Conception Dun Radar Daide A La Conduite Automob PDF

CHAPITRE 1
CHAPITRE
CHAPITRE0
R EMERCIEMENTS
C HAPITRE 0
Je tiens tout d’abord à exprimer mes sincères remerciements à mon Directeur de

thèse, Monsieur Bernard Huyart, Professeur à L’ENST , d’avoir accepté de diriger ce tra-
vail. Sa disponibilité et ses précieux conseils m’ont permis de mener à bien ces travaux.
Je tiens à remercier Monsieur Louis Jallet, anciennement responsable du Groupe
Hyperfréquence, pour m’avoir accueilli dans le laboratoire, ainsi que l’actuel responsable
du département Monsieur Jean Claude Bic.
J’exprime mes sincères remerciements à Monsieur le Professeur Manuel Sierra de
l’Université Polytechnique de Télécommunication de Madrid et à Monsieur le Professeur
Paul-Alain Rolland de l’IEMN pour l’intérêt qu’ils ont portés à mes travaux en acceptant de
les rapporter.
Je tiens également à remercier Monsieur le Professeur George Alquié de l’Université
Paris VI pour l’honneur et le plaisir qu’il m’a fait en acceptant de présider ce jury.
Mes remerciements vont également à Monsieur Jean-Christophe Cosin, Maître de
Conférence à l’ENST, Monsieur Michel Ney, Professeur à L’ENST Bretagne qui ont bien
voulus examiner ce mémoire et participer au jury.
Je tiens également à exprimer toute ma gratitude à toutes les personnes du Départe-
ment Communications et plus particulièrement à Mlle Sara Abou-Chakra, à Mr G. Neveux
et à Mr O. Gibrat, Thésards du groupe hyperfréquence ainsi qu’aux autres permanents,
thésards, stagiaires du groupe hyperfréquence.
Une mention toute particulière pour Monsieur Dewi Kérnéves qui restera parmi nous
pour toujours.
2
CHAPITRE 3
CHAPITRE0
CHAPITRE0
C ONCEPTION D’UN RADAR D’A IDE À LA C ONDUITE

CHAPITRE 0
A UTOMOBILE UTILISANT UN SYSTEME D ISCRIMINATEUR

DE FRÉQUENCE TYPE S IX-PORT
Aujourd’hui, nous assistons à une révolution dans les applications électroniques pour
l’automobile. La recherche en matière de sécurité automobile liée à un système de détec-
tion radar anticollision ou d’aide à la conduite automobile est en plein développement.
Les missions à remplir par le système Radar sont essentiellement la mesure de la distance
et de la vitesse d’approche d’un obstacle afin de pouvoir informer le conducteur du risque
de collision ou de gérer éventuellement les dispositifs de freinage ou de sécurité type “air-
bag”.
Nous pouvons obtenir ces mesures de distances et de vitesses relatives des automobiles,
par la différence de fréquence et de phase entre les ondes émises par un radar et les
ondes reçues après la réflexion sur les obstacles. Cette différence de fréquence entre les
deux signaux, est appelée l’effet Doppler.
Pour compléter la localisation des obstacles, il est convenable de déterminer la direction
suivant laquelle l’obstacle se déplace. Par conséquent, nous pouvons compléter le
système radar par une étude de détection de directions d’arrivée de plusieurs cibles. Pour
cela, ils existe plusieurs méthodes que nous décrirons en détail ultérieurement.
Il existe différents systèmes radars, comme les radars impulsionnels, les radars FM-CW et
les radars duplex.
Le système à impulsions est peu adapté pour les applications automobiles, parce que la
distance la plus courte qu’on peut mesurer est déterminée par la durée de l’impulsion, qui
serait alors très petite dans un environnement routier.
En Europe, une fréquence allouée à ce service d’aide à la conduite automobile est située
vers 77GHz. La technique Radar la plus couramment utilisée semble être celle du Radar
Doppler FM-CW[5], grâce à sa simplicité et la possibilité de mesurer simultanément la vit-
esse et la distance, mais son fonctionnement est soumis à certaines contraintes (la bande
4
de fréquence, la linéarité de la rampe de fréquence,...).

Le système Duplex consiste en l’émission de deux signaux hyperfréquences continus avec
un faible écart fréquentiel. Par mélange des signaux reçus et émis on trouve deux signaux
Doppler de même fréquence mais avec une différence de phase. Cette différence nous per-
met de déterminer la distance. Le problème de cette méthode se présente quand les
fréquences Doppler sont très petites, voire nulle car alors aucune mesure de phase est
possible .
Le manuscrit de thèse est composé de quatres chapitres, nous détaillerons le principe des
radars d’aide à la conduite dans le chapitre 1. Nous présenterons aussi, le radar adopté
pour notre expérience avec l’aide du circuit ’’six-port’’. Nous présenterons une simulation
réalisée par ’’matlab’’ de notre système radar ainsi que les programmes écrits sous ’’Mat-
lab’’ qui permettent d’obtenir la vitesse et la distance de la cible à détecter. Nous réaliser-
ons aussi une étude de l’influence du rapport signal sur bruit (RSB) , ainsi que l’influence
d’une erreur de phase de l’oscillateur local.
Dans le chapitre 2, nous présenterons les circuits ’’six-port’’ et ’’five-port’’, que nous avons
utilisés dans notre application radar. Nous verrons en détail les différentes parties constitu-
ant les circuits ’’five-port’’ et ’’six-port’’. Nous expliquerons la méthode de calibrage pour les
systèmes ’’six-port’’ et ’’five port’’ et nous conclurons avec le choix du dispositif le plus apte
pour notre application.
Dans le chapitre 3, en premier lieu, nous verrons la simulation du dispositif radar, à l’aide
des appareils de laboratoire, nous permettant la réalisation des mesures de distance et de
fréquence Doppler. Ultérieurement, nous pourons voir la mise en oeuvre du système radar,
en détectant la distance et la vitesse d’une cible. Nous caractérisons notre système radar
par la mesure d’un train électrique alimenté par piles et par la suite d’un chariot avec un
moteur en courant continu. Nous décrirons aussi l’étude et la réalisation d’un réseau
d’antennes patch qui nous servira pour la détection de la direction d’arrivée des plusieurs
cibles.
Dans le chapitre 4, nous retrouvons l’étude de la détection de la direction d’arrivée. En pre-
mier lieu, nous verrons une comparaison des différents algorithmes de détection de direc-
tions d’arrivée. Nous réaliserons la simulation de notre système et nous étudierons la
précision des différentes méthodes par une simulation sous matlab. Par la suite, nous fer-
ons la réalisation pratique du système à l’aide d’un réseau de circuits ’’five-port’’ et du
réseau d’antennes présenté dans le chapitre 3 et nous réaliserons les mesures d’une et de
CHAPITRE 5
plusieurs sources. Pour finir, nous réaliserons une étude de l’influence du bruit sur le
système de détection de direction d’arrivée.
Enfin, nous donnerons les conclusions de cette étude et les travaux futurs à effectuer.
6
3
CHAPITRE
CHAPITRE 1 D ÉVELOPPEMENT D’UN SYSTÈME R ADAR U TILISANT DES

1
R ÉFLECTOMÈTRES SIXPORT
Le RADAR ( RAdio Detection And Ranging ) est basé sur la propagation des ondes électro-
magnétiques ou plus exactement sur celle des ondes radio-fréquence (RF). En 1911
l’Américain Hugo Gernsback énonça le principe du Radar et en 1934, le français, Pierre
David, mènera avec succès les premières expériences de détection de présence d’avions.
La première détection et localisation (detection and ranging) d’obstacle, fut effectuée en
1935 par Maurice Ponte et Henri Gutton, lors d’essais à bord d’un bateau, ils détectèrent
des icebergs avec des ondes de 16cm de longueur d’onde (λ) .
A partir de là, les radars prennent de l’importance au niveau militaire, pour la détection des
ennemis aussi bien de jour comme de nuit, comme au niveau civil, pour la prévention sur
les moyens de transport ( avion, voiture, train...).
De nos jours, la recherche en matière de sécurité automobile, avec par exemple des
systèmes Radar anticollision, est en pleine expansion et nous nous sommes intéressés
aux applications routières, pour la prévention de collision.
Des recherches scientifiques considérables sont développées, visant à assurer la sécurité
maximale à l’intérieur des véhicules, en coopération avec les mesures prises par les
agences gouvernementales, pour réduire le nombre d’accidents de la route. Une grande
partie de ces recherches est soutenue par des initiatives européennes telles que les projets
DRIVE et PROMETHEUS.
Ces efforts potentiels ont permis le développement de plusieurs systèmes de sécurité
avancés. Selon leur fonctionnement, nous distinguons deux grandes classes de systèmes:
-Systèmes passifs ( actifs en cas d’accident ).
Nous citerons par exemple:
a.) Les coussins de protection gonflable ou airbag. Ce système comporte un
CHAPITRE 1 4
générateur de gaz (Acide de sodium NaN3). Activé par une collision sévère, un détecteur
électrique excite le générateur de gaz et entraîne une réaction chimique explosive entre
l’oxyde nitrique et l’amide de sodium, si bien que l’airbag se gonfle.
D’autres techniques , en cours de développement, permettront le contrôle de l’airbag pour
un meilleur fonctionnement, et de meilleures précision et efficacité.
b.) La Ceinture de sécurité qui a progressé remarquablement, la nouvelle
génération automatique introduit une petite charge qui se déclenche au moment de la colli-
sion entraînant la tension de la ceinture autour du corps. Le déclenchement simultanné de
ce système avec l’airbag permet d’améliorer considérablement les conditions de sécurité
dans le véhicule.
-Systèmes actifs alertant le conducteur en cas de danger imminent:

Les efforts des unités de recherche se sont consacrés vers la réalisation de systèmes de
prévention des accidents. Cette tendance couplée avec, d’une part, les progrès tech-
nologiques dans le domaine de la détection et d’autre part, l’augmentation de la circulation,
ont attiré l’attention des constructeurs d’automobiles vers l’utilisation des radars mil-
limétriques. Mais, les systèmes radar ne sont pas récents, plusieurs entreprises et labora-
toires ont mené des études avec différents types de radar, mais leur dissémination au
niveau du public a été très rare.
Il existe différents dispositifs radar que nous pouvons organiser en trois groupes:
1.- Le système anti-collision (SAC): son usage sera la détection d’obstacles et il sera relié
reliés à un dispositif d’avertissement du véhicule.
2.- Le système de préavis des obstacles (SPO) : son but est d’avertir le conducteur sur les
dangers critiques. Cette approche consiste à générer une image radar de la scène
observée, pour pouvoir accomplir une manoeuvre coopérative.
3.- Le système autonome de contrôle intelligent de la manoeuvre (SACIM): c’est un con-
trôle automatique du véhicule, qui permettra par exemple, de contrôler et de maintenir la
distance minimale entre deux véhicules.
En résumé, les missions à remplir par le système Radar seront essentiellement la mesure
de la distance et de la vitesse d’approche de l’obstacle, afin de pouvoir informer le conduc-
teur du risque de collision ou de gérer éventuellement les dispositifs de freinage ou de
sécurité type ’’ airbag’’, ainsi que donner la direction d’arrivée (DDA) suivant laquelle
Les Différents Types de Systèmes Radar anticollision et limites de la solution choisie. 5
s’approchent les obstacles et le nombre objets qui entourent le véhicule.

