EP1756612A1 - Procede de detection et visualisation de sources acoustiques de faible puissance en mouvement - Google Patents

Procede de detection et visualisation de sources acoustiques de faible puissance en mouvement

Info

Publication number
EP1756612A1
EP1756612A1 EP05752667A EP05752667A EP1756612A1 EP 1756612 A1 EP1756612 A1 EP 1756612A1 EP 05752667 A EP05752667 A EP 05752667A EP 05752667 A EP05752667 A EP 05752667A EP 1756612 A1 EP1756612 A1 EP 1756612A1
Authority
EP
European Patent Office
Prior art keywords
target
model
frequency
signal
evolution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP05752667A
Other languages
German (de)
English (en)
Inventor
Gilles THALES Intellectual Property KERVERN
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thales SA
Original Assignee
Thales SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Thales SA filed Critical Thales SA
Publication of EP1756612A1 publication Critical patent/EP1756612A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/80—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using ultrasonic, sonic or infrasonic waves
    • G01S3/801—Details
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/80—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using ultrasonic, sonic or infrasonic waves
    • G01S3/84—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using ultrasonic, sonic or infrasonic waves with indication presented on cathode-ray tubes

Definitions

  • the method according to the invention relates to the field of underwater detection and deals in particular with the problem of the detection of low-noise underwater objects by passive detection systems, of the type of passive buoys dropped, used by the systems. maritime patrol for example.
  • buoys In the area of maritime surveillance, passive directional buoys are commonly used to perform underwater detection. These buoys are for example directive buoys of the DIFAR type. They include in particular an omnidirectional antenna and two bidirectional antennas. Each antenna is made up of sensors, hydrophones, which transform the acoustic signal into an electrical signal. The acoustic signals received are transmitted to a maritime patrol aircraft, for example over the air, on board of which the signal processing and the detection of possible targets are carried out. The three antennas fitted to the buoy collect signals over a frequency band a few kilohertz wide. Detection is carried out by studying the evolution over time of the spectrum of these received signals.
  • This spectral analysis is generally used by a human operator through a particular time / frequency representation, known by the Anglo-Saxon name of lofargram. An illustration of this type of representation is presented in FIG. 5.
  • passive detection the main problem encountered is that of the weak signal-to-noise ratio of the signals heard. Indeed, the underwater elements worthy of modern interest are more and more discreet which results in the emission of an own noise more and more weak, while the width of the acoustic band heard limits the sensitivity of the buoys, the range of buoys is thus in practice limited.
  • the weakness of the signals received has the consequence that even after spectral analysis, the weakness of the contrast obtained between the ambient clutter and the own emissions of a possible target is such that on an image of the lofargram type for example, the useful signal is literally drowned in noise and that the image is no longer exploitable by the operator.
  • the invention relates to a method of adaptive processing of the received acoustic signal performing a sliding operation of association of components spectral obtained by performing a series of consecutive spectral analyzes of said signal.
  • This association of spectral components constitutes a signal called vector of observations which one seeks to identify with a determined model, this model corresponding to the signal coming from a target having a given evolution with respect to the buoy.
  • this association of components is performed iteratively each observation vector corresponding to a given target model, the number of models varying in particular according to the size of the evolution domain of the target and the number of evolution parameters taken into account.
  • the degree of identification of the observation vector to a model is materialized by the value of a likelihood coefficient calculated from the components of the observation vector and the components of the vector characterizing the evolution over the analysis time. of the signal corresponding to the target model considered.
  • Each target model corresponds to a vector of observations and an evolution model which are correlated.
  • the value of the calculated likelihood criterion indicates the degree of identification of the signal observed with that coming from a target model.
  • the method according to the invention has the advantage of being able to be implemented in a continuous and sliding manner.
  • the observation vectors are developed from a set of consecutive spectral analyzes of the received signal, two consecutive sets of spectral analyzes which may include a number of common spectral analyzes.
  • the method according to the invention has the advantage of being adaptive and therefore of adjusting as best as possible to the received signal.
  • the method according to the invention advantageously exploits the information relating to the azimuth of the target with respect to the buoy drawn from the received signal and generally not exploited.
  • predefined models of evolving targets also makes it possible to associate the parameters relating to the model with the received signal and to draw up a geographical representation of the evolution of the target relative to the buoy.
  • the association for the same target of geographical representations of evolution of this target provided by several buoys also advantageously makes it possible to carry out a synthetic mapping of the displacement of the target in a given space.
  • FIG. 1 an illustration of a hypothesis of movement of the target relative to the buoy, taken by way of example, - Figure 2
  • - Figure 3 an illustration of l evolution of the azimuth of the target over time
  • - Figure 4 a representation of the central part of the variation curve over time of the frequency of the signal from the target
  • - Figure 5 l illustration of the use of the previous representation in the form of a lofargram type image
  • - Figure 6 a block diagram of the processing operations preliminary to the implementation of the method according to the invention.
  • FIG. 7 a flowchart illustrating the iterative nature of the method according to the invention
  • - Figures 8 and 9 illustrations of the principle of taking into account adjacent model targets
  • - Figure 10 an example of exploitation, in the form of a synthetic spectrogram, of the data obtained by the method according to the invention
  • - Figure 11 an example of exploitation in the form of a geographic representation of the same data
  • _ Figure 12 the illustration of an application of the process to the fusion of the data coming from several buoys.
  • This particular case corresponds to that of a target evolving along a trajectory substantially equivalent to a straight line, such as that illustrated in FIG. 1.
  • the target is represented by a submarine 11 passing through the listening zone of a buoy 12 according to a substantially rectilinear trajectory
  • the target moves at a speed symbolized by the vector v.
  • the submarine emits its own noise towards the buoy, the propagation time t p of which varies as a function of the variation in the position of the submarine relative to the buoy.
  • the buoy - submarine distance changes over time, passing through a minimum corresponding to the point of the trajectory of the submarine for which the line 16 connecting this point to the buoy is perpendicular to the trajectory of the target.
  • the distance d C PA of the buoy at this point called CPA or "Closest Point of Approach" according to the Anglo-Saxon name, represents the shortest distance between the buoy and the target.
  • the buoy - target distance can be expressed by the following relation: dbouée-target ⁇ CPA + M 2
  • the target can be likened to a buzzer emitting a spherical wave whose amplitude varies in 1 / d.
  • s (t) and S CPA correspond to the signal received respectively at any instant and at the instant of passage of the target to the CPA with the delay of propagation of the sound near.
  • t p represents the propagation time of the sound between the target and the buoy.
  • the instantaneous frequency of the signal received by the buoy can also be expressed by the following relation:
  • t p represents the sound propagation time between the target and the buoy. This propagation time which in practice is less than a second, taking into account the range of the buoys used which is generally less than 1500 m, will be neglected in the following description.
  • the timing diagram 2-b shows that the frequency curve of the signal received by the buoy varies significantly over a portion 22 substantially between the two points Mi and 2 to slowly tend towards asymptotes 23 and 24 on either side of this area.
  • ⁇ CPA be the azimuth of the target during its passage to the CPA and ⁇ the angle oriented between the buoy direction - CPA 31 and the buoy direction - target 32.
  • ⁇ ⁇ CPA + ⁇ [8]
  • the extraction of these parameters is generally carried out by spectral analysis of the signal received by the buoy.
  • Spectral analysis makes it possible in particular to construct a representation of the signal received in a time-frequency plane, the principle of which is illustrated in FIG. 4.
  • the amplitude variation of the received signal represented by the curve 41 is represented by the thickness of the line.
  • the central part of the curve which corresponds substantially to the portion of trajectory between the points Mi and M 2 for which the amplitude of the signal is much greater than the amplitude of the ambient noise, and the distal parts 43 and 44 of the curve for which the amplitude of the signal decreases appreciably until it approaches the amplitude of the noise.
  • the type of spectral representation illustrated in FIG. 4 is commonly used to carry out a visual exploitation of the signals received by a buoy in the form of an image known by the name of LOFARGRAM which represents the spectrogram of the received signal.
  • This image is constructed from the spectral analysis of the signal received by means of a continuous frequency sweep, each line displayed representing the result of the spectral analysis of the signal obtained at a given instant preceding the display.
  • the scanning time of the displayed frequency range can be for example equal to the time necessary for the spectral analysis of the received signal.
  • Figure 5 gives a simplified representation of this spectrogram. In practice, this spectrogram is displayed on the form of a video image, the variation in the amplitude of the received signal being materialized by the variation in the brightness of the image.
