Avis de soutenanceMadame Manon MOTTIER
Laboratoire des signaux et systèmes (L2S)
CentraleSupélec, Université Paris-Saclay, CNRS
Soutiendra publiquement ses travaux de thèse intitulés :
« Optimal Transport: an application to the RADAR Recognition Process for deinterleaving RADAR pulses and identifying emitters, »
dirigés par M. Frédéric PASCAL et M. Gilles CHARDON.
le vendredi 28 juin 2024 à 14h en amphi IV, bâtiment EiffelCentraleSupélec, 8 rue Joliot Curie, 91190, Gif-sur-Yvette.
URL salle virtuelle :
Composition du jury :
Rémi FLAMARY, Professeur, École polytechnique, Institut Polytechnique de Paris (Rapporteur)
Ali KHENCHAF, Professeur des Universités, ENSTA Bretagne (Rapporteur) Audrey GIREMUS, Professeure des Universités, Université de Bordeaux (Examinatrice)
Jean-Philippe OVARLEZ, Directeur de recherche, ONERA Saclay (Examinateur)Frédéric PASCAL, Professeur, CentraleSupélec – Université Paris-Saclay (Directeur de thèse) Gilles CHARDON, Maître de conférences,
CentraleSupélec – Université Paris-Saclay (Co-encadrant de thèse)Jean-DanielBUSI, Architecte Système, Avantix
(Encadrant industriel)
Title: RADAR Recognition Process based on optimal transport to deinterleave a RADAR signal and identify emitters Keywords: RADAR Recognition Process, Deinterleaving, Identification, Optimal transport, Electronic warfare, Clustering, Passive Radar
Abstract: Military intelligence is essential to a country’s security and defense, particularly signals intelligence (ROEM). The emergence of passive systems has given a considerable advantage to those capable of controlling them by allowing discreet surveillance at a lower cost. However, the interception and processing of signals by a passive RADAR require establishing a dedicated algorithmic processing chain capable of understanding the diversity of electromagnetic spectra and the underlying physical phenomena. Over the years, the issues have become more complex and diversified, mainly because of numerous technological innovations that have led to the complexity and sophistication of electronic equipment; RADARs have more similar electromagnetic spectra, making their differentiation complex. This work proposes a RADAR Recognition Process first to deinterleave a signal and then to identify the RADARs. First, two new unsupervised deinterleaving approaches are proposed based on a combination of clustering algorithms integrating optimal transport distances to separate the pulses into several clusters before grouping the clusters belonging to the same RADAR. Finally, when the deinterleaving phase is completed, the RADARs are identified by developing an optimal transport distance between a reference database and the sets of previously deinterleaved pulses while modeling the phenomenon of missing pulses.
Titre : Processus de Reconnaissance RADAR basé sur le transport optimal pour désentrelacer un signal RADAR et identifier les émetteurs
Mots clés : Processus de Reconnaissance RADAR, Désentrelacement, Identification, Transport optimal, Guerre électronique, Clustering, Radar passif Résumé : Le renseignement militaire est un aspect essentiel pour la sécurité et la défense d’un pays, notamment le renseignement d’origine électromagnétique (ROEM). L’émergence des systèmes passif a permis de donner un avantage considérable aux acteurs capables de les maitriser en permettant une surveillance discrète et à moindre coût. Néanmoins, l’interception et le traitement des signaux par un RADAR passif nécessitent la mise en place d’une chaine de traitement algorithmique dédiée, capable de comprendre la diversité des spectres électromagmétiques ainsi que les phénomènes physiques sous-jacents. Au fil des années, les enjeux se sont complexifiés et diversifiés notamment à cause de nombreuses innovations technologiques qui ont conduit à la complexification et de la sophistication des équipements électroniques ; les RADARs ont des spectres électromagnétiques plus similaires rendant leur différenciation complexe. Ces travaux proposent un Processus de Reconnaissance RADAR permettant dans un premier temps de désentrelacer un signal puis d’identifier les RADARs. Tout d’abord deux nouvelles approches de désentrelacement non supervisées sont proposées, basées sur une combinaison d’algorithmes de clustering intégrant des distances de transport optimal afin de séparer les impulsions en plusieurs clusters avant de les regrouper les clusters appartenant à un même RADAR. Enfin, lorsque la phase de désentrelacement est terminée, l’identification des RADARs est faite à partir de l’élaboration d’une distance de transport optimal entre une base de données de référence et les ensembles d’impulsions précédemment désentrelacés tout en modélisant le phénomène d’impulsions manquantes.
