Etat de l’art des techniques de traitement pour le positionnement acoustique sous-marin

Télécharger le fichier pdf d’un mémoire de fin d’études

Systèmes du type « Base Courte »

Les systèmes « Base Courte » fonctionnent suivant une géométrie inverse au principe Base Longue comme l’illustre la figure I.2. Au moins trois hydrophones et un transducteur (émet-teur) sont placés sous le navire support et reliés au coffret de télémétrie qui pilote le système. L’engin à positionner est, quant à lui, équipé d’une balise répondeuse. Un signal d’interroga-tion est émis depuis le navire. Après interprétation, la balise mobile (que l’usage appelle « balise engin ») répond à ce signal. Les mesures de temps de parcours aller-retour ainsi que les écarts de temps au niveau des hydrophones de réception permettent de déduire distance et direction. Ce système a l’avantage de ne pas nécessiter le déploiement de transpondeurs sur le fond avant le travail sur zone. Toutefois, les hydrophones placés sous le navire sont soumis au tangage, au roulis et aux bruits générés par le porteur. Ces systèmes calculent la position en combinant la distance acoustique, le site et le gisement avec les informations données par le navire qui sont le cap, la verticale (tous deux fournis pas une centrale inertielle) et l’information GPS.
Un système du type Base Ultra Courte (BUC), présenté par la figure I.3 est une variante du système Base Courte dans laquelle les hydrophones sont regroupés en une seule base compacte.

Critères de performances des systèmes de positionnement

Limite de portée

La limite de portée ou « distance oblique pour laquelle le système demeure opérationnel » est assurément le critère de performance primordial des systèmes de positionnement acoustique. L’accroissement de la limite de portée est un double enjeu. Si, d’une part, il rend accessible de nouvelles immersions de travail, d’autre part, il est intéressant de pouvoir travailler en portée réduite avec une économie de puissance d’émission. En effet, le stockage de l’énergie est une problématique de premier plan. Ainsi, un gain en limite de portée peut être reporté sur une réduction de la masse de la balise acoustique.

Dispersion de la position

Considérons un engin sous-marin immobile. Dans le cadre des applications opérationnelles de l’Ifremer, il est d’usage de définir la dispersion de la position, souvent appelée « précision », par le rayon du cercle contenant 61% des positions estimées par le système. Cette erreur de mesure est le résultat d’une combinaison complexe de phénomènes physiques (géométrie de l’antenne, propagation acoustique, incidence du bruit). Pour le système POSIDONIA, commercialisé par la société IXSEA, le constructeur annonce une « précision » de 0.3% de la hauteur d’eau. En pratique, l’expérience montre que l’on atteint souvent une dispersion égale à 1% de la hauteur d’eau. Cet écart notable de performances entre les données constructeur et les mesures réalisées durant les opérations en mer découlent de la dégradation des conditions d’applications (météo, bruits, effets Doppler, mauvaise propagation…) inhérentes au contexte sous-marin [BZ86].

Principes de fonctionnement

Les techniques de traitement du signal utilisées pour les systèmes de positionnement ont été initialement construites autour du FA, de l’interférométrie à corrélation et de l’étude des sonars biologiques des chauves-souris [SG12, HMP+03, BOU86].
D’après la figure I.4, estimer la position d’un engin sous-marin revient à estimer la distance oblique D le séparant du récepteur ainsi que les angles Ω1 et Ω2 représentatifs respectivement du site et du gisement existants entre le navire support et l’engin à positionner. Ces opérations sont réalisées par deux types de fonctions distinctes : la distance-mètrie et la goniométrie.

