Soutenance mémoire
Au cours des années et avec l’augmentation constante du trafic routier, les accidents de la route ne cessent de mettre en danger la vie des automobilistes. Les causes menant à l’apparition d’un accident sont multiples, et parfois très difficiles à identifier et à expliquer. En pratique, on peut agir sur trois facteurs afin d’améliorer la sécurité : l’infrastructure routière, la conduite et le véhicule. Au niveau de l’infrastructure, des voies de circulation exclusivement réservées aux véhicules automobiles ont été construites, comme les autoroutes ou les boulevards périphériques dans toutes les grandes villes. Une faute de conduite est très souvent la cause principale de l’accident de la route. Les moyens d’action retenus par les pouvoirs publics sont la prévention par l’information et la formation, et naturellement la répression. L’augmentation de la sécurité routière passe enfin par l’amélioration des véhicules automobiles, tant au niveau de leur conception que de leur entretien. Les chercheurs d’aujourd’hui essayent de rendre le véhicule aussi intelligent que possible en travaillant sur des systèmes d’aide à la conduite et leur coordination par fusion de données. Selon le rôle et la complexité de ces systèmes, on les classe en trois grands types. Le premier type regroupe les systèmes passifs purement informatifs qui n’interviennent jamais directement sur la conduite du véhicule mais complètent la connaissance du conducteur. Le conducteur est informé d’un événement (présence d’un obstacle, état d’hypovigilance … ) via des interfaces Homme-Machine de plus en plus sophistiquées (du simple bip-bip à l’écran ou au siège vibrant). Son application concerne, par exemple, la rétrovision pour la détection dans les angles morts, la détection de la vigilance du conducteur, la détection d’obstacles, la détection prédictive de la sortie de route ou encore l’aide au parking et bien d’autres encore. Le second type est représenté par les systèmes actifs qui n’interviennent que dans le cas de la détection d’un danger pour pallier une défaillance avérée du conducteur. L’exemple le plus connu est celui de l’ABS (Anti Blocking System) mais il existe aussi des applications telles que le tendeur de ceinture de sécurité (ou prétensionneur) et le contrôle de stabilité de trajectoire. Le troisième type concerne le contrôle automatique du véhicule, à mi-chemin entre sécurité et confort, comme le contrôle longitudinal urbain (Stop and Go), l’ACC (Adaptive Cruise Control) et le radar anti-collision.
Systèmes de détection d’obstacles
Le développement des systèmes de prévention des accidents est devenu actuellement un des principaux objectifs des recherches menées dans le but d’améliorer la sécurité routière. Le coeur de ces systèmes est l’utilisation de différent capteurs de détection d’obstacles. On peut les classer on deux catégories : les capteurs actifs tels que les radars et les lidars, et les capteurs passifs tels que les caméras.
Capteurs actifs
Les capteurs actifs à hyperfréquences fournissent leur propre source de rayonnement pour illuminer la cible. Les plus utilisés sont les radars et les télémètres lasers (lidars).
Radars
L’acronyme RADAR vient de l’acronyme anglo-saxon RAdio Detection And Ranging et signifie détection radio par mesure de distance. Ce terme se rapporte à tout appareil permettant de déterminer la position d’une cible donnée [1, 2]. Les premières applications de tels dispositifs ont vu le jour dans le domaine militaire, et c’est dans ce cadre qu’elles ont connu leur réel essor. Avec les avancés technologiques, le radar a trouvé de nombreuses applications civiles telles que la régulation de la vitesse ACC (Adaptive Cruise Controle), l’aide à la navigation et les systèmes d’anti-collision [3, 4, 5]. Le principe du radar est d’émettre une onde radio fréquence modulée par un signal en direction d’une cible. Après réflexion sur la cible l’onde reçue est analysée par le récepteur. On peut alors estimer le temps de vol de l’onde. La vitesse de propagation des ondes électromagnétiques dans l’air étant connu, on peut déduire la distance à l’obstacle. La mesure de vitesse s’effectue soit en dérivant l’information de distance (sur deux ou plusieurs mesures), soit en effectuant un traitement Doppler sur l’onde réfléchie. L’effet Doppler correspond à un décalage fréquentiel entre la fréquence reçue et la fréquence émise dû à la mobilité de l’obstacle par rapport au radar. En analysant ce décalage on a donc accès à la vitesse relative de l’obstacle. Les radars ont pour avantage d’être efficaces en tout temps (brouillard, pluie) et donc dans les conditions de visibilité mauvaise pour le conducteur. Leur utilisation dans le domaine civil est cependant récente du fait de leur prix assez élevé.
