Une approche statistique de l'optimisation de la fonction d'ambiguïté en radar - Archive ouverte HAL Access content directly
Conference Papers Year :

Une approche statistique de l'optimisation de la fonction d'ambiguïté en radar

(1) , (2) , (1)
1
2
Zouhair Ben Jemaa
  • Function : Author
  • PersonId : 1060732
Sylvie Marcos
Safya Belghith
  • Function : Author
  • PersonId : 885823

Abstract

In this paper we present a statistical analysis for the optimization of the phased codes used in radar. Indeed, we consider each code as being the realization of a random variable and we determine the probability density which makes it possible to have the best possible ambiguity function. We therefore show which statistical properties must check the codes and we analyze more particularly some examples. Finally, simulations show the agreement between the established statistical properties and the good behavior of the ambiguity function.
Dans cette communication nous présentons une analyse statistique pour l'optimisation des codes de phase utilisés en radar. Nous considérons, en effet, chaque code commeétant la réalisation d'une variable aléatoire et nous déterminons la densité de probabilité qui permet d'avoir la meilleure fonction d'ambiguïté possible. Nous montrons donc quelles propriétés statistiques doivent vérifier les codes et nous analysons plus particulièrement quelques exemples. Enfin, des simulations montrent l'accord entre les propriétés statistiquesétablies et le bon comportement de la fonction d'ambiguïté.
Fichier principal
Vignette du fichier
benjemaa575.pdf (458.6 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-02285368 , version 1 (12-09-2019)

Identifiers

  • HAL Id : hal-02285368 , version 1

Cite

Zouhair Ben Jemaa, Sylvie Marcos, Safya Belghith. Une approche statistique de l'optimisation de la fonction d'ambiguïté en radar. XXVI ème Colloque francophone de traitement du signal et des images (GRETSI2019), Aug 2019, Lille, France. ⟨hal-02285368⟩
48 View
35 Download

Share

Gmail Facebook Twitter LinkedIn More