APPLICATION DES ALGORITHMES ÉVOLUTIONNAIRES À L’OPTIMISATION DU SEUIL DE DÉTECTION DANS LES SYSTÈMES DISTRIBUÉS CFAR. Doctorat thesis, Université de Batna 2. (2009)
No Thumbnail Available
Date
2017-04-27
Authors
ABDOU Latifa
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
La détection à taux de fausse alarme constant CFAR, présente l’avantage de l’utilisation d’un seuil adaptatif suivant la variation du bruit de l’environnement, ce qui permet d’éviter l’augmentation de la probabilité de fausse alarme générée au cas où un seuil fixe est considéré. Aussi l’utilisation de détecteurs multiples avec un centre de fusion, permet l’amélioration de la détection par rapport aux systèmes à détecteur unique. Toutefois, le fait d’utiliser plusieurs détecteurs, mène à une situation plus complexe à résoudre, liée au système d’équations non linéaires, engendré par le développement des probabilités de fausse alarme et de détection globales. La résolution de ce problème fait l’objet de cette thèse afin d’améliorer la qualité de la détection par l’utilisation de techniques efficaces. Ce travail présente en quelque sorte, une contribution à contourner la difficulté de la résolution de tels systèmes d’équations par les méthodes classiques et à éviter d’aboutir à l’optimum local et de ce fait perdre l’optimum global. L’application des algorithmes génétiques (AGs) a été proposée comme première solution pour différents tests suivant plusieurs situations. Ces dernières, considèrent des environnements de détection distincts, des types de détecteurs variés, ainsi que plusieurs variantes d’algorithmes génétiques. Les premières applications de l’AG dans ce travail, traitent d’une façon détaillée les différents opérateurs influençant l’apport de cette méthode à l’optimisation du seuil de détection dans les systèmes distribués CFAR. En dépit de la complexité de l’implémentation de ces techniques, celles-ci présentent une solution efficace à la résolution de ce genre de problèmes. Néanmoins, à la même époque où les AGs sont apparus pour résoudre des problèmes discrets, les stratégies d’évolution (SEs) ont marqué leur genèse par la résolution de problèmes réels. Par conséquent, la dernière partie de ce travail propose l’application des SEs à l’optimisation du seuil de détection, dans le but d’investiguer la solution la mieux adaptée aux cas des systèmes distribués CFAR, qui est un cas d’étude réel.