  • a spectrogram such as that presented in FIG. 5 generally makes it possible to carry out a continuous visualization of the spectrum of the received signal, with maintenance of the visualization of a constant number of consecutive lines corresponding to the successive spectral analyzes. The image is thus refreshed continuously, the display on the screen of a new line causing the display of the oldest line to disappear.
  • This type of scrolling representation is commonly called a "waterfall" spectrogram.
  • FIG. 5 presents by way of example a spectrogram representing the evolution of the signal received in the presence of three moving targets 51, 52 and 53. Each of the targets emits its own noise comprising two spectral lines.
  • the spectrogram makes it possible to follow over time the evolution of the position of the targets, the arrival in the vicinity of the CPA, the passage to the CPA then the distance, the evolution being materialized by the increase then the decrease in the light intensity of the traces corresponding to the targets.
  • the number of consecutive lines displayed is sufficient to allow viewing of the evolution of the target in the vicinity of the CPA in its entirety, which generally corresponds to a display of a few minutes.
  • the lines displayed correspond to an elapsed time of 300 s, corresponding to the display of a hundred lines each corresponding to the spectral representation of the signal at a given instant.
  • the refresh period of the lines corresponds to the time necessary for each spectral analysis.
  • This type of representation has the advantage of being simple and easy to use. On the other hand insofar as it only uses the amplitude of the spectral components of the received signal, it does not make it possible to respond to the problem posed by the low noise emitted by modern underwater targets.
  • the spectral components of the received signal may have a amplitude substantially equal to ambient noise, their visual exploitation becomes difficult.
  • the method according to the invention proposes to simultaneously process the amplitude and azimuth information provided by the received signal.
  • the received signal is subject to a preliminary spectral analysis intended to obtain for each spectral component amplitude information associated with angular information characteristic of the azimuth associated with the spectral component.
  • FIG. 6 presents by way of nonlimiting example an operation flow diagram making it possible to carry out the preliminary spectral analysis of the signal received by a buoy of the DIFAR type.
  • FIG. 6 illustrates the detail of the processing steps which constitute the preliminary processing.
  • This processing is generally carried out on board the aircraft which performs the monitoring and uses the signals from the buoys.
  • the signals to be processed are received in the form of a VHF 61 signal modulated by the signals received by the various sensors of the buoy as well as the signal relating to the orientation of these sensors relative to the north.
  • the first step, 62, of the processing therefore consists in demodulating the received signal, in sampling the demodulated signal and in carrying out a demultiplexing of the signals so as to isolate the signal 65 from the omnidirectional sensor, Somnidir, and the signals from the directional sensors.
  • the directional sensors are mounted on the buoy so as to form orthogonal reception channels.
  • the signals from the directional sensors are also corrected using the orientation information provided by the buoy, so as to obtain signals SN -S 63 and SE-W 64 which represent the signal received in the directions NS and EW.
  • the signals S N -s > SE-W and Somnidir thus obtained are then the subject of a step 66 of spectral analysis during which each signal is processed separately.
  • the spectra 67, 68, and 69 obtained are then combined as indicated in the figure during a step 611.
  • the purpose of combining the spectra is to form the signals 612, 613, 614, and 615 corresponding to four non-reception channels. ambiguous in direction and oriented respectively north, south, east and west.
  • Each of the channels formed presents a directivity diagram in the form of cardioids.
  • the spectra corresponding to each of the cardioids are then used during a step 616 which calculates the modules 617, 618, 619 and 620 of each of the spectra.
  • the spectral modules are used in steps 621 and 622 of the preliminary processing, so as to constitute a signal 623 corresponding to the spectrum of amplitudes and a signal 624 corresponding to the spectrum of azimuths.
  • the signal 623 is obtained by selecting for each frequency the value of the signal corresponding to the channel whose spectrum has the largest amplitude at the frequency considered.
  • the spectrum of amplitudes formed has the expression:
  • Expression [12] shows that the preliminary treatment produces an amplitude spectrum which advantageously takes into account the azimuth of the target and the directivity of the buoy. .
  • the signal 624 is obtained by calculating for each frequency the argument of the complex number, the real and imaginary parts of which are calculated respectively from the modules 617, 618 and 619, 620 of the signals corresponding to the reception channels N, SW and E trained.
  • Gaussian characteristics have the consequence that in the absence of a target, the amplitude A follows a Rayleigh law and the azimuth ⁇ a law uniformly distributed over [0,2 ⁇ ] and that presence of a target, A follows a Rice law and ⁇ , in the case where the signal to noise ratio is strong, a normal law centered on the value of the azimuth of the noise generator.
  • the preliminary processing described through FIG. 6 represents one way among others to construct a spectral representation of the received signal, which has the statistical properties stated above.
  • this treatment is described by way of example, without limiting the invention. Any other processing leading to the obtaining of a spectral representation presenting a similar statistic in the absence and in the presence of target can be implemented to carry out the conditioning of the signal preliminary to the application of the method according to the invention.
  • the method according to the invention aims in particular to improve the contrast of the received signal with respect to the ambient noise in order in particular to improve the quality and the readability of the spectrograms presented to the operator.
  • the method according to the invention performs iterative processing on the data originating from a set of N consecutive spectral analyzes. This processing consists first of all in selecting a model target whose parameters are known, then in developing the vector M corresponding to the evolution, over N spectral analyzes, of the spectrum of the signal that the buoy would receive in the presence of a target. similar to this model target.
  • the processing then consists in selecting for each spectral analysis of the signal actually received the component Zj having the same frequency as the component r ⁇ ij of the vector M previously defined. All components forms an observation vector Z. This vector Z is then compared to the vector M and the result of the comparison, if it satisfies certain criteria, is stored in memory accompanied by the parameters associated with the target model considered.
  • a target model is formed by giving particular values to a set of evolution parameters constituted by the frequency fcpA of the natural noise generated by the target, also called static frequency, the speed v of the target, the distance dcpA from the CPA to the buoy and the instant tcPA of passage of the target to the CPA.
  • a curve 41 in the form of a bayonet having an inflection point at the frequency fcpA, or static frequency, and two asymptotes.
  • the frequency position of the asymptotes as well as the frequency variation slope of the curve in the vicinity of the CPA are in particular a function of the speed of the target.
  • the component retained is that whose frequency is equal to the frequency of the component nrij of the corresponding vector M.
  • a frequency evolution curve of the signal received by the buoy the shape of which will be that of the curve of FIG. 4. Consequently, in a time-frequency representation analogous to that of FIG. 4, the components z-, will thus be distributed along a curve analogous to curve 41 and superimposable on the curve corresponding to the target model.
  • Each component is characterized by its amplitude ai and its azimuth ⁇ j.
  • the vector M of the changes expected over time in the spectrum of the signal received for a target corresponding to a given model has the expression:
  • the components r ⁇ ij of the vector M represent the evolution over time, over the N spectral analyzes, of the spectral components of the signal coming from the model target.
  • the vector Z is then correlated with the vector M in order to evaluate the degree of identification of the observations z made with the components of the theoretical vector corresponding to the model target.
  • the vector Z can be considered as revealing the detection of a real target evolving in the space covered by the buoy.
  • This real target can also then be defined by the evolution parameters of the model target.
  • the components of the vector Z are not very identifiable with those of the theoretical vector, it is because no real target with evolution parameters similar to those of the determined model is detected.
  • the correlation operation is carried out, in a known manner, by means of the calculation of a generalized likelihood ratio from the observation to the model.
  • This likelihood ratio has as its expression:
  • the detected target When the value of the criterion ⁇ g is considered as allowing the identification of the observation to the model, the detected target will be characterized by the value of the parameters fcpA, v, dcpA and tc A of the model.
  • the azimuth of the target detected, when it passes the CPA, will be determined by the expression:
  • the processing described above is implemented by the method according to the invention as many times as there are possible target models.
  • the number of possible models is theoretically given by the sizes of the ranges of different values that the different parameters that characterize a target can take.
  • FIG. 7 illustrates the iterative nature of the method according to the invention.
  • the unit processing for creating an observation vector for successive frequencies determined by a target model, and the operation of identifying the vector Z with the model M is represented by the tasks 71, 72 and 73 of the organization chart.
  • the task 74 represents the elaboration of the N consecutive spectral analyzes of the signal received by the buoy.
  • the task 75 corresponds to the selection of a set of parameters ⁇ fcpA, v, dcpA, tcPA ⁇ characteristic of a target model. At each iteration, a new target model corresponding to a new set of parameters is selected from all possible models.
