Analyse des émissions Radar impulsionnelles par écoute passive : Application à la guerre électronique

15 Novembre 2024

---

Catégorie : Doctorant

---

Objectifs et Démarche envisagée : l'objectif recherché à travers cette thèse consiste à proposer une méthode automatisée capable d'assurer l'extraction aveugle (sans connaissances a priori), à partir d'une ambiance électromagnétique potentiellement complexe, des impulsions issues d'un même radar (problématique du désentrelacement de trames radar) puis de caractériser la séquence d'évolution des paramètres interpulse voire intrapulse, et le cas échéant, notamment si le capteur intègre une chaîne interférométrique, de déterminer la localisation des émetteurs. Implicitement, l'algorithme développé doit prendre en compte les formes d'onde complexes c'est-à-dire des formes d’onde dont les caractéristiques (largeur d'impulsion, période de répétition, fréquence etc.) évoluent en fonction de lois déterministe ou éventuellement pseudo aléatoire. Les méthodes d'extraction sont encore, de nos jours, largement basées sur des techniques de Clustering réalisées à partir des différents paramètres interpulse. La détermination de la loi suivie par la période de répétition des impulsions demeure l'une des caractéristiques principales affectant les capacités d'un système radar et constitue donc l'un des points clé de l’analyse ELINT. L'identification de la loi en question est menée à l'aide d'histogrammes élaborés à partir des intervalles de répétition des impulsions et elle consiste à ajuster la largeur des classes afin d'essayer d'obtenir un profil répertorié. Les résultats sont d'autant meilleurs que la quantité d'information est importante or pour accroitre la discrétion des radars modernes, avec notamment
l'introduction de l'agilité, le nombre d'impulsions interceptées a tendance à diminuer.

La principale contribution de cette thèse va donc concerner le désentrelacement des trames radar en étudiant, d'une part, les apports d'une analyse détaillée des caractéristiques intrapulse extraites du signal en bande de base, et d'autre part, certaines caractéristiques de la modulation engendrées par le matériel, ces deux approches venant en complément des techniques plus classiques basées sur les paramètres interpulse. Les représentations intrapulse ainsi obtenues, basées sur les concepts énumérés ci-après, et incluant le mode de compression d'impulsion constitueraient des attributs caractéristiques du signal origine et seraient utilisées pour entraîner un réseau de neurones profond afin de reconnaitre automatiquement l'émetteur. Le principe utilisé pourrait se rapprocher, par exemple, de ce qui a été réalisé pour la reconnaissance faciale appelée "eigenfaces" à savoir : prétraitement des données pour les homogénéiser suivi d'une décomposition en valeurs singulières (ACP, deep clustering etc.) avec sélection des vecteurs propres les plus significatifs et enfin l'apprentissage supervisé de la matrice de projection. La classification est alors réalisée en comparant les attributs du signal en entrée à ceux des signaux connus correspondant aux vecteurs propres.

En ce qui concerne l'analyse intrapulse, plusieurs pistes novatrices peuvent être envisagées et constituent des verrous scientifiques (micro-Doppler, récurrence de phase de la fréquence instantané, ...).

En plus des caractéristiques intrapulse, un intérêt peut être porté à la recherche de certains "défauts " liés au matériel en étudiant, par exemple, le déphasage et/ou le déséquilibre de gain entre les voies I/Q.

Enfin, lorsque le désentrelacement des trames radars est réalisé, l'identification des lois régissant les variations des diverses caractéristiques interpulse ou même intrapulse, dans le cas de radar à compression d'impulsion, est réalisée à partir de méthodes d'apprentissage automatique. Les méthodes basées sur l"utilisation d'un dictionnaire comportant les modulations potentielles constituent une réponse adaptée au problème.

La méthode sera testée et évaluée d'une part grâce à des données simulées et d'autre part en utilisant des mesures réalistes en collaboration avec DGA /MI.

Collaboration avec DGA/MI : la nécessité de disposer de données expérimentales réalistes ainsi que l'appui d’experts métier pour que cette étude puisse être valorisée constituent, a priori, une difficulté majeure. Cependant, les installations de simulation et d'évaluation dont dispose DGA/MI ainsi que son expertise dans leur mise en oeuvre et, d'une manière générale, en guerre électronique en font un potentiel partenaire naturel. Cette collaboration permettra également à DGA/MI de disposer des résultats de l'étude notamment en ce qui concerne l'application des méthodes basées sur l'intelligence artificielle à la problématique de détection et de classification des micromodulations involontaires.

Références :

[1] M. Mottier, Transport optimal : une application au processus de reconnaissance RADAR pour désentrelacer
les impulsions RADAR et identifier les émetteurs, Thèse de Doctorat, Université Paris-Saclay, 2024.
[2] M. Mottier, G. Chardon and F. Pascal, Radar emitter classification with optimal transport distances, EUSIPCO,
pp. 1871-1875, 2022.
[3] M. Mottier, G. Chardon and F. Pascal, Deinterleaving Radar emitters with optimal transport distances, IEEE
Trans. Aerospace and Electronic Syst., vol. 60, no. 3, pp. 3639-3651, 2024.
[4] L. Lesieur, J.M. Le Caillec and A. Khenchaf, Evaluation of a two-step clustering method for Radar pulse
deinterleaving, IEEE Conference on Antenna Measurements and Applications, pp.1047-1051, 2023
[5] H. Mardia, New techniques for the deinterleaving of repetitive sequences, IEE Proceedings F-Radar and
Signal Processing, IET, vol. 136, pp. 149–154, 1989.
[6] J.W. Han and C.H. Park, A Unified method for deinterleaving and PRI modulation recognition of Radar
pulses based on deep neural networks, IEEE ACCESS, vol. 9, pp. 89360-89375, 2021.
[7] P. Lang, X. Fu, J. Yang and J. Dong, A novel Radar signals sorting method via residual graph convolutional
network, IEEE Signal Processing Letters, vol. 30, no. pp. 753-757 2023.
[8] Q. Guo, S. Huang, L. Qi, Y. Wang and M. Kaliuzhnyi, A Radar pulse train deinterleaving method for missing
and short observations, Digital Signal Processing, vol. 141, pp. 1-12, 2023.

............