UNIVERSITE DE CARTHAGE

FACULTE DES SCIENCES DE BIZERTE

Département Physique

Projet
MASTÈRE PROFESSIONNEL

En Electronique

Electrotechnique et Automatique
Spécialité :
Intégration des systèmes électroniques dédiés aux énergies
renouvelables

Intitulé

Algorithmes pour Radar à Synthèse d'Ouverture

(SAR)

Présenté par :

Ben Jaballah Wejden

Adassi Safa
Bayouli Achref
Tayachi Malek
Zitouni Youssef
Année universitaire : 2024 / 2025
TABLE DE MATIÈRES

INTRODUCTION ............................................................................................................................................ 1

OBJECTIFS ................................................................................................................................................... 2

PROBLEMATIQUE ........................................................................................................................................ 2

1 ALGORITHMES DE TRAITEMENT SAR ......................................................................................... 3

1.1 MISE EN CORRESPONDANCE DE PHASE ................................................................................................. 3

1.1.1 Principe ........................................................................................................................................... 3
1.1.2 Étapes principales :.......................................................................................................................... 3
1.1.3 Implémentation MATLAB et résultats : .......................................................................................... 3
1.2 ALGORITHME DE REPROJECTION ET : RECONSTRUCTION D'IMAGE RADAR ........................................... 5
1.2.1 Principe ........................................................................................................................................... 5
1.2.2 Étapes principales :.......................................................................................................................... 5
1.2.3 Implémentation de MATLAB et résultats : ..................................................................................... 6
1.3 ALGORITHME RANGE-DOPPLER............................................................................................................ 7
1.3.1 Étapes principales :.......................................................................................................................... 8
1.3.2 Implémentation de MATLAB et résultats : ..................................................................................... 8
2 COMPARAISON DES ALGORITHMES ........................................................................................... 10

ALGORITHMES .......................................................................................................................................... 10

AVANTAGES ................................................................................................................................................ 10

3 PERFORMANCE ET EFFICACITE DES ALGORITHMES SAR ................................................... 10

CONCLUSION ............................................................................................................................................. 11
LISTE DES TABLEAUX
Tableau 1: les avantages et les inconvénients des algorithmes. 10

LISTE DES FIGURES

Figure 1: Courbe de l'algorithme de phase. ............................................................................................................. 4
Figure 2: courbe de l'algorithme de reprojection..................................................................................................... 6
Figure 3: courbe de l'algorithme Range Doppler..................................................................................................... 9
Introduction
Le radar à synthèse d’ouverture (SAR) est une technologie avancée qui permet d’obtenir
des images radar de haute résolution en exploitant le mouvement d’une antenne embarquée sur
un satellite, un avion ou un drone. Contrairement aux radars conventionnels, qui utilisent une
seule impulsion pour chaque mesure, le SAR exploite la cohérence des signaux radar collectés
sur une distance donnée afin de simuler une grande antenne virtuelle. Cela permet d’améliorer
significativement la résolution spatiale des images obtenues, indépendamment de la distance
d’observation.

Le SAR est une technologie clé dans de nombreux domaines. En observation de la Terre, il est
utilisé pour la surveillance des forêts, la cartographie des reliefs et le suivi des infrastructures.
Dans le domaine militaire, il permet la détection et le suivi des cibles, la reconnaissance tactique
et la surveillance des zones sensibles. En environnement, le SAR joue un rôle crucial dans
l’observation des catastrophes naturelles telles que les inondations, les glissements de terrain et
les séismes, fournissant ainsi des données essentielles pour la gestion des crises. Il est également
utilisé dans les applications maritimes pour la surveillance des océans, la détection des navires
et l’analyse des courants marins.

Grâce aux algorithmes avancés de traitement du signal, le SAR offre une capacité d’imagerie
exceptionnelle, même en conditions météorologiques défavorables ou dans l’obscurité,
contrairement aux capteurs optiques traditionnels. Ces performances sont rendues possibles par
des algorithmes sophistiqués qui permettent de reconstruire et d’améliorer les images SAR, tels
que la mise en correspondance de phase, la reprojection et l’algorithme Range-Doppler, qui
seront détaillés dans ce rapport.