  • the results of the task 73 of identification with the model are the subject of a comparison with a criterion and of a possible storage operation 76.
  • the parameters fcpA, v, dc A, tcPA ⁇ g and ⁇ CPA Born to the considered model are memorized in a table called table MVF, or table of the maximum likelihood in frequency, to be exploited by the task
  • the iteration loop implemented by the method according to the invention and presented in FIG. 7, is in reality constituted by a set of loops nested in a determined order. Each of the loops differs from the previous one in that one of the parameters ⁇ fcpA, v, d C P A , ⁇ P A ⁇ changes in value thus leading to the development of a new model. Consequently, if P represents the quantity MZ, Q the quantity IIP, and R the likelihood ratio ⁇ g (Z), the method according to the invention can be described by the following principle algorithm:
  • the method according to the invention thus makes it possible to obtain, from the signals received by the buoy, a data table in which are stored for a particular set of values assigned to the parameters fcpA, v, dcpA and tcpA, the maximum value retained. of the criterion ⁇ g and the corresponding value of the angle ⁇ CPA.
  • fcp A is explored on all the frequency channels defined by the spectral analysis, carried out for example by FFT, tcp A is explored on all the instants corresponding to the establishment of the results of a spectral analysis and varies from 0 to T, T representing the duration of performance of the N spectral analyzes;
  • the method according to the invention advantageously makes it possible to integrate an operation making it possible to process for a given model, not only the observation vector Z corresponding strictly to the model, but also the vectors located in the vicinity.
  • the method according to the invention thus makes it possible to determine not only the observation vectors which correspond strictly to a given model, but also the observation vectors corresponding to neighboring models which have not been explored. To do this, it is necessary to determine for each spectral analysis the size of the frequency interval over which the spectral component is chosen which will constitute an element of the observation vector linked to the model considered. This determination can for example be carried out by analyzing the adjacent combinations of parameters. This analysis is illustrated in Figures 8 and 9.
  • FIG. 8 illustrates the way in which the various model targets are positioned as a function of their parameters in the field of parameters explored.
  • target models of which only two parameters are variable, the speed and the distance to the CPA for example.
  • the target model having a speed v of 6 m / s and a dcpA distance of 615 m is framed by four models 82, 83, 84 and 85 having respectively as parameters:
  • This framework is also applicable to all real targets whose parameters v and dcpA are between the limits defined by the four adjacent model targets.
  • a function making it possible to take into account, for the same model target, observation vectors whose components z ⁇ are located in a frequency range included in an interval defined by the four adjacent models.
  • This frequency range can for example be defined in the manner illustrated in FIG. 9.
  • FIG. 9 the curves of evolution over time of the frequency of the signal received by the buoy and coming from targets corresponding to the targets are plotted. model defined. Curve 91 corresponds to the current model target, and curves 92, 93, 94 and 95 correspond to the four adjacent model targets.
  • FIG. 9 shows that the signal corresponding to the current model target has frequency f 0 , while the signals corresponding to adjacent targets have frequencies varying between f min and - The figure also highlights that if we develop the observation vectors exclusively from of the frequency components of the signals corresponding to the model targets, certain signals corresponding to real targets are not taken into account by any observation vector.
  • the observation vector is created by studying the spectral components. whose frequency is located in a range 96 given around the frequency fo of the signal corresponding to the model, and by selecting the component having the largest amplitude.
  • the size of the analysis frequency range 97 can for example be defined as ranging from fo - (fo + fmin) / 2 to fo + (fm a x - fo) / 2.
  • the operation corresponding to the illustrations in FIGS. 8 and 9 can advantageously be integrated into the method according to the invention and then makes it possible to judiciously limit the number of target models to be searched for in the signal received by the buoy. This has the beneficial consequence of limiting the number of values given to each of the associated parameters fcpA, v, d C PA and tcpA.
  • This operation can for example be integrated into the task of developing the vector Z of the flow chart described above. We then have:
  • the method according to the invention is based in particular on a judicious choice of the target models studied. This choice can be facilitated by taking into account some hypotheses relating to the envisaged exploitation of the results obtained by applying the method to the signal received by the buoy.
  • hypotheses we can in particular cite: - the case of stationary targets for which changing the dcpA parameter does not make sense; - the limitation of the spectral resolution authorized by the display mode chosen for the data obtained, a spectrogram for example; - the limitation of the observation time corresponding to the N analyzes carried out.
  • the data contained in the MVF table can be used immediately by making a representation of the MVF spectrum of the variations in the value of the criterion ⁇ g as a function of the frequency fcp A -
  • the data in the MVF table can also be used to construct a synthetic spectrogram (lofargram) on which, as they are developed, the observation vectors chosen are represented, the amplitude of the displayed trace taking a value constant, function of the value of the criterion ⁇ g stored in the table, insofar as this value exceeds a fixed correlation threshold defining a sufficient signal to noise ratio. For a too low value of ⁇ g no trace is displayed. We thus obtain a highly contrasted synthetic spectrogram, much more readable for an operator than a spectrogram obtained from simple spectral analyzes.
  • the implementation of the method according to the invention advantageously offers other possibilities of exploitation, possibilities linked to the knowledge for each observation vector of the parameters fc PA , v, dcp A , tcpA and ⁇ CPA of the model target. sought.
  • These parameters make it possible to determine the position of the real targets detected by their correspondence with a given model and to produce a cartographic representation of them.
  • the real targets generally correspond to observation vectors which have produced a strong criterion ⁇ g.
  • the following algorithm given by way of example, describes a method making it possible to produce a geographic representation of the detected targets:
  • Tc pa , v, ⁇ cpa Development of the geographic image by positioning in a frame of light or colored spots, each spot corresponding to the position geographic of the noise generator associated with one of the maxima selected.
  • the task represented is centered on the point defined by the parameters associated with the maximum considered. Its shape is substantially that of an ellipse whose dimensions are a function of the uncertainties estimated on the parameters fcpA, dcp A. v, tcp A and ⁇ CPA associated.
  • the intensity or the color of the stain depends on the value of the corresponding criterion critèreg. In the zones of juxtaposition the intensity associated with the superposition of several spots is determined by a combination of the values of the corresponding criteria ⁇ g. This combination can for example be a simple addition. End of the loop on the spectral channels of the MVF signal
  • FIG. 10 illustrates the production, using the method according to the invention, of the synthetic spectrogram 10 - c from a real spectrogram 10 - a.
  • the effect produced by the method according to the invention can be compared to a selective amplification of the contrast between the intensity attributed to the ambient noise 101 and to the signals at low 103g 103, and the intensity attributed to the useful signal 102, at high ⁇ g .
  • the spectrogram 10 - b graphically represents the value of ⁇ g as a function of the frequency fcpA, these data being extracted from the table MVF constituted by application of the method according to the invention to the signals represented on the spectrogram 10 - a.
  • the useful signal 102 it can be seen that the criterion thus calculated does indeed have a contrast enhancing effect.
  • FIG. 11 gives by way of example a simplified illustration of a geographical representation of the results obtained by the method according to the invention.
  • the parameters, dcpA, tcp A. v and ⁇ C PA contained in the MVF table make it possible to determine the position of the target detected at the instant corresponding to the end of the processing of N spectral analyzes.
  • the geographical representation of FIG. 11 shows the presence of a target 111 identified by its distance from the projected buoy on the North-South and West-East directions.
  • the target represented corresponds to the target 102 highlighted on the synthetic spectrogram 10 - c.
  • the exploitation in cartographic form of the data contained in the MVF table also makes it possible to carry out the association of information coming from several buoys, as illustrated in FIG. 12.
  • the simultaneous exploitation of the signals received by several buoys forming a kind dam advantageously makes it possible to establish a true map of the path 122 followed by the target during the entire time it is near one or the other of the buoys. Knowing the relative positions of the cooperating buoys as well as the existence of a common time reference indeed makes it possible to associate, as in FIG. 12, the synthetic geographic images 121 produced from each of the buoys.
  • the method according to the invention as described in the preceding text therefore has the main advantage of making more complete use of the information contained in the signal received by the buoy.
  • the identification of the signal received to target models whose parameters are determined makes it possible, in the event that the identification is positive, to assign to the detected target all of the parameters of the model.
  • the method described in the preceding text can be implemented by means of any directional buoys, provided that these buoys provide, such as for example DIFAR buoys, azimuth information. It is also possible to apply this type of process to non-directional buoys, in the context of a degraded mode operating without the azimuth information not provided by the buoys.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

