Utilisation de la fusion de données pour améliorer les performances de la poursuite radar multi cibles

Abstract

Résumé Dans ce travail, nous nous intéressons à la poursuite multi cibles et la classification de mouvements dans un réseau de capteurs. Plusieurs techniques sont employées pour la poursuite de cibles telles que le filtre de Kalman avec ses versions. L’aspect multi cibles est illustré dans la partie d’association de données, où la méthode des fonctions de croyance est utilisée et validée en comparant ses performances avec celles des méthodes JPDA et NN. Concernant la classification de mouvement de cibles, les IMM associés au filtrage de Kalman étendue sont employées. L’étude est réalisée dans deux cas de figures, le cas d’un seul capteur et celui d’un réseau de capteurs où on fait appel aux techniques de combinaison de données telle que la fusion de données. De nombreuses simulations numériques viennent illustrer les performances des algorithmes utilisés dans différentes situations.

Abstract In this work, we are interested in the multi targets tracking and classification of movements in sensor network. Several technical are employed for target tracking such as Kalman filtering with its versions. The aspect multi targets is illustrated in the part of data association, where the belief functions method is used and validated by comparing its performances with those of JPDA and NN method. For the targets movement classification at every moment, we use the IMM associated with the extended Kalman filter. The study is carried out in two cases, the case of only one sensor and that of a network of sensors, where we use the techniques of data combination such as the data fusion. Many simulations come to illustrate the performances of the algorithms used in various situations.