Désentrelacement et classification de signaux RADAR basés sur des distances de transport optimal

Manon Mottier (1) , Gilles Chardon (1) , Frédéric Pascal (1)

1 L2S - Laboratoire des signaux et systèmes

Identifying RADAR transmitters represents a key challenge in electronic warfare, especially since RADARs have increasingly complex characteristics. This paper presents a methodology for deinterleaving and identifying RADAR transmitters based on the use of optimal transport distances to deinterleave pulses from an unknown number of transmitters and then identify these RADARs using a database. The methodology is tested on data obtained using a data simulator.

L'identification d'émetteurs RADAR représente un enjeu primordial dans le domaine de la guerre électronique d'autant plus que ces émetteurs présentent des caractéristiques de plus en plus complexes. Ce papier présente une méthodologie de désentrelacement et d'identification d'émetteurs RADAR basée sur l'utilisation de distances de transport optimal pour désentrelacer les impulsions d'un nombre inconnu d'émetteurs, puis identifier ces émetteurs grâce à une base de données. La méthodologie est testée sur des données obtenues grâce à un simulateur de données.

Domaines: Machine Learning [stat.ML]; Statistiques [stat]; Intelligence artificielle [cs.AI]; Traitement du signal et de l'image [eess.SP]

Manon Mottier, Gilles Chardon, Frédéric Pascal. Désentrelacement et classification de signaux RADAR basés sur des distances de transport optimal. GRETSI 2022 - XXIIXème Colloque Francophone de Traitement du Signal et des Images, Sep 2022, Nancy, France. ⟨hal-03851279⟩