Conception et Etude des Performances de Nouveaux Détecteurs CFAR basés sur des Statistiques et des Algorithmes Pondérés pour Différentes Situations d’Environnements Gaussien et Pareto / Asma ZEHANI 

Public ISBD Titre : Conception et Etude des Performances de Nouveaux Détecteurs CFAR basés sur des Statistiques et des Algorithmes Pondérés pour Différentes Situations d’Environnements Gaussien et Pareto Type de document : texte imprimé Auteurs : Asma ZEHANI, Auteur ; Abir Zerrouki, Auteur ; Souad Chabbi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2021 Importance : 89 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible au BUC Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : CFAR  Gaussien  Pareto Index. décimale : 610 Electronique Résumé : Dans le système radar, la détection du signal présente une étape importante et fondamentale. Le processus de détection est souvent basé sur le critère de seuillage adaptatif. Beaucoup de travaux de recherche dans la conception des détecteurs à taux de fausses alarmes constant (CFAR), mais la lacune dans ces travaux est qu'il n'y a pas d'algorithme CFAR pouvant fonctionner avec tous ou la plupart des domaines environnementaux et toutes ou la plupart des situations de cibles. Le but de ce Mémoire de Master est d’améliorer les performances de détection de quelques détecteurs CFAR mono-impulsion conventionnels. Pour ce faire, nous avons étudié les performances de détection d’un ensemble de détecteurs CFAR conventionnels et nous avons proposé de nouveaux détecteurs CFAR avec les formules mathématiques de leurs seuils adaptatifs dans un clutter Gaussien et Pareto de type 1 avec des paramètres inconnus. Pour chaque type de clutter, nous avons évalué et comparé les performances de détection de ces détecteurs en présence d’une cible de type Swerling I pour déduire le meilleur dans le cas homogène et non-homogène. Pour ce faire, nous avons utilisé la méthode de simulation de Monte Carlo à l’aide de l’outil Matlab. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15430 Conception et Etude des Performances de Nouveaux Détecteurs CFAR basés sur des Statistiques et des Algorithmes Pondérés pour Différentes Situations d’Environnements Gaussien et Pareto [texte imprimé] / Asma ZEHANI, Auteur ; Abir Zerrouki, Auteur ; Souad Chabbi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2021 . - 89 f. ; 30 cm. Une copie electronique PDF disponible au BUC Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : CFAR  Gaussien  Pareto Index. décimale : 610 Electronique Résumé : Dans le système radar, la détection du signal présente une étape importante et fondamentale. Le processus de détection est souvent basé sur le critère de seuillage adaptatif. Beaucoup de travaux de recherche dans la conception des détecteurs à taux de fausses alarmes constant (CFAR), mais la lacune dans ces travaux est qu'il n'y a pas d'algorithme CFAR pouvant fonctionner avec tous ou la plupart des domaines environnementaux et toutes ou la plupart des situations de cibles. Le but de ce Mémoire de Master est d’améliorer les performances de détection de quelques détecteurs CFAR mono-impulsion conventionnels. Pour ce faire, nous avons étudié les performances de détection d’un ensemble de détecteurs CFAR conventionnels et nous avons proposé de nouveaux détecteurs CFAR avec les formules mathématiques de leurs seuils adaptatifs dans un clutter Gaussien et Pareto de type 1 avec des paramètres inconnus. Pour chaque type de clutter, nous avons évalué et comparé les performances de détection de ces détecteurs en présence d’une cible de type Swerling I pour déduire le meilleur dans le cas homogène et non-homogène. Pour ce faire, nous avons utilisé la méthode de simulation de Monte Carlo à l’aide de l’outil Matlab. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15430

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSELE210003	MSELE210003	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

fichier integral Adobe Acrobat PDF

Détection CFAR basée sur les Statistiques d’Ordre dans un Clutter Pareto / Yacine Idri 