Le procédé selon l'invention concerne le domaine de la détection sous-marine et traite en particulier du problème de la détection d'objets sous- marin faiblement sonores par des systèmes de détection passifs, du type des bouées passives larguées, utilisées par les systèmes de patrouille maritime par exemple. Le procédé consiste dans un traitement du spectre complexe amplitude - azimut d'un signal acoustique reçu par une bouée directive. Ce traitement effectue, pour différents modèles de cibles envisagés, l'association des composantes fréquentielles complexes du signal reçu, situées le long de la courbe d'évolution au cours du temps de la fréquence d'un signal correspondant à une cible modèle, et la comparaison de la variation en module et en argument de ces composantes fréquentielles à la variation en module et en argument au cours du temps des composantes spectrales du signal correspondant au modèle, le traitement utilisant à la fois les informations d'amplitude et d'azimut contenues dans le signal reçu. Le traitement selon l'invention permet de réaliser des représentations de l'évolution du signal reçu aussi bien sous une forme fréquentielle que sous une forme géographique. Il permet en outre la fusion de données provenant de plusieurs bouées exploitées simultanément sur une même zone.

Description

Procédé de détection et visualisation de sources acoustiques de faible puissance en mouvement.
DOMAINE DE L'INVENTION
Le procédé selon l'invention concerne le domaine de la détection sous-marine et traite en particulier du problème de la détection d'objets sous- marin faiblement sonores par des systèmes de détection passifs, du type des bouées passives larguées, utilisées par les systèmes de patrouille maritime par exemple.
CONTEXTE DE L'INVENTION - ART ANTERIEUR
Dans le domaine de la surveillance maritime, les bouées passives directionnelles sont couramment utilisées pour effectuer une détection sous- marine. Ces bouées sont par exemples des bouées directives de type DIFAR. Elles comportent notamment une antenne omnidirectionnelle et deux antennes bidirectionnelles. Chaque antenne est constituée de capteurs, les hydrophones, qui effectuent la transformation du signal acoustique en signal électrique. Les signaux acoustiques captés sont transmis à un aéronef de patrouille maritime, par exemple par voie hertzienne, à bord duquel est effectué le traitement du signal et la détection des cibles éventuelles. Les trois antennes équipant la bouée recueillent des signaux sur une bande de fréquence large de quelques kilohertz. La détection est réalisée en étudiant l'évolution au cours du temps du spectre de ces signaux reçus. Cette analyse spectrale est généralement exploitée par un opérateur humain au travers d'une représentation temps / fréquence particulière, connue sous l'appellation anglo-saxonne de lofargram. Une illustration de ce type de représentation est présentée à la figure 5. En ce qui concerne la détection passive le principal problème rencontré est celui de la faiblesse du rapport signal à bruit des signaux écoutés. En effet les éléments sous-marins dignes d'intérêt modernes sont de plus en plus discrets ce qui se traduit par l'émission d'un bruit propre de plus en plus faible, tandis que la largeur de la bande acoustique écoutée limite la sensibilité des bouées, la portée des bouées est ainsi en pratique limitée. La faiblesse des signaux reçus a pour conséquence que même après analyse spectrale, la faiblesse du contraste obtenu entre le fouillis ambiant et les émissions propres d'une cible éventuelle est telle que sur une image de type lofargram par exemple, le signal utile est littéralement noyé dans le bruit et que l'image n'est plus exploitable par l'opérateur.
Pour remédier à ce problème, diverses solutions basées sur l'intégration du signal reçu sont actuellement mises en œuvre. L'intégration du signal est en général réalisée soit par canal spectral - on parle dans ce cas d'intégration statique-, soit sur plusieurs canaux selon une pente d'évolution fréquentielle déterminée. Ces deux modes d'intégration présente l'inconvénient principal de ne prendre en compte les paramètres d'évolution de la cible potentielle que dans une très faible mesure. C'est pourquoi ils n'offrent qu'une solution très imparfaite au problème posé.
PRESENTATION DE L'INVENTION
Pour remédier au problème posé et éviter les inconvénients occasionnés par l'utilisation des méthodes classiques d'intégration telles que celles citées précédemment, l'invention a pour objet un procédé de traitement adaptatif du signal acoustique reçu effectuant une opération glissante d'association de composantes spectrales obtenu en réalisant une série d'analyses spectrales consécutives dudit signal. Cette association de composantes spectrales constitue un signal appelé vecteur d'observations que l'on cherche à identifier à un modèle déterminé, ce modèle correspondant au signal provenant d'une cible ayant une évolution donnée par rapport à la bouée. Suivant le procédé selon l'invention, cette association de composante est réalisée de manière itérative chaque vecteur d'observation correspondant à un modèle de cible donné, le nombre de modèles variant notamment selon la taille du domaine d'évolution de la cible et le nombre de paramètres d'évolution pris en compte. Le degré d'identification du vecteur d'observation à un modèle est matérialisé par la valeur d'un coefficient de vraisemblance calculé à partir des composantes du vecteur d'observation et des composantes du vecteur caractérisant l'évolution au cours du temps d'analyse du signal correspondant au modèle de cible considéré. A chaque modèle de cible correspond un vecteur d'observations et un modèle d'évolution qui sont corrélés. La valeur du critère de vraisemblance calculé indique le degré d'identification du signal observé à celui provenant d'une cible modèle. Le procédé selon l'invention conduit ainsi à élaborer un tableau de données contenant pour chaque modèle défini, l'ensemble des paramètres associé au modèle ainsi que la valeur du critère de vraisemblance calculé. Les données de ce tableau sont par la suite utilisées pour constituer différentes formes de représentations, spectrales ou géographiques par exemple.
Le procédé selon l'invention présente l'avantage de pouvoir être mis en œuvre de manière continue et glissante. Les vecteurs d'observations sont élaborés à partir d'un ensemble d'analyses spectrales consécutives du signal reçu, deux ensembles consécutifs d'analyses spectrales pouvant comporter un nombre d'analyses spectrales communes.
Le procédé selon l'invention présente l'avantage d'être adaptatif et donc de s'ajuster au mieux au signal reçu. Le procédé selon l'invention exploite avantageusement l'information relative à l'azimut de la cible par rapport à la bouée tirée du signal reçu et généralement non exploitée.
L'utilisation de modèles prédéfinis de cibles en évolution permet également d'associer au signal reçu les paramètres relatifs au modèle et d'élaborer une représentation géographique de l'évolution de la cible par rapport à la bouée.
L'association pour une même cible des représentations géographiques de évolution de cette cible fournies par plusieurs bouées permet en outre avantageusement de réaliser une cartographie synthétique du déplacement de la cible dans un espace donné.
DESCRIPTION DES FIGURES
D'autres caractéristiques et avantages apparaîtront au cours de la description qui suit, description faîte en regard des figures annexées qui présentent:
- La figure 1 , une illustration d'une l'hypothèse de mouvement de la cible par rapport à la bouée, prise à titre d'exemple, - La figure 2, Une représentation graphique de l'évolution au cours du temps, de l'amplitude et de la fréquence du signal provenant d'une cible animée du mouvement illustré par la figure 1 , - La figure 3, une illustration de l'évolution de l'azimut de la cible au cours du temps, - La figure 4, une représentation de la partie centrale de la courbe de variation au cours du temps de la fréquence du signal provenant de la cible, - La figure 5, l'illustration de l'exploitation de la représentation précédente sous la forme d'une image de type lofargram, - La figure 6, un synoptique des opérations de traitement préliminaires à la mise en œuvre du procédé selon l'invention. - La figure 7, un organigramme illustrant le caractère itératif du procédé selon l'invention; - Les figures 8 et 9 des illustrations du principe de prise en compte des cibles modèles adjacentes; - La figure 10 un exemple d'exploitation, sous la forme d'un spectrogramme synthétique, des données obtenues par le procédé selon l'invention; - La figure 11 un exemple d'exploitation sous la forme d'une représentation géographique des mêmes données; _ La figure 12 l'illustration d'une application du procédé à la fusion des données provenant de plusieurs bouées.
DESCRIPTION DETAILLEE
Pour des raisons de clarté et de simplicité de la description, le procédé selon l'invention est exposé au travers d'un cas particulier aisément généralisable. Ce cas particulier correspond à celui d'une cible évoluant selon une trajectoire sensiblement équivalente à une droite, telle que celle illustrée par la figure 1.
Sur cette figure la cible est représentée par un sous-marin 11 passant dans la zone d'écoute d'une bouée 12 selon une trajectoire sensiblement rectiligne
13. La cible évolue à une vitesse symbolisée par le vecteur v . Au fil de sa progression le sous-marin émet vers la bouée un bruit propre dont le temps de propagation tp varie en fonction de la variation de la position du sous-marin par rapport à la bouée. La distance bouée - sous-marin évolue au fil du temps, en passant par un minimum correspondant au point de la trajectoire du sous-marin pour lequel la droite 16 reliant ce point à la bouée est perpendiculaire à la trajectoire de la cible. La distance dCPA de la bouée à ce point, appelé CPA ou "Closest Point of Approach" selon la dénomination anglo-saxonne, représente la distance la plus courte entre la bouée et la cible. En tenant compte de l'hypothèse d'une cible animée d'un mouvement sensiblement rectiligne, il est possible d'établir les lois d'évolution au cours du temps de l'amplitude et de la fréquence du signal reçu par la bouée. La distance bouée - cible peut être exprimée par la relation suivante: dbouée-cible ^CPA +M2
La cible peut être assimilée à un bruiteur émettant une onde sphérique dont l'amplitude varie en 1/d. On peut donc écrire:
[2]
où s(t) et SCPA correspondent au signal reçu respectivement à un instant quelconque et à l'instant de passage de la cible au CPA au retard de propagation du son près. tp représente le temps de propagation du son entre la cible et la bouée.
ce qui peut encore s'écrire, en fonction des rapports signal à bruit correspondants:
Dans les relations [1] et [2], l'origine des temps est prise à l'instant to de passage de la cible au CPA.
La fréquence instantanée du signal reçu par la bouée peut en outre être exprimée par la relation suivante :
où tp représente le temps de propagation du son entre la cible et la bouée. Ce temps de propagation qui dans la pratique est inférieur à la seconde, compte tenu de la portée des bouée utilisées qui est en général inférieur à 1500 m, sera négligé dans la suite de la description. vt v
En introduisant les variables réduites τ = et p = — , les expressions [2] cpa c et [4] se simplifient ce qui permet d'écrire : s(t) _ 1 [5] SCPA 1 + τ2 et