Lidars
Le télémètre laser ou LIDAR (Llght Detection And Ranging) est largement utilisé dans le domaine de la robotique pour la navigation de robots en terrain inconnu [6]. Le principe de fonctionnement est d’émettre un faisceau infrarouge laser et d’analyser le faisceau réfléchi par l’obstacle se trouvant dans l’axe de tir du laser. Comme pour le radar, la mesure du temps de vol donne accès à la distance de l’obstacle. Si la source est modulée en amplitude par une sinusoïde, on mesure le déphasage de l’onde du retour par rapport à l’onde émise et on en déduit la distance à l’obstacle en connaissant la vitesse du groupe du faisceau lumineux [7, 8, 9]. Le point faible des lidars est qu’ils ne sont pas efficaces par temps de pluie et presque aveugles en cas de brouillard.
Capteurs passifs
La télédétection passive par hyperfréquences est semblable à la télédétection thermique. Tout objet émet une certaine quantité d’énergie dans les hyperfréquences, mais l’amplitude en est généralement très faible. Un capteur passif détecte l’énergie dans les hyperfréquences émises naturellement dans son champ de vision. Cette énergie est fonction de la température et de l’humidité de l’objet sur la surface émettrice. Il existe deux types de systèmes passifs : les caméras et les radiomètres.
Caméras
Les caméras fournissent, pour chaque point situé dans leur plan focal (où se trouve le capteur), une tension proportionnelle à la quantité de photons qui y sont accumulés. L’image obtenue a l’avantage de présenter une bonne définition, ce qui permet de discriminer les obstacles en fonction de leur forme. Cependant en associant plusieurs caméras, il est possible, par stéréoscopie [10, 11, 12), de reconstituer la scène en trois dimensions et ainsi de calculer la distance à l’obstacle. Là ou un radar est limité à 12o de champ horizontal et 3o de champ vertical, une caméra peut facilement atteindre respectivement les 50° et 30°. De plus, le coût d’une caméra reste largement inférieur à un radar ou un lidar. Par contre, la difficulté de la vision artificielle est le coût possible des algorithmes puisque l’image en elle même ne donne pas de mesures de distance comme un capteur actif. Il faut donc passer par des algorithmes de traitement d’image. De plus, une caméra, par rapport à un télémètre laser, n’a pas les mêmes capacités de détection pour des obstacles lointains. Un des inconvénients de ces systèmes est la diminution de leurs performances par temps de pluie ou de brouillard.
Radiomètres
On peut détecter les objets en mesurant l’émission thermique d’un obstacle dans une bande de fréquence donnée, et en la comparant à celle d’une référence. En effet, tout corps émet en permanence un rayonnement électromagnétique dont le spectre varie avec sa température [13]. Ce rayonnement a une prépondérance dans les infrarouges et dans la bande des ondes millimétrique et centimétriques. Les radiomètres sont donc des systèmes intégrant une antenne adaptée à ces longueurs d’ondes et ont en général une grande sensibilité. Cependant les niveaux de puissances reçus limitent leur utilisation aux distances courtes.