Public ISBD Titre : Détection CFAR basée sur les Statistiques d’Ordre dans un Clutter Pareto Type de document : texte imprimé Auteurs : Yacine Idri, Auteur ; Souad Chabbi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2018 Importance : 54 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible au BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : Réseaux et Télécommunications Index. décimale : 610 Electronique Résumé : La distribution Pareto présente un modèle approprié des échos d’un clutter propre à un radar de surveillance maritime à haute résolution en bande X. De ce fait, dans la première partie de ce Mémoire de Master, nous avons évalué et comparé les performances des détecteurs CFAR basés sur l’intégration non-cohérente d’une impulsion dans un clutter Pareto homogène et non-homogène. Plus précisément, dans la première partie, nous avons étudié les détecteurs Optimal, GM-, GM-new-, SO-, SO-new-, GO-, GO-new-, OS-, OS-new-, TM- et TM-new-CFAR. Dans la deuxième partie, dans le but d’améliorer les performances de détection lorsqu’aucune connaissance préalable de la position du bord de clutter et du nombre des interférences, pouvant être présentes dans la fenêtre de référence, n’est disponible, nous avons automatisé la recherche des points de censures dans les détecteurs TM- et TM-new-CFAR. Pour ce faire, nous avons obtenu les deux nouveaux détecteurs DACTM- et DACTM-new-CFCAR. Enfin, nous avons évalué et comparé les performances des détecteurs TM-, TM-new-, DACTMet DACTM-new-CFCAR dans un clutter Pareto homogène et non-homogène. Enfin, nous avons évalué les performances de censure et de détection, à travers les simulations de Monte Carlo, de tous les détecteurs précédents et à l’aide de l’outil de Matlab dans un clutter Pareto homogène et non- homogène. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=10333 Détection CFAR basée sur les Statistiques d’Ordre dans un Clutter Pareto [texte imprimé] / Yacine Idri, Auteur ; Souad Chabbi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2018 . - 54 f. ; 30 cm. Une copie electronique PDF disponible au BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : Réseaux et Télécommunications Index. décimale : 610 Electronique Résumé : La distribution Pareto présente un modèle approprié des échos d’un clutter propre à un radar de surveillance maritime à haute résolution en bande X. De ce fait, dans la première partie de ce Mémoire de Master, nous avons évalué et comparé les performances des détecteurs CFAR basés sur l’intégration non-cohérente d’une impulsion dans un clutter Pareto homogène et non-homogène. Plus précisément, dans la première partie, nous avons étudié les détecteurs Optimal, GM-, GM-new-, SO-, SO-new-, GO-, GO-new-, OS-, OS-new-, TM- et TM-new-CFAR. Dans la deuxième partie, dans le but d’améliorer les performances de détection lorsqu’aucune connaissance préalable de la position du bord de clutter et du nombre des interférences, pouvant être présentes dans la fenêtre de référence, n’est disponible, nous avons automatisé la recherche des points de censures dans les détecteurs TM- et TM-new-CFAR. Pour ce faire, nous avons obtenu les deux nouveaux détecteurs DACTM- et DACTM-new-CFCAR. Enfin, nous avons évalué et comparé les performances des détecteurs TM-, TM-new-, DACTMet DACTM-new-CFCAR dans un clutter Pareto homogène et non-homogène. Enfin, nous avons évalué les performances de censure et de détection, à travers les simulations de Monte Carlo, de tous les détecteurs précédents et à l’aide de l’outil de Matlab dans un clutter Pareto homogène et non- homogène. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=10333

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSELE180018	MSELE180018	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