1
Objectifs
Ce projet vise à :

• Étudier les principes fondamentaux du SAR et son importance dans divers domaines.
• Analyser les principaux algorithmes utilisés dans le traitement des images SAR.
• Comparer les performances des différentes approches et identifier leurs avantages et
inconvénients.
• Mettre en évidence les défis liés à la reconstruction d’images radar et explorer des
pistes d’amélioration.

Problématique
L’imagerie radar par SAR repose sur des traitements numériques avancés pour reconstruire
les images avec une haute résolution. Cependant, plusieurs défis subsistent :

• Comment améliorer la précision des images SAR tout en minimisant les artefacts ?

• Quels sont les algorithmes les plus adaptés pour la reconstruction d’images SAR et
quelles sont leurs limites ?

• Comment optimiser l’utilisation des algorithmes de mise en correspondance de phase,

de reprojection et de traitement Range-Doppler pour maximiser la qualité des images
obtenues ?

2
1 Algorithmes de Traitement SAR
Le traitement des images SAR repose sur plusieurs algorithmes permettant de reconstruire
des images radar de haute résolution. Ces algorithmes corrigent les artefacts, améliorent la
précision géométrique et exploitent les propriétés Doppler pour affiner la résolution. Parmi les
méthodes les plus utilisées, on trouve la mise en correspondance de phase, la reprojection et
l’algorithme Range-Doppler, chacun jouant un rôle essentiel dans l’amélioration de la qualité
des images SAR.

1.1 Mise en Correspondance de Phase

1.1.1 Principe

L'algorithme de mise en correspondance de phase est essentiel pour aligner correctement

les signaux radar acquis à différents instants. L'objectif est d'assurer une cohérence
optimale entre les images successives afin d'améliorer la résolution et de limiter les
artefacts.

1.1.2 Étapes principales :

• Correction des variations de phase : Compensation des différences de phase

causées par les perturbations atmosphériques et les erreurs de trajectoire.
• Transformée de Fourier : Utilisation des transformées de Fourier pour identifier
et compenser les décalages de phase.
• Algorithmes d'estimation : Des techniques comme l'interférométrie SAR (InSAR)
utilisent cette correspondance de phase pour extraire des informations sur la
topographie et les déplacements de terrain.

1.1.3 Implémentation MATLAB et résultats :

Code :
% Exemple de code MATLAB pour la mise en correspondance de phase

N = 256;

x = linspace(-pi, pi, N);

y = sin(x) + randn(1, N) * 0.1; % Signal avec bruit

figure;

3
 plot(x, y);

title('Signal après correction de phase');

xlabel('Échantillons');

ylabel('Amplitude');

Simulation :

Figure 1: Courbe de l'algorithme de phase.

Explication :

Le courbe "Signal après correction de phase" indique que le signal a subi un traitement visant
à corriger sa phase.

La correction de phase est souvent utilisée en traitement du signal pour améliorer l'alignement
temporel des composantes fréquentielles.

4
Axes : L'axe horizontal est intitulé "Échantillons", ce qui signifie que l'axe des abscisses
représente le nombre d'échantillons du signal et l'axe vertical est intitulé "Amplitude", ce qui
montre la variation de l'amplitude du signal en fonction des échantillons.

Analyse de la courbe : Le signal semble fluctuer avec une tendance oscillatoire, indiquant une
nature potentiellement sinusoïdale ou une réponse impulsionnelle affectée par du bruit.

La correction de phase permet d'obtenir une représentation plus claire du signal en supprimant
les distorsions de phase introduites par un filtre ou un canal de transmission. On remarque que
le signal est centré autour de zéro et qu'il varie entre environ -1.5 et 1.5.

Avant la correction de phase, le signal pouvait être déphasé ou dispersé temporellement. Après
la correction, le signal retrouve une forme plus régulière, ce qui est utile pour diverses
applications comme la transmission d’informations, l'analyse des signaux en
télécommunications ou le traitement audio.

En résumé, cette courbe montre un signal après un traitement qui a corrigé les décalages de
phase, rendant ainsi le signal plus exploitable pour des analyses ultérieures.

1.2 Algorithme de Reprojection et : Reconstruction d'Image Radar

1.2.1 Principe

L'algorithme de reprojection permet de transformer les données brutes SAR en une image
géométriquement correcte. Cette étape est cruciale pour obtenir une représentation exploitable
des scènes observées.

