Application du filtre de Kalman linéaire et non linéaire et ses dérivées à la poursuite d’une cible manoeuvrante

Abstract

Les systèmes de surveillance civils ou militaires utilisent plusieurs algorithmes permettant d’effectuer la poursuite d’une ci ble. L’outil clef dans ces algorithmes est le filtre de Kalman. L’objectif de ma thèse est de présenter et d’analyser les principaux algorithmes permettant d’effectuer le filtrage linéaire (cas de poursuite dans le repère cartésien), ou le filtrage non linéaire (cas de poursuite en utilisant des mesures polaires). De nouvelles solutions algorithmi ques pour une poursuite adaptative d’une cible sont proposées. Le cas de la poursuite d’une cible manouvr ante a été étudié en utilisant la notion de modèles multiples interagissant. Nous avons proposé un algorithme à base des filtres à gains fixes (filtres αβ et filtre αβγ ) en utilisant la même architecture que celle du filtre IMM ( Inteacting Multiples Models ). L’algorithme proposé nommé FastIMM est facile à implémenter et peut être utilisé pour des applications de poursuite en temps réel. Nous avons également étudié l’applicatio n des filtres non linéaires récents tels que l’UKF (Uncented Kalma Filter) et le CK F (Cubature Kalman Filter) à la poursuite d’une cible avec des mesures polaires. Nous avons en particulier proposé l’utilisation de l’intégration ‘Cubature’ p our débiaiser la mesure conver tie. Le filtre obtenu a donné des résultats satisfaisants comparables à ce lles du meilleur filtre existant : le filtre ‘unbiaised converted measurments’.