texte integré Adobe Acrobat PDF

Détection CFAR dans les SAR imageurs / Anfel Hadjaze 

Public ISBD Titre : Détection CFAR dans les SAR imageurs Type de document : texte imprimé Auteurs : Anfel Hadjaze, Auteur ; Anfel Arroudj, Auteur ; Souad Chabbi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2019 Importance : 83 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible au BUC Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : Détection CFAR,SAR imageurs Index. décimale : 610 Electronique Résumé : Les capteurs Radar à Synthèse d'Ouverture (RSO) ou Synthetic Aperture Radar (SAR) constituent l'un des moyens les plus efficaces permettant de mener à bien la sécurité maritime. A ce titre, ils permettent d'obtenir des images indépendamment de la lumière du jour et des conditions météorologiques et atmosphériques. Les SAR sont des dispositifs électroniques qui permettent d’imager avec une haute précision spatiale, la réflectivité électromagnétique d’objets ou d’environnements. Dans le domaine de la détection des navires, de nombreux algorithmes ont été présentés dans la littérature. La détection CFAR (Constant False Alarm Rate) est basée sur deux éléments. Un modèle de clutter et le détecteur approprié. Pour conserver la probabilité désirée de fausse alarme , l'algorithme CFAR analyse le pixel sous test (PST) en le comparant à un seuil généré en fonction du clutter local l’entourant. Une fois que la distribution du clutter de mer est évaluée et ses paramètres estimés à partir des échantillons de référence, une valeur de seuil (Threshold) est calculée pour obtenir la souhaitée. Ainsi, dans la première partie de ce Mémoire de Master, nous avons défini le SAR et principe de fonctionnement. Plus précisément, nous avons introduit les étapes de traitement SAR, Ensuite nous avons expliqué le système de la détection des navires dans les SAR imageurs, i.e., le masquage terrestre, la présélection (détection et discrimination) et la classification. Dans la deuxième partie, nous avons étudié les détecteurs CFAR pour une image réelle SAR qui contient des cibles de type navire. Enfin, nous avons évalué et comparé, à l’aide Matlab, les performances de détection des détecteurs 2D- CA (Cell Averaging)-, GO (Greatest Of)-, SO (Smallest Of)- et OS (Order Statistic)-CFAR pour un clutter Gaussien. Les simulations nous ont permis de montrer que le détecteur 2D-OS-CFAR induit la meilleure détection au dépend d’un temps d’exécution assez long Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=12078 Détection CFAR dans les SAR imageurs [texte imprimé] / Anfel Hadjaze, Auteur ; Anfel Arroudj, Auteur ; Souad Chabbi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2019 . - 83 f. ; 30 cm. Une copie électronique PDF disponible au BUC Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : Détection CFAR,SAR imageurs Index. décimale : 610 Electronique Résumé : Les capteurs Radar à Synthèse d'Ouverture (RSO) ou Synthetic Aperture Radar (SAR) constituent l'un des moyens les plus efficaces permettant de mener à bien la sécurité maritime. A ce titre, ils permettent d'obtenir des images indépendamment de la lumière du jour et des conditions météorologiques et atmosphériques. Les SAR sont des dispositifs électroniques qui permettent d’imager avec une haute précision spatiale, la réflectivité électromagnétique d’objets ou d’environnements. Dans le domaine de la détection des navires, de nombreux algorithmes ont été présentés dans la littérature. La détection CFAR (Constant False Alarm Rate) est basée sur deux éléments. Un modèle de clutter et le détecteur approprié. Pour conserver la probabilité désirée de fausse alarme , l'algorithme CFAR analyse le pixel sous test (PST) en le comparant à un seuil généré en fonction du clutter local l’entourant. Une fois que la distribution du clutter de mer est évaluée et ses paramètres estimés à partir des échantillons de référence, une valeur de seuil (Threshold) est calculée pour obtenir la souhaitée. Ainsi, dans la première partie de ce Mémoire de Master, nous avons défini le SAR et principe de fonctionnement. Plus précisément, nous avons introduit les étapes de traitement SAR, Ensuite nous avons expliqué le système de la détection des navires dans les SAR imageurs, i.e., le masquage terrestre, la présélection (détection et discrimination) et la classification. Dans la deuxième partie, nous avons étudié les détecteurs CFAR pour une image réelle SAR qui contient des cibles de type navire. Enfin, nous avons évalué et comparé, à l’aide Matlab, les performances de détection des détecteurs 2D- CA (Cell Averaging)-, GO (Greatest Of)-, SO (Smallest Of)- et OS (Order Statistic)-CFAR pour un clutter Gaussien. Les simulations nous ont permis de montrer que le détecteur 2D-OS-CFAR induit la meilleure détection au dépend d’un temps d’exécution assez long Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=12078

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSELE190008	MSELE190008	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

Texte integrie Adobe Acrobat PDF

Détection des Navires dans une Image SAR par l’Application Combinée du CFAR et de l’Apprentissage en Profondeur / Oumaima Boulkerara 

