Abstract FR:

Le probleme que nous cherchons a resoudre est celui de la poursuite multicible multicapteur, ou plusieurs capteurs observent une meme region de l'espace aerien, dans laquelle evolue un nombre inconnu de cibles. Grace a l'information fournie par les capteurs, et a des traitements appropries, on cherche a detecter et a localiser ces cibles, puis a suivre leur evolution, si possible en temps reel. Ces capteurs sont organises dans une architecture decentralisee, ce qui pose essentiellement deux problemes: le premier est connu sous le terme de pistage, de poursuite ou d'association plot/piste, et le second par la fusion multicapteur. L'outil que nous avons retenu pour resoudre ces deux problemes est l'approche neuronale. Le pistage consiste a correler les plots (presence instantanee detectee par un capteur, et pouvant provenir d'une cible ou d'une fausse-alarme), aux pistes (succession spatio-temporelle de plots, attribuee a une cible). Dans ce cadre, tout d'abord etudie les methodes de traitement du signal couramment utilisees dans le domaine, puis mis au point une methode d'optimisation neuronale originale, chargee de decider des associations plot/piste a effectuer. La fusion multicapteur, quand a elle, cherche a fusionner les pistes monocapteurs obtenues grace au pistage precedent, en des pistes multicapteurs, donc contenant une information plus riche et plus sure. A cette fin, nous avons developpe une solution neuronale, basee sur une technique de reconnaissance de trajectoires. Ce reseau associe, a chaque piste monocapteur, un ensemble de trajectoires prototypes, caracterisant la cinematique de la cible. Des lors, au niveau central, on fusionne les pistes qui ont des prototypes en commun, donc des cinematiques proches. Pour obtenir la piste fusionnee, on combine l'ensemble de ces prototypes, grace a des operateurs de fusion, a l'aide d'un operateur de type moyenne, ou d'un operateur base sur la theorie de l'evidence