En Europe, la fréquence allouée à ce service d’aide à la conduite automobile est située
vers 77GHz. Comme nous le verrons il existe plusieurs techniques Radar pour ce type
d’applications, comme par exemple le Radar Doppler FM-CW ou Radar Duplex que nous
verrons ultérieurement.
Dans ce chapitre nous verrons les différents systèmes Radar anticollision, après nous
présenterons le système radar Duplex, basé sur l’utilisation d’un réflectomètre ’’six-port ou
five-port’’ en tant que discriminateur de fréquence et nous conclurons avec les mesures
réalisées au sein de notre laboratoire.
Le système réalisé a été mis au point aux fréquences de 2GHz et 26GHz en espérant pou-
voir le réaliser à la fréquence de 77GHz avec des multiplicateurs de fréquence, pour pou-
voir utiliser la fréquence dédiée à cette application. Nous avons travaillé aussi sur
l’intégration possible du système sur une technologie en Arséniure de Gallium (AsGa) de la
fonderie OMMIC[1]. Le choix de la fréquence intermédiaire de 26GHz a été basé sur la
facilité de la réalisation du circuit avec la technologie MMIC, grâce à l’éxistence des com-
posants dans la librairie OMMIC utilisée. Les autres raisons sont que la fréquence dédiée
aux radars anticollision aux Etats Unis est de 26GHz et enfin la disponibilité du matériel
dans notre laboratoire facilite les mesures à 26GHz.
1 Les Différents Types de Systèmes Radar anticollision et limites

de la solution choisie.
Nous allons détailler les différents systèmes radar, que nous classerons en deux groupes:
Les radars à impulsion et les radars à onde continue (FMCW , Duplex).
1.1 Radar Impulsionnel

Le radar est un ensemble comportant un émetteur, une antenne, un récepteur et un
système d’exploitation. Il utilise la propriété des ondes électromagnétiques de se réfléchir
sur tout obstacle, créant ainsi une onde de retour susceptible d’être décelée par un récep-
teur adapté à ce signal. Ce principe peut facilement être mis en evidence lorsque le signal
émis est une suite d’impulsions électromagnétiques. Chaque impulsion de durée très brève
τ de l’ordre de quelque microsecondes se propage dans l’atmosphère à la vitesse de la
lumière:
CHAPITRE 1Les Différents Types de Systèmes Radar anticollision et limites de la solution choisie.
8
c = 3 ⋅ 10 m ⁄ s Eq (1.1)
Une partie de ce signal est réfléchie par la cible, nous pouvons dire que la cible est illu-
minée et rerayonne une partie de l’énergie émise sous la forme d’une onde de faible ampli-
tude et de caractéristiques temporelles identiques à celle du signal émis.
La mesure de la distance (Fig1.1) se déduit à partir du retard entre l’émission de l’impulsion
électromagnétique et sa réception à partir de la formule suivante:
c∆t
d = -------- Eq (1.2)
2
Les paramètres les plus importants pour déterminer la portée maximale, c’est-à-dire, la
plus grande distance mesurable et la résolution du radar, sont la durée τ des impulsions et
la fréquence de répétition fr .
Impulsion émise
Impulsion réfléchie
∆t =2d/c
d: distance antenne-cible
c: célérité de la lunière
∆t
Figure 1.1: Principe de mesure de la distance antennes-cible avec un radar à impulsion
Pour éviter l’ambiguité dans la mesure de la distance, il faut que l’écho de la cible soit reçu
par le radar avant que l’impulsion suivante soit émise. Donc, le temps d’un aller-retour doit
être inférieur à 1/fr, ce qui nous donne une distance maximale de:
c
D max = ------- Eq (1.3)
2f r
La plus petite variation de distance qu’on peut trouver est déterminée par :
cτ
∆ d = ----- Eq (1.4)
2
Pour une résolution de 0.3m, la durée d’impulsion nécessaire est, appoximativement, égale
à τ = 2ns, c’est-à-dire une largeur de bande de 500MHz.
Le système que nous avons décrit n’utilise que l’amplitude du signal reçu, c’est à dire, que
nous pouvons obtenir la distance à laquelle se trouve la cible, mais nous n’aurons pas
d’information sur la vitesse à laquelle la cible bouge. Pour pouvoir obtenir cette vitesse, il
faudrait extraire la fréquence du signal reçu, qui inclut la déviation Doppler. Ce type de
détection est appelé cohérent [2] et est plus compliqué.
Ces radars impulsionnels sont les plus connus et les plus utilisés[3][4][5], mais ils s’avèrent
moins adaptés pour les automobiles, pour les raisons suivantes:
-La distance la plus courte que l’on puisse mesurer est déterminée d’une part par la
durée de l’impulsion et d’autre part par les temps de commutation, or ceux-ci sont très
petits dans un environnement routier.
-Les systèmes de génération d’impulsions ultra courte cohérents ont des coûts exces-
sifs pour l’industrie automobile.
D’autre part, la mesure de la distance est insuffisante pour la localisation des objets. Pour
celà, il existe aussi une mesure angulaire utilisant la directivité des antennes, qui sera
combinée aux mesures de la distance et de la vitesse, nous permettant ainsi la détection
des cibles.
lobes difus lobes secondaires P/2
P θ
L
P/2
lobe principal
Antenne
Figure 1.2: Diagramme de l’antenne
Cette mesure angulaire est basée sur le fait que les antennes ne répartissent pas l’énergie
uniformément dans toutes les directions. Si nous avons par exemple une antenne de
longueur L et par recombinaison spatiale des ondes, l’énergie émise sera concentrée dans
un angle limité θ , comme nous observons sur la figure (1.2). La valeur de θ sera donnée
par :
70λ
θ = --------- Eq (1.5)
L
avec θ (°) l’ouverture à mi-puissance ou diagramme de l’antenne, en degrés.

λ (m) la longueur d’onde émise, en mètres.
L(m) la dimension de l’antenne, en mètres.
Une telle antenne n’éclaire de manière significative que dans le secteur [+θ/2,−θ/2]. Dans
les autres secteurs, les niveaux sont beaucoup plus faibles ( autour de 10-2 P à 10-4 P
dans le lobe secondaire et inférieur à 10-4 P dans les lobes diffus ). Le phénomène de prop-
agation de l’onde étant réciproque, la cible peut réfléchir vers l’antenne une partie de l’éner-
gie émise par celle-ci avec une plus faible puissance. Cette variation de puissance est
induite par le diagramme derayonnement et nous donnera l’information sur l’angle suivant
lequel se trouve la cible. Dans le chapitre 4 nous décrirons un système doté de ce type de
détecteur d’angle.
1.2 Radar à ondes continues

C’est le type de radar généralement utilisé par les constructeurs automobiles, pour la réali-
sation des systèmes embarqués anti-collision et de contrôle intelligent de la conduite auto-
mobile.
Dans les radars, les ondes continues peuvent être monochromatiques ( utilisant unique-
ment l’effet Doppler ) ou modulées en fréquence.
Les radars monochromatiques se basent sur l’effet doppler et permettent, de déterminer la
vitesse radiale relative de la cible détectée. Néanmoins, ce type de radar ne nous fournit
pas d’information sur la distance relative de la cible par rapport à l’antenne d’émission.
Pour accéder à cette information, nous pourrons varier la fréquence de l’onde, comme
nous verrons ultérieurement.
Nous parlons aussi des radars à ondes continues modulées en fréquence, comme par
exemple les radars FMCW ( Frequency Modulated Continuous Wave ), qui nous fourniront
la vitesse relative de la cible, par l’effet Doppler et la distance relative entre l’antenne et la
cible par la modulation. Plusieurs formes de modulations ont été dejà employées tel qu’une
modulation en dents de scie ou la modulation de fréquence sinusoïdale...
Les radars à ondes continues sont utilisés dans différents dispositifs comme les systèmes
aéroportés, pour déterminer l’altitude de l’avion ( les altimètres ) et sa vitesse ( radar de
navigation Doppler ) ou pour le guidage de missiles et la détection de présence de cibles

mobiles ( antivol, ouverture automatique de porte, interrupteur, etc ).
1.2.1 Radar CW
Le radar le plus simple que nous pouvons envisager pour l’application automobile consiste
en un émetteur RF sans modulation et un récepteur qui mélange le signal émis et le signal
reçu. Si la cible a une vitesse par rapport au radar, le signal reçu aura une fréquence dif-
férente de celle du signal émis à cause de l’effet Doppler, et la fréquence de battement des
deux signaux sera proportionnelle à la vitesse suivant l’équation (1.6) :
v
f b = 2f o ----r Eq (1.6)
c
fo est la fréquence de l’oscillateur local, v r est la vitesse rélative et c est la vitesse de la

lumière.
Ce système radar CW ( continuous wave ), ne fournit aucune information sur la distance, et
son intérêt réside dans sa simplicité illustrée par la figure (1.3):
Oscillateur Circulateur Antenne

fo
fo fo+fb
Détecteur
Amplificateur
Traitement fD
du signal
Figure 1.3: Schéma d’un radar CW
1.2.2Radar FMCW
Dans le cas du radar FM-CW, la fréquence transmise change en fonction du temps d’une
façon connue (figure 1.4). Si nous voulons détecter une cible placée à une distance R,
nous obtiendrons un signal réfléchi après un temps T=2R/c, que nous mélangerons avec le
signal transmis, produisant une fréquence de battement fb. Cette fréquence sera unique-
ment due à la distance à la cible, puisqu’il n’y aura pas de glissement Doppler puisque la
cible ne bouge pas. f b sera donnée par:
f b = ∆fT = ∆f 2R
------- Eq (1.7)
c
∆f étant la variation de fréquence(voir sur la figure 1.4)
Fréquence à l’émission
fd
fo+F/2
fr
fo
Fréquence à la réception
cas d’une cible mobile
fo-F/2
T/2 Fréquence à la réception

cas d’une cible immobile
∆ f
fr+fd
fd
fr-fd fr
Figure 1.4: Modulation de Fréquence en toit. En haut, les fréquences instantanées à l’émission et la
réception. En dessous, la fréquence de battement.
Si nous appliquons une modulation périodique, comme dans la pratique de ce système,

nous écrirons la fréquence de battement comme:
∆f- = 2R
f b = T ------- ------- ∆f2f m Eq (1.8)
1 c
--------
2f m
Avec fm la fréquence de modulation