Public ISBD Titre : Détection des Navires dans une Image SAR par l’Application Combinée du CFAR et de l’Apprentissage en Profondeur Type de document : texte imprimé Auteurs : Oumaima Boulkerara, Auteur ; Nada Bouchekout, Auteur ; Souad Chabbi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2020 Importance : 67 f. Format : 30cm. Note générale : Une copie electronique PDF disponible au BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : Réseaux et Télécommunications  CFAR. Index. décimale : 610 Electronique Résumé : Pour maintenir le développement socio-économique national et les droits et intérêts maritimes, il est nécessaire d'obtenir les informations de localisation spatiale de divers navires. Par conséquent, il est important de détecter les emplacements des navires avec précision et vitesse à partir des images radar à synthèse d’ouverture (SAR). Généralement, la détection des navires est principalement effectuée en combinant l'imagerie de télédétection par satellite avec la détection à taux de fausses alarmes constant (CFAR). Cependant, avec le développement rapide de la technologie de télédétection par satellite, les données de télédétection ont progressivement commencé à montrer les caractéristiques des mégadonnées ; en outre, la précision et la vitesse de détection des navires peuvent être améliorées en analysant les mégadonnées par l’apprentissage profond qui contient plusieurs modèles où le modèle de réseau de neurones convolutifs (CNN) a fait une percée dans le domaine de la reconnaissance d'image statique en dépassant largement les autres modèles de reconnaissance en termes de performances dans une large mesure. Ainsi, dans ce mémoire de Master, nous avons d’abord étudié et entrainé des modèles CNN à partir d’une base de données réelle à l’aide de l’outil de programmation Matlab R2019b et choisir le modèle optimal. Après, nous avons étudié et testé les performances d’un détecteur de navires qui combine l’algorithme de détection globale CFAR et l’algorithme de détection locale CNN optimal (détecteur CFAR-CNN) à l’aide d’une image SAR réelle. Nous avons montré que ce détecteur est rapide et précis (tend vers l’idéalité). Ainsi, une détection locale CNN est nécessaire pour plus de précision. Enfin, il est plus approprié pour une application aux systèmes de détection de navires. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=14296 Détection des Navires dans une Image SAR par l’Application Combinée du CFAR et de l’Apprentissage en Profondeur [texte imprimé] / Oumaima Boulkerara, Auteur ; Nada Bouchekout, Auteur ; Souad Chabbi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2020 . - 67 f. ; 30cm. Une copie electronique PDF disponible au BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : Réseaux et Télécommunications  CFAR. Index. décimale : 610 Electronique Résumé : Pour maintenir le développement socio-économique national et les droits et intérêts maritimes, il est nécessaire d'obtenir les informations de localisation spatiale de divers navires. Par conséquent, il est important de détecter les emplacements des navires avec précision et vitesse à partir des images radar à synthèse d’ouverture (SAR). Généralement, la détection des navires est principalement effectuée en combinant l'imagerie de télédétection par satellite avec la détection à taux de fausses alarmes constant (CFAR). Cependant, avec le développement rapide de la technologie de télédétection par satellite, les données de télédétection ont progressivement commencé à montrer les caractéristiques des mégadonnées ; en outre, la précision et la vitesse de détection des navires peuvent être améliorées en analysant les mégadonnées par l’apprentissage profond qui contient plusieurs modèles où le modèle de réseau de neurones convolutifs (CNN) a fait une percée dans le domaine de la reconnaissance d'image statique en dépassant largement les autres modèles de reconnaissance en termes de performances dans une large mesure. Ainsi, dans ce mémoire de Master, nous avons d’abord étudié et entrainé des modèles CNN à partir d’une base de données réelle à l’aide de l’outil de programmation Matlab R2019b et choisir le modèle optimal. Après, nous avons étudié et testé les performances d’un détecteur de navires qui combine l’algorithme de détection globale CFAR et l’algorithme de détection locale CNN optimal (détecteur CFAR-CNN) à l’aide d’une image SAR réelle. Nous avons montré que ce détecteur est rapide et précis (tend vers l’idéalité). Ainsi, une détection locale CNN est nécessaire pour plus de précision. Enfin, il est plus approprié pour une application aux systèmes de détection de navires. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=14296

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSELE200018	MSELE200018	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

texte integré Adobe Acrobat PDF

Détection des Navires dans une Image SAR par l’Application Combinée du CFAR et de l’Apprentissage en Profondeur / Oumaima Boulkerara 

