Decomposition of the scattered field into singularities for object classification using artificial intelligence algorithms
Yasmina Zaky · theses.fr (ABES) · 2022
L'une des applications du radar est la détection et identification des objets. En effet, des travaux de ce type ont été initiés par C.E. Baum qui a proposé d’appliquer des méthodes d’expansions en singularités (SEM) au champ diffracté d’un objet éclairé par une onde incidente large bande. L’extraction et l’étude des pôles de résonance de ces signaux mesurés permet de distinguer les différents objets par l’identification des pôles naturels qui leur sont propres. Plusieurs techniques SEM ont été comparées : TLS Matrix Pencil pour des signaux dans le domaine temporel, TLS Cauchy et Vector Fitting pour des signaux dans le domaine fréquentiel. À la discrimination fréquentielle des objets issue des pôles obtenus par la SEM, des techniques d'apprentissage supervisées de type Machine Learning et Deep Learning sont appliquées pour classifier différents objets à partir de leurs paramètres caractéristiques. Différents algorithmes de classification ont été étudiés : Support Vector Machine (SVM), Decision Tree (DT), Multi-Layer Perceptron (MLP) et Convolutional Neural Network (CNN). Cette étude montre que l'association d'une technique SEM la plus robuste au bruit avec des classifieurs à base de réseaux de neurones permet de classifier la forme ou la matière d’un objet à partir d’une seule mesure et avec un faible cout de calcul. De plus, on propose une procédure qui permet de déterminer l’angle d’observation de l’antenne de réception ou l’orientation d’un objet à partir des résidus qui sont associés à chaque pôle de résonnance. Cette procédure de classification avec des données SEM est très prometteuse en particulier lorsqu'il s'agit de généraliser à des données non incluses dans l'ensemble d'apprentissage.