Figure 1.5: Comportement d’un radar FMCW avec une modulation en dent de scie
Ci-dessus , nous avons supposé que la cible restait immobile, mais si ce n’est pas le cas,
nous verrons apparaître une fréquence Doppler qui produira une modification de la
fréquence de battemment comme nous pourrons voir sur la figure (1.5)
Sur la figure (1.5) à gauche, nous pouvons voir qu’entre le signal d’émision et de réception
nous avons seulement un décalage temporaire donc comme nous avons dit précédemment
la vitesse sera nulle. Sur la partie droite de la figure (1.5), on peut remarquer une variation
∆f sur le front montant qui est différent du front descendant ce qui nous permettra le calcul
de la vitesse à laquelle la cible bouge et savoir si elle accélère ou décèlére.
En effet, la fréquence de battement est formée par une fréquence (f r) proportionnelle à la
distance et une autre (f d) proportionnelle à la vitesse relative de la cible, mais pour chaque
demi-cycle de la modulation, les valeurs changent de signe, comme nous pouvons voir sur
les équations suivantes:
V
f b = fr – f d = 2R
------- ∆f2f m – 2f o -----r Eq (1.9)
c c
V
f b = f r + f d = 2R
------- ∆f2f m + 2fo -----r
c c
Nous pourrons aussi déterminer la fréquence de battement due à la distance de la cible f r,

par la moyenne de la fréquence fb[1], c’est à dire:
1
fr = --- [ f b ( 1 ) + f b ( 2 ) ] Eq (1.10)
2
Nous pouvons voir cette relation sur la figure (1.4).

Le schéma du radar FM-CW est le même que celui du radar CW, sauf en ce qui concerne
la modulation et le traitement en bande de base du signal f b. Sur la figure (1.6) nous pour-
rons remarquer le schéma d’un radar FMCW.
Ce système, le plus développé, est basé sur la technique FM/CW, grâce à sa simplicité et
la possibilité de mesurer simultanément la vitesse et la distance, mais il existe certaines
contraintes :
- la variation de fréquence doit être linéaire afin d’obtenir une mesure correcte de dis-
tances.
- La distance et la vitesse sont déduites à partir de la même mesure de fréquence ; si la
cible est très proche et sa vitesse est élevée, la fréquence de battement sera proportion-
nelle à la fréquence Doppler et donc sera très élevée et la différence de fréquence sera
proportionnelle à la distance et donc très faible [2].
- Enfin l’excursion de fréquence doit être élevée pour obtenir une bonne résolution en dis-
tance.
Oscillateur Circulateur Antenne

Modulateur
fo
fo+fb
Mélangeur/Détecteur
Amplificateur
Traitement fb
du signal
Figure 1.6: Schéma du radar FM-CW
Dans la thèse [6], on propose un système radar FM-CW de suivi de cibles avec une tech-
nique quasi-optique, comme étant une amélioration du système FM-CW classique. Il pro-
pose une modulation en toit, c’est à dire que la variation de fréquence en fonction du temps
représente une forme de toit, avec un troisième mode continu (fréquence instantannée
constante fig (1.7)). Cette modulation permettra de fournir, directement, les vitesses des
cibles et avec un procédé combinatoire nous pouvons extraire les distances. On doit
estimer donc les fréquences de battement relatives aux trois modes de la modulation pour
pouvoir déterminer les distances et les vitesses des différentes cibles. Ce prototype n’a pas
été réalisé pour le moment mais la vérification théorique et les simulations en utilisant un
modèle appelé ARMA (AutoRegressif à Moyenne Ajustée ) ont été réalisées.
Cette modulation en trois modes a été aussi employée par l’unité de recherche PSA Peu-
geot-Citroën dans un système radar FM-CW embarqué.
Temps de calcul
Séquence K et de traitement Séquence k+1
f
F I II
fo III
T T T Tc t
Figure 1.7: Modulation de fréquence pour le radar FM-CW propossée par [ 6]
1.2.3 Duplex [7]

Le système Duplex consiste en l’émission de deux signaux hyperfréquences continus avec
un faible écart fréquentiel. Par mélange des signaux reçus et émis nous trouvons deux sig-
naux Doppler approximativement de même fréquence mais avec une différence de phase.
Cette différence nous permet de déterminer la distance avec l’équation suivante:
∆Φ = 4Π∆f
-------------- d Eq (1.11)
c
c étant la vitesse de la lumière, ∆f l’écart fréquentiel entre les deux signaux et d la distance
à laquelle se trouve l’objet. La justification de l’équation sera donnée dans le prochain para-
graphe.
La vitesse relative sera trouvée à partir de la fréquence Doppler d’un des signaux.
Antenne
Amplificateur
Amplificateur
source de fréquence Diviseur
90
sortie Degrés
des données
sommateur 90
Degrés
LO RF
Figure 1.8: Schéma bloc d’un radar Duplex
Au lieu d’émettre deux signaux continus, il est possible de commuter la fréquence d’une
seule source, ou bien de la moduler avec un signal carré comme nous pouvons voir sur la
figure (1.9).
Le problème de cette méthode apparaît quand les fréquences Doppler sont très petites,
voire nulles où aucune mesure de phase n’est possible. Cela est dû au fait que les circuits
électroniques sont séparés par des capacités de liaison servant à l’élimination des «offset»
et qui ont tendance à couper les signaux basses fréquences.
∆ϕ c
d=
4π ∆f Fréquence de l’onde
λ
vr = fd
2
d=distance à détecter
vr=vitesse relative à
détecter
fd= fréquence Doppler F+∆f
∆ϕ : Différence de phases
entre 2 paliers de
F
fréquence pour la forme
d’onde FSK
c : célérité. Temps
∆f : Différence entre le 2
paliers de fréquence pour
la forme d’onde FSK.
Figure 1.9: Le principe d’un radar Duplex
1.2.4 Différences entre les différents dispositifs radar
Nous présentons sur le tableau (1.1) un résumé des différents principes de radar. En con-
Pulse FM-CW Duplex
Emission/Réception -Linéarité de la rampe -Bande passante faible.

de fréquence critique. -Simplicité du design
-Bande passante impor- émetteur/récepteur.
tante.
Traitement Capacité de traitement Conversion directe de -Mesure simultannée de

liée à la fréquence la fréquence en dis- vitesse et distance.
d’échantillonnage. tance. -Très haute résolution
vitesse accessible par
analyse spectrale fine.
Détection Zone aveugle à faible Intégration longue pour Difficulté de détection

distance. obtenir un bon rapport d’obstacles à vitesse
S/N. relative nulle, pour les
radars homodynes.
Mesure de distance -Une grande résolution Bande d’excursion Contrôle précis de la

nécessite des impulsions importante pour attein- fréquence indispens-
étroites. dre une grande résolu- able pour la précision
-Stabilité du timing cri- tion. de la mesure de dis-
tique. tance.
Mesure de vitesse -Mesure directe de vit- L’analyse Doppler Mesure simultannée de

esse pour les radars pulse nécessite l’émploi de vitesse et distance.
Doppler. rampes croissantes et
-Différentiation difficile decroissantes.
pour les télémètres.
Sensibilité aux inter- -Pulse court, sensibilité Sensible aux inter- Risque d’interférences
férences aux interférences. férences, du fait de la réduit du fait de la
-Possibilité de wobbuler large bande et de l’onde faible bande.
la PRF. continue.
Table 1.1: Principales caractéristiques.
clusion, le principe Duplex permet d’accéder à la conception la plus simple pour l’émission
et la réception hyperfréquences.
1.3 Exemples bibliographiques de systèmes radar

Dans la bibliographie, nous pouvons trouver beaucoup d’informations sur les différents
systèmes étudiés. Sur ce paragraphe nous allons citer certaines publications qui nous
montreront les avancements actuels de ce domaine.
1.3.1 Radar appliqué à l’automobile
Nous présentons en premier lieu, le radar développé par Thalès-CSF [8].

Il est destiné à la régulation intelligente d’allure (ACC ’Automatic Cruise Control’). La sec-
onde génération des radars (Collision Warning / Avoidance) sera destinée à la détection et
à l’évitement d’obstacles mais leur large commercialisation dépend de la maîtrise des tech-
nologies hyperfréquences intégrées indispensables pour atteindre les objectifs de faible
coût et de fiabilité.
Le système ACC devient actif uniquement sur demande du conducteur. Lorsque la fonction
est engagée, le conducteur peut relâcher la pédale d’accélérateur. Le pilote se maintiendra
automatiquement derrière le vehicule suivi, agissant éventuellement sur le frein et/ou la
boîte de vitesse automatique, tout en restant limité sur l’action de freinage. De manière
générale, le conducteur garde la priorité d’action et de reprendre le contrôle en tout
moment.
L’ACC est développé pour la circulation sur autoroute et voie express. Les principales exi-
gences de performances imposées sont:
Portée (SER de 1m2) >= 150m.
Fréquence = 77GHz
vitesse relative détectable +- 160 km/h.
Type de cibles mobiles.
Couverture angulaire (azimut) 12°
Précision position en azimut 0.5°
Précision vitesse 0.5km/h
Précision distance 5%
Résolution : Capacité de discrimination de 2 cibles roulant de front à des vit-
esses sensiblement identiques.
La puissance d’émision du radar doit être inférieure à 1mW/cm2 (à 3m de
l’antenne).
Le radar utilisé est du type Duplex CW appelé par les auteurs FSK (Frequency Shift Key-
ing). Les performances satisfont le cahier des charges des capteurs pour la fonction ACC,
et sa très haute résolution en vitesse permet de discriminer aisément l’ensemble des véhi-
cules présents sur la voie. Cette solution retenue, présente pour [8] le meilleur compromis
coût/performances pour la fonction ACC.
Le cahier des charges du capteur longue portée pour fonction Collision Warning/ Avoid-
ance, doit inclure,en plus des exigences relatives à ACC, les caractéristiques suivantes:
Détection et capacité de résolution des obstacles fixes.
Capacités de positionnement, d’extraction des bords de route pour positionner

