Théorie des matrices aléatoires robustes et applications à la détection radar

Show simple item record

dc.contributor.author Pascal, Frédéric -
dc.contributor.author Kammoun, Abla -
dc.date.accessioned 2019-09-09T13:25:54Z
dc.date.available 2019-09-09T13:25:54Z
dc.date.issued 2016 -
dc.identifier.citation Pascal, Frédéric ; Kammoun, Abla ; Théorie des matrices aléatoires robustes et applications à la détection radar. Traitement du signal, 2016, 33, 2, p. 321-349, https://doi.org/10.3166/TS.33.321-349. -
dc.identifier.issn 0765-0019 -
dc.identifier.uri http://hdl.handle.net/2042/70431
dc.description.abstract Cet article présente de récents résultats issus de la combinaison entre la théorie des matrices aléatoires et la théorie de l’estimation robuste appliquées à des problèmes de détection en radar. Plus précisément, afin de pallier les problèmes de grande dimension des données, nous nous intéressons à une version régularisée de l’estimateur de matrice de covariance de Tyler (Tyler, 1987 ; Pascal, Chitour et al., 2008). Nous montrons ainsi grâce à l’analyse statistique de ce dernier, i.e. l’étude de son comportement au premier et second ordre en régime de grande dimension (N=n ! c 2 (0; 1] quand N; n ! 1), qu’un détecteur optimal (au sens de la maximisation des performances de détection et/ou de régulation de fausses alarmes) peut être construit. Enfin, des simulations Monte-Carlo montrent la pertinence de cette approche avec la comparaison aux méthodes traditionnellement utilisées. fr
dc.description.abstract This article presents recent results obtained from both Random Matrix Theory and Robust Estimation Theory, and applied to radar detection problems. More precisely, to answer the problem of high dimensional data, we focus on a regularized version of the Tyler’s covariance matrix estimator (Tyler, 1987 ; Pascal, Chitour et al., 2008). Thus, it is shown thanks to the statistical analysis of this estimator, i.e. first and second-order behavior in high dimensional regime (N=n ! c 2 (0; 1] when N; n ! 1), that an optimal design of a robust detector, namely the adaptive normalized matched filter (ANMF) can be derived. The optimality considered in this paper refers to the maximisation (resp. minimization) of the detection probability (resp. probability of false alarm). Finally, Monte-Carlo simulations are conducted to highlight the improvement brought by the proposed approach compared to classical techniques of the literature. en
dc.language.iso fr -
dc.publisher Lavoisier -
dc.relation.ispartofseries Traitement du signal -
dc.rights Accès libre - Licence d'utilisation : http://irevues.inist.fr/utilisation -
dc.source Traitement du signal [Trait. Signal], ISSN 0765-0019, 2016, 33, 2, p. 321-349 -
dc.subject matrices aléatoires fr
dc.subject estimation robuste fr
dc.subject régularisation fr
dc.subject détection radar fr
dc.subject ANMF fr
dc.subject random matrix theory en
dc.subject robust estimation theory en
dc.subject regularization en
dc.subject radar detection en
dc.subject ANMF en
dc.title Théorie des matrices aléatoires robustes et applications à la détection radar fr
dc.type Article -
dc.contributor.affiliation Laboratoire des Signaux et Systèmes (L2S, UMR CNRS 8506), CentraleSupélec-CNRS-Université Paris-Sud, 91192 Gif-sur-Yvette, France -
dc.contributor.affiliation Computer, Electrical, and Mathematical Sciences and Engineering (CEMSE) Division, KAUST, Thuwal, Makkah Province, Saudi Arabia -
dc.identifier.doi https://doi.org/10.3166/TS.33.321-349 -


Files in this item

PDF TraitSignal_2016_33_2_321_Pascal.pdf 446.5Kb

This item appears in the following Collection(s)

Show simple item record





Advanced Search