Distance-mètrie

Supposons qu’un sous-marin soit équipé d’une balise répondeuse. Le problème de la distance-mètrie consiste en l’estimation de la distance D qui sépare le sous-marin du bâtiment de surface. Un signal d’interrogation est émis depuis le navire. La balise y répond, après un temps de traitement fixé (90 ms par exemple), par l’émission d’un signal dont on connait parfaitement les caractéristiques (fréquence centrale, largeur de bande, durée, type de modulation). De plus, on suppose que la propagation des signaux acoustiques se fait sous les hypothèses de propagation géométrique [LUR98, GUI64] : les trajets acoustiques sont alors supposés rectilignes.
Au niveau du récepteur, la distance entre la balise et le navire support s’obtient à partir de l’estimation du temps de propagation, noté D, nécessaire au signal pour parcourir le chemin balise – navire. L’estimé de la distance D (appelée usuellement distance acoustique ou encore distance oblique) est alors donnée par le produit du temps de propagation estimé D, par la célérité c selon l’équation I.1 : D = D c. (I.1).

Etat de l’art des techniques de traitement pour le positionnement acoustique sous-marin :

Signaux MFSK :

Un signal modulé MFSK pour Modulation Frequency-Shift Keying, est un signal construit à partir du découpage de la bande spectrale en sous-bandes qui sont juxtaposées selon des critères du type code de COSTAS ou autres comme l’illustre la figure I.14. L’intérêt est de pouvoir construire un ensemble de signaux à partir du même sous-ensemble de signaux mono-chromatiques. En choisissant des arrangements garantissant l’orthogonalité entre les signaux, il est possible de positionner simultanément plusieurs engins ou balises sans que les signaux in-terfèrent entre-eux. Cette technique est mise en application dans [PEN10] de la société IXSEA.

Compression d’Impulsion :

La Compression d’Impulsion est l’emploi couplé d’un signal modulé en fréquence en émission et d’un Filtre Adapté à ce signal en réception. Elle a pour but de maximiser le RSB et d’améliorer la résolution (largeur du lobe principal à 3 dB). En présence d’un bruit blanc, et lorsque le signal est déterministe, c’est-à-dire que le signal utile reçu est identique au signal émis, la Compression d’Impulsion est optimale en terme de maximisation du RSB (ce qui sera montré en II). Cependant, notons que pour une application sous-marine le bruit n’est pas vraiment blanc et le signal n’est pas vraiment déterministe. La Compression d’Impulsion n’est donc pas optimale lors d’une application pratique et en particulier pour le positionnement acoustique sous-marin. Toutefois peu de travaux concernant une révision profonde de la Compression d’Impulsion en vue de l’extension de ses hypothèses d’applications ont été réalisés [TPH11, COO88]. On peut citer les travaux de doctorat de J-L. Mori dans « Prise en compte de l’environnement en SONAR actif », [MOR02]. Ces travaux portent sur l’identification des signaux issus du trajet direct et de ceux issus des phénomènes de réverbération. De plus, considérant le signal utile comme aléatoire, J-L.Mori propose une application du Filtrage Adapté Stochastique (extension naturelle du Filtrage Adapté pour des signaux aléatoires et des bruits colorés) en vue de la prise en compte de paramètres aléatoires du signal. Cependant, l’auteur propose finalement une utilisation du Filtrage Adapté Stochastique en tant que classificateur associé à un détecteur (lequel peut être basé sur le FA tel que la Compression d’Impulsion) et non une alternative à la Compression d’Impulsion.

Détecteurs pour le positionnement acoustique sous-marin :

Classiquement, les détecteurs mis en oeuvre reposent sur une détection quadratique du signal après Compression d’Impulsion [TRE01, MAX04]. Les évolutions récentes des détecteurs incluent des techniques issues du RADAR comme les « détecteurs à taux constant de fausse alarme » CFAR, [VC04, HOF01, VER08, HAN06]. A ce sujet, citons le travail effectué par S.Pennec dans sa thèse [PEN10], qui a adapté les principes des détecteurs CA-CFAR au système de positionnement GAPS. Dans cette technique de détection adaptative, le seuil (t), dépendant du temps, est obtenu par l’intégration du module au carré des échantillons de l’observation adjacents à l’échantillon sous test, que l’on appelle ici r(t). t+T i (t) = T t | r( ) |2 d , (I.16).