les obstacles en absolu.
Probabilité de détection de 100% et probabilité de fausse alarme de 0%, sur une
distance correspondant au domaine de freinage du système.
Un domaine angulaire (azimuth ) au moins supérieur à +-10°.
[8] envisagent deux solutions :
1- un capteur radar à haute résolution.
-il doit être doté de capacités de détection de vitesse, distance et angulaire
(envisager une architecture d’antenne multifaisceaux fins).
2- un dispositif de fusion d’un capteur-radar simple avec d’autres capteurs ( radar,
video ou lidar).
L’équipe du département Hyperfréquences et Semiconducteurs de l’IEMN (Institut d’élec-

tronique et de microélectronique du nord) dans l’Université Sciences et Téchniques de
Lille(U.S.T.L.) [9] présente différents types de radars suivant leur sophistication, distin-
guant deux catégories (les radars impulsionnels et les radars à émission continue et modu-
lation de fréquence). Ils font un rappel de base sur les principes. Ils montrent l’influence du
RSB ( rapport signal sur bruit) en fonction du nombre d’impulsions intégrées (non
cohérente ou cohérente) sur la probabilité de détection, donnant des valeurs de 13dB pour
les détections non-cohérentes et de 5dB pour les cohérentes pour la même probabilité de
détection.
Ils étudient aussi l’influence des obstacles fixes et de la pluie pour un radar impulsionnel,
montrant que l’effet de ’’cluster’’ (brouillard) dû à la pluie est négligeable car la SER (sur-
face équivalente radar) de la pluie est très petite devant la SER minimale des cibles
(σ>=1m2 étant la surface équivalente radar de la cible). Ils considèrent que la SER de la
pluie évolue suivant une loi en d2, donc d’autant plus faible que la cible est proche.
Ils expliquent les limitations et les avantages des différents systèmes et ils proposent un
système radar non-cohérent d’un train d’ondes impulsionnelles, très intéressant par sa
simplicité.
Pour l’obtention de la signature Doppler de la cible, la présence d’un obstacle fixe situé
dans le faisceau et sensiblement à la même distance que la cible mobile est nécessaire.
Cet obstacle fixe nous fournit un signal existant pendant le retour de l’impulsion correspon-
dant à la cible mobile. Le sol défilant sous le véhicule constitue cet obstacle fixe.
Ils présentent les premiers résultats de la mesure de distances entre 0 et 100m, à 60GHz.
Les travaux sont poursuivis à l’INREST(institut national de recherche sur le transport et la
sécurité).
Par la suite nous allons exposer un tableau qui nous donnera les principaux systèmes
radar anticollision étudiés actuellement et les performances obtenues jusqu’à maintenant.
Distances Puissance
Bande de Angle
Article Type de Radar Fréquence parcourues et de
fréquence d’ouverture
précisions. transmision
[10] Jerry D. Woll. FMCW(Frequency Mod- 60.5GHz 15MHz 1-120 mètre, +- 3% Système <10mW
Eaton Vorad Tech- ulated Continuous Wave) 0.4-180Km/h, +-1% monopulse +-6°
nologies. avec FSK(Frequency
Shift Keying)
[11,12] David D. FMCW/monopulse 76-77GHz résolution <1m Système 10dBm

Li. monopulse +-4°
Lab: Epsilon
Lambda Electron-
ics, Geneva.
[13] M.Camiade. FSK (Frequency Shift 76.5GHz 10MHz 13dBm

Lab: United Mono- Keying). Système homo-
litic Semiconduc- dyne (affecté par le bruit
tors, Orsay et AM du signal transmis)
IRCOM, Limoges.
[14] R. Schneider Système radar avec imag- 76GHz 150MHz -azimuth 1° 13.5dBm
and J. Wenger. erie -élevation vari-
Laboratoire: Daim- ent entre 3°~8°
lerChrysler
Research and Tech-
nology.
[15] Sung Tae Choi Radar monopulse FMCW, 24GHz -’’1m’’ détection +-10° 10dBm
Kwangju Institute FSK et SS(Spread spec- minimale
of Science and trum radar) -’’150m’’ détection
Technology. Korea maximale
-vitesse relative
maximale de 300km/
h
-vitesse relative min-
imale de -100km/h
[7] J. Mondal Radar Duplex 77GHz 150KHz 4-6dBm

Northrop Grumman
Corporation.
Rolling Meadows.
[16]Hiroshi FM-CW 76GHz 15.2dBm

Mizutani.
Automotive elec-
tronics Division,
Nec corporation.
Japon
Table 1.2: Récapitulatif des différents systèmes radar actuels

Distances Puissance
Bande de Angle
Article Type de Radar Fréquence parcourues et de
fréquence d’ouverture
précisions. transmision
Lars H Eriksson AICC (Intelligent cruise 77GHz distance entre 1 et +-8.5° 10mW
[17] control of automobiles) 200m +-0.3m
Sweden installé sur le ’volvo’
La forme d’onde FMCW vitesse relative entre
-100+-100m/s
Mark E. Russell Senseur radar AICC 76-77GHz -distance entre 3-100 azimuth 8.8°
[18] avec une forme d’onde mètres. Précision 0.5 élévation 4°
FM-CW mètres.
-vitesse relative +-
160km/h. Précision
de 1.5km/h.
Delphi Delco Elec- Radar FMCW 76GHz Portée de 150m azimuth 15°
tronics Systems,
Indiana[19].
S. Ohshima [20] ACC, técnique de com- 60-61GHz -Distance maximale azimuth

Lab: Toyota Cen- paraison de phase du 160m avec une réso- -10.8°~10.2°.
tral R&D, Japan système Monopulse, avec lution de 0.2 m .
un générateur séquentiel -Vitesse relative de
de faiseau. 160km/h, avec une
Forme d’onde FMCW précision inférieure à
1km/h.
Table 1.2: Récapitulatif des différents systèmes radar actuels
Nous pouvons remarquer sur le tableau (1.2), que les principaux systèmes proposés uti-
lisent une combinaison de formes d’onde comme par exemple FM-CW et FSK, pour obtenir
la distance et la vitesse simultanément. La pluspart des radars proposés travaillent autour
de 77GHz, fréquence allouée à d’aide à la conduite automobile en Europe. Nous pouvons
remarquer que la puissance de transmission est au tour de 10dBm et l’angle d’ouverture
est au maximum de +-10°. Sur la portée en distances, nous pouvons observer que la dis-
tance minimale que les systèmes décrit sur le tableau nous proposent est de 1m au mini-
mal et au maximum de 200m. avec des résolutions tel que 0.5, 0.2 ou 0.3 m. Et pour finir,
nous pouvons voir les vitesses relatives sont de l’ordre de 150Km/h avec une précision de
1km/h.
Dans l’actualité, il existe aussi des travaux en cours sur le radar anticollision dans plusieurs
laboratoires de recherche comme par exemple à l’université de Valenciennes ((UVHC)
avec un financement INRETS/ CNRS) et les entreprises telles que Thales, Delphi et Mer-
cedes.
1.3.2 Radar SPR à 35GHz

Un système radar FM-CW et FS-CW(Frequency stepped CW) a été proposé par [21], en
utilisant un réflectomètre ’’six-port’’ à 35GHz . Ce projet a été mené par une entreprise
sidérurgique, pour réaliser un capteur qui mesurera le niveau d’acier liquide. Les conditions
à accomplir sont : une précision inférieure au millimètre, robustesse, insensibilité aux
écarts de température, humidité, poussière et fausse alarme, une réponse rapide, détection
à large distance et compatibilité électromagnétique.
Nous pouvons observer sur la figure (1.10) le système proposé. Ils mesureront la distance
à la cible et l’erreur de phase par rapport à la distance détectée. Le capteur utilise la modu-
lation en fréquence et le principe du réflectomètre ’’six-port’’ pour réaliser le calcul de la dis-
tance avec une exactitude de 0.1mm.
Ils ont cherché à avoir le résultat le plus précis possible et pour cela, ils ont blindé les
cables et les dispositifs. Ils ont augmenté la dynamique des détecteurs en connectant les
LNAs directement à leurs sorties, ils ont aussi cherché à diminuer le bruit, en isolant les
convertisseurs analogique numérique et les reliant avec le processeur par fibre optique. Ils
ont pris en compte également l’erreur introduite par les multi-trajets. L’erreur sur la phase
du facteur de réflexion mesurée est +- 6°, correspondant à une erreur sur la mesure de la
distance de +-0.07mm.
Figure 1.10: Schématique du radar à 35GHz (récepteur homodyne) proposé par [21][22]
1.3.3 Capteur interférométrique micro-onde pour des applications

télémétriques
Un autre système a été proposé par l’Université de Lille; nous pouvons voir dans les thèses
[23] et [24] de nouveaux capteurs interférométriques micro-ondes, pour des applications
télémétriques qui permettront de connaître différents paramètres comme la position (pour
des distances relativement courtes de quelques mètres), la vitesse et l’accélération, ainsi
que pour des applications de cinémométrie, de goniométrie et de contrôle non destructif.
L’étude de ce système radar (CW) est réalisée sur deux situations, la première dénommée
’’coopérative’’, c’est à dire quand la source hyperfréquence est placée sur l’objet sous
investigation, et la deuxième nommée ’’non-coopérative’’ dans le cas contraire.
Le banc de mesure utilisé en premier lieu a été un chariot en plastique sur lequel est fixé
l’émetteur. Il se déplace grâce à un moteur pas à pas. L’excursion permise au mobile est de
1.5 mètre, et la distance entre l’émission et la réception peut varier de 0.5 à 3 mètres. La
précision obtenue pour les mesures de distance est de 2%.
Ensuite, ils ont réalisé la reconstitution de la loi horaire, déterminant la vitesse en différents
points de la trajectoire. La méthode proposée donne accès à la vitesse moyenne d’un
mobile sur les portions de sa trajectoire correspondant aux interfranges de l’interféro-
gramme. La précision est améliorée, elle est alors de 1%.
Ensuite, ils ont proposé un système capable de détecter la position d’une source dans un
milieu confiné en principe et sur un terrain de football ultérieurement. Pour la réalisation de
cette mesure il est nécessaire de faire une première fois la calibration des positions possi-
bles et les insérer dans une matrice. Les valeurs des mesures obtenues sont comparées
avec les valeurs de la matrice pour obtenir la direction exacte d’arrivée de la source en 2D
à 3D. La précision de ce système est de +- 2°.
1.4 Description de notre système