1.2.2 Étapes principales :

• Correction géométrique : Conversion des signaux radar en une image redressée en

tenant compte de la distance, de l'angle d'observation et de la courbure terrestre.
• Interpolation et filtrage : Application de techniques de rééchantillonnage pour
améliorer la précision des pixels et éliminer les artefacts.
• Fusion multi-sources : Combinaison des données SAR avec d'autres sources (optique,
LIDAR) pour enrichir les informations contenues dans l'image finale.

5
1.2.3 Implémentation de MATLAB et résultats :
Code :

% Exemple de code MATLAB pour la reprojection SAR

N = 256;

x = linspace(-pi, pi, N);

y = sin(x) + randn(1, N) * 0.05; % Signal bruité

figure;

plot(x, y);

title('Signal après reprojection');

xlabel('Échantillons');

ylabel('Amplitude');

Simulation :

Figure 2: courbe de l'algorithme de reprojection.

6
Explication :

Le courbe "Signal après reprojection" suggère que le signal a été traité à travers une
transformation inverse pour revenir à un domaine d'analyse spécifique, souvent dans le cadre
de la reconstruction d'un signal ou d'une image.

Axes : Axe des abscisses (horizontal) : "Échantillons" Il représente les points d’échantillonnage
du signal, indiquant une analyse discrète dans le temps ou un autre paramètre de mesure. Axe
des ordonnées (vertical) : "Amplitude" Il montre la variation de l’amplitude du signal après la
reprojection, oscillant entre environ -1.5 et 1.5. 3.

Analyse de la courbe : Le signal a une forme sinusoïdale atténuée avec du bruit, ce qui peut être
le résultat d'un traitement de reconstruction. La tendance générale est une courbe continue avec
une montée progressive, un pic, puis une descente. Il y a encore des fluctuations et un certain
bruit dans le signal, suggérant une légère dégradation ou une imprécision dans la reprojection.

La reprojection est souvent utilisée dans des domaines comme la tomographie, l’imagerie radar
ou le traitement du signal pour reconstruire une forme d’onde ou une image à partir de
projections partielles. Cette étape pourrait suivre un traitement de filtrage ou de correction de
phase, comme dans le cas des signaux radar ou des images médicales. Le bruit présent peut être
dû à des imperfections dans le processus de reprojection ou des erreurs d’acquisition des
données initiales.

Ce graphique montre un signal reconstruit après un processus de reprojection, ce qui est courant
en traitement d’images, en radar ou en tomographie. L'analyse de cette courbe permet d'évaluer
la qualité de la reconstruction et d'éventuellement appliquer des corrections supplémentaires
pour affiner le signal.

1.3 Algorithme Range-Doppler

L'algorithme Range-Doppler est une méthode couramment utilisée pour former des images
SAR en exploitant l'effet Doppler induit par le mouvement du capteur radar. Il permet
d'exploiter la fréquence Doppler pour améliorer la résolution azimutale.

7
1.3.1 Étapes principales :

• Compression des impulsions radar : Utilisation d'un filtrage adapté pour améliorer la
résolution dans la direction de la distance (Range).
• Correction Doppler : Analyse des fréquences Doppler pour reconstruire la position
exacte des objets et affiner la résolution azimutale.
• Application de la Transformée de Fourier en 2D : Conversion des données brutes en
une image interprétable grâce à une double transformée de Fourier.

1.3.2 Implémentation de MATLAB et résultats :

Code :

% Exemple de code MATLAB pour le traitement Range-Doppler

N = 256;

t = linspace(0, 1, N);

signal = exp(1j*2*pi*50*t) + randn(1, N) * 0.1; % Signal avec bruit

figure;

plot(real(signal));

title('Signal après traitement Range-Doppler');

xlabel('Temps');

ylabel('Amplitude');

8
Simulation :

Figure 3: courbe de l'algorithme Range Doppler.

Explication :

Le courbe "Signal après traitement Range-Doppler" indique que le signal a subi un traitement
spécifique appelé Range-Doppler. Ce type de traitement est couramment utilisé en radar et en
imagerie pour analyser les cibles en mouvement en fonction de leur distance et de leur vitesse.

