identification des cibles aériennes par un classifieur neuronal

Mahfoud Djaber

Description

Les recherches actuelles dans le domaine de la surveillance aérienne s’orientent
de plus vers la reconnaissance des cibles radar sans leur participation
active(reconnaissance de cibles non coopérative NCTR).Dans ce mémoire, nous
avons proposé une approche pour une classification de cibles basées sur leur
image ISAR. La classification d’images ISAR par la méthode des réseaux de
neurones.
Pour atteindre cet objectif, des techniques standard (transformée de radon,
ACP) ont été adaptée pour extraire et sélectionner des caractéristiques ayant un
grande pouvoir discriminant, Ces caractéristiques sont ensuite utilisées comme
base d’apprentissage pour le réseau de neurones, la banque de données dans
l’apprentissage supervisé du réseau de neurone fait par l’application de
l’algorithme de rétropropagation du gradient.
La classification des images ISAR par réseau de neurones donne des résultats
très précis.

Informations

• Publié par: issam_djm
• Publié le: 26 avril 2012
• Nombre de lectures: 371
• Licence : Tous droits réservés
• Langue: Français
• Poids de l'ouvrage: 1 Mo

Extrait

DJABER Mahfoud IDENTIFICATION DE CIBLES AÉRIENNES PAR UN CLASSIFIEUR NEURONAL ?Sommaire Introduction générale...........................................................................................................01 CHAPITRE I : INTRODUCTION AU RADAR Introduction………………………………………………………………………………...…03 1- généralité sur les radar……………………………………………………………………03 1.1- définition du radar…………………………………………………………………..03 1.2- principe du radar………………………………………………………………...….03 2- composition d’un radar………………………………………………………………...…..04 3- les fréquences radar…………………………………………………………………..……06 4- caractéristiques d’un système radar………………………………………………………..07 4.1- type de radar …………………………………………………………………...……07 4.2- modes d’émission du radar…………………………………………………………..07 5- l’effet doppler…………………………………………………………………...…………07 6- équation radar……………………………………………………………………...………08 7- la surface équivalent radar………………………………………………………...……….09 8- notation sur les performances des radars………………………………………………..…10 8.1- la portée……………………………………………………………..……………….10 8.2- localisation en ongle ………………………………………………………..……….10 8.3- en distance ……………………………………………..……………….11 9- le bruit ………………………………………………………………..…………………11 9.1- le bruit thermique…………………………………………………………….………12 9.2- le bruit extérieurs (clutter)………………………………………………….………..12 9.3- aspect probabilistique de signal radar…………………………………………….…12 10- application radar …………………………………………………………………...…….13 Conclusion……………………………………………………………………………….13 CHAPITRE II : LE RADAR À OUVERTURE SYNTHETIQUE INVERSE (ISAR) Introduction …………………………………………………………………………..14 1- Identification des cibles au moyen des systèmes IFF………………………………..…….14 1.1- Principe de fonctionnement………………………………………………..…………14 1.2- Caractéristiques des antennes………………………………………………...………15 - Le faisceau d’interrogation……………………………………………….………..15 Le faisceau de contrôle…………………………………………………..…………15 1.3 - Signal d’interrogation……………………………………………………………….16 1.4- Signal de réponse………………………………………………………...…………..18  1.5- Les inconvénients de system (IFF)………………………………………………….18 2- Reconnaissance des cibles non coopératives……………………………………………20 2.1-définition ……………………………………………………………………………….20 2.2- Techniques de reconnaissance des cibles non coopératives ……………………….20 2.2.1- Radar Haute Résolution……………………………………………………..20 .2.2- L’image 2D-ISAR…………………………………………………………22 2.3- Comparaison des techniques de reconnaissance de cibles non coopératives ………23 3- principes de fonctionnement des radars imageurs SAR et ISAR………………………….23 3.1- Principe de fonctionnement des radars SAR…………………………………24 3.1.1- Avantages du radar SAR et ses applications………………………………….24 3.1.2- Résolution du radar SAR……………………………………………………25 3.2- la radar a ouverture synthétique inverse (ISAR)……………………………………29 3.2.1- Principe de fonctionnement du radar ISAR………………………………….30 3.2.2- Recouvrement de données ISAR……………………………………………..31 3.2.3- Résolution de l'ISAR……………………………………………………….33 4- Les opérations de pré-traitement effectuées sur les images ISAR………………………34 4.1- technique d'extraction des caractéristiques…………………………………….34 4.1.1- Extraction de contour ……………………………………………………34 4.2- Technique de réduction de la taille de donnée……………………………………36 4.3- transformée de radon (TR) ……………………………………………………38 4.4- technique de sélection des caractéristique ……………………………………39 4.4.1- l'analyse en composantes principales (ACP)…………………………40 Conclusion …………………………………………………………………………42 CHAPITRE III : Classification par réseaux de neurones Introduction ...