Pour notre système, nous avons utilisé un Radar Duplex avec un discriminateur de
fréquence six-port (SPR) ou five-port (FPR).
Sur la figure (1.11), nous pouvons observer que le schéma du radar du prototype ressem-
ble à celui du radar FMCW, nous pouvons observer que la grande différence est le rem-
placement du mélangeur par le circuit SPR.
Le principe de ce système radar consistera à émettre deux ondes continues de fréquences
proches et on comparera deux phases. Le problème que nous pouvions rencontrer avec
les ’’Radars Duplex’’ pour la fréquence Doppler nulle, sera ici résolu en faisant une com-
paraison de phases des ondes hyperfréquences au lieu de la faire à basse fréquence.
Nous devrons donc réaliser les mesures de phases dans le domaine des hyperfréquences.
Nous serons capables de faire ce type de mesures avec un détecteur cohérent ou un
démodulateur IQ, mais ces systèmes sont chers à ces fréquences car les composants util-
isés doivent être de très bonne qualité. Pour cela, nous utiliserons un discriminateur SPR
ou FPR, qui va nous permettre de mesurer le rapport complexe de deux ondes hyper-
fréquences, à condition de calibrer le système avant la réalisation des mesures. D’autre
part, les composants utilisés seront de faible coût et pourront être de mauvaise qualité car
leurs caractéristiques sont prises en compte lors du calibrage.
Réseau
Antenne
Patch
Cible mobile
Modulateur
Oscillateur Coupleur Circulateur
10dB
500Hz fo=2GHz
f1=fo+(df)/2 L.N.A.
f2=fo-(df)/2 Distance à la cible
Traitement Porte1
des données
AT-MIO-16XE-10
Acquisition
Porte2
Convertisseur
A/N
16-bit de résolution Circuit

"Six-port"
Figure 1.11: Radar Duplex avec discriminateur de fréquence six-port
Si nous regardons maintenant le principe théorique du système, nous verrons que pour un
signal de la forme suivante:
jwt
s = se Eq (1.12)
Le signal sera réfléchi par une cible à une distance ’’d’’ de l’antenne, sachant que le temps
de propagation sera:
2d
T = ------ Eq (1.13)
c
où c sera la célérité de la lumière.

Par contre, si la cible se déplace à une vitesse ’’v’’ par rapport à l’émetteur-récepteur
(antenne), la distance à laquelle nous pourrons déterminer la cible sera (d+vt) et le temps
de propagation sera donné par:
T = 2 d-------------
+ vt- Eq (1.14)
c
Le signal reçu par l’antenne sera:

jw ( t – T ) j [ ( w + w D )t – ϕ ]
r = re = re Eq (1.15)
wv
avec w D = – 2 ------- Eq (1.16)
c
ϕ = 2 wd
------- Eq (1.17)
c
En supposant que l’accélération du vehicule est nulle ou que la vitesse du vehicule peut
être considérée constante pendant le temps nécessaire à l’acquisition des données. Donc,
wD
la fréquence Doppler du signal sera donnée par f D = ------- et ϕ sera le déphasage du signal
2Π
reçu.
Comme nous verrons dans le chapitre 2, le SPR nous donnera le rapport entre le signal
émis et le signal reçu, que nous pouvons écrire de la façon suivante:
r r- e j ( w D t – ϕ )
ϒ = - = ---- Eq (1.18)
s s
ϒ étant un vecteur qui tournera à la pulsation wD .

Si nous mesurons la vitesse de rotation du vecteur ϒ, nous pourrons obtenir la vitesse rel-
ative de la cible, par contre l’information concernant la distance à laquelle se trouve la cible,
sera donnée par la phase ϕ de la façon suivante:
2 wd
------- = ϕ + 2Πn Eq (1.19)
c
n est le nombre de tours parcouru par l’onde.

Il existe une ambiguité dans la mesure de la distance, car la longueur d’onde que nous util-
isons est beaucoup plus petite que les distances mesurées ( λ =15cm à 2GHz ou λ =4mm à
77GHz). Afin d’éviter cette ambiguité, nous réaliserons une modulation en fréquence, c’est
à dire, nous allons émettre 2 signaux à différentes fréquences, avec un écart ∆w faible par
rapport aux valeurs de fréquences utilisées pour faire la mesure, et nous prendrons la dif-
férence entre les deux déphasages des deux signaux (Figure 1.12):
( w 1 – w 2 )d ∆wd
ϕ1 – ϕ2 = 2 --------------------------
- = 2 ----------- Eq (1.20)
c c
dw 1 dw 2
---------- = ϕ 1 + 2Πn --------- = ϕ 2 + 2Πn
c c
f2
f1
ϕ2
ϕ1
d
distance maximale sans ambigüité
Figure 1.12: Mesure de distance avec deux signaux continus
Pour éviter l’ambiguité, il suffit que cette différence de phase soit inférieure à 2Π, puisque n
a la même valeur aux deux fréquences, c’est à dire, que le nombre de tours effectués par
les deux vecteurs Γ correspondant aux deux fréquences sera le même. La distance maxi-
male est donnée par la différence de fréquences (eq 1.21) .
c
dMax = --------- Eq (1.21)
2∆f
Si nous prenons par exemple un ∆f =1.5MHz, la distance maximale sera 100m. Afin d’obte-
nir une bonne précision de mesure pour les distances faibles sans introduire une ambiguité
pour les distances plus élevées, nous pouvons mesurer à trois fréquences, par exemple
2GHz, 2.0015GHz et 2.015GHz . Les deux premières nous serviront pour la détection des
longues distances et la première et la troisième serviront pour détecter les distances cour-
tes, dans cet exemple la distance minimale est de 10m donnée par ∆f=15MHz.
Dans l’équation (1.20), nous avons considéré que la longueur électrique totale des dif-
férents composants du radar est la même aux deux fréquences utilisées (figure 1.13) ,
donc que le déphasage induit par ces longueurs est éliminé lors de la soustraction. Malheu-
reusement, pour les distances courtes, ce n’est pas le cas, car l’écart fréquentiel est assez
grand et la longueur électrique des lignes du système est comparable à la longueur d’onde
de cet écart.
Circulateur
OL
Coupleur
Antenne
a1
LNA
a2
Figure 1.13: Distances parcourues par les ondes dans notre prototype radar.
Sur [25] nous pourrons voir que si nous plaçons une plaque métallique en face de
l’antenne, ce qui nous fera une distance nulle, la différence de phases calculée dans les
conditions de [25], sera de 140°, donc elle ne sera pas négligeable. Pourtant, pour pouvoir
tenir compte de ce déphasage, il sera proposé une variation de l’équation (1.20), que nous
pouvons exprimer de la forme suivante:
( w 1 – w 2 )d
ϕ 1 – ϕ 2 – ( ϕ 10 – ϕ 20 ) = 2 --------------------------- Eq (1.22)
c
La valeur de ϕ 10 – ϕ 20 doit être calculée au préalable et fera partie du calibrage du

système radar.
1.4.1 Prototype Radar Duplex

Nous avons dejà remarqué que le schéma du radar duplex avec le réflectomètre ressemble
à celui du radar FM-CW, hormis le mélangeur remplacé par le circuit SPR. Sur la figure
(1.11) qui représente le prototype Radar utilisé, nous voyons que nous récupérons une par-
tie du signal émis par les coupleurs et nous l’injecterons à l’accès 1 du réflectomètre et le
signal reçu par l’antenne, sera amplifié et injecté à l’accès 2 du réflectomètre. Après le
mélange des deux signaux RF des accès 1 et 2 et le filtrage passe-bas aux sorties du
réflectomètre, nous récupérons les signaux en bande de base. Ces sorties sont con-
nectées aux accès des convertisseurs analogiques-numériques pour appliquer ensuite un
traitement numérique qui nous permettra de récuperer la distance et la vitesse de la cible.
Les fréquences de modulation et d’échantillonnage doivent être choisies en fonction des
distances que nous voulons détecter et la résolution que nous voulons obtenir. Nous
n’émettons pas deux signaux en même temps mais au rythme de la modulation choisie,
donc les phases des signaux aux deux fréquences ne seront pas mesurées aux mêmes
instants de temps, et si la cible bouge les distances ne seront plus les mêmes.
Si nous avons les équations suivantes :
wd
2 ---------o = ϕ 1 + 2Πn Eq (1.23)
c
w ( d o + vT )
- = ϕ 2 + 2Πn
2 --------------------------
c
Il nous faudrait un retard T entre la mesure des deux fréquences tel que la variation de
phase puisse être négligée, ou bien, nous pourrons estimer cette variation de phase en
connaîssant la vitesse de la cible à partir de l’expresion suivante:
wvT
∆ϕ 2 = 2 ---------- Eq (1.24)
c
Le choix que nous avons pris [25], a été de faire une mesure toute les demi-périodes de la
modulation, nous échantillonnons chaque fréquence une fois par période (fig 1.14), donc le
retard sera égal à une demi-periode (T=1/(2fm)).
Dans notre prototype, la fréquence porteuse est égale à 2GHz, la vitesse de la cible est de
0.5m/s environ et la valeur de T=1ms. Ceci nous donne un déphasage ∆ϕ 2 de 2.4° que
nous pouvons considérer négligeable. Par contre, avec une porteuse de 77GHz et une vit-
esse de 60m/s (~210Km/h), la variation de phase sera approximativement de 30.4°, donc
pour négliger ce déphasage, nous devrons diminuer la periode T , par exemple à 0.5 µ s
qui nous donnera une variation de 5.4°, ou il nous faudra faire une évaluation de ∆ϕ 2 à
partir de la vitesse de la cible.
En conclusion, pour avoir une bonne précision, le retard doit être très petit (1/(2fm)) et la
fréquence d’échantillonnage sera le double que la f m parce que nous prendrons une
mesure chaque demi-période. Selon le théorème de ’’Shannon’’ , la fréquence d’échantil-
lonnage doit être au moins le double de celle que nous voulons acquérir. Nous savons
qu’avec les conditions précédentes et si nous utilisons par exemple une fréquence
d’échantillonnage de 1KHz nous obtiendrons une fréquence Doppler de 6.6Hz, donc nous
vérifions largement la condition du théorème.
Au moment de l’expérience, nous devons prendre en compte toutes les valeurs mention-
nées ci-dessus et les faire varier en fonction du besoin.
f1 f2
f1+fd f2+fd
Figure 1.14: Modulation utilisée
1.4.2 Simulation avec Matlab du système
Pour vérifier la faisabilité du système, nous avons réalisé un programme avec le logiciel
matlab en forme de menu, qui simulera le comportement de notre système radar avec les
discriminateurs SPR et nous aidera à comprendre son comportement et de valider les pro-
grammes de traitement utilisés.
Pour cela, nous avons simulé avec des équations mathématiques (eq 1.25), l’écho qui pro-
vient de la cible à détecter par notre système radar et nous avons vérifié son évolution en
ajoutant par exemple un bruit de phase ou en variant la valeur du rapport signal sur bruit
(RSB), puis nous avons testé les programmes de traitement du signal ( filtrage et calcul de
la distance et de la vitesse).
Ce simulateur présente plusieurs menus que nous détaillons, par la suite.
Le premier menu que nous observerons après l’exécution du simulateur, sera représenté
par la figure 1.15 a), nous permettant de choisir la vitesse à laquelle la cible que nous
allons simuler peut bouger. Les différentes possibilités de vitesses sur ce simulateur on été:
vitesse relative nulle, avec un mouvement à vitesse constante ou variable, en fonction de la
sélection sur le menu. Après ce choix, le simulateur calculera la distance du mobile à

