• Annonces
  • Agenda partagé
  • Actualité partagée
• Espace ADUM
• Votre compte personnel
  • Compte
• Affiches réseau ADUM
  • Annonces Adum
• Inscription/Réinscription
• Retirer votre diplôme
• Catalogue de formation
• Soutenance de thèse
  • Soutenance en visio intégrale
• International
  • Aide à la mobilité internationale
  • Collège doctoral franco-allemand
• Après la thèse
  • Emploi
  • Mise à jour de la situation professionnelle
• Thèses en ligne
• Textes officiels
• Doctorat Site Institutionnel
  • Doctorat Site Institutionnel

Agenda partagé

Le 20 septembre 2022

Soutenance de thèse de Sami JOUABER

Utilisation de méthodes d'apprentissage automatique pour des tâches de pistage radar et de classification d'aéronefs

Résumé de la thèse en français

Cette thèse cherche à explorer les possibilités offertes par l'utilisation de méthode d'apprentissage automatique dans le domaine du pistage radar. L'algorithme le plus largement utilisé pour estimer en temps réel l'état de la cible suivie est le filtre de Kalman ou l'une de ses variations (EKF, IMM...). Son bon fonctionnement repose toutefois sur une connaissance accrue du modèle cinématique d'évolution de la cible. Ce dernier constat soulève deux problèmes, tout d'abord la connaissance du modèle ne peut qu'être lacunaire tant que le type de cible n'a pas été identifié, ensuite il semble laborieux et peu économe d'établir manuellement un modèle adapté pour chaque type de cible susceptible d'être rencontré. Ce sont ces difficultés que la thèse cherche à pallier par l'utilisation de réseaux de neurones. La première contribution est l'utilisation de réseaux de neurones profonds pour des tâches de classification des types d'aéronefs basées sur des trajectoires réelles issues des transmissions ADS-B. La seconde est la création d'un jeu de données simulées permettant l'entraînement des algorithmes de pistage prenant en entrée des mesures de positions bruitées dont l'incertitude est connue et cherchant à estimer l'état de la cible (position et vitesse). La dernière et principale est l'implémentation, l'entraînement et l'analyse des différents filtres, qu'ils soient issus de la littérature ou proposés ici. Deux familles de filtres ont ainsi été étudiées, les filtres adaptatifs dont les paramètres évoluent dynamiquement en fonction des besoins, et les filtres à modèles multiples qui mettent en émulation plusieurs filtres simples.

Résumé de la thèse en anglais

This thesis aims to explore the possibilities offered by the use of machine learning in the field of radar tracking. The most widely used algorithm when trying to estimate the state of the target in real time is the Kalman filter or one of its variations (EKF, IMM...). However, its effective functioning relies on a greater insight into the kinematic model of the target's state evolution. This latter observation leads to two main issues, first the knowledge of the kinematic model can only be deficient as long as the taget has not been classified, second it looks arduous and greedy to manually set a fitted model for each type of aircraft one is prone to encounter. These are the two difficulties this thesis aims to compensate for by using neural networks. The first contribution is the use of deep neural networks for aircrafts classification tasks based on real trajectories that stem from ADS-B transmissions. The second contribution is the creation of a simulated dataset allowing for the training of tracking algorithms taking as input noisy position measurements with known uncertainty and aiming to estimate the state of the target (position and speed). Le last and main contribution is the implementation, training and analysis of the various filters whether they are taken from the literature or proposed in this thesis. Two families of filters have been studied this way, the adaptive filters which are able to dynamically adjust their parameters depending on the situation, and the multiple models filters which make different simple filters run and interact with each others.

Date de soutenance : mardi 20 septembre 2022 à 14h00
Adresse de soutenance : 60 boulevard Saint-Michel, 75006 Paris - V106A
Directeur de thèse : Silvère BONNABEL
Co-encadrant : Santiago VELASCO FORERO

Voir tous les événements