ou encore, si s( est égal à s(t) pour t = :
Si = SCPA- i ScPA [7] hι est appelé facteur d'atténuation du signal. Les relations [5] et [6] permettent de déterminer l'évolution au cours du temps de l'amplitude et de la fréquence du signal reçu au fil de la trajectoire de la cible. Cette évolution est illustrée par les chronogrammes 2-a et 2-b de la figure 2. Le chronogramme 2-a montre que la courbe d'amplitude du signal reçu subit une variation importante sur une portion 21 sensiblement comprise entre les points M-iβt M2. Celle-ci passe par un maximum pour le point correspondant au CPA. En dehors de la zone [M^ M2] l'atténuation du signal reçu devient très importante de sorte que le signal est noyé dans le fouillis ambiant. De la même façon, le chronogramme 2-b montre quant à lui que la courbe de fréquence du signal reçu par la bouée varie de façon importante sur une portion 22 sensiblement comprise entre les deux points Mi et 2 pour tendre lentement vers des asymptotes 23 et 24 de part et d'autre de cette zone. S'agissant du déplacement de la cible par rapport à la bouée, on peut également s'intéresser à l'évolution de sa position au travers de son azimut magnétique. La figure 3 illustre cette évolution. Soient ΘCPA l'azimut de la cible lors de son passage au CPA et β l'angle orienté entre la direction bouée - CPA 31 et la direction bouée - cible 32. On peut écrire : θ = θCPA + β [8]
Par ailleurs, la distance parcourue par une cible, dont les paramètres sont dcPA, v, fcPA et tcpA, a pour expression connue : d(t) = v.t [9] et l'écart angulaire exprimé en radians entre l'azimut θ(t) de la cible et l'azimut ΘCPA du CPA a pour expression : β(t) = Arc tan (- *_ ) = A rc tan(τ) [10] ^«CPA ) ou encore si θι est égal à θ(t) pour t = tf θi = θCpa +Arctan(τj) [11]
L'origine des temps est prise à l'instant tcPA = to de passage de la cible au CPA. Les relations [5], [6] et [11] donnent l'expression des paramètres s(t), f(t) et θ(t) permettant de caractériser une cible émettant un bruit propre à la fréquence fcpA avec un niveau sonore SCPA lorsqu'elle passe au CPA.
L'extraction de ces paramètres est généralement réalisée par analyse spectrale du signal reçu par la bouée. L'analyse spectrale permet en particulier de construire une représentation du signal reçu dans un plan temps - fréquence, dont le principe est illustré par la figure 4.
Sur cette figure, la variation d'amplitude du signal reçu représenté par la courbe 41 est figurée par l'épaisseur du trait. Comme on l'a vu précédemment sur la figure 2, on peut distinguer la partie centrale de la courbe qui correspond sensiblement à la portion de trajectoire comprise entre les points Mi et M2 pour laquelle l'amplitude du signal est très supérieure à l'amplitude du bruit ambiant, et les parties distales 43 et 44 de la courbe pour lesquelles l'amplitude du signal diminue sensiblement jusqu'à avoisiner l'amplitude du bruit.
Le type de représentation spectrale illustré par la figure 4 est utilisé de manière courante pour effectuer une exploitation visuelle des signaux reçus par une bouée sous la forme d'une image connue sous l'appellation de LOFARGRAM qui représente le spectrogramme du signal reçu. Cette image est construite à partir de l'analyse spectrale du signal reçu au moyen d'un balayage continu en fréquence, chaque ligne affichée représentant le résultat de l'analyse spectrale du signal obtenu à un instant donné précédant l'affichage. La durée du balayage de la plage de fréquence affiché peut être par exemple égal au temps nécessaire à l'analyse spectrale du signal reçu. La figure 5 donne une représentation simplifiée de ce spectrogramme. Dans la pratique, ce spectrogramme est visualisé sur forme d'image vidéo, la variation de l'amplitude du signal reçu étant matérialisée par la variation de la luminosité de l'image.
Un spectrogramme tel que celui présenté à la figure 5 permet généralement d'effectuer une visualisation en continu du spectre du signal reçu, avec maintien de la visualisation d'un nombre constant de lignes consécutives correspondant aux analyses spectrales successives. Le rafraîchissement de l'image est ainsi effectué de manière continue, l'affichage à l'écran d'une nouvelle ligne amenant la disparition de l'affichage de la ligne la plus ancienne. Ce type de représentation défilante est communément appelé spectrogramme "waterfall". La figure 5 présente à titre d'exemple un spectrogramme représentant l'évolution du signal reçu en présences de trois cibles en mouvement 51, 52 et 53. Chacune des cibles émet un bruit propre comportant deux raies spectrales. Le spectrogramme permet de suivre au cours du temps l'évolution de la position des cibles, l'arrivée au voisinage du CPA, le passage au CPA puis l'éloignement, l'évolution étant matérialisé par l'augmentation puis la diminution de l'intensité lumineuse des traces correspondant aux cibles.
Comme le montre la figure 5, le nombre de lignes consécutives affichées est suffisant pour permettre de visualiser l'évolution de la cible au voisinage du CPA dans sa totalité, ce qui correspond généralement à un affichage de quelques minutes. Dans l'exemple de la figure 5, les lignes affichées correspondent à un temps écoulé de 300s, correspondant à l'affichage d'une centaine de lignes correspondant chacune à la représentation spectrale du signal à un instant donné. La période de rafraîchissement des lignes correspond au temps nécessaire à chaque analyse spectrale.
Ce type de représentation présente l'avantage d'être simple et facile d'utilisation. En revanche dans la mesure où il n'utilise que l'amplitude des composantes spectrales du signal reçu, il ne permet pas de répondre au problème posé par la faiblesse du bruit émis par les cibles sous-marines modernes. Les composantes spectrales du signal reçu pouvant avoir une amplitude sensiblement égale au bruit ambiant, leur exploitation visuelle devient difficile.
Pour remédier à ce problème le procédé selon l'invention propose de traiter simultanément les informations d'amplitude et d'azimut fournies par le signal reçu. A cet effet, selon l'invention, le signal reçu fait l'objet d'une analyse spectrale préliminaire destinée à obtenir pour chaque composante spectrale une information d'amplitude associée à une information angulaire caractéristique de l'azimut associé à la composante spectrale. La figure 6 présente à titre d'exemple non limitatif un organigramme d'opération permettant de réaliser l'analyse spectrale préliminaire du signal reçu par une bouée de type DIFAR.
La figure 6 illustre le détail des étapes de traitement qui constituent le traitement préliminaire. Ce traitement est en général réalisé à bord de l'aéronef qui effectue la surveillance et exploite les signaux provenant des bouées. Les signaux à traiter sont reçus sous forme d'un signal VHF 61 modulé par les signaux reçus par les différents capteurs de la bouée ainsi que le signal relative à l'orientation de ces capteurs par rapport au nord. La première étape, 62, du traitement consiste donc à démoduler le signal reçu, à échantillonner le signal démodulé et à effectuer un démultiplexage des signaux de façon à isoler le signal 65 issu du capteur omnidirectionnel, Somnidir, et les signaux provenant des capteurs directifs. On rappel à ce propos que les capteurs directifs sont montés sur la bouée de façon à former des voies de réception orthogonales. Les signaux issus des capteurs directifs sont également corrigés à l'aide de l'information d'orientation fournie par la bouée, de façon à obtenir des signaux SN -S 63 et SE-W 64 qui représentent le signal reçu dans les directions N-S et E-W.
Les signaux SN-s> SE-W et Somnidir ainsi obtenus font ensuite l'objet d'une étape 66 d'analyse spectrale au cours de laquelle chaque signal est traité séparément. Les spectres 67, 68, et 69 obtenus sont ensuite combinés comme indiqué sur la figure lors d'une étape 611. La combinaison des spectres a pour objet de former les signaux 612, 613, 614, et 615 correspondant à quatre voies de réception non ambiguës en direction et orientées respectivement au nord, au sud, à l'est et à l'ouest. Chacune des voies formées présentent un diagramme de directivité en forme de cardioïdes. Les spectres correspondant à chacune des cardioïdes sont ensuite utilisés lors d'une étape 616 qui calcule les modules 617, 618, 619 et 620 de chacun des spectres. Les modules des spectres sont utilisés dans les étapes 621 et 622 du traitement préliminaire, de façon à constituer un signal 623 correspondant au spectre des amplitudes et un signal 624 correspondant au spectre des azimuts.
Dans le traitement illustré par la figure 6, le signal 623 est obtenu en sélectionnant pour chaque fréquence la valeur du signal correspondant à la voie dont le spectre présente l'amplitude la plus importante à la fréquence considérée. Ainsi, pour chaque fréquence, le spectre des amplitudes constitué a pour expression:
A = Max ( |Card N|, |Card S|, |Card W |, |Card E| ) [12]
L'expression [12] montre que le traitement préliminaire produit un spectre d'amplitude qui tient avantageusement compte de l'azimut de la cible et de la directivité de la bouée. .
Le signal 624 quant à lui est obtenu en calculant pour chaque fréquence l'argument du nombre complexe dont les parties réelle et imaginaire sont calculées respectivement à partir des modules 617, 618 et 619, 620 des signaux correspondant aux voies de réception N, S W et E formées. Ainsi, pour chaque fréquence, le spectre des azimuts calculés a pour expression: θ = Arg( (ICard Ni2 - ICard Si2 , ICard Wl2 - ICard El2 ) ) [13]
A l'issue du traitement préliminaire illustré par la figure 6, on dispose d'une décomposition spectrale du signal reçu dont les composantes fréquentielles ont pour expression : z=A.exp(jθ). A et θ étant définis par les relations [12] et [13], la grandeur z présente la caractéristique de suivre quasiment une loi gaussienne bidimensionnelle. De même, les composantes réelle, x = A.cos(θ), et imaginaire, y = A.sin(θ), sont quasiment des variables aléatoires gaussiennes réelles centrées. Ces caractéristiques gaussiennes ont pour conséquence qu'en l'absence de cible, l'amplitude A suit une loi de Rayleigh et l'azimut θ une loi uniformément répartie sur [0,2ττ] et qu'en présence d'une cible, A suit une loi de Rice et θ, dans la cas où le rapport signal à bruit est fort, une loi normale centrée sur la valeur de l'azimut du bruiteur. Ces propriétés statistiques sont avantageusement mises à profit par le procédé selon l'invention.
Le traitement préliminaire décrit au travers de la figure 6 représente un moyen parmi d'autres de construire une représentation spectrale du signal reçu, qui possède les propriétés statistiques énoncées précédemment. Comme il a été dit précédemment, ce traitement est décrit à titre d'exemple, non limitatif de l'invention. Tout autre traitement conduisant à l'obtention d'une représentation spectrale présentant une statistique similaire en l'absence et en présence de cible peut être mis en œuvre pour effectuer le conditionnement du signal préliminaire à l'application du procédé selon l'invention.
