| Titre : | Les algorithmes adaptatifs de poursuite de cible | | Type de document : | texte imprimé | | Auteurs : | Dris, Lyamine, Auteur ; Berkani, Daoud, Directeur de thèse | | Editeur : | [S.l.] : [s.n.] | | Année de publication : | 2008 | | Importance : | 74 f. | | Présentation : | ill. | | Format : | 30 cm | | Accompagnement : | 1 CD-ROM. | | Note générale : | Mémoire de Magister: Electronique: Alger, Ecole Nationale Polytechnique: 2008
Bibliogr. [5] f | | Langues : | Français (fre) | | Mots-clés : | Filtrage stochastique
Filtre de Kalman
Méthode de Monte Carlo | | Index. décimale : | M004408 | | Résumé : | Le travail de ce mémoire concerne plus particulièrement les algorithmes de poursuite de cible.
Nous nous sommes intéressé au cas d'objets mobiles, et plus particulièrement à l'estimation du mouvement de ces objets, nécessaire pour une exécution satisfaisante des taches de poursuites.
La qualité de poursuite est grandement améliorée grâce à une estimation robuste du mouvement.
Pour réaliser l'estimation, nous avons choisi les techniques de filtrage stochastique.
Il s'agit de filtre de Kalman dans le cas linéaire gaussien, ou des méthodes séquentielles de Monte Carlo dans le cas non linéaire.
La représentation d'état est adaptée en permanence en fonction des observations courantes pour représenter au mieux la dynamique du système.
Dans ce mémoire, notre travail consiste à faire de la comparaison des résultats donnés par le filtre de Kalman étendu et le filtre particulaire dans le cadre de la poursuite de cible.
Les méthodes présentées dans ce mémoire ont été validées en simulation.
Ce mémoire est organisé en cinq chapitres selon le plan suivant:
Dans le premier chapitre, on présente le problème de filtrage non linéaire, on décrit un état d'art des différentes méthodes analytiques (filtre de Kalman-Bucy, filtre de Kalman étendu, ...) et numériques classiquement utilisées dans le filtrage.
Nous montrons les limites de ces méthodes de résolution.
Dans le second chapitre, on décrit le principe fondamental des méthodes de Monte Carlo et on compare certain de ces méthodes appliquées dans le filtrage non linéaire.
La liste de ces méthodes n'est pas exhaustive.
Nous montrons certaines faiblesses des méthodes particulaires classiques.
Nous présentons des variantes de ce filtre qui répondent aux contraintes.
Dans le troisième chapitre, nous décrivons les différents modèles de trajectoires des systèmes dynamiques non linéaires.
La majorité des trajectoires ne sont que des successions de trajectoires élémentaires canoniques tels que des segments de droites, des arcs de cercles, ....
Dans le dernier chapitre, nous abordons la problématique de la poursuite de cible.
Une mise en oeuvre de filtres particulaires pour la poursuite d'une cible et une comparaison aux résultats d'un filtre de Kalman étendu clôt ce chapitre.
Une conclusion générale et le dégagement de plusieurs perspectives à ces travaux clôt ce document. |
Les algorithmes adaptatifs de poursuite de cible [texte imprimé] / Dris, Lyamine, Auteur ; Berkani, Daoud, Directeur de thèse . - [S.l.] : [s.n.], 2008 . - 74 f. : ill. ; 30 cm + 1 CD-ROM. Mémoire de Magister: Electronique: Alger, Ecole Nationale Polytechnique: 2008
Bibliogr. [5] f Langues : Français ( fre) | Mots-clés : | Filtrage stochastique
Filtre de Kalman
Méthode de Monte Carlo | | Index. décimale : | M004408 | | Résumé : | Le travail de ce mémoire concerne plus particulièrement les algorithmes de poursuite de cible.
Nous nous sommes intéressé au cas d'objets mobiles, et plus particulièrement à l'estimation du mouvement de ces objets, nécessaire pour une exécution satisfaisante des taches de poursuites.
La qualité de poursuite est grandement améliorée grâce à une estimation robuste du mouvement.
Pour réaliser l'estimation, nous avons choisi les techniques de filtrage stochastique.
Il s'agit de filtre de Kalman dans le cas linéaire gaussien, ou des méthodes séquentielles de Monte Carlo dans le cas non linéaire.
La représentation d'état est adaptée en permanence en fonction des observations courantes pour représenter au mieux la dynamique du système.
Dans ce mémoire, notre travail consiste à faire de la comparaison des résultats donnés par le filtre de Kalman étendu et le filtre particulaire dans le cadre de la poursuite de cible.
Les méthodes présentées dans ce mémoire ont été validées en simulation.
Ce mémoire est organisé en cinq chapitres selon le plan suivant:
Dans le premier chapitre, on présente le problème de filtrage non linéaire, on décrit un état d'art des différentes méthodes analytiques (filtre de Kalman-Bucy, filtre de Kalman étendu, ...) et numériques classiquement utilisées dans le filtrage.
Nous montrons les limites de ces méthodes de résolution.
Dans le second chapitre, on décrit le principe fondamental des méthodes de Monte Carlo et on compare certain de ces méthodes appliquées dans le filtrage non linéaire.
La liste de ces méthodes n'est pas exhaustive.
Nous montrons certaines faiblesses des méthodes particulaires classiques.
Nous présentons des variantes de ce filtre qui répondent aux contraintes.
Dans le troisième chapitre, nous décrivons les différents modèles de trajectoires des systèmes dynamiques non linéaires.
La majorité des trajectoires ne sont que des successions de trajectoires élémentaires canoniques tels que des segments de droites, des arcs de cercles, ....
Dans le dernier chapitre, nous abordons la problématique de la poursuite de cible.
Une mise en oeuvre de filtres particulaires pour la poursuite d'une cible et une comparaison aux résultats d'un filtre de Kalman étendu clôt ce chapitre.
Une conclusion générale et le dégagement de plusieurs perspectives à ces travaux clôt ce document. |
|
Affiner la rechercheLes algorithmes adaptatifs de poursuite de cible / Dris, Lyamine
