Une nouvelle décomposition tensorielle orthogonale, l'Alternative Unfolding HOSVD. Application au STAP Polarimétrique

Mélanie Boizard (1) , Guillaume Ginolhac (2) , Frédéric Pascal (3) , Philippe Forster (1)

1 SATIE - Systèmes et Applications des Technologies de l'Information et de l'Energie
2 LISTIC - Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance
3 SONDRA - Sondra, CentraleSupélec, Université Paris-Saclay (COmUE)

Dans cet article, on propose d'étendre les méthodes rang faible de traitement d'antenne à des cas multidimensionnelles. Deux types de méthodes peuvent être envisagés : l'approche vectorielle et l'approche tensorielle. L'approche vectorielle consiste à mettre les données sous forme de vecteurs et d'appliquer les traitements classiques. Dans ce cas, la structure des données n'est pas prise en compte ce qui peut nuire aux performances et à la robustesse. Afin d'éviter ces problèmes, une approche tensorielle est proposée. On s'intéressera plus particulièrement au cas du Space Time Adaptive Processing (STAP) rang faible. Afin de prendre en compte la nature des données STAP, une nouvelle décomposition tensorielle est proposée : la AU-HOSVD. A partir de cette décomposition, un filtre STAP tensoriel rang faible est proposé. Afin d'illustrer l'intérêt de notre approche, on l'applique à un cas particulier de STAP multidimensionnel : le STAP polarimétrique. On montre grâce à des simulations numériques de Signal to Interference plus Noise Ratio (SINR) loss que les performances de nos filtres sont meilleures que celles données par une approche vectorielle.

Domaines: Traitement du signal et de l'image [eess.SP]; Traitement du signal et de l'image [eess.SP]

Mélanie Boizard, Guillaume Ginolhac, Frédéric Pascal, Philippe Forster. Une nouvelle décomposition tensorielle orthogonale, l'Alternative Unfolding HOSVD. Application au STAP Polarimétrique. GRETSI 2013, Sep 2013, Brest, France. pp.1-4. ⟨hal-00871211⟩