normes, 9
visibilit reduite par les embruns
10
11
12

Calme
Trs lgre
brise
Lgre
brise
Petite
brise
Jolie brise
Bonne
brise
Vent frais

<1
1-3

Km/h Haut.
prob.
vagues
(m)
<1
0
1-5
0,1 (0,1)

4-6

6-11

0,2 (0,3)

7-10

12-19

0,6 (1)

11-16
17-21

20-28
29-38

1 (1,5)
2 (2,5)

22-27

39-49

3 (4)

Grand
frais
Coup de
vent Gale
Fort coup
de vent
Tmpete

28-33

50-61

4 (5,5)

34-40

62-74

5,5 (7,5)

41-47

75-88

7 (10)

48-45

9 (12,5)

Violente
tempte
Ouragan

56-63

89102
103117
>
118

Tableau B.2 chelle de Beaufort

> 64

11,5
(16)
>14

ANNEXE

Filtrage de Kalman sans


parfum

Le Filtre de Kalman Etendu (FKE) impose le calcul en chaque point de linarisation


de la matrice jacobienne des drives partielles des fonctions Ft et Gt . Outre cette
complexit, son bon fonctionnement est li la validit de lapproximation linaire du
systme pour le pas dchantillonnage employ. Il peut rsulter de labus de lhypothse
linaire des instabilits du FKE. Le filtrage sans parfum propose une solution approche
de faible complexit ce problme [Chonavel, 2009].

C.1

Problme de cohrence du FKE

Dans le cadre du filtrage de Kalman, la loi de xn sachant y1:n est dcrite au moyen
de ses deux premiers moments (vecteur moyenne et matrice de covariance) donns
respectivement par xn,n et Cn . Le point de vue du FKE peut tre rsum comme
suit : tant donnes deux variables alatoires U et v, lies par une relation de la forme
v = g(U ), comment obtenir des expressions approches, notes respectivement v et Cv
de la moyenne et de la matrice de covariance de v en fonction des paramtres U et
CU correspondants de U . En considrant des dveloppements au premier et au second
ordre respectivement pour v et Cv en fonction de U et CU , et en supposant de la loi de
U est paire, on trouve :
v g(U ), et Cv g(U )CU [g(U )]T .

(C.1)

Afin davoir une estimation cohrente de ces paramtres, il faudrait que :


Cv E[(v v)(v v)T ].

(C.2)

En effet, si v et Cv correspondent aux vraies valeurs des paramtres, on doit avoir


lgalit, tandis quen prsence derreur sur la moyenne de v, E[(v v)(v v)T ] est
gale la vraie covariance plus un terme derreur positif (au sens de la positivit des
matrices) qui vaut (E[v]
v )(E[v]
v )T . La matrice Cv doit donc tre suprieure ou gale
(au sens de lingalit des matrices positives) E[(v
v )(v
v )T ]. Si cette ingalit nest
pas respecte, cela signifie que la linarisation a introduit une rduction de variance
au prix dun accroissement de biais sur lestimateur de la moyenne. Avec lEKF, ce

108

Annexe C. Filtrage de Kalman sans parfum

problme peut tre gr par lajout dun terme de bruit artificiel supplmentaire dont
le niveau est souvent difficile rgler.

C.2

Transformation sans parfum

Pour rsoudre le problme prcdant, Julier et Uhlmann [Julier et Uhlmann, 1997]


ont introduit la transformation sans parfum (en anglais unscented transform) qui est
dfinie comme suit :

U0 = U , p
w0 = d+
,
1

wi = 2(d+) ,
Ui = U + [ (d + )CU ]i ,
(C.3)
p
1

,
Ud+i = U [ (d + )CU ]i , wd+i =
2(d+)

2
o d est la dimension de U , M une matrice telle de M = M et [M ]i est la ime
colonne de M . En notant vi = g(Ui ), i = 0, 1, ..., 2d, on dfinit alors v et Cv de la faon
suivante :
P
v = 2d
i=0 wi vi
P
(C.4)
)(vi v)T .
Cv = 2d
i=0 (vi v
Souvent, la valeur de w0 utilise pour valuer Cv , note w0c , diffre de celle employe

pour valuer la moyenne, note w0m . On prend w0m = (d+)


et w0c = (d+)
+ (1 2 + ),
avec = 2 (L + ) L.
dtermine la dispersion des points auxiliaires Ui autour de U , et est choisi dans
lintervalle [104 , 1] en gnral.
est gnralement fix 0 pour lestimation de ltat en filtrage et 3 d pour
lestimation de paramtre.
permet de prendre en compte une connaissance a priori sur la loi de U ( = 2 est
optimal dans le cas gaussien).
La transformation sans parfum possde quelques proprits intressantes :
le dveloppement au premier et second ordre prs respectivement de v et de Cv
correspondent g(U ) et g(U )CU [g(U )]T ;
On peut choisir indiffremment la racine de CU avec laquelle on dfinit les grandeurs Ui ;
Lalgorithme est relativement rapide (en particulier, il ne requiert pas le calcul
de g(U )).

C.3

quations du filtre de Kalman sans parfum

Pour simplifier la description du filtre de Kalman sans parfum, limitons nous ici
un modle dtat de la forme :

xt+1 = Ft (xt ) + vt
(C.5)
yt = Gt (xt ) + wt

On notera = d + . Bk et Ck reprsentent les matrices de covariances des erreurs


de prdiction et de filtrage de ltat et Qv,t et Qw,t les matrices de covariance de vt

C.3. quations du filtre de Kalman sans parfum

109

et wt . Pour t > 0, les quation du filtre de Kalman sans parfum sont alors donnes
ci-dessous :
initilisation : x0,0 et C0 donns.
itrations :

xt1 = [
xt1,t1 , {
xt1,t1 + ( Ct1 )
xt1,t1 ( Ct1 )i }i=1:d
i }i=1:d , {
]

x
), {Ft (
xt1,t1 + ( Ct1 )i )}i=1:d , {Ft (
xt,t1 = [Ft (
xt1,t1 ( Ct1 )i )}i=1:d ]
P2d t1,t1
m
xt,t1 =
wi (xt,t1 )i
Pi=0
2d
c

T
Bt
=
t,t1
i=0 wi [(xt,t1 )i x
][(xt,t1 )i xt,t1 ] + Qv,t

xt,t1 = [
xt1,t1 , {
xt1,t1 + ( Bt )i }i=1:d , {
xt1,t1 ( Bt )i }i=1:d ]
(C.6)
yt,t1
yt,t1
Cxy,t
Cy,t
At
xt,t
Ct

=
=
=
=
=
=
=

xt1,t1 ( Bt )i )}i=1:d ]
[Gt (
xt1,t1 ), {Gt (
xt1,t1 + ( Bt )i )}i=1:d , {Gt (
P2d m
wi (yt,t1 )i
Pi=0
2d
wic [(xt,t1 )i xt,t1 ][(yt,t1 )i yt,t1 ]T
Pi=0
2d
c
t,t1 ][(yt,t1 )i yt,t1 ]T + Qw,t
i=0 wi [(yt,t1 )i y
1
Cxy,t Cy,t
xt,t1 At (yt yt,t1 )
Bt At Cy,t ATt
(C.7)