chaque instant d’échantillonnage en fonction du profil de la vitesse choisie.
Figure 1.15: a) Menu pour choisir la vitesse de la cible. b) menu pour donner un bruit de phase
Nous pouvons observer sur eq (1.25) la génération des signaux comme nous l’avons réal-
isée avec le logiciel matlab.
ondes incidentes et réfléchies générales Eq (1.25)
j2Πf 1 t
oemis1 = K emis e ondes incidentes
j2Πf2 t
o emis2 = K emis2 e
j2Π ( – f d op f t do p ) – ϕ 1
1
o rec1 = K rec1 o emis1 e ondes réfléchies
j2Π ( – f d op f t do p ) – ϕ 2
2
o rec2 = K rec2 o emis2 e
Par la suite, nous décrivons les constantes que nous avons utilisées pour calculer les
équations qui représenteront les ondes émises et reçues par l’antenne.
Eq (1.26)
c=3e8; % vitesse de la lumiere en m/s
f1=1.980e9; % deux fréquences obtenues à partir de la
modulation en Hz
f2=2.020e9;
∆f=f1-f2; % 40 MHz pour une distance détectable
maximale de 3.75 m
origine_mobile = 0.1; %m
dist_max = 3.75 ; %m
f_echan=1000; % Fréquence d'échantillonnage en Hz : 1 Khz
num_pts=f_echan*3; % nombre de points à afficher, sont 3000 en 3
secondes
Te=(1/f_echan); % en seconde
Vecteur_temps = [Te:Te:(num_pts*Te)]; % de Te à num_pts*Te
K_em=10; % Amplitude d’émission
attenuation=ones(num_pts,1); % calcul des coefficients d'atténuation en 1/d^2
attenuation = attenuation ./(d_t.^2);
attenuation = attenuation ./attenuation(1,1); % normalisation
Kaller=Kem.*attenuation; % amplitude du signal en chaque point aller
Krec=Kaller.*attenuation; % amplitude du signal en chaque point retour
phase_1 = (2*(2*pi*f1.*d_t)/c) + phi_01; % déphasages au retour sur l'antenne pour f1 et f2
phase_2 = (2*(2*pi*f2.*d_t)/c) + phi_02;
fdopf1=2*(f1.*vitesse/c); % fréquence doppler
fdopf2=2*(f2.*vitesse/c); % fréquence doppler
tdop = d_t./c;
Sur la droite de la figure 1.15 b), nous pourrons choisir la pûreté en phase du signal et sur
la figure (1.16), nous pourrons sélectionner le déphasage existant entre les deux signaux
émis ou reçus et le rapport RSB.
Pour mesurer le bruit de phase à xHz de la porteuse, nous pouvons le mesurer comme
nous voyons sur la figure (1.16), en utilisant la relation:
N = N 1 + 10 log R Eq (1.27)
R est la largeur du filtre d’analyse, en Hz. N est exprimée en dBc .
dP
10kH z
1Hz f
fc
Figure 1.16: Définition et mesure du bruit de phase
Nous considérons que la fréquence centrale du filtre d’analyse est de 10KHz de la porteuse
et sa bande passante est de 1Hz. Nous avons pris des valeurs typiques des erreurs de
phase d’un générateur RF (valeurs -97, -77,-57).
Nous calculons l’augmentation de bruit à droite et à gauche pour les valeurs d’erreur de
phase choisies, pour les deux fréquences f1 et f2, comme nous pouvons voir sur le tableau
(1.1).
Filtre d’analyse utilisé: 1Hz à 10kHz de la porteurse

Cas ideal Bon OL Mauvaise OL Très mauvaise
OLPhase =0 OLPhase=-97 OLPhase =-97=> -57
OLPhase=-97=> -77
ol pha se ol p hase  ---------------------------

ol p ha se – 20
 ol ph ase – 40
--------------- ---------------  10  
------------------------
-

Ampli = K em ⋅ 10
10
Ampli = K em ⋅ 10
10
Ampli = K em ⋅ 10 Ampli = K em 10
10
( – j ( 2Π10 )t )
3
AmpliphaseGauche = Ampli ⋅ e
( j ( 2Π10 )t )
3
AmpliphaseDroite = Ampli ⋅ e
o emis1 = oemis1 ⋅ AmpliphaseGauche + o emis1 + o emis1 ⋅ AmpliphaseDroite
o emis2 = oemis2 ⋅ AmpliphaseGauche + o emis2 + o emis2 ⋅ AmpliphaseDroite
Table 1.3: Impûreté de phase
Le bruit sélectionné est un bruit blanc gaussien qui nous donnera un rapport signal sur bruit
égal à 4 ou 8dB.
Figure 1.17: a) Menu pour choisir le déphasage entre F1 et F2. b) Menu qui nous donne le rapport
RSB
Nous générons le bruit à partir du RSB ( Rapport Signal sur Bruit ) (variable en fonction du
choix sur le menu ) comme nous pouvons observer sur les équations(1.28).
2
pz = std ( onde ) Eq (1.28)
– RSB-
-------------
 10 
pb = pz ⋅ e
bruit = pb ⋅ randn ( Y )
avec Y le nombre de points acquis, onde= orec1=orec2.

Et ensuite, nous écrirons l’équation des ondes de la forme suivante:
onde = onde + bruit Eq (1.29)
Si nous prenons un exemple type, comme une vitesse variant sur forme sinusoidale en
fonction du temps, c’est à dire, la simulation d’une voiture qui accélère et décélère con-
stamment, un bruit de phase mauvais (-57dBHz), un déphasage entre les signaux reçus de
fréquences f1 et f2 de π/6 et pour finir un Rapport RSB de 4dB, nous observons les résul-
tats montrés par les figures 1.16~1.20.
vitesse simulée du mobile abcisse du mobile dans le temps

1.5 3.5
1 2.5
2
m/s
0.5 1.5
0 0.5
−0.5 −0.5
0 1 2 3 0 1 2 3
temps en secondes temps en secondes
Figure 1.18: Simulation de la vitesse et la distance parcourue par la cible.
Si nous analysons ces résultats, sur la première figure, nous pouvons trouver la valeur de
la vitesse relative de la cible que nous avons choisie et le calcul de la distance, fait à partir
de cette vitesse relative. Ces valeurs devront être retrouvées par la suite, en calculant cette
distance avec la différence de phases des signaux dans le plan w ou Γ.
2
amplitude reception onde 1 rapport em/rec 1 , temps en z
10
1
10
3
puissance mesurée mW
2.5
0
10
2
−1
1.5
10
−2 0.5
10
0
1
−3
10 0.5
0 1
4 0.5
x 10 −0.5
−4
0 x
10 −1
0 0.5 1 1.5 2 2.5 3
−0.5
−1.5 −1
Figure 1.19: a) Amplitude du signal réfléchi par la cible en fonction de la distance parcourue.
b)Représentation 3D du valeur de Γ1.
Sur la figure 1.19 a), nous pouvons observer la variation de l’amplitude en mW du signal
reçu en fonction de la distance parcourue. Nous observons une énorme variation d’ampli-
tude ( influence de l’atténuation ) montrant que plus la distance entre l’antenne et la cible
est grande, plus l’amplitude du signal diminue.
Si nous observons maintenant la figure 1.19 b), nous pourrons voir en 3D l’évolution du
rapport entre l’onde émise et l’onde reçue (Γ1) dans le temps pour une des fréquences (f 1).
La forme de ce rapport est due à la variation de la vitesse sous forme sinusoidale en fonc-
tion du temps.
gamma dans le plan complexe angle de gamma :

1 3
0.8 2.5
0.6 2
partie imaginaire
angle en radians
0.4 1.5
0.2 1
0 0.5
−0.2 0
−0.4 −0.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 0 0.5 1 1.5 2 2.5 3
partie réelle temps en s
Figure 1.20: a)Différence de phases des deux signaux acquis. b) Variation de l’angle de Γ en
fonction du temps.
Maintenant nous pouvons observer la différence de phases des deux ondes acquises sur la
figure 1.20 a), qui nous permettra d’obtenir la distance à laquelle se trouve la cible.
L’angle de Γ a une variation extrême de 2 Π. Mais il n’est pas forcément compris entre 0 et
2Π car le déphasage initial peut ne pas être nul ( voir figure 1.18 b)). Nous pouvons
observer que la forme de la figure 1.20b est à un facteur multiplicatif près, la même que
celle de la distance recherchée (figure 1.18 b)).
Si nous nous situons dans un cas réel , nous pouvons imaginer que les signaux seront
bruités, qu’il apparaitera différents échos produits pas l’environnement, donc dans notre
traitement appliqué sur les signaux reçus, nous utiliserons un filtrage, qui sera différent sui-
vant si on recherche la distance à partir de Γ ( ou W ) ou la vitesse à partir de Γ1 (ou W1) ou
Γ2 (ou W2).
Si nous considérons que ∆f est de 40MHz (donc une distance maximale de 3.5m ). Si nous
utilisons Γ 1 pour calculer la vitesse, nous appliquerons un filtre passe-bas avec une
fréquence de coupure de 25Hz, pour une fréquence de 2GHz.
Si nous réalisons le filtrage avec Matlab, il faudra connaître les paramètres du filtre
numérique choisi. Dans notre cas, nous avons choisi un filtre elliptique avec une atténua-
tion de 1dB dans la bande passante et de 50dB à partir de la fréquence de coupure 25Hz
de la fréquence de coupure. Si nous prenons une fréquence d’échantillonnage de 1KHz, la
syntaxe du filtre sera la suivante:
[ b, a ] = ellip  3, 1, 50, --------

