La firme américaine MathWorks, éditeur de logiciels de calcul scientifique et technique, étend ses flux de travail fondés sur l’intelligence artificielle (IA) pour le traitement du signal radar et la classification des cibles. Objectif affiché : faire progresser l'utilisation de l’IA dans le développement des systèmes radar avec un flux de travail fondé sur les logiciels Matlab et Simulink de la société.

Ces flux permettent notamment aux ingénieurs d'appliquer des techniques d'apprentissage automatique et d'apprentissage profond au traitement du signal radar, à la classification des cibles, à l'analyse des formes d'onde et à la détection du spectre.

La plateforme “IA pour radar” de MathWorks combine ainsi simulation, génération de données synthétiques, étiquetage des signaux et entraînement des réseaux neuronaux en vue de prendre en charge les systèmes radar modernes utilisés dans les secteurs de l'aérospatiale, de la défense, de l'automobile et des communications sans fil.

Cette approche vise, selon MathWorks, à intégrer l'IA dans le processus de développement radar, notamment dans les domaines où les méthodes traditionnelles de traitement du signal sont confrontées à des défis liés à la saturation croissante des environnements RF, à la complexité des comportements des cibles et à l'immensité des ensembles de données de capteurs.

Avec le concours des logiciels Matlab et Simulink, les ingénieurs peuvent ainsi générer des formes d'onde et des échos radar synthétiques, étiqueter les données radar, entraîner des modèles d'IA et déployer des algorithmes pour la reconnaissance de cibles radar et la classification des signaux.

 

 

L'une des principales fonctionnalités mises en avant par MathWorks dans cette approche est la synthèse de signaux radar pour l'entraînement de modèles d'apprentissage automatique et d'apprentissage profond. Les ingénieurs peuvent ainsi simuler des échos radar provenant d'objets présentant différentes sections efficaces radar, tels que des cylindres, des cônes, des hélicoptères, des piétons, des cyclistes et des gestes de la main.

Ces ensembles de données synthétiques permettent d'entraîner des réseaux neuronaux sans nécessiter de vastes campagnes de collecte de données radar réelles. MathWorks précise que ces flux de travail prennent en charge des applications telles que la classification de la modulation des formes d'onde, la détection du spectre occupé et l'analyse de la signature micro-Doppler.

Selon MathWorks, les implantations d'apprentissage automatique peuvent aussi utiliser l'extraction de caractéristiques par diffusion d'ondelettes avec des "machines à vecteurs de support" (SVM, Support vector machine), tandis que les méthodes d'apprentissage profond incluent l'apprentissage par transfert avec SqueezeNet ainsi que les réseaux de neurones récurrents LSTM (Long Short-Term Memory).

Au-delà, MathWorks propose dans le même temps des flux de travail combinant des méthodes d'analyse temps-fréquence, telles que la distribution de Wigner-Ville, avec des réseaux de neurones convolutifs (CNN) pour la classification des formes d'onde radar et de communication.

Ces fonctionnalités sont destinées aux systèmes radar cognitifs, aux récepteurs RF intelligents et aux applications de radio logicielle (SDR) où la reconnaissance automatique des signaux est de plus en plus importante.

Les boîtes à outils Radar Toolbox et Deep Learning Toolbox de l'entreprise procurent à ce niveau des flux de travail supplémentaires fondés sur l'IA pour le traitement des données radar, notamment la suppression du bruit de fond, l'estimation des radars météorologiques, la classification des piétons et des cyclistes, la détection d'anomalies et la fusion de capteurs.