|
Table des matières
Introduction générale
1 Généralités sur les systèmes de détection
1.1 Introduction
1.2 Systèmes de détection d’obstacles
1.3 Capteurs actifs
1.3.1 Radars
1.3.2 Lidars
1.4 Capteurs passifs
1.4.1 Caméras
1.4.2 Radiomètres
1.5 Différents types de radar
1.5.1 Radar à impulsions
1.5.2 Radar à compression d’impulsions
1.5.3 Radar à ondes continues
1.6 Principe de l’anti-collision
1.7 Filtre adapté
1.8 Fonction d’ambiguïté
1.8.1 Fonction d’ambiguïté idéale
1.8.2 Impulsion rectangulaire
1.8.3 Impulsion modulée en fréquence
1.8.4 Signal modulé en phase
1.9 Équation radar
1.10 Théorie de détection
1.10.1 Le critère de Bayes
1.10.2 Critère de min-max
1.10.3 Le critère de ! Jeyman-Pearson
1.11 Conclusion
2 Radar à corrélation
2.1 Introduction
2.2 Principe du radar à corrélation
2.3 Codes pseudo-aléatoires
2.3.1 Séquences Binaires Pseudo-Aléatoires
2.3.2 Codes de Gold
2.3.3 Codes de Kasami
2.4 Paramètres du système influant sur la corrélation
2.4.1 Longueur du code
2.4.2 Bande passante
2.4.3 Instant d’échantillonnage
2.4.4 Sur-échantillonage
2.4.5 Convertisseur Analogique Numérique
2.5 Probabilité de détection et de fausse alarme
2.5.1 Cas mono-utilisateur
2.5.2 Cas multi-utilisateurs
2.6 Simulations numériques
2.6.1 Cas mono-utilisateur
2.6.2 Cas multi-utilisateurs
2.7 Conclusion
3 Algorithmes d’estimation du retard
3.1 Introduction
3.2 Algorithme de Tugnait d’ordre 4
3.3 Algorithme de Tugnait d’ordre 3
3.4 Algorithme de Nikias et Pan d’ordre 3
3.5 Définition de la dynamique
3.6 Comparaisons préliminaires
3.7 Algorithmes proposés
3.8 Comparaisons des algorithmes
3.8.1 Cas mono-utilisateur avec une seule cible
3.8.2 Cas mono-utilisateur avec plusieurs cibles
3.8.3 Cas multi-utilisateurs
3.9 Seuillage de détection
3.9.1 Développement théorique des probabilités
3.9.2 CORs du récepteur CORR2
3.9.3 Amélioration des CORs par Moyennage
3.10 Discussion
3.11 Conclusion
4 Traitement de la fuite, modélisation et simulations
4.1 Introduction
4.2 Modèle numérique du radar
4.3 Principe de la solution proposée
4.4 Algorithmes adaptatifs
4.4.1 Famille des algorithmes de gradient
4.4.2 Famille des algorithmes Newtoniens
4.4.3 Algorithme LMS
4.4.4 Algorithme RLS
4.4.5 Algorithme APA
4.5 Simulations de la SAF
4.5.1 Objectifs et descriptions
4.5.2 Tests réalisés avec les séquences SBPA
4.5.3 Tests réalisés avec les codes de Gold et Kasami
4.6 Exemples de tests de seuillage
4.7 Conclusion
5 Prototype radar, tests et développements
5.1 Introduction
5.2 Le cadre du travail de thèse : projet MODEASY
5.2.1 Les objectifs du projet
5.2.2 Notre implication dans le projet
5.3 Prototype radar réalisé
5.3.1 Radar Autocruise AC10
5.3.2 Tête HF Autocruise
5.3.3 Prototype réalisé
5.4 Implémentation du traitement de signal sur FPGA
5.4.1 Générateur de code
5.4.2 Implémentation de la corrélation
5.4.3 Implémentation de l’algorithme AOT1
5.5 Tests réalisés en temps différé
5.5.1 Chaîne de mesure
5.5.2 Programme Labview d’acquisition
5.5.3 V érifi.cation de la chaîne avec des câbles
5.5.4 Résultats des tests réalisés
5.6 Conclusion
Conclusion générale
Télécharger le rapport complet
