Objectifs pédagogiques
- Comprendre les algorithmes de bases pour le pistage de cibles aériennes, terrestres ou maritimes
- Connaitre les limites, avantages et inconvénients des méthodes de pistage de cibles (manoeuvrantes ou non)
- Planifer les trajectoire d'un drone à partir du résultat du pistage
- Appliquer ces techniques sur un scénario simple de simulation sous l'environnement MatLab.
- Introduction à la fusion d'informations incertaines et imprécises
- Compréhension de la mise en oeuvre des règles de fusion et de leurs avantages et inconvénients.
Diplôme(s) concerné(s)
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Mastère Spécialisé Ingénierie des systèmes autonomes de Localisation Et Multi-Senseurs : Sécurité, Internet des Objets, Aéronautique et Renseignement
Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)- le rattrapage est obligatoire si :
- Note initiale < 6
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 10
- Crédits ECTS acquis : 2 ECTS
- Scientifique acquis : 2
Le coefficient de l'UE est : 2
La note obtenue rentre dans le calcul de votre GPA.
L'UE est évaluée par les étudiants.
Programme détaillé
Partie 1 : Introduction au pistage (9h + 4h de TP)
1. Estimation d'un système dynamique
2. Modèles cinématiques des cibles
3. Pistage mono-cible mono-senseur
4. Pistage muti-cibles mono-senseur par approches bayésiennes
5. Pistage multi-senseurs
6. Pistage de cibles manoeuvrantes
7. Aide aux simulations
8. Présentation du TP (pistage de cibles terrestres manoeuvrantes dan sun environnement bruité).
Partie 2 : Ralliement sur cible ou objectif ( 9h + 4h de TP)
1. Définition ligne de vue et prédiction du mouvement
2. Lois sur état instantané : alignement poursuite
3. Lois pour mouvement uniforme : NP
4. Lois pour cibles manoeuvrantes
5. Commande optimale ZEM et NZEM
6. Approche par jeu poursuite évalision : stratégies pures et mixtes, barrière de jeu
Partie 3 : Fusion d'information (4h)
1. Introduction à la théorie des fonctions de croyance (DST)
2. Règles de fusion classiques (avantages et limites)
3. Affaiblissement et conditionnement des sources
4. Fonctions de croyance qualitatives
5. Extension de la théorie des fonctions de croyance (DSmT).