Caractéristiques du lobe principal obtenu après Filtrage Adapté

L’opération de FA est généralement suivi d’un détecteur et/ou d’un estimateur qui repose sur les propriétés du signal filtré. Il est bien connu que lorsque le signal utile est présent dans l’observation, le FA génère un lobe principal de corrélation en sortie [MAX04]. La conception de l’estimateur ou de l’outil de détection à mettre en œuvre dépend donc directement de l’allure de la sortie du FA, que nous caractérisons dans ce paragraphe [KAY93]. Pour ce faire, considérons p(t) le signal émis. La référence p(t) (identique au signal émis) est le signal modulé linéairement en fréquence (chirp) dont la définition est donnée par l’équation I.5.
Soit s(t), la contribution signal utile reçu, il est possible de l’exprimer en fonction du signal de référence p(t) : s(t) = Ap(t),
où A représente l’amplitude de s(t) liée à la propagation. D’autre part, en absence de signal per-turbateur le résultat de la Compression d’Impulsion est l’intercorrélation entre la contribution du signal reçu s(t) et la référence p(t) : sF A(t) = s(t) t p(t).

Estimation pratique du RSB en sortie de la Compression d’Impulsion

En sous-section II.2.1, nous avons présenté le RSB sous un aspect théorique. L’usage consi-dère le Gain de Traitement (GT), obtenu classiquement par GT = 10log(Δ T ). Ainsi, il est possible d’estimer le RSB en sortie de Compression d’Impulsion par l’équation suivante : s = e + GT, (II.22) où les RSB e et s sont exprimés en dB.
A propos de la sortie de la Compression d’Impulsion, l’usage veut que l’on considère le signal résultant homogène à un niveau électrique. Toutefois, de par sa nature quadratique, l’opération de filtrage adapté fournit, en sortie, un niveau qui est l’image de la puissance utile disponible à l’entrée. Dans ce document, afin de conserver à l’esprit cette dernière remarque, nous admettons que la sortie du FA est homogène à une puissance. En ce qui concerne les calculs des RSB en sortie de Compression d’Impulsion, l’équation (II.22) devient alors : s = 1 ( e + GT ) , (II.23).
où le RSB connu à l’entrée du FA, e, est donné en dB homogène à un niveau (20log(RSB linéaire)).

Expérimentations avec un signal du type p1(t)

On se propose d’illustrer les propos précédents en traitant deux observations par le Filtrage Adapté. Nous choisissons d’utiliser le signal p(t) précédemment définit en I.7 comme signal utile et comme référence. Le bruit est un bruit synthétique blanc et gaussien (centré, réduit) dans la bande utile (14.5 17.5 kHz). On superpose par addition le signal p(t) au bruit à 1 s à partir du début du signal. Les figures II.3 et II.4 représentent respectivement l’observation (RSB imposé à 20 dB dans la bande) et la sortie compressée. La bande utile étant de Δ = 3 kHz, et la durée du signal d’intérêt de T = 25 ms. Il s’ensuit que le gain GT vaut approximativement 18 dB. Sous ces conditions, le RSB en sortie de Compression d’Impulsion s, est obtenu en décibel par l’équation II.22.

Influence du non-respect des hypothèses d’application du Filtrage Adapté

Dans le cadre d’une application sous-marine, le signal utile transmis est altéré, par le milieu (propagation sous-marin complexe), par le système lui-même (sensibilité des transducteurs, erreurs électroniques…) et par le contexte applicatif (effet Doppler généré par un mouvement radial relatif entre les transducteurs par exemple). Par conséquent, le signal utile peut être vu comme une réalisation d’un signal aléatoire. Par ailleurs, il est bien connu que le bruit de mer n’est pas blanc, mais coloré, même dans la bande utile. L’hypothèse de bruit blanc n’est donc pas vérifiée. De plus, il est bien connu que celui-ci n’est pas rigoureusement stationnaire. De ce fait, les deux hypothèses du Filtrage Adapté n’étant en pratique jamais strictement vérifiées, on doit envisager des applications sous-optimales du Filtrage Adapté.