Public ISBD Titre : Détection des Navires dans une Image SAR par l’Application Combinée du CFAR et de l’Apprentissage en Profondeur Type de document : texte imprimé Auteurs : Oumaima Boulkerara, Auteur ; Nada Bouchekout, Auteur ; Souad Chabbi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2020 Importance : 67 f. Format : 30cm. Note générale : Une copie electronique PDF disponible au BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : CFAR  Image SAR  CNN. Index. décimale : 610 Electronique Résumé : Pour maintenir le développement socio-économique national et les droits et intérêts maritimes, il est nécessaire d'obtenir les informations de localisation spatiale de divers navires. Par conséquent, il est important de détecter les emplacements des navires avec précision et vitesse à partir des images radar à synthèse d’ouverture (SAR). Généralement, la détection des navires est principalement effectuée en combinant l'imagerie de télédétection par satellite avec la détection à taux de fausses alarmes constant (CFAR). Cependant, avec le développement rapide de la technologie de télédétection par satellite, les données de télédétection ont progressivement commencé à montrer les caractéristiques des mégadonnées ; en outre, la précision et la vitesse de détection des navires peuvent être améliorées en analysant les mégadonnées par l’apprentissage profond qui contient plusieurs modèles où le modèle de réseau de neurones convolutifs (CNN) a fait une percée dans le domaine de la reconnaissance d'image statique en dépassant largement les autres modèles de reconnaissance en termes de performances dans une large mesure. Ainsi, dans ce mémoire de Master, nous avons d’abord étudié et entrainé des modèles CNN à partir d’une base de données réelle à l’aide de l’outil de programmation Matlab R2019b et choisir le modèle optimal. Après, nous avons étudié et testé les performances d’un détecteur de navires qui combine l’algorithme de détection globale CFAR et l’algorithme de détection locale CNN optimal (détecteur CFAR-CNN) à l’aide d’une image SAR réelle. Nous avons montré que ce détecteur est rapide et précis (tend vers l’idéalité). Ainsi, une détection locale CNN est nécessaire pour plus de précision. Enfin, il est plus approprié pour une application aux systèmes de détection de navires Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=14492 Détection des Navires dans une Image SAR par l’Application Combinée du CFAR et de l’Apprentissage en Profondeur [texte imprimé] / Oumaima Boulkerara, Auteur ; Nada Bouchekout, Auteur ; Souad Chabbi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2020 . - 67 f. ; 30cm. Une copie electronique PDF disponible au BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : CFAR  Image SAR  CNN. Index. décimale : 610 Electronique Résumé : Pour maintenir le développement socio-économique national et les droits et intérêts maritimes, il est nécessaire d'obtenir les informations de localisation spatiale de divers navires. Par conséquent, il est important de détecter les emplacements des navires avec précision et vitesse à partir des images radar à synthèse d’ouverture (SAR). Généralement, la détection des navires est principalement effectuée en combinant l'imagerie de télédétection par satellite avec la détection à taux de fausses alarmes constant (CFAR). Cependant, avec le développement rapide de la technologie de télédétection par satellite, les données de télédétection ont progressivement commencé à montrer les caractéristiques des mégadonnées ; en outre, la précision et la vitesse de détection des navires peuvent être améliorées en analysant les mégadonnées par l’apprentissage profond qui contient plusieurs modèles où le modèle de réseau de neurones convolutifs (CNN) a fait une percée dans le domaine de la reconnaissance d'image statique en dépassant largement les autres modèles de reconnaissance en termes de performances dans une large mesure. Ainsi, dans ce mémoire de Master, nous avons d’abord étudié et entrainé des modèles CNN à partir d’une base de données réelle à l’aide de l’outil de programmation Matlab R2019b et choisir le modèle optimal. Après, nous avons étudié et testé les performances d’un détecteur de navires qui combine l’algorithme de détection globale CFAR et l’algorithme de détection locale CNN optimal (détecteur CFAR-CNN) à l’aide d’une image SAR réelle. Nous avons montré que ce détecteur est rapide et précis (tend vers l’idéalité). Ainsi, une détection locale CNN est nécessaire pour plus de précision. Enfin, il est plus approprié pour une application aux systèmes de détection de navires Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=14492

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSELE200064	MSELE200064	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

texte integré Adobe Acrobat PDF

Processeur VI-CFAR dans les SAR Imageurs / Hanifa Houadeg 

Permalink

---

1 (1 - 6 / 6)