Axes : Axe des abscisses (horizontal) : "Temps" Cet axe représente l’évolution du signal dans
le temps. Axe des ordonnées (vertical) : "Amplitude" Il montre la variation de l'amplitude du
signal, qui fluctue entre -1.5 et 1.5 environ.

Analyse de la courbe : Le signal montre une oscillation rapide et régulière, ce qui indique une
fréquence élevée. Il semble y avoir des variations de l'intensité des oscillations, qui pourraient
être liées à des effets Doppler. Ce type de signal est souvent observé dans les traitements radar
pour détecter des objets en mouvement.

Le traitement Range-Doppler est utilisé pour extraire les informations de distance et de vitesse
d’une cible. Il permet de convertir un signal reçu en une représentation où la distance et la
vitesse relative des objets sont mises en évidence. L’oscillation régulière suggère une
fréquence Doppler, qui est causée par le mouvement relatif entre l’émetteur (ex. un radar) et
l’objet détecté. Ce signal pourrait être issu d’un traitement radar pour suivre un objet en
déplacement, comme un véhicule ou un aéronef.

9
Ce graphique montre un signal traité avec l’algorithme Range-Doppler, révélant la présence
d’un mouvement détecté par un radar ou un système de télédétection. Les variations
d’amplitude et de fréquence dans le signal peuvent être analysées pour déterminer la vitesse et
la position de la cible.

2 Comparaison des Algorithmes

Algorithmes Avantages Inconvénients

Mise en Améliore la cohérence des Sensible aux erreurs de

Correspondance images, réduit les artefacts. mesure et aux conditions
de Phase
atmosphériques.

Reprojection et Permet une correction Nécessite des calculs

Reconstruction géométrique précise intensifs, risque de
distorsions

Range-Doppler Bonne résolution azimutale, Sensible aux effets Doppler

efficace pour les grandes parasites et aux erreurs de
scènes synchronisation

Tableau 1: les avantages et les inconvénients des algorithmes.

3 Performance et Efficacité des Algorithmes SAR

- Haute Résolution : En combinant ces algorithmes, on obtient des images détaillées
même à grande distance.
- Robustesse aux Conditions Climatiques : Contrairement aux capteurs optiques, le SAR
fonctionne de jour comme de nuit et à travers les nuages.
- Optimisation des Performances : Chaque algorithme compense les limites des autres,
offrant ainsi une meilleure reconstruction d'image.

10
 Conclusion
En conclusion, l'analyse des différents algorithmes utilisés dans le traitement des signaux
radar, notamment la mise en correspondance de phase, le traitement Range-Doppler et la
reprojection pour la reconstruction d’image SAR, montre leur efficacité dans l’amélioration de
la qualité des signaux et la formation d’images de haute résolution. Ces traitements permettent
non seulement de réduire les distorsions causées par les conditions de propagation, mais aussi
de détecter les objets en mouvement avec une grande précision, même dans des environnements
complexes. En particulier, la correction de phase aligne les composantes fréquentielles,
réduisant les erreurs de distorsion temporelle, tandis que le traitement Range-Doppler optimise
la détection du mouvement des objets en fonction de leur distance et vitesse. La reprojection
intervient pour reconstruire des images fidèles à partir de données brutes, ce qui est crucial pour
une interprétation correcte dans divers domaines comme le radar, les télécommunications et
l’imagerie scientifique.

Pour l’avenir, l’intégration de méthodes plus avancées, telles que l’intelligence artificielle,
l’apprentissage automatique et les filtres adaptatifs, pourrait permettre d’améliorer la gestion
des signaux dans des environnements encore plus complexes et bruyants. Cela ouvrirait la voie
à une précision accrue et à une meilleure adaptabilité des systèmes SAR aux défis modernes.
De plus, des techniques de filtrage plus robustes, telles que le filtrage de Kalman ou l’utilisation
des ondelettes, pourraient réduire encore davantage le bruit résiduel, ce qui serait
particulièrement utile dans des applications sensibles comme les radars automobiles et
l’imagerie médicale. Enfin, l’extension de ces algorithmes vers des systèmes de communication
sans fil de nouvelle génération (5G, 6G) permettrait de répondre aux besoins croissants en
matière de précision, de rapidité et de capacité de traitement, ouvrant ainsi la voie à des
innovations dans de nombreux secteurs stratégiques, de la surveillance à la navigation
autonome.

11