25-
Eq (1.30)
500
Avec une fréquence de coupure de 25Hz et une demi-periode de 500Hz. Le filtre passe-
bas elliptique sera du troisième orde.
vitesse calculee sur avec les mesures distance calculée avec les mesures x 10
−4 errreur en vitesse errreur en distance
1.5 3.5 6 0
3
−0.05
4
1 2.5
−0.1
2
2
−0.15
m/s
m/s
m
m
0.5 1.5 0
−0.2
1
−2
−0.25
0 0.5
−4
−0.3
0
−0.5 −0.5 −6 −0.35

0 1 2 3 0 1 2 3 0 1 2 3 0 1 2 3
temps en secondes temps en secondes temps en secondes temps en secondes
Figure 1.21: a) Vitesse et distance obtenues par le calcul des différentes phases des ondes
réflechies. b) Les erreurs de la distance et de la vitesse estimées par le simulateur.
Sur la figure 1.21 a) nous verrons la distance et la vitesse desirées après le filtrage et sur
la figure 1.21 b), l’erreur de calcul de la distance ( due probablement au décalage du filtre)
et de la vitesse que nous pouvons faire.
1.5 Conclusion
En conclusion, dans ce chapitre nous avons présenté les différents systèmes radars
existants actuellement et nous avons vu, ceux les plus adaptés pour des applications
routières. Nous avons choisi le plus simple à implémenter et nous avons vu par simulation,
que ce dispositif radar, était capable de détecter la distance et la vitesse à laquelle une
cible bouge.
Par la suite, nous présenterons dans le chapitre 2 , le circuit interférométrique ’’SPR’’(six-
port reflectometer) et sa réduction à ’’FPR’’ (five-port reflectometer), nous expliquerons les
processus de calibrage utilisés pour les différentes expériences réalisées. Dans le chapitre
3, nous verrons les premières mesures réalisées sur le dispositif sous test, et notre
système réel. Ensuite nous verrons la réalisation d’un réseau d’antennes patch et pour finir
nous parlerons de l’importance de déterminer la position à laquelle les cibles sont situées.
Nous présenterons au chapitre 4, les mesures de directions d’arrivée simulées et
mesurées sur notre prototype, que nous décrirons en détail.
[1] B. Carriere-Pradal, «Réalisation d’un circuit six-port dans la bande de fréquence 26-40GHz»,
Rapport de stage 2001 ENST Paris.
[2] M. I. Skolnik, «Introduction to Radar Systems», McGraw-Hill International, Singapore,

1981.
[3] Hakan Brunzell, «Feature Set Selection for Impulse Radar Based Landmine Detection», 2000
IEEE.
[4] Malek G. M. Hussain, Kuwait University, AL-Khldiah, State of Kuwait, Mattherw J.

Yedlin, University of British Columbia, Vancouver, BC, Canada. «Active-array
Beamforming for Ultra-Widebande Impulse Radar». IEEE 2000
[5] Hakan Brunzell, «Detection of Shallowly Buried Objects Using Impulse Radar» IEEE
transactions on Geoscience and Remote Sensing, Vol 37, n°2, March 1999.
[6] Sami Guedaiem, «Détection et Suivi de Cibles par Radar Automobile à Ondes Continue
Modulée en Fréquence (FM-CW)», Thése de l’Université de Toulouse III, Spécialité:
Traitement du Signal.
[7] J. Mondal, K. Wong, D. Richardson, K.Vu, K. Peterson, G.Dietz, R. Haubenstricker,

N. Calance, L. Gluck and S. Moghe, «77GHz MMIC T/R Module for Diplex Radar Application
in Collision Avoidance Radar (CAR)». 1998, IEEE.
[8] Patrique Crenn, Pascal Cornic, Jean-François Henrio, Benoit Plantier, Thomson-
CSF/RCM, Brest, «Radars automobile longue portée d’assistance à la conduite».
[9] P.A. Rolland, N. Haese, D. Cailleu, P. Deloof, «Radar Millimetrique pour anticollision»
Mai 1995, Rapport.
[10] Jerry D. Woll, «60GHz Vehicle Radar for Japan», 1998 Society of Automotive
Enginneers, Inc.
[11] David D.Li, Sam C. Luo and Robert M. Knox. «Millimeter-Wave FMCW Radar
Transceiver/Antenna for Automotive Application», Applied Microwave & Wireless.
[12] David D.Li, Sam C. Luo Chris Pero, Xiaodong Wu and Robert M. Knox,
«Millimeter-Wave FMCW/Monopulse Radar Frond- End for Automotive Applications», 1999 IEEE.
[13] M Camiade, D. Domnesque, P.F. Alleaume, A. Mallet, D. Pons and H. Dambkes,

«Full MMIC millemeter-wave front-end for a 76.5GHz Adaptative Cruise Control Car Radar»,
IEEE, 1999.
[14] R. Scheneider and J. Wenger, « System Aspects for Future Automotive Radar», IEEE
1999.
[15] Sung Tae Choi and Yong Hoon Kim, «24GHz monopulse FMCW radar with heterodyne
receiver for automotive applications»
[16] Hiroshi Mizutani, Naoki Shida, Tmoaki Saryo, Toshihide Kuwabara, Tsuyoshi
Eda, Talao Matsumura and Masahiro Funabashi, «76GHz MMIC Chip Set for Compact,
Low Cost and Highly Reliable Automotive Radar System», 1999 IEEE Radio Frequency
Integrated Circuits Symposium.
[17] Lars H Eriksson, Bengt- Olof As, Celsius Tech Electronics AB, «A High
Performance Automotive Radar for Automatic AICC», IEEE International Radar Conference,
1995
[18] Mark E. Russell, Arthur Crain, Anthony Curran, Richard A. Campbell, Clifford A.
Drubin and William F. Miccioli, «Millimeter-Wave Radar Sensor for Automotive Intelligent
Cruise Control (ICC)», IEEE Transactions on Microwave theory and Techniques, vol 45
no12, December 1997.
[19] Delphi Delco Electronics Systems, Kokomo, Indiana, «2000 Delphi Automotive
Systems».
[20] S. Ohshime, Y. Asano, T. Harada, N. Yamada, M. Usui, H. Hayashi, T. Watanabe

and H. Iizuka, «Phase-Comparison Monopulse Radar with Switched Transmit Beams for
Automotive Application». IEEE 1999.
[21] A. Efanov, G. Diskus, A. Stelzer, H. W. Thim, K. Lubke, A. L. Springer,

«Development of a low-cost 35GHz radar sensor», Ann Télécommun., 52 , n° 3-4, 1997.
[22] G. Dickus, «A Microwave Position Sensor with Sub-Millimeter Accuracy», IEEE

Transactions on Microwave theory and technique, vol 47, n°12, December 1999.
[23] Dany Matton, «Principe et faisabilité de nouveaux capteurs interferomètriques micro-ondes»,

Thèse de l’Université des Sciences et Techniques de Lille Flandres Artois, Soutenue
1989.
[24] Jean Christophe Cousin, «Interferométrie micro-onde en milleu confiné: Application à la

localisation» , Thèse de l’Université des Sciences et Technologies de Lille.
[25] C. Gutierrez Miguélez, B. Huyart, E. Bergeault and L. Jallet , «A new Automobile

Radar Based on the Six-port Phase/Frequency Discriminator». IEEE Transaction on vehicular
technology, vol49,n° 4, July 2000.
CHAPITRE 2 Le circuit "six-port" (SPR) 37
CHAPITRE
CHAPITRE2
2
CHAPITRE 2 LE RÉFLECTOMÈTRE SIX- PORT (SPR): APPLICATION
AUX SYSTÈMES R ADAR
Nous avons déjà introduit le système "SPR" dans le chapitre précédent. Nous allons main-
tenant le développer. En ce qui concerne le "SPR" les questions suivantes pourront être
posées:
-Qu’est-ce qu’ un système "SPR"?
-Comment a-t-il été conçu?
-Comment fonctionne t-il?
- Pourquoi avons nous decidé de l’utiliser dans notre système Radar?
Nous consacrerons ce chapitre, à répondre à toutes ces questions de façon formelle. Nous
expliquerons les différentes parties du SPR. Nous présenterons la procédure de calibrage
du SPR pour l’application radar et l’application de détection de directions d’arrivée (DDA).
Nous expliquerons la réduction du SPR en "five-port" (FPR) ainsi que les modifications
réalisées sur la linéarisation et le calibrage du système. Nous conclurons le chapitre en
présentant un SPR hybride à 26-40GHz que nous avons calibré et que nous allons utiliser
dans l’application radar.
2 Le circuit "six-port" (SPR)

2.1 Définition du système
Le circuit SPR est un système hyper-fréquence linéaire et passif, qui permet de déterminer
le rapport complexe de deux ondes en mesurant leur niveaux de puissance. Son principe a
été largement utilisé pour développer des réflectomètres et des analyseurs de réseaux
Le circuit "six-port" (SPR) 38
hyper-fréquences, et plus récemment dans des applications comme un récepteur

numérique basé sur le SPR [26], ou un adaptateur automatique d’impédance [27].
A l’origine, il a été conçu par G. F. Engen et C. A. Hoer [28,29], et il permettait de mesurer
des impédances complexes en utilisant uniquement des mesures de puissance, suivies
d’un traitement numérique de données, que nous expliquerons ultérieurement. Ce traite-
ment numérique a été développé grâce aux systèmes informatiques puissants à bas coût,
qui sont indispensables pour faire des calculs complexes, lesquels sont nécessaires pour
trouver les constantes de calibrage du système et pour calculer le facteur de réflexion à
partir des mesures de puissance.
Le schéma d’un réflectomètre SPR est montré sur la figure 2.1. Il s’agit d’un circuit linéaire
et passif à six accès. Une source RF est connectée à l’accès 1 et le dispositif sous test
dont on veut mesurer le facteur de réflexion Γ est connecté à l’accès 2 (dans notre cas,
c’est le facteur de réflexion de la cible à détecter ).
P3 P4
b1 b2
b3 3 4 b4
a1 a2
1 réflectomètre 2
à six portes
charge à
b5 5 6 b6 mesurer
Γ
P5 P6
Figure 2.1: Le réflectomètre SPR
Le SPR, comme nous pouvons voir sur la figure (2.2), est constitué de coupleurs et d’un
anneau à cinq branches pour réaliser quatre additions vectorielles des signaux émis et
reçus. Les signaux résultants sont mesurés par quatre détecteurs de puissance (aux portes
3 à 6 ), et avec le traitement mathématique adéquat, nous pourrons déterminer le rapport Γ.
Figure 2.2: Réflectomètre en technologie micro-ruban (2GHz).
2.2 Principe du réflectomètre "SPR"