Influence du non-respect des hypothèses d’application du Filtrage Adapté

Incidence d’un signal utile non déterministe

En 1989, G.KERVERN de la société Thomson présente au douzième colloque GRETSI un article à propos des limites du traitement cohérent en SONAR HF [KER89]. Cette publication n’est qu’un exemple parmi d’autres révélant l’intérêt que porte les industriels vis à vis des limitations de la Compression d’Impulsion. En outre, G.KERVERN après une brève présentation de la Compression d’Impulsion énumère de façon la plus exhaustive possible les différentes causes de déformation du signal émis. Il les regroupe en deux classes, les causes déterministes d’une part et les causes aléatoires d’autre part.
Dans les causes déterministe, nous pouvons lister :
– l’effet Doppler lié aux mouvements relatifs du porteur ;
– les effets liés au milieu (type de bathymétrie, atténuation fréquentielle, …) ;
– les effets de bande passante des systèmes électroniques (transducteurs, filtres, amplifica-teurs, …).
Les causes aléatoires sont quant à elles :
– les effets de « macrostructure » du milieu marin (courants marins, gradients de célérité, …) ;
– les effets de « microstructure » du milieu marin (hétérogénéité, particules en suspension,…) ;
– les fluctuations thermiques ;
– les erreurs électroniques (dérive et incertitude des composants, échantillonnage, précision numérique, …).
Pas conséquent, le signal utile impacté de ces déformations, déterministes et aléatoires peut sans nul doute être considéré lui-même comme la réalisation d’un processus aléatoire. Cepen-dant, par souci de répétabilité, nous proposons de simplifier, pour les essais numériques, cet ensemble de déformations. Pour ce faire, considérons uniquement un effet Doppler déterministe et éventuellement non réaliste (dépend de l’application). Celui-ci affecte le signal aussi bien sur sa durée que sur sa fréquence instantanée.
L’effet Doppler peut se voir comme une compression ou une dilatation. Conformément à ce que présente P.FLANDRIN dans [FLA98], lorsque cette approximation est observée (cas du SONAR), on modélise l’effet Doppler par une transformation du type : 1+ ω p(t) p (t) = p( t), (II.24).

