Module Traitement de signaux

Licence SPI AGE (Semestre 6)

Cours de traitement du signal

Une introduction par l’analyse des signaux RADAR
Partie 2

103
 Plan du cours

1 Introduction

2 Les outils de base du traitement du signal

3 Le traitement du signal RADAR

103
3 Le traitement du signal RADAR

a. Optimiser la réception de l’écho RADAR : le filtre adapté

b. La compression d’impulsion

c. La détection de l’écho RADAR

LE RAPPORT SIGNAL/BRUIT PEUT ÊTRE OPTIMISÉ A LA RÉCEPTION

104
3.a - Le filtre adapté

Générateur
d’impulsion

porteuse

L’impulsion est noyée ici…

105
3.a - Le filtre adapté

Générateur
d’impulsion

porteuse

(1) Détection d’écho

TRAITEMENT (2) Localisation de l’écho

106
Le système de traitement utilise d’abord un SLI pour obtenir un « gain de traitement »…

FILTRE LINÉAIRE
(GAIN DE TRAITEMENT) LOCALISATION D’ÉCHO

SLI
DÉTECTION D’ÉCHO

On veut un filtre qui maximise

le gain de traitement…

Pour rechercher le meilleur filtre, il faut…

(1) une relation entre signal émis et signal reçu,
(2) un critère définissant le gain de traitement,
(3) chercher le filtre qui maximise ce gain…
107
(1) La relation entre signal émis et signal reçu…

RADAR CIBLE

Sous réserve que les amplificateurs et les antennes ne déforment pas l’onde émise (voir
notamment l’exercice 5), le signal RADAR reçu est bien modélisé par*…

Atténuation Retard Bruit

* Ce modèle de signal reçu n’est valide que si le milieu de propagation n’est pas dispersif. 108
(2) Le critère de contraste…

SLI

Sortie du SLI à optimiser est la somme d’une « sortie signal » et d’une « sortie bruit »…

On considère le rapport signal à bruit (RSB) instantané

où est l’énergie (moyenne) de .

109
(3) maximiser le critère : le filtre adapté…

Ce RSB est maximisé* si le SLI a pour fonction de transfert

Spectre d’énergie du bruit

Si on optimise le gain de traitement en , alors on obtient le filtre adapté

Remarques importantes :
- ce filtre optimal ne dépend pas de la vraie position de l’écho ,
- ce filtre optimal ne dépend pas de l’atténuation sur le trajet aller-retour…

* Démonstration faite en exercice… 110

-si 𝜖(𝑢) 2 = 𝜎 2, le filtre adapté est l’intercorrelation entre et

(𝛿)

…qui est une mesure de similarité entre et décalée de .

111
-si 𝜖(𝑢) 2 = 𝜎 2, le filtre adapté est l’intercorrelation entre et

(𝛿)

…qui est une mesure de similarité entre et décalée de .

112
-si 𝜖(𝑢) 2 = 𝜎 2, le filtre adapté est l’intercorrelation entre et

(𝛿)

…qui est une mesure de similarité entre et décalée de .

Max. pour si bruit de moyenne

temporelle nulle

113
3 Le traitement du signal RADAR

a. Optimiser la réception de l’écho RADAR : le filtre adapté

b. La compression d’impulsion

c. La détection de l’écho RADAR

LA FORME DE L’IMPULSION EMISE PEUT ÊTRE OPTIMISÉE…

114
3.b - La compression d’impulsion

Jusqu’ici nous avons considéré une impulsion gaussienne…

porteuse

Générateur
d’impulsion

D’autres formes auraient pu être considérées… Par exemple,

Laquelle choisir?... Et surtout, sur quelle base choisir ?

115
Commençons par un petit quizz…

Dans le signal reçu (à gauche), où est cachée l’impulsion de droite ?

116
Commençons par un petit quizz…

Dans le signal reçu (à gauche), où est cachée l’impulsion de droite ?

117
118
Reprenons l’expression du RSB instantané (cf. Transparent 109). Si 𝜖(𝑢) 2 = 𝜎2 , ce
RSB s’écrit également…

𝛼 2

Une fois optimisé (filtre adapté), ce RSB s’écrit…

Énergie de
l’impulsion
𝛼 2

Spectre d’énergie
du bruit

Le résultat était évident : si on veut augmenter le gain de traitement, il faut augmenter

l’énergie de l’impulsion émise...
119
En particulier, la puissance instantanée ne pouvant être augmentée indéfiniment (non
linéarité, endommagement de l’électronique),

on augmente l’énergie émise en allongeant la durée de l’impulsion, mais…

…cette augmentation semble réduire la résolution en distance (cf. T24 )… Dilemme ?

