CHAPITRE 4
ETUDE DE LA DETECTION (ADAPTATIVE) «
CA-CFAR-ABI-2D (3I) »
Par le procédé MONTE-CARLO
4.1. Introduction
A la fin du chapitre 3, nous sommes arrivés à la
conclusion que le processeur CA-CFAR-BI-2D (3I) est très efficace,
à condition que les paramètres définissant les impulsions
interférentes « FRUIT » (å0, r) soient connus, or ces
paramètres sont a priori inconnus. L'association de ce processeur avec
l'estimateur des paramètres FRUIT permet une sélection adaptative
assez correcte des paramètres définissant les impulsions
interférentes et ainsi du facteur d'échelle (T), nous allons
appeler cette association CA-CFAR- ABI-2D (3I), la lettre A indiquant le mot
ADAPTATIF.
Toutefois, les erreurs de l'estimateur des paramètres
FRUIT peuvent induire à des contreperformances qui pourraient remettre
en question notre processeur. Afin de dissiper ce doute nous allons dans ce
chapitre étudier les performances du CA-CFAR- ABI-2D (3I).
4.2. Etude des performances du CA-CFAR- ABI-2D (3I)
L'étude de la performance du CA-CFAR- ABI-2D (3I) se fera
en sept (7) étapes « a, b, c, d, e, f et g», et selon
l'approche MONTE-CARLO avec un très
grand nombre d'essais (nMC = 5000 essais) afin d'avoir une
appréciation
acceptable des résultats avec un graphe de performances le
plus lisse possible:
a) Choisir å0, r et fixer une probabilité de fausse
alarme ????????????3????.
b) Simuler au nombre de nMC essais les « NL
» cellules de référence par
l'hypothèse H0 avec å0, r.
Les impulsions d'interférence seront simulées
comme des impulsions avec un temps d'arrivée « poissonnien »
dont la probabilité d'apparition est définie par « å0
» et l'amplitude par une fonction de distribution exponentielle.
c) Estimer pour chaque essai et par la méthode de censure
directe les
paramètres du FRUIT å0* , r*
.
d) Calculer pour chaque essai le seuil de détection
adaptatif T3iA à partir de l'expression (3.24) en utilisant
les paramètres estimés å0* , r*et
la
probabilité de fausse alarme Pfa3J
fixée dans l'étape (a).
e) Simuler au nombre de nMC les cellules sous test
par l'hypothèse H1
avec å0, r et A. pour les différentes valeurs de s
(SNR).
f) Calculer par la méthode MONTE-CARLO la
probabilité de fausse
alarme Pfa3JA imposée par le seuil de détection
adaptatif T3iA, cette
étape nous informe sur l'effet de l'erreur de
l'estimateur sur la probabilité de fausse alarme réel qui en
résulte (Pfa3JA) .
g) Calculer par la méthode MONTE-CARLO la
probabilité de détection
Pd3JA imposée par le seuil de détection adaptatif
T3iA pour les
différentes valeurs de SNR (s). Cette
probabilité de détection représente l'effet de l'erreur de
l'estimateur sur les performances de détection.
Les étapes a, b,.., g sont résumées sur
l'organigramme suivant :
Figure 4.1: L'organigramme de la simulation Monte-Carlo
| 