Table des matières

I  Apropos du positionnement acousti que d’engins sous-marin 
I.1 Généralités sur le Positionnement Acoustique
I.1.1 Introduction
I.1.2 Systèmes du type « Base Longue »
I.1.3 Systèmes du type « Base Courte »
I.2 Critères de performances des systèmes de positionnement
I.2.1 Limite de portée
I.2.2 Dispersion de la position
I.3 Principes de fonctionnement
I.3.1 Généralités
I.3.2 Distance-mètrie
I.3.3 Goniométrie
I.3.4 Emission : Conception de signaux
I.3.5 Chaîne de réception – Principes
I.4 Etat de l’art des techniques de traitement pour le positionnement acoustique sous-marin
I.4.1 Signaux MFSK
I.4.2 Compression d’Impulsion
I.4.3 Détecteurs pour le positionnement acoustique sous-marin :
I.5 Conclusion et précisions sur la problématique de la thèse
II Compression d’Impulsion Classique 
II.1 Introduction
II.2 Filtrage Adapté sous conditions optimales
II.2.1 Rapport Signal à Bruit (RSB)
II.2.2 Expression du Filtre Adapté
II.2.3 Caractéristiques du lobe principal obtenu après Filtrage Adapté
II.2.4 Estimation optimale de la date d’arrivée du signal utile
II.3 Expérimentions, cas où le signal est déterministe et le bruit est blanc
II.3.1 A propos du Bruit blanc
II.3.2 Estimation pratique du RSB en sortie de la Compression d’Impulsion
II.3.3 Expérimentations avec un signal du type p1(t)
II.4 Influence du non-respect des hypothèses d’application du Filtrage Adapté
II.4.1 Généralités
II.4.2 Incidence d’un signal utile non déterministe
II.4.3 Caractérisation du bruit en acoustique sous-marine
II.4.4 Influence du bruit sur la Compression d’Impulsion, application sous-marine
II.4.5 Conclusion
IIICompression d’Impulsion via le Filtrage Adapté Stochastique (SMF-PC) 
III.1 Introduction
III.2 Filtrage Adapté Stochastique
III.2.1 Généralités
III.2.2 Décomposition d’un signal aléatoire
III.2.3 Décomposition simultanée de 2 fonctions aléatoires
III.2.4 Résolution numérique
III.2.5 Le filtre ’h’ :
III.2.6 Application au débruitage d’une observation polluée par un bruit blanc
gaussien
III.3 Compression d’Impulsion basée sur le FAS, le SMF-PC
III.3.1 Généralités
III.3.2 Approche théorique
III.4 Expérimentations et mesures
III.4.1 Essais sur signaux composé d’un signal utile déterministe et d’un bruit blanc
III.4.2 Essais sur signaux acquis en mer, DIVACOU 2010
III.5 Bilan
III.5.1 Abaisse le niveau de bruit moyen
III.5.2 Dépendance du taux de réduction du bruit en fonction du RSB en entrée
III.5.3 Domaine applicatif de la méthode SMF-PC
III.6 Conclusion et recours aux techniques Temps-Fréquence
IVCompression d’Impulsion via le couplage de techniques Temps-Fréquence et du Filtrage Adapté Stochastique (WV-SMF-PC) 
IV.1 Introduction
IV.2 Temps-fréquence
IV.2.1 Filtrage Adapté Temps-Fréquence (FATF)
IV.2.2 Estimation de la puissance temps-fréquence
IV.3 Le WV-SMF-PC (Wigner Ville – Stochastic Matched Filter – Pulse Compression) 97
IV.3.1 Généralités
IV.3.2 Principe théorique
IV.3.3 Illustration du principe de fonctionnement du WV-SMF-PC
IV.4 Expérimentations et mesures
IV.4.1 Essais sur signaux composé d’un signal utile déterministe et d’un bruit blanc
IV.4.2 Essais sur signaux acquis en mer, DIVACOU 2010
IV.5 Bilan des compétences comparées des algorithmes SMF-PC etWV-SMF-PC
IV.5.1 Rappel des objectifs
IV.5.2 Transformée de Wigner-Ville et interférences
IV.6 Conclusion
V Une améliorationduWV-SMF-PC, leEnhanced-WV-SMF-PC(E-WV-SMFPC)
V.1 Introduction
V.2 Généralités
V.2.1 Plan temps-fréquence de signaux MFSK
V.2.2 Décomposition atomique
V.3 Enhanced-WV-SMF-PC (E-WV-SMF-PC)
V.3.1 Principe
V.3.2 Essais sur signaux simulés
V.3.3 Cas d’un chirp, essais sur signaux réels
V.3.4 Prise en compte d’une erreur de modèle
V.4 Performances du récepteur E-WV-SMF-PC, application à un problème de détection131
V.4.1 Généralités
V.4.2 Cas d’un signal déterministe et d’un bruit blanc gaussien :
V.4.3 Cas d’un signal impacté d’un effet Doppler (de 0.05) et d’un bruit issus d’une acquisition en mer
V.5 Appréciation du gain en portée maximale d’un système de positionnement sur une exemple concret
V.5.1 Contexte
V.5.2 Résultats
V.6 Proposition d’un détecteur associé au E-WV-SMF-PC
V.6.1 CFAR
V.6.2 Simulations à partir de signaux synthétiques
V.6.3 Simulations à partir d’une observation acquise en mer
V.7 Conclusion

Télécharger le rapport complet