Comme il a été dit précédemment le procédé selon l'invention a notamment pour objet d'améliorer le contraste du signal reçu par rapport au bruit ambiant afin notamment d'améliorer la qualité et la lisibilité des spectrogrammes présentés à l'opérateur. A cet effet le procédé selon l'invention effectue de manière itérative un traitement sur les données issues d'un ensemble de N analyses spectrales consécutives. Ce traitement consiste en premier lieu à sélectionner une cible modèle dont les paramètres sont connus, puis à élaborer le vecteur M correspondant à l'évolution, au fil de N analyses spectrales, du spectre du signal que recevrait la bouée en présence d'une cible semblable à cette cible modèle. Le traitement consiste ensuite à sélectionner pour chaque analyse spectrale du signal réellement reçu la composante Zj ayant la même fréquence que la composante rτij du vecteur M préalablement défini. L'ensemble des composantes forme un vecteur d'observation Z. Ce vecteur Z est ensuite comparé au vecteur M et le résultat de la comparaison, s'il satisfait à certains critères, est mis en mémoire accompagné des paramètres associés à la cible modèle considérée.
Un traitement identique est effectué pour chaque vecteur M élaboré, c'est à dire pour chaque modèle de cible défini. Les différent modèles de cibles sont obtenus en faisant varier dans des gammes choisies les paramètres fcpA, v, dcpA e tcPA qui caractérisent une cible. Un modèle de cible est constitué en donnant des valeurs particulières à un ensemble de paramètres d'évolution constitué par la fréquence fcpA du bruit propre généré par la cible, encore appelée fréquence statique, la vitesse v de la cible, la distance dcpA du CPA à la bouée et l'instant tcPA de passage de la cible au CPA.
Comme on l'a vu précédemment au travers de la figure 4, L'évolution au cours du temps des paramètres liés à une cible se traduit dans le plan temps fréquence par une courbe 41 en forme de baïonnette, présentant un point d'inflexion à la fréquence fcpA, ou fréquence statique, et deux asymptotes. La position en fréquence des asymptotes ainsi que la pente de variation en fréquence de la courbe au voisinage du CPA sont en particulier fonction de la vitesse de la cible.
Chaque composante zι du vecteur Z est choisie parmi les composantes spectrales z = A.expQΘ) constituant l'analyse spectrale de rang i correspondant à un instant tι. Pour chaque analyse spectrale la composante retenue est celle dont la fréquence est égale à la fréquence de la composante nrij du vecteur M correspondant. A une cible modèle donnée, il est associé une courbe d'évolution en fréquence du signal reçu par la bouée dont l'allure sera celle de la courbe de la figure 4. Par conséquent, dans une représentation temps fréquence analogue à celle de la figure 4, les composantes z-, seront ainsi réparties le long d'une courbe analogue à la courbe 41 et superposable à la courbe correspondant au modèle de cible.
Par suite le vecteur Z a pour expression:
i étant compris entre 1 et N et la fréquence des composantes z,- évoluant d'une analyse spectrale à l'autre, le long d'une courbe analogue à la courbe 41. Chaque composante est caractérisée par son amplitude ai et son azimut θj.
De même, le vecteur M des évolutions attendues au cours du temps du spectre du signal reçu pour une cible correspondant à un modèle donné, a pour expression:
Les composantes rτij du vecteur M représentent l'évolution au cours du temps, sur les N analyses spectrales, des composantes spectrales du signal provenant de la cible modèle.
Le vecteur Z est ensuite corrélé avec le vecteur M afin d'évaluer le degré d'identification des observations z réalisées aux composantes du vecteur théorique correspondant à la cible modèle. Ainsi, s'il y a corrélation étroite entre les vecteurs Z et M, le vecteur Z peut être considéré comme révélateur de la détection d'une cible réelle en évolution dans l'espace couvert par la bouée. Cette cible réelle peut en outre alors être définie par les paramètres d'évolution de la cible modèle. En revanche, si les composantes du vecteur Z sont peu identifiables à celles du vecteur théorique, c'est qu'aucune cible réelle ayant des paramètres d'évolution semblables à ceux du modèle déterminé n'est détectée.
L'opération de corrélation est réalisée, de manière connue, au moyen du calcul d'un rapport de vraisemblance généralisée de l'observation au modèle. Ce rapport de vraisemblance a pour expression:
Lorsque la valeur du critère Λg est considérée comme permettant l'identification de l'observation au modèle, la cible détectée sera caractérisée par la valeur des paramètres fcpA, v, dcpA et tc A du modèle. L'azimut de la cible détectée, lors de son passage au CPA, sera quant à lui déterminé par l'expression:
On dispose alors de l'ensemble des paramètres permettant de définir la position de la cible à l'instant correspondant à la fin du traitement d'un ensemble de N analyses spectrales.
Pour un ensemble de N analyses spectrales, le traitement décrit précédemment est mis en œuvre par le procédé selon l'invention autant de fois qu'il y a de modèles de cibles possibles. Le nombre de modèles possibles est théoriquement donné par les tailles des plages de valeurs différentes que peuvent prendre les différents paramètres qui caractérisent une cible. En pratique, il faut également prendre en compte le temps nécessaire pour effectuer le traitement d'un modèle et le temps total dont on dispose pour traiter l'ensemble des modèles qui dépend du temps nécessaire pour effectuer N analyses spectrales consécutives.
L'organigramme de la figure 7 illustre le caractère itératif du procédé selon l'invention. Sur la figure 7, le traitement unitaire de création d'un vecteur d'observation pour des fréquences successives déterminées par un modèle de cible, et l'opération d'identification du vecteur Z au modèle M, est représenté par les tâches 71, 72 et 73 de l'organigramme. L'élaboration des N analyses spectrales consécutives du signal reçu par la bouée est représentée par la tâche 74. La tâche 75 quant à elle correspond à la sélection d'un jeu de paramètres { fcpA, v, dcpA, tcPA } caractéristique d'un modèle de cible. A chaque itération, un nouveau modèle de cible correspondant à un nouveau jeu de paramètres, est sélectionné parmi l'ensemble des modèles possibles. La succession des taches 71 , 72, 73 et
75 se poursuit jusqu'à ce que l'ensemble des modèles possibles soit utilisé. A chaque itération; les résultats de la tâche 73 d'identification au modèle font l'objet d'une comparaison à un critère et d'une éventuelle opération 76 de mémorisation. Les paramètres fcpA, v, dc A, tcPA Λg et ΘCPA Nés au modèle considéré sont mémorisés dans un tableau appelé tableau MVF, ou tableau des maxima de vraisemblance en fréquence, pour être exploités par la tâche
76 comme décrit dans la suite de la description. La boucle d'itérations mise en œuvre par le procédé selon l'invention et présentée sur la figure 7, est en réalité constituée par un jeu de boucles imbriquées dans un ordre déterminé. Chacune des boucles diffère de la précédente en ce qu'un des paramètres { fcpA, v, dCPA, ^PA } change de valeur conduisant ainsi à l'élaboration d'un nouveau modèle. Par suite, si P représente la grandeur MZ, Q la grandeur I I P, et R le rapport de vraisemblance Λg(Z), le procédé selon l'invention peut être décrit par l'algorithme de principe suivant:
- Lecture du fichier lofar complexe amplitude-azimut de durée T - Mise à zéro du tableau MVF destiné à contenir pour chaque fréquence statique fcpA les données (fcpA, Λg , dcpA . ^PA , v , ΘCPA) correspondant aux différents modèles définis.
- Début de boucle sur les hypothèses de fréquence statique : choix de la valeur de fcpA- - Début de boucle sur les hypothèses de vitesse de la cible: choix d'une valeur de vitesse v - Début de boucle sur les hypothèses de distance lors du passage au CPA: choix d'une valeur dcpA- - Début de boucle sur les hypothèses de décalage temporel au passage au CPA par rapport à l'instant de début des analyses spectrales: choix d'une valeur tcPA-
- Initialisation à zéro des variables qui vont contenir le rapport de vraisemblance R, son numérateur P et son dénominateur Q. - Elaboration du vecteur Z - Début de boucle sur les instants des N analyses spectrales. - Détermination de la composante zι correspondant au modèle M considéré. - P = P + Pi - Q = Q + Qi - Fin de boucle sur les instants tj des N analyses spectrales. - Détermination du rapport de vraisemblance maximum détermination des paramètres du modèle retenu: dcpA , tcpA , v , ΘCPA - Calcul du rapport de vraisemblance : R= I N F/(2.D). - Si, pour la fréquence fcpA considéré lors de l'itération courante, R courant > R de l'itération précédente, alors: - la valeur R contenue dans le tableau MVF pour fcpA est réactualisée par R courant - la valeur de ΘCPA est calculée - les nouvelles données (fc A, Λg , dCpA , ^PA , v , ΘCPA) sont sauvegardées dans le tableau MVF.
- Fin de la boucle sur les hypothèses de l'instant ICPA de passage au CPA. - Fin de la boucle sur les hypothèses de distance dcpA lors du passage au CPA. - Fin de la boucle sur les hypothèses de vitesse cible v. - Fin de la boucle sur les hypothèses de fréquence statique fcpA-
Le procédé selon l'invention permet ainsi d'obtenir, à partir des signaux reçus par la bouée, un tableau de données dans lequel sont rangées pour un ensemble particulier de valeurs attribuées aux paramètres fcpA, v, dcpA et tcpA, la valeur maximale retenue du critère Λg et la valeur de l'angle ΘCPA correspondante.
En pratique, comme il a été dit précédemment le nombre total de valeurs que peut prendre chacun des paramètres liés à l'évolution d'une cible modèle est nécessairement limité. La configuration suivante, représente à ce titre un exemple réaliste: fcpA est exploré sur l'ensemble des canaux fréquentiels définis par l'analyse spectrale, réalisée par exemple par FFT, tcpA est exploré sur l'ensemble des instants correspondant à l'établissement des résultats d'une analyse spectrale et varie de 0 à T, T représentant la durée de réalisation des N analyses spectrales; V, est explorée sur l'ensemble V des vitesses suivant: V = {-15, -12, -9, -6, -3, 0, 3, 6, 9, 12, 15}, les vitesses étant exprimées en m/s; dcpA est exploré sur l'ensemble D des distances suivant: D = {75, 210, 345, 480, 615, 750}, les distances étant exprimées en m.
Cet exemple montre que, même avec un nombre relativement restreint de valeurs pour chaque paramètre, le nombre de boucles de calcul à effectuer dans un temps limité est important. C'est pourquoi le nombre de modèles utilisé est nécessairement limité et ne couvre pas l'ensemble des modèles de cibles possibles correspondant aux plages de variation des différents paramètres. Ainsi, dans l'exemple choisi, aucun modèle de cible ayant une vitesse de 7 m/s et présentant une distance au CPA égale à 680 m ne peut être pris en compte. Aucun vecteur d'observation ne correspond donc à une telle cible, et par conséquent aucune cible réelle correspondant à ce modèle d'évolution ne sera directement recherchée.
Le nombre de modèles envisagés étant nécessairement limité, il est utile d'exploiter complètement chaque modèle. A cet effet le procédé selon l'invention permet avantageusement d'intégrer une opération permettant de traiter pour un modèle donné, non seulement le vecteur d'observation Z correspondant strictement au modèle, mais aussi les vecteurs situés au voisinage. Le procédé selon l'invention permet ainsi de déterminer non seulement les vecteurs d'observations qui correspondent rigoureusement à un modèle donné, mais aussi les vecteurs d'observations correspondant à des modèles voisins non explorés. Pour ce faire, il convient de déterminer pour chaque analyse spectrale la taille de l'intervalle de fréquence sur lequel on choisit la composante spectrale qui va constituer un élément du vecteur d'observation lié au modèle considéré. Cette détermination peut par exemple être réalisée en analysant les combinaisons adjacentes de paramètres. Cette analyse est illustrée par les figures 8 et 9.
