Abstract FR:

Notre objectif au travers de cette étude est double : d'une part, mettre en oeuvre une méthode de pistage capable de traiter, de manière autonome, le problème d'initialisation automatique de pistes dans un environnement comportant de la fausse alarme. D'autre part, améliorer la caractérisation de la modélisation probabiliste, par la prise en compte de modèles et de données incertains. Pour satisfaire cette problématique, la méthode d'association plot-piste, Générateur d'Hypothèses Multiples de D. Reid (MHF Multiple Hypothese Filter), a été utilisée. En effet, cette technique traite à part entière l'initiatisation de pistes, tout comme leur entretien et leur destruction. En revanche, cette méthode génère une arborescence importante, qui implique une gestion de celle-ci, indispensable. Une autre modélisation de la vraisemblance des hypothèses a donc été envisagée en exploitant à la fois, le potentiel de la Théorie de l'Evidence de A. P. Dempster et G. Shafer et l'évaluation, tour à tour, de la densité de plots. Le choix de cette théorie est appuyé par le fait qu'elle peut considérer des données de nature incertaine et les fusionner entre elles. Cette approche améliore les performances du MHF et plus particulièrement sur le taux de fausses pistes.