………………………………………………………………………..43 1- méthode de classification…………………………………………………………………..43 2- présentation des réseaux de neurones…………………………………………………….44 2.1- définition …………………………………………………………………………….44 2.2- transition du neurone biologique au neurone formel…………………………………45 2.3- le principe et les étapes de constriction d’un réseau de neurones…………………….46 2.4- réseaux de neurones formels………………………………………………………….47 3- Différents type de fonction d’activation …………………………………………………49 4- l’apprentissage……………………………………………………………………………..50 4.1- l’apprentissage supervisé……………………………………………………………50  4.2- l’apprentissage non supervisé………………………………………………………51 4.3- techniques d’apprentissages…………………………………………………………51 5- Architecture………………………………………………………………………………51 5.1- les réseaux non récurrents………………………………………………………….....51 5.2- les réseaux récurrents……………………………………………………………….52 6- le perceptron multicouches………………………………………………………………53 7- Algorithme de rétropropagation ………………………………………………………….54 7.1- modification des poids de la couche de sortie………………………………………..54 7.2- mise à jour des poids des couches cachées………………………………………….55 7.3- lissage de la classification ……………………………………………………………57 8- réseau de neurones pour la classification …………………………………………………58 8.1- classification et approximation des fonctions………………………………………58 8.2- clasneuronale et non neuronale…………………………………………..59 9- les avantages et les inconvénients du réseau de neurones…………………………………59 9.1- les avantages du RN…………………………………………………………………59 9.2- les inconvénients du TN…………………………………………………………..60 Conclusion……………………………………………………………………………..61 CHAPITRE VI : Mise en Œuvre d’un Classifieur Neuronal Introduction………………………………………………………………………………62 1- Démarche générale ………………………………………………………………………..62 2- Prétraitement et compression…………………………………………………………….64 2.1- Données brutes ………………………………………………………………………64 2.2- Application de la transformée de radon aux images ………………………………64 2.3- sélection des caractéristiques……………………………………………………….67 3- Base de données de notre travail…………………………………………………………..67 4-Conception et mise en oeuvre par MATLAB ……………………………………………..69 4.1-Conditionnement des entrées…………………………………………………………69 4.2- Architecture du réseau et apprentissage……………………………………………….69 ♦ Etude en fonction du nombre de couches cachées………………………………….70 ♦bre de neurones dans la couche cachée…………………70 ♦ Etude en fonction du pas d’apprentissage………......................................................71 ♦ bre d’itérations………………………………………….71 ♦ Etude en fonction du nombre d’itérations…………………………………………72 5- Interface graphique………………………………………………………………………..72 Conclusion……………………………………………………………………………..76 Conclusion générale…………………..…………………………………………………..77 Liste des figures Fig.1.1: Schéma synoptique d’un radar moderne…………………………………………04 Fig.1.2 : Localisation en distance……………………………………………………………..11 Fig 1.3: Résolution en distance………………………………………………………………11 Fig.2.1: Schéma synoptique général…………………………………………………………15 Fig.2.2: Les signaux d’antennes…………………………………………………………….16 Fig.2.3: Définition des modes militaires……………………………………………………..18 Fig. 2.4: Profil en portée d'un avion vu du côté gauche………………………………………21 Fig.2.5: image 2D ISAR…………………………………………………………………….22 Fig.2.6 :géométrie du radar SAR…………………………………………………………….24 Fig.2.7: Le SAR embarqué sur plate forme déplaçant à une vitesse constante v……………26 Fig.2.7: Situation des données avant et après focalisation……………………………………27 Fig.2.8: Principe de focalisation du radar SAR………………………………………………27 Fig.2.10: Schéma comparatif entre la résolution de trois types de radar……………………28 Fig.2.11:Géométrie du l'ISAR……………………………………………………………….29 Fig.2.12 : Equivalence SAR/ISAR………………………………………………………….30 Fig.2.13: deux points réflecteurs d’une cible pour le cas de l’imagerie ISAR……………..30 Fig.2.14: Spectres d’un point réflecteur à deux instants différents………………………….31 Fig.2.15:représentation de la forme d'onde de M- bus et N- impulsions……………………32 Fig.2.16: montre l'application de plusieurs techniques d'extraction de contours sur une image 2D-ISAR…………………………………………………………………………………….35 Fig2.17: les différent niveau de la transformée en endelette appliqués a un mig-25………37 Fig.2.18: Les différents niveaux de la transformée en ondelette appliqués à un bateau…….37 Fig.2.19: Limage f (x, y) projetée sur l'axe x ′ qui Est orienté selon un ongle θ Par apport l'axe x…………………………………………………………………………………………38 Fig.2.20: La transformée de radon sur une image ISAR……………………………………39 Fig.2.21: Résultat après l’application de l’ACP sur une image ISAR………………………42 Fig.3.1: diagramme d'un système de classification………………………………………….44 Fig. 3.2 : Neurone biologique………………………………………………………………..45 Fig.3.3 : Neurone artificiel……………………………………………………………………45 Fig.3.4: architecture d'un perceptron multicouches………………………………………….46 Fig.3.5: neurone formel……………………………………………………………………..48 Fig.3.6: Réseaux non récurrents……………………………………………………………52 Fig.3.7 : Les réseaux de neurones récurrents…………………………………………………52 Fig.3.8 : réseau MLP………………………………………………………………………….53 Fig.4.1 : Démarche générale de l’approche proposée………………………………………63 Fig.4.2: Organigramme de notre démarche de travail……………………………………….64 Fig.4.3 : Image ISAR d’un MIG 25…………………………………………………………65 Fig.4.4 : Séquence d’images ISAR d’un MIG25 a des instants successifs. …………………65 Fig.4.5 : Image ISAR du MIG25 a 0° et 45° et leur transformée de Radon. ………………66 Fig.4.6 : Application de la transformation Radon et SVD sur l’image ISAR MIG25………67 Fig.4.7 : Images brutes des avions utilisés pour la base de référence………………………68 Fig.4.8 : étude en fonction de nombre de couches cachées…………………………………..70 Fig.4.9 : étude en fonction de nombre de neurones………………………………………….70 Fig.4.10 : étude en fonction de pas d’apprentissage………………………………………….71 Fig.4.11: étude