La figure 8 illustre la manière dont sont positionnées en fonction de leurs paramètres les différentes cibles modèles dans le champ des paramètres explorés. Pour la simplicité de l'illustration on a considéré des modèles de cibles dont seulement deux paramètres sont variables, la vitesse et la distance au CPA par exemple. Ainsi, le modèle de cible ayant une vitesse v de 6 m/s et une distance dcpA de 615 m est encadré par quatre modèles 82, 83, 84 et 85 ayant respectivement pour paramètres:
Cet encadrement est également applicable à toutes les cibles réelles dont les paramètres v et dcpA sont compris entre les bornes définies par les quatre cibles modèles adjacentes. En partant de cette constatation, il est possible d'envisager d'ajouter au procédé selon l'invention une fonction permettant de prendre en compte pour une même cible modèle des vecteurs d'observations dont les composantes z\ sont situées dans une plage de fréquences comprise dans un intervalle défini par les quatre modèles adjacents. Cette plage de fréquence peut être par exemple définie de la façon illustrée par la figure 9. Sur la figure 9, sont tracées les courbes d'évolution au cours du temps de la fréquence du signal reçu par la bouée et provenant de cibles correspondant aux cibles modèle définies. La courbe 91 correspond à la cible modèle courante, et les courbes 92, 93, 94 et 95 correspondent aux quatre cibles modèles adjacentes. Pour un instant tι correspondant à l'analyse spectrale de rang i, symbolisée par la ligne pointillée 96, la figure 9 montre que le signal correspondant à la cible modèle actuelle a pour fréquence f0, tandis que les signaux correspondants aux cibles adjacentes ont des fréquences variant entre fmin et - La figure met d'autre part en évidence que si on élabore les vecteurs d'observations exclusivement à partir des composantes fréquentielles des signaux correspondant aux cibles modèles, certains signaux correspondant à des cibles réelles ne sont pris en compte par aucun vecteur d'observation.
Pour pallier cet inconvénient la constitution du vecteur d'observation est réalisée en étudiant les composantes spectrales dont la fréquence est située dans une plage 96 donnée autour de la fréquence fo du signal correspondant au modèle, et en sélectionnant la composante ayant l'amplitude la plus grande. La taille de la plage de fréquence 97 d'analyse peut par exemple être définie comme s'étendant de fo - (fo + fmin)/2 à fo + (fmax - fo)/2.
L'opération correspondant aux illustrations des figures 8 et 9, peut avantageusement être intégrée au procédé selon l'invention et permet alors de limiter judicieusement le nombre de modèles de cibles à rechercher dans le signal reçu par la bouée. Ceci a pour conséquence bénéfique de limiter le nombre de valeurs données à chacun des paramètres fcpA, v, dCPA et tcpA associés. Cette opération peut par exemple être intégrée à la tâche d'élaboration du vecteur Z de l'organigramme décrit précédemment. On a alors:
- Elaboration du vecteur Z - Début de boucle sur les instants t des N analyses spectrales. - Détermination pour le modèle M courant des bornes en fréquence à partir des modèles adjacents. - Choix de l'indice fréquentiel pour lequel l'amplitude de Zj est maximale entre les bornes d'un intervalle de fréquence considérées, pour la récurrence considérée. - P = P + P, - Q = Q + Qi Fin de boucle sur les instants t des N analyses spectrales.
Comme on le voit au travers de sa description le procédé selon l'invention repose notamment sur un choix judicieux des modèles de cibles étudiés. Ce choix peut être facilité par la prise en compte de quelques hypothèses relatives à l'exploitation envisagée des résultats obtenus par application du procédé au signal reçu par la bouée. Parmi ces hypothèses on peut en particulier citer: - le cas des cibles immobiles pour lesquelles faire évoluer le paramètre dcpA n'a pas de sens; - la limitation de la résolution spectrale autorisée par le mode de visualisation choisi pour les données obtenues, un spectrogramme par exemple; - la limitation de la durée d'observation correspondant aux N analyses réalisées.
Ces différentes limitations permettent avantageusement de limiter les plages de valeurs couvertes par les différents paramètres.
Les données contenues dans le tableau MVF peuvent être exploitées de façon immédiate en réalisant une représentation du spectre MVF des variations de la valeur du critère Λg en fonction de la fréquence fcpA-
Les données du tableau MVF peuvent également être utilisées pour réaliser la construction d'un spectrogramme (lofargram) synthétique sur lequel sont représentés au fur et à mesure de leur élaboration les vecteurs d'observations retenues, l'amplitude de la trace affichée prenant une valeur constante, fonction de la valeur du critère Λg mémorisé dans le tableau, dans la mesure où cette valeur dépasse un seuil de corrélation fixé définissant un rapport signal à bruit suffisant. Pour une valeur trop faible de Λg aucune trace n'est affichée. On obtient de la sorte un spectrogramme synthétique très contrasté, beaucoup plus lisible pour un opérateur qu'un spectrogramme obtenu à partir de simples analyses spectrales. Cependant, la mise en œuvre du procédé selon l'invention offre avantageusement d'autres possibilités d'exploitation, possibilités liées à la connaissance pour chaque vecteur d'observation des paramètres fcPA, v, dcpA, tcpA et ΘCPA de la cible modèle recherchée. Ces paramètres permettent en effet de déterminer la position des cibles réelles détectées par leur correspondance avec un modèle donné et d'en réaliser une représentation cartographique. Les cibles réelles correspondent généralement à des vecteurs d'observation ayant produit un fort critère Λg. L'algorithme suivant, donné à titre d'exemple, décrit un procédé permettant de réaliser une représentation géographique des cibles détectées:
- Mise à zéro de l'image géographique synthétique Boucle sur les canaux spectraux du spectre MVF - Recherche dans le tableau MVF des maxima locaux du critère Λg; - Sélection des maxima locaux supérieurs à un seuil correspondant à un rapport signal à bruit suffisant; - Agglomération des maxima locaux sélectionnés: conservation du plus grand des maxima parmi des maxima voisins situés dans une bande de fréquence étroite; - Calcul des positions des bruiteurs à partir des paramètres fcpA , dcpA, tcpA , v et ΘCPA associés aux maxima retenus après agglomération; - Calcul des incertitudes avec lesquelles sont estimés les paramètres (fcpa . dCpa . tcpa , v ,θcpa) - Elaboration de l'image géographique par positionnement dans un repère de taches lumineuses ou colorées, chaque tache correspondant à la position géographique du bruiteur associé à un des maxima retenu. La tache représentée est centrée sur le point défini par les paramètres associés au maximum considéré. Sa forme est sensiblement celle d'une ellipse dont les dimensions sont fonction des incertitudes estimées sur les paramètres fcpA , dcpA . v, tcpA et ΘCPA associés. L'intensité ou la couleur de la tache est fonction de la valeur du critère Λg correspondant. Dans les zones de juxtaposition l'intensité associée à la superposition de plusieurs tache est déterminée par une combinaison des valeurs des critères Λg correspondants. Cette combinaison peut par exemple être une simple addition. Fin de la boucle sur les canaux spectraux du signal MVF
Ces trois types de représentation sont illustrés par les trois représentations fréquentielles de la figure 10 et par la représentation de la figure 11. Ces représentations sont données à titre d'exemple.
La figure 10 illustre l'élaboration à l'aide du procédé selon l'invention, du spectrogramme synthétique 10 - c à partir d'un spectrogramme réel 10 - a. L'effet produit par le procédé selon l'invention peut être comparé à une amplification sélective du contraste entre l'intensité attribuée au bruit ambiant 101 et aux signaux à Λg faibles 103, et l'intensité attribuée au signal utile 102, à fort Λg.
Le spectrogramme 10 - b quant à lui représente de manière graphique la valeur de Λg en fonction de la fréquence fcpA ces données étant extraites du tableau MVF constitué par application du procédé selon l'invention aux signaux représentés sur le spectrogramme 10 - a. S'agissant du signal utile 102, on peut constater que le critère ainsi calculé a bien un effet amplificateur de contraste.
La figure 11 donne à titre d'exemple une illustration simplifiée d'une représentation géographique des résultats obtenus par le procédé selon l'invention. Comme il a été dit précédemment, les paramètres, dcpA, tcpA. v et ΘCPA contenus dans le tableau MVF, permettent de déterminer la position de la cible détectée à l'instant correspondant à la fin du traitement de N analyses spectrales. La représentation géographique de la figure 11 montre la présence d'une cible 111 repérée par sa distance à la bouée projetée sur les directions Nord-Sud et Ouest-Est. Dans l'exemple de la figure 11, la cible représentée correspond à la cible 102 mise en évidence sur le spectrogramme synthétique 10 - c. Les illustrations des figures 10 et 11 permettent de constater de manière pratique les avantages qu'offre l'utilisation du procédé selon l'invention par rapport aux procédés classiques connus de l'art antérieur. Cet avantage est d'autant plus important que l'équipement de détection, à savoir la bouée équipée d'antennes acoustiques reste identique à la bouée fournissant les signaux à un traitement plus conventionnel.
L'exploitation sous forme cartographique des données contenues dans le tableau MVF, permet également d'effectuer l'association des informations provenant de plusieurs bouées, comme l'illustre la figure 12. L'exploitation simultanée des signaux reçus par plusieurs bouées formant une sorte de barrage permet avantageusement d'établir une véritable cartographie de la trajectoire 122 suivie par la cible pendant tout le temps où elle se trouve à proximité de l'une ou l'autre des bouées. La connaissance des positions relatives des bouées coopérant ainsi que l'existence d'une référence temporelle commune permet en effet d'associer comme sur la figure 12, les images géographiques synthétiques 121 réalisées à partir de chacune des bouées.
Le procédé selon l'invention tel qu'il est décrit dans le texte qui précède présente donc l'avantage principal d'exploiter de manière plus complète les informations contenues dans le signal reçu par la bouée. L'identification du signal reçu à des modèles de cibles dont les paramètres sont déterminés permet dans le cas où l'identification est positive d'affecter à la cible détectée l'ensemble des paramètres du modèle.
Le procédé décrit dans le texte qui précède peut être mis en œuvre au moyen de bouées directionnelles quelconques, pour peu que ces bouées fournissent, comme par exemple les bouées DIFAR, une information d'azimut. Il est en outre possible d'appliquer ce type de procédé à des bouées non directionnelles, dans le cadre d'un mode dégradé fonctionnant sans l'information d'azimut non fournie par les bouées.