Dans le paragraphe précédent, nous avons expliqué qualitativement le principe de fonc-
tionnement du réflectomètre "SPR", maintenant nous développerons les équations formu-
lant le fonctionnement de ce dispositif.
Comme nous avons vu sur la figure (2.1), le SPR est composé de six accès avec douze
pseudo ondes ai et bi; i=1..6, incidentes et émergeantes de la jonction six-port. Les accès
3,..,6 sont reliés aux détecteurs de puissance et les ondes émergantes sont des combinai-
sons linéaires des ondes incidentes et réfléchies par la charge:
b 3 = A3 a 2 + B3 b 2 Eq (2.1)
....
b 6 = A 6 a 2 + B6 b 2
Les constantes Ai et B i déterminent principalement les caractéristiques du réflectomètre

six-port qui dépendent exclusivement de la structure géométrique du circuit.
Maintenant, nous allons choisir les impédances de références Ziref des portes où sont con-
nectés les détecteurs, égales aux valeurs complexes conjuguées des impédances d’entrée
Zi de ces détecteurs [30,31]:
( Zref = Z∗ i ) ⇒ i = 3 ∼ 6
i
Eq (2.2)
Aux portes du circuit nous avons la relation:

Vi = –Zi Ii Eq (2.3)
Ii étant le courant entrant dans la porte i, nous pouvons dire que les pseudo-ondes
réfléchies par les détecteurs et rentrantes dans le réflectomètre six-port sont égales à zéro
( ai =0, i=3,..,6 ). Donc, en supposant les détecteurs de puissance adaptés, les puissances
détectées seront:
2 2
P3 = b 3 = A3 a 2 + B3 b 2 Eq (2.4)
....
2 2
P6 = b 6 = A6 a 2 + B6 b 2
Nous souhaitons, par construction du réflectomètre "SPR", qu’il existe un des quatres
détecteur (dans notre cas le troisième), dont la puissance mesurée dépend uniquement de
la pseudo-onde b2, donc A3=0 (P3=|B3b2|2). Dans ce cas là, nous obtiendrons le facteur de
réflexion de la charge connectée à l’accès 2.
a2
Γ = ----- Eq (2.5)
b2
En normalisant les autres puissances ( P4, P5, P 6 ) par rapport à P 3, on rend la mesure
indépendante des variations du signal du générateur, ce qui nous permettra d’écrire les
équations du système de la forme suivante:
P A 2 2
P i3 = ------i = ------i Γ – q i → i = 3 ∼ 6 Eq (2.6)
P 3 B3
q = –B
-----i → i = 4 ∼ 6 Eq (2.7)
 i A i
Ces équations représentent trois cercles de centres q4,q5,q6 et de rayons :
P4
R4 = ------------ Eq (2.8)
K4P3
P5
R5 = ------------ Eq (2.9)
K5P3
P6
R6 = ------------ Eq (2.10)
K6P3
Ki étant |Ai/B3|2 ( i=4~6 )

L’intersection de ces cercles, dans le plan complexe, définit le facteur de réflexion Γ (Figure
2.3)
j Im( Γ )
P4
~ k 4 P3
.
q5 q4
P5
.
~ k 5 P3 Γ
Re( Γ )
1
q6
.
P6
~ k 6 P3
Figure 2.3: L’intersection des trois cercles dans le plan complexe Γ est utilisée pour déterminer le
facteur de réflexion
Les positions des points qi sont des paramètres importants qui déterminent une grande par-
tie du comportement du circuit "SPR".
2.3 L’analyse des réflectomètres "SPR"

Pour optimiser et analyser la structure d’un réflectomètre "SPR" en tenant compte de tous
les éléments parasites des composants, il est nécesaire de parler en terme de paramètres
de dispersion du circuit.
Pour les obtenir, nous pouvons faire appel à un logiciel de simulation hyper-fréquence ( par
exemple ADS(Advanced Design System)). Ce logiciel permettra de calculer les
paramètres de dispersion du circuit .

Dans ce paragraphe, nous allons développer les équations pour calculer les constantes du
réflectomètre six-port à partir de ses paramètres de dispersion et également décrire la
méthode pour trouver ses paramètres sous la condition Ziref = Z*i (équation 2.2).
2.3.1 Calcul des constantes du réflectomètre
Nous avons déjà dit dans ce chapitre, que nous pouvons considérer la condition Z iref = Z*i
(équation 2.2), c’est à dire , nous allons choisir les impédances de référence Z iref des
portes où sont connectés les détecteurs égales aux valeurs complexes conjuguées des
impédances d’entrée Zi de ces détecteurs. Par conséquent, nous avons ai=0 pour i allant
de 3 à 6 et l’équation de dispersion de la jonction six-port ( 2.11) deviendra (2.12)
6
bi = ∑ Sij ai ⇒ i = 1∼6 Eq (2.11)
j=1
b i = S i1 a 1 + S i2 a 2 ⇒ i = 1 ∼ 6 Eq (2.12)
Pour calculer les constantes Ai et B i , utiles à l’obtention des positions des points q i selon
l’équation (2.6). Nous calculons bi en fonction de a2 et b2 selon l’équation (2.1).
L’équation (2.12) pour i=2 donne:
b 2 – S22 a 2
a 1 = ------------------------- Eq (2.13)
S 21
Quand nous insérons (2.13) dans l’équation (2.12) , nous aurons:

S22 S i1
b i =  S i2 – S i1 ------
- a2 + -------b →i = 3∼6 Eq (2.14)
S21 S 2 21
donc, les constantes Ai et Bi seront:

S 22
Ai = S i2 – S i1 ------
- Eq (2.15)
S 21
S i1
Bi = ------- Eq (2.16)
S 21
Ce qui donne avec l’équation (2.6) l’expression pour les points qi:
S i1
q i = -----------------------------------
- Eq (2.17)
S22 S i1 – S 21 S i2
Nous pouvons vérifier par [30], les équations (2.15) et (2.16), avec une méthode différente
et plus complexe.
2.4 Calibrage des réflectomètres "SPR".

De nombreuses méthodes de calibrage du réflectomètre six-port, ont été proposées. Ces
méthodes trouvent les constantes caractéristiques nécessaires pour le calcul du facteur de
réflexion du dispositif sous test, à partir des quatre mesures de puissance [31,..,36 ].
Ces méthodes déterminent les constantes du réflectomètre avec un certain nombre de
charges connues à l’aide d’un calcul matriciel, mais elles utilisent assez mal le fait que les
quatre puissances mesurées ne sont pas indépendantes entres elles. Par Conséquent, les
trois cercles que nous avons vus sur la figure ( 2.3 ), ne se couperont généralement pas
exactement en un seul point. L’écart entre les points nous donnera la qualité du calibrage et
la précision des facteurs de réflexion mesurés.
Pour améliorer les constantes de calibrage qui feront que les trois points d’intersection se
rapprochent, nous appliquerons une optimisation .
La meilleure méthode pour cela, dite "la réduction six-port to four-port", a été proposée par
ENGEN [37]. Le but de cette réduction six-port to four-port était de déterminer le rapport
complexe entre les ondes incidentes aux deux des quatre détecteurs, en fonction des qua-
tre puissances mesurées. Si nous reécrivons les équations de puissances, de la forme sui-
vante:
2
P3 = b3 Eq (2.18)
2
P4 = b4 Eq (2.19)
2
P 5 = k5 b3 + L5 b4 Eq (2.20)
2
P 6 = k6 b3 + L6 b4 Eq (2.21)
Et si maintenant nous réalisons le rapport entre les équations (2.19), (2.20), (2.21) et
(2.18), nous obtenons:
2
p1 = w Eq (2.22)
2
Zp 2 = w – w 1 Eq (2.23)
2
Rp 3 w – w 2 Eq (2.24)
avec:
b k k 1 1 P
w = ----4- w 1 = – -----5 w 2 = – -----6 Z = ----------2- R = ----------2- p i – 3 = ------i
b3 L5 L6 L5 L6 P3
i=4~6.
Le rapport w=b4/b3 que nous voulons déterminer, est donné par l’intersection de trois cer-
cles ayant comme centres respectifs l’origine, w 1 et w2, et pour rayons p1 Zp 2 ,
Rp 3 .
Dans une première approche, les paramètres de réduction étaient trouvés à partir d’au
moins cinq charges arbitraires différentes connectées à la porte de mesure du réflecto-
mètre six-port, le résultat était un système d’au moins cinq équations pour cinq variables
inconnues. Malheureusement, les méthodes numériques appliquées ne convergent
généralement pas vers la bonne solution. Pour cela G.F. Engen [37], proposa une solution
qui consistait à mesurer au moins neuf charges arbitraires (mais bien réparties sur l’abaque
de Smith) et d’insérer les puissances mesurées dans les équations.
Un inconvénient de cette méthode est qu’elle nécessite neuf charges différentes au lieu de
cinq seulement.
La méthode utilisée habituellement [31], inspirée d’un algorithme proposé par U.
STUMPER[10], détermine les paramètres de réduction, en utilisant le fait que la valeur de
W et le facteur de réflexion Γ du dispositif connecté à la porte de mesure du réflectomètre
"SPR" sont reliés par une transformation bilinéaire ( correspondant à un "quadripôle
d’erreur" ) de la forme:
aΓ + b
ω = ---------------- Eq (2.25)
cΓ + 1
Donc, quand nous mesurons des charges avec des modules de Γ constant, sur le plan w,
nous verrons un cercle, mais comme nous ne connaissons pas les paramètres a, b, c de la
transformation bilinéaire, le rayon et le centre du cercle en "w" resteront inconnus. Pour les
obtenir, nous pouvons déterminer la puissance minimale et maximale du rapport des puis-
sances pj (pi-3=Pi/P3 (i=4~6, j=1~3)), correspondant à ce cercle (Figure 2.4 ).

Ensuite, à partir de la loi de cosinus, [31] on écrit les équations suivantes pour les points
situés sur le cercle:
2 2
p = d + r – 2d r cos α Eq (2.26)
1 o o
2 2
Zp 2 = d 1 + r – 2d 1 r cos ( α – ϕ 1 ) Eq (2.27)
2 2
Rp 3 = d 2 + r – 2d 2 r cos ( α – ϕ 2 ) Eq (2.28)
où do, d1 et d2 sont respectivement les distances entre le centre du cercle et l’origine, w1 et

w2 , r est le rayon du cercle, α est l’angle entre l’origine et le point sur le cercle par rapport
au centre du cercle, et ϕ1 et ϕ2 sont respectivement les angles entre l’origine et w 1 et w2
par rapport au centre du cercle ( figure (2.4))
Par la suite, [31] on élimine α de chaque paire d’équations (2.19), (2.20) et (2.21), ce qui
introduit des équations d’ellipses [