120
Ce n’est pas sûr, car la résolution doit être évaluée en sortie du filtre adapté !

Position
du MAX
FILTRE ADAPTÉ

Si 𝜖(𝑢) 2 = 𝜎 2, le filtre adapté est l’intercorrelation entre et

121
Important : la forme de l’impulsion permet une résolution meilleure que celle attendue !

CIBLES

2
1

122
Important : la forme de l’impulsion permet une résolution meilleure que celle attendue !

CIBLES

2
1

Sans bruit, on voit les cibles…

123
Important : la forme de l’impulsion permet une résolution meilleure que celle attendue !

CIBLES

2
1

Avec, on perd une cible…

124
Important : la forme de l’impulsion permet une résolution meilleure que celle attendue !

CIBLES

2
1

Sans bruit, on voit les cibles…

125
Important : la forme de l’impulsion permet une résolution meilleure que celle attendue !

CIBLES

2
1

Avec bruit, on les voit encore…

126
IMPULSION ÉMISE AUTOCORRELATION
C’est mou…

127
La « compression d’impulsion » (vocabulaire radar) consiste à utiliser une impulsion
dont l’autocorrelation est fortement piquée en son centre (typiquement, un « chirp »).

128
Autocorrelation « pointue » : (1) meilleure résolution et (2) meilleure immunité au bruit !

Le rayon de courbure de l’autocorrelation autour de zéro diminue comme

1 1
=− 2 2 avec 𝐵2 = 𝑢2 𝑆(𝑢) 2 d𝑢
𝛾𝑠 ′′(0) 4𝜋 𝐵

(carré de la) largeur de bande du spectre d’énergie de l’impulsion émise…

129
IMPULSION ÉMISE DENSITE D’ÉNERGIE

𝑆(𝑢) 2

130
 IMPULSION ÉMISE RÉCEPTION

Le RSB optimal (cf. T119) est identique pour les quatre signaux reçus et
correspond à

131
IMPULSION ÉMISE RÉCEPTION

132
IMPULSION ÉMISE INTERCORRELATION

133
3.a/b - Ce qu’il faut retenir…

Filtrage adapté : le filtre adapté (FA) permet de maximiser le gain de traitement pour
détecter et localiser l’écho radar…

* Le FA a pour fonction de transfert (cf. T110)

* Le FA tient compte des propriétés du bruit.

* Si 𝜖(𝑢) 2 = 𝜎 2, le FA est une corrélation entre le signal reçu et l’impulsion émise.

Compression d’impulsion : la précision de localisation de l’écho (variance d’estimation)

dépend directement des propriétés spectrales de l’impulsion émise (cf. T 129)…

* Plus l’impulsion a un spectre « large », meilleure sera la précision de localisation

* Une impulsion « chirp » augmente la précision (« compression d’impulsion »).

134
Exercice 6 : autocorrélation et compression d’impulsion

Question 1 : on considère le modèle de signal du T. 108…

* Donnez l’expression de l’intercorrélation entre le signal reçu et l’impulsion.
* Montrez que cette opération correspond à un filtrage (SLI).
* Dans quel cas l’intercorrélation maximise t-il le gain de traitement (T. 109) ?

2 ≠ 𝜎 2…
Question 2 : on considère 𝜖(𝑢)
* Montrez que le FA correspond à la mise en cascade de deux filtres.
* Expliquez succinctement le rôle de ces deux filtres.

Question 3 : on considère maintenant que deux cibles sont présentes

* Comment le modèle de signal T. 108 est-il modifié ?
* Si 𝜖(𝑢) 2 = 𝜎 2 , quelle est la condition pour que les deux cibles n’interfèrent
pas en sortie du FA ?

135
3 Le traitement du signal RADAR

a. Optimiser la réception de l’écho RADAR : le filtre adapté

b. La compression d’impulsion

c. La détection de l’écho RADAR

LE TRAITEMENT DU SIGNAL DEVIENT TRAITEMENT STATISTIQUE…

136
3.c - La détection de l’écho radar

Probabilité, variable aléatoire et distribution de probabilité

* Notion de probabilité

* Variable aléatoire et distribution de probabilité

* Trois lois de probabilité importantes en traitement du signal radar

* De une à deux variables aléatoires : la loi jointe

* Indépendance et loi conditionnelle

137
Quelques notions de probabilité…

épreuve : résultat d’une expérience « aléatoire »

ensemble des épreuves : l’ensemble de tous les résultats possibles

événement : un sous-ensemble de

Probabilité : un nombre est assigné à .

Exemple : durant la pose, je rentre dans la cafeteria…

* je prends « au hasard » une personne (c’est ).

* toutes les personnes présentes (c’est ).
* les étudiants de L3 SPI-AGE présents (c’est un événement ).
* vous définissez les événements et vous y associez des probabilités…

C’est vous (ou la physique) qui assignez ces valeurs numériques : les probabilités sont
donc un outil de modélisation…
138
Quelques notions de probabilité…

épreuve : résultat d’une expérience « aléatoire »

ensemble des épreuves : l’ensemble de tous les résultats possibles

événement : un sous-ensemble de

Probabilité : un nombre est assigné à .

Exemple : durant la pose, je rentre dans la cafeteria…

Evénement

139
Quelques notions de probabilité…

épreuve : résultat d’une expérience « aléatoire »

ensemble des épreuves : l’ensemble de tous les résultats possibles

événement : un sous-ensemble de

Probabilité : un nombre est assigné à .

Exemple : durant la pose, je rentre (encore !) dans la cafeteria…

Etudiants L3 SPI AGE absents

Etudiants L3 SPI AGE présents

Evénement

140
Quelques notions de probabilité…

Axiomatique de Kolmogorov (1933)

dont on déduit (entre autre)…

0.8

0.2

Evénement

141
Variable aléatoire et distribution de probabilité

La variable aléatoire (VA) est une mesure effectuée sur l’épreuve réalisée.
Formellement, une VA est donc une application de dans un ensemble à définir.

La loi de probabilité (ldp) permet de caractériser les fluctuations de la VA. On distingue

alors habituellement deux cas…

Variables aléatoires à état discret : on définit la fonction de masse de probabilité…

également noté

Variables aléatoires à état continu : on définit

noté

et (sous réserve d’existence) on définit la densité de probabilité par

142
Exemple : je modélise le nombre de personnes présentes à la cafeteria ( ).
Dans ce cas, est le nombre (un entier positif) de personnes présentes.

On définit…

Événement « zéro personnes…»

Événement « n personnes…»

Proba !

Evénement

143
Exemple : je modélise le nombre de personnes présentes à la cafeteria ( ).
Dans ce cas, est le nombre (un entier positif) de personnes présentes.

On définit…

Événement « zéro personnes…»

Événement « n personnes…»

Proba !

Evénement

Indice 0 1 2 3
144
Variable aléatoire et distribution de probabilité

La variable aléatoire (VA) est une mesure effectuée sur l’épreuve réalisée.
Formellement, une VA est donc une application de dans un ensemble à définir.

La loi de probabilité (ldp) permet de caractériser les fluctuations de la VA. On distingue

alors habituellement deux cas…

Variables aléatoires à état discret : on définit la fonction de masse de probabilité…

également noté

Variables aléatoires à état continu : on définit

noté

et (sous réserve d’existence) on définit la densité de probabilité par

145
Exemple : je modélise la distribution de la taille d’un individu pris au hasard ( ).

Je fixe une valeur continue et je m’intéresse à la probabilité de la taille des individus

sur un certain intervalle autour de .

Probabilité

1,78

146
Exemple : je modélise la distribution de la taille d’un individu pris au hasard ( ).

Je fixe une valeur continue et je m’intéresse à la densité de probabilité de la taille des

individus au point .

Densité de Probabilité

1,78

147
Fonction de masse de probabilité Densité de probabilité

Proba densité

0 1 2 3

148
Trois lois de probabilité utiles pour le radar…

(1) La VA gaussienne : c’est une variable à état continu de densité de probabilité

(𝑥−𝑚)2
−
Densité de probabilité 𝑒 2𝜎 2

Cette distribution de probabilité dépend de deux paramètres , qui permettent

d’ajuster la position de la moyenne et l’écart autour de cette moyenne.

Pour indiquer qu’une VA suit une distribution gaussienne, on notera

149
La VA gaussienne modélise le bruit thermique introduite au niveau du récepteur
(amplificateur)…

La variance du bruit est déterminée expérimentalement : elle dépend de la bande

passante et de la température de bruit (en Kelvin) du récepteur via

où est la constante de Bolztmann qui vaut 1.38 x 10–23 watt-second/Kelvin.

150
(2) La VA exponentielle : c’est une VA à état continu dont la densité s’écrit

𝑥
−
Densité de probabilité 𝑒 𝑚

Cette distribution de probabilité dépend d’un paramètre qui permet d’ajuster la

moyenne de la loi.

Pour indiquer qu’une VA suit une distribution exponentielle, on notera

151
(3) La VA de Bernoulli (ou de « pile ou face ») est une VA à état discret qui permet de
modéliser des situations binaires. Sa fonction de masse de probabilité s’écrit

Cible absente
Probabilité

Cible présente

Cette distribution de probabilité dépend d’un paramètre qui est

Pour indiquer qu’une VA suit une distribution de Bernoulli, on notera

152
De une à deux variables aléatoires : la loi jointe

Pour un couple de VA la présentation précédente de la fonction de masse de

probabilité s’étend directement pour définir la fonction de masse de probabilité jointe

Probabilité Proba

0
0 1 2 3

153
Pour un couple de VA la présentation précédente de la densité de probabilité
s’étend directement pour définir une densité de probabilité jointe

Densité de
probabilité jointe

2
1

0
2
4

154
De une à deux variables aléatoires : indépendance de VA

Un couple de VA à densité est dit indépendant si et seulement si

Un couple de VA à état discret est dit indépendant si et seulement si

Graphiquement, l’indépendance correspond à une loi jointe qui est séparable (i.e., qui
se décompose selon les axes)…

155
De une à deux variables aléatoires : lois marginales

En partant de la loi de probabilité jointe, il est possible de définir les lois marginales qui
s’écrivent

Géométriquement, ces lois marginales constituent simplement une projection de la loi

jointe sur l’un des deux axes…

Densité jointe

Densité de probabilité
Densité de probabilité

156
De une à deux variables aléatoires : loi conditionnelle

En partant de la loi de probabilité jointe, il est possible de définir la loi conditionnelle

qui s’écrit

Cette loi modélise les fluctuations de si la VA prend la valeur particulière .

Géométriquement, cette loi conditionnelle constitue simplement une coupe dans la loi
jointe (le terme au dénominateur servant à normaliser à un la loi de probabilité)…

Densité de
probabilité jointe

2
1

0
2
4 157
Exercice 7 : de la loi gaussienne à la loi exponentielle

Question 1 : soit et deux VA gaussiennes

indépendantes…
* Donnez l’expression de la loi gaussienne jointe du couple . Dessinez les
lignes d’iso-densité de probabilité de cette loi jointe.

* En passant en coordonnées polaires, donnez la loi du couple défini par la

transformation

Déduisez-en la loi (marginale) de uniquement.

* Montrez enfin que la VA définie par suit une loi exponentielle.

158
3.c - La détection de l’écho radar

Repartons de la structure du récepteur radar telle que vu précédemment…

Porteuse
Antenne
(réception)

Cette structure conduit à un signal démodulé de la forme (cf. Exercice 3)…

Démodulation Atténuation Retard Bruit

159
Les récepteurs radar ont plutôt cette structure de démodulation…

pour produire un signal en « phase » et un signal en « quadrature » ce

qui permet d’accéder au signal « complet »…

160
Pour simplifier les notations, nous allons considérer que le signal reçu est complexe…

Ce signal peut être décomposé en partie « signal » et partie « bruit »…

Partie « signal » Partie « bruit »

161
162
Le filtre adapté (FA) reste optimal au sens du RSB défini T. 109…

Position
du MAX
GAIN DE
TRAITEMENT LOCALISATION D’ÉCHO

Le FA optimise le gain de traitement

pour la localisation de l’écho

163
Le filtre adapté (FA) reste optimal au sens du RSB défini T. 109…

Position
du MAX
GAIN DE
TRAITEMENT LOCALISATION D’ÉCHO

DÉTECTION D’ÉCHO
SEUIL

SEUIL
Le FA optimise le gain de traitement
pour la détection de l’écho
164
La problématique de la détection…

FILTRE ADAPTÉ

En sortie du FA, la capacité de détection d’une cible dépend du niveau relatif du signal
par rapport à celui du bruit.

* Le niveau du signal dépend de l’émetteur et de la cible (e.g., énergie émise,

distance)

* le niveau du bruit dépend principalement du récepteur (amplificateur).

Les propriétés de la cible et du bruit permettent de définir un seuil optimal (dans un

sens que nous allons définir ultérieurement).

165
 détection | H1

non détection | H0

Seuil T

temps [μs]

Considérons les deux hypothèses

H0 : écho absent en t
H1 : écho présent en t

Si on compare la valeur au seuil T choisi, quatre situations sont possibles…

souhaité

166
 détection | H0

non détection | H1

Seuil T

temps [μs]

Considérons les deux hypothèses

H0 : écho absent en t
H1 : écho présent en t

Si on compare la valeur au seuil T choisi, quatre situations sont possibles…

non souhaité

167
 détection | H1 détection | H0

Seuil T

temps [μs]

Considérons les deux hypothèses

H0 : écho absent en t
H1 : écho présent en t

Si on compare la valeur au seuil T choisi, quatre situations sont possibles…

« Fausse alarme »

« détection »
168
 détection | H1 détection | H0

Seuil T

temps [μs]

Le taux de fausse alarme observé est directement associé à…

Le taux de détection observé est directement associé à…

169
Modèle de fluctuation pour le signal radar

Pour contrôler la tâche de détection, il est nécessaire de décrire les fluctuations

observées en (B) dans les deux cas possibles (i.e. en présence et en l’absence de cible).

FILTRE ADAPTÉ

(A) (B)

170
(A) -- La VA gaussienne modélise le bruit thermique introduite au niveau du récepteur
(amplificateur) sur la composante en quadrature ou en phase (cf. T. 150)…

Si on s’intéresse à un temps donné, on peut alors considérer deux cas distincts

H0 : écho absent en t
H1 : écho présent en t

Selon le cas, la fluctuation induite par le bruit (en t) va avoir un comportement distinct.

171
 (A) -- La VA gaussienne modélise le bruit thermique introduite au niveau du récepteur
(amplificateur) sur la composante en quadrature ou en phase (cf. T. 150)…
Fluctuation instantanée de
la mesure

172
 (A) -- La VA gaussienne modélise le bruit thermique introduite au niveau du récepteur
(amplificateur) sur la composante en quadrature ou en phase (cf. T. 150)…
Densité de probabilité

𝑝 𝑟𝐼 (𝑡)|𝐻0 𝑝 𝑟𝐼 (𝑡)|𝐻1

173
(A) -- La VA gaussienne modélise le bruit thermique introduite au niveau du récepteur
(amplificateur) sur la composante en quadrature ou en phase (cf. T. 150)…

cos 𝜙
sin 𝜙

174
Modèle de fluctuation pour le signal radar (suite)

Pour contrôler la tâche de détection, il est nécessaire de décrire les fluctuations

observées en (B) dans les deux cas possibles (i.e. en présence et en l’absence de cible).

FILTRE ADAPTÉ

(A) (B)

175
(B) – Intensité en sortie du filtre adapté : en l’absence de cible…

Fluctuations induites par le bruit…

Niveau moyen du bruit

Les fluctuations sont décrites par une loi exponentielle (cf. T. 151)...

Note : la valeur théorique de la moyenne dépend du récepteur (filtre adapté)… 176

(B) – Intensité en sortie du filtre adapté : en présence de cible...

Fluctuations induites par

les échos de cibles

Niveau moyen du bruit

La loi des fluctuations n’est pas la loi exponentielle...

Note : loi de Rice-modifiée dont les paramètres dépendent du récepteur ET de la cible…

177
Détection à taux de fausse alarme constant (CFAR detector)

détection | H1 détection | H0

Seuil T

temps [μs]

Le taux de fausse alarme observé est directement associé à…

Le taux de détection observé est directement associé à…

178
 Densité de probabilité
Densité bruit seul

Densité bruit + cible

Le taux de fausse alarme observé est directement associé à…

Le taux de détection observé est directement associé à…

179
 Seuil T

Densité de probabilité

Le taux de fausse alarme observé est directement associé à…

Le taux de détection observé est directement associé à…

180
 Seuil T

Densité de probabilité Probabilité de détection

La probabilité de détection :
* augmente si le seuil T diminue,
* augmente si l’énergie de l’écho augmente (en sortie du filtre adapté),
* dépend de la cible (niveau de signal) et du récepteur (niveau de bruit),
* ne peut être évaluée, ni contrôlée…

181
 Seuil T

Densité de probabilité

Probabilité de fausse alarme

La probabilité de fausse alarme :

* augmente si le seuil T diminue,
* indépendante de l’énergie d’écho de la cible,
* dépend du récepteur (niveau de bruit),
* peut être évaluée ou contrôlée…

Détection CFAR : on fixe T pour une probabilité de fausse alarme donnée (ex. 10^-5).
182
Exercice 8 : détection CFAR

On modélise le signal en sortie du filtre adapté (à un instant donné) par une variable
aléatoire .

Question 1 : Donnez l’expression de la probabilité de fausse alarme en fonction des

valeurs du seuil et de la moyenne .

Question 2 : Déduisez-en la valeur du seuil qui correspond à une probabilité de

fausse alarme donnée.

Question 3 : En pratique, on ne connaît pas . Comment estimer sa valeur ?

Question 4 : Déduisez-en une mise en œuvre de la détection CFAR par filtrage

linéaire.
183