Claims

REVENDICATIONS
1. Procédé de traitement du spectre complexe amplitude-azimut d'un signal acoustique reçu par une bouée directive caractérisé en ce qu'il effectue, pour différents modèles de cibles envisagés, l'association des composantes fréquentielles complexes du signal reçu, situées le long de la courbe d'évolution au cours du temps de la fréquence d'un signal correspondant à une cible modèle, et la comparaison de la variation en module et en azimut de ces composantes fréquentielles à la variation en module et en azimut au cours du temps des composantes spectrales du signal correspondant au modèle, le traitement utilisant à la fois les informations d'amplitude et d'azimut contenues dans le signal reçu.
2. Procédé selon la revendication 1 caractérisé en ce que, un certain nombre de cibles modèles étant définies par leurs paramètres fCPA , dcPA, v et tcPA, chacun de ces paramètres pouvant prendre des valeurs fixées parmi un ensemble de valeur déterminées, ledit procédé comporte au moins les étapes suivantes: - une étape de constitution d'un vecteur M, modèle d'évolution au cours du temps du spectre du signal provenant d'une cible modèle en mouvement par rapport à la bouée, la cible modèle étant définie par ses paramètres fcpA , dcpA, v et tcpA; - une étape de constitution d'un vecteur d'observations Z ayant les mêmes caractéristiques d'évolution en fréquence, chaque composante du vecteur Z correspondant à la composante spectrale du signal reçu dont la fréquence est située, à l'instant considéré, sensiblement le long de la courbe d'évolution en fréquence suivie par les composantes du vecteur M modèle; - une étape de comparaison du vecteur Z au vecteur M, comparaison effectuée au moyen d'un critère de vraisemblance Λg; la comparaison permettant de déterminer pour chaque valeur possible du paramètre fcPA, la cible modèle pour laquelle la valeur du critère Λg est la plus grande, cette étape de comparaison comportant une opération de calcul de l'angle ΘCPA entre le nord et la direction bouée - CPA correspondant au modèle d'évolution considéré, - une étape de stockage dans un tableau MVF, pour chaque valeur de fcpA, des paramètres dcpA, v, tcpA;, Λg et ΘCPA relatifs à la cible modèle pour laquelle la valeur de Λg est la plus grande; les étapes étant implémentées un nombre de fois égal au nombre de cibles modèles disponibles.
3. Procédé selon la revendication 2 caractérisé en ce qu'il comporte en outre une étape finale d'exploitation des données contenues dans le tableau MVF, cette étape consistant à réaliser un spectrogramme synthétique affichant dans un plan temps- fréquence des traces correspondant à l'évolution au cours du temps des différentes cibles modèles identifiées dans le signal reçu, l'affichage d'une trace étant fonction de la comparaison à un seuil de la valeur du critère Λg calculé et l'intensité de la trace affichée étant fonction de la valeur de Λg
4. Procédé selon la revendication 2 caractérisé en ce qu'il comporte en outre une étape finale d'exploitation des données contenues dans le tableau MVF, cette étape consistant à réaliser une représentation géographique de l'évolution au cours du temps des cibles modèles identifiées dans le signal reçu, chaque cible identifiée étant représentée par une trace dont les coordonnées par rapport à la bouée sont données par les valeurs de dcpA, v, tcpA et ΘCPA, dont l'affichage est fonction de la comparaison par rapport à un seuil de la valeur du critère Λg calculé et dont l'intensité ou la couleur sont fonction de la valeur de Λg.
5. procédé selon l'une quelconque des revendications 2 à 4, caractérisé en ce que le critère Λg a pour expression: I *_!' M Z Λq(Z) = 2M
6. procédé selon l'une quelconque des revendications 2 à 4, caractérisé en ce que l'angle ΘCPA a pour expression:
7. Application du procédé selon la revendication 4 à l'exploitation des représentations géographiques obtenues en utilisant simultanément plusieurs bouées dont les zones d'écoute se chevauchent, l'ensemble des représentations géographiques obtenues permettant de reconstituer par recouvrement une portion de la trajectoire suivie par une cible identifiée.
EP05752667A 2004-06-15 2005-06-02 Procede de detection et visualisation de sources acoustiques de faible puissance en mouvement Withdrawn EP1756612A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0406475A FR2871578B1 (fr) 2004-06-15 2004-06-15 Procede de detection et visualisation de sources acoustiques de faible puissance en mouvement
PCT/EP2005/052546 WO2005124386A1 (fr) 2004-06-15 2005-06-02 Procede de detection et visualisation de sources acoustiques de faible puissance en mouvement

Publications (1)

Publication Number Publication Date
EP1756612A1 true EP1756612A1 (fr) 2007-02-28

Family

ID=34949302

Family Applications (1)

Application Number Title Priority Date Filing Date
EP05752667A Withdrawn EP1756612A1 (fr) 2004-06-15 2005-06-02 Procede de detection et visualisation de sources acoustiques de faible puissance en mouvement

Country Status (7)

Country Link
US (1) US7463554B2 (fr)
EP (1) EP1756612A1 (fr)
AU (1) AU2005255147A1 (fr)
CA (1) CA2569815A1 (fr)
FR (1) FR2871578B1 (fr)
NO (1) NO20070219L (fr)
WO (1) WO2005124386A1 (fr)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2871578B1 (fr) * 2004-06-15 2006-08-04 Thales Sa Procede de detection et visualisation de sources acoustiques de faible puissance en mouvement
FR2913115B1 (fr) 2007-02-27 2009-05-15 Thales Sa Methode automatique de fusion de pistes et estimation de peignes d'harmoniques.
FR2947341A1 (fr) * 2009-06-29 2010-12-31 Ixwaves Sarl Procede de detection de trains sensiblement periodiques de bouffees de signaux sensiblement sinusoïdaux
US8195409B2 (en) * 2009-11-03 2012-06-05 The Trustees Of The Stevens Institute Of Technology Passive acoustic underwater intruder detection system
US9651649B1 (en) 2013-03-14 2017-05-16 The Trustees Of The Stevens Institute Of Technology Passive acoustic detection, tracking and classification system and method
KR102637095B1 (ko) * 2023-07-21 2024-02-15 주식회사 어쿠스틱랩 부이를 이용한 선박 수중방사소음 계측 시스템

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2679041B1 (fr) * 1991-07-09 1993-09-24 Thomson Csf Systeme de detection d'objets sous-marins.
FR2805616A1 (fr) * 1999-08-03 2001-08-31 Thomson Marconi Sonar Sas Systeme de reperage acoustique par bouee sous-marines
FR2805617B1 (fr) * 1999-08-03 2002-06-28 Thomson Marconi Sonar Sas Systeme de reperage acoustique par bouees sous-marines
US6501705B1 (en) * 2000-06-22 2002-12-31 Lockheed Martin Corporation Acoustic surveillance system with signature and bearing data display
FR2821163B1 (fr) * 2001-02-16 2003-05-09 Thomson Marconi Sonar Sas Procede de detection d'objets mobiles au moyen de bouees sous-marines passives
FR2871578B1 (fr) * 2004-06-15 2006-08-04 Thales Sa Procede de detection et visualisation de sources acoustiques de faible puissance en mouvement

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2005124386A1 *

Also Published As

Publication number Publication date
NO20070219L (no) 2007-03-15
US20070185654A1 (en) 2007-08-09
US7463554B2 (en) 2008-12-09
CA2569815A1 (fr) 2005-12-29
FR2871578A1 (fr) 2005-12-16
WO2005124386A1 (fr) 2005-12-29
FR2871578B1 (fr) 2006-08-04
AU2005255147A1 (en) 2005-12-29

Similar Documents

Publication Publication Date Title
EP2100161B1 (fr) Procede de traitement radar passif multivoies d'un signal d'opportunite en fm
EP3044607B1 (fr) Systeme de detection et de localisation d'objets immerges flottant entre deux eaux tels que des mines a orins et procede associe
EP1756612A1 (fr) Procede de detection et visualisation de sources acoustiques de faible puissance en mouvement
EP3047298A1 (fr) Procede de detection de cibles et radar multifonction associe
EP1776601A1 (fr) Procede de tfac par segmentation statistique et normalisation
EP4046390B1 (fr) Localisation perfectionnee d'une source acoustique
EP0752597B1 (fr) Circuit de traitement polarimétrique de détection pour récepteur radar
EP3485292B1 (fr) Procédé et dispositif de détermination d'une zone géographique opérationnelle observée par un capteur
FR2939207A1 (fr) Procede de filtrage cinematique temporel multidimensionnel de plots radar, de tour d'antenne a tour d'antenne
FR3071066A1 (fr) Procede de filtrage des echos de fouillis de sol et/ou de mer interceptes par un radar aeroporte, et radar mettant en oeuvre un tel procede
FR3011086A1 (fr) Procede realisant conjointement la synchronisation, l'identification, la mesure, l'estimation du filtre de propagation et la localisation d'emetteurs utiles et interferants
FR3070768A1 (fr) Procede de classification automatique d'un navire cible et systeme radar associe
EP2816369B1 (fr) Système de détection à émissions multiples simultanées et procédé de détection
EP1204884A1 (fr) Systeme de reperage acoustique par bouees sous-marines
EP3506578B1 (fr) Procede de detection d'emetteurs radioelectriques et dispositif associe
EP1697764A1 (fr) Procede de visualisation des echos recus par un sonar actif utilisant une emission a spectre de raies
EP2449399B1 (fr) Procédé de détection de trains sensiblement périodiques de bouffées de signaux sensiblement sinusoïdaux
FR2904696A1 (fr) Procede de filtrage de signaux, procede de detection d'un brouilleur au sol et procede d'emission et de reception de signaux electromagnetiques emettant une forme d'onde a saut de frequence
FR2955950A1 (fr) Procede et dispositif permettant de determiner un parametre central associe a des coefficients d'identification obtenus par un algorithme de burg
EP0514252B1 (fr) Procédé pour détecter des sources en mouvement et estimer leur trajectoire
FR3143767A1 (fr) Procédé de caractérisation de cible pour un dispositif de détection du type radar ou sonar multi-panneaux à balayage électronique
EP1229348A1 (fr) Procédé de détection et de caractérisation d'obstacles par un système radar
FR2769373A1 (fr) Procede de detection doppler de cibles a vitesse radiale faible ou nulle
EP4254008A1 (fr) Procede de detection de structures longitudinales enterrees au moyen d'un radar a penetration de sol
FR2747792A1 (fr) Procede de formation de faisceaux adaptative pour un radar de surveillance du sol, et radar mettant en oeuvre le procede

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20061220

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU MC NL PL PT RO SE SI SK TR

DAX Request for extension of the european patent (deleted)
17Q First examination report despatched

Effective date: 20090513

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20110902