Détection paramétrique robuste dans un clutter non gaussien et non stationnaire

Abstract

Dans cette thèse nous avons considéré le problème de la détection radar d’un signal déterministe inconnu noyé dans un clutter non Gaussien, corrélé et non stationnaire. Ce dernier qui suit une distribution Gaussienne composée est approximé par un processus autorégressif dont les coefficients sont estimés en minimisant l’erreur quadratique de prédiction pour toutes les cellules secondaires utilisées. Un détecteur paramétrique est en suite construit en utilisant ces coefficients. Les expressions analytiques des distributions de ce détecteur sous les deux hypothèses sont déterminées pour le cas Gaussien et généralisées au cas non Gaussien. Des expressions analytiques originales des seuils de détection sont également dérivées et utilisées pour la construction d’un algorithme de détection séquentielle qui permet de réduire considérablement la taille des échantillons utilisés pour des performances de détection équivalentes à celles de l’approche classique. Le cas de la détection dans un clutter non homogène est traité en dernière partie ou un filtrage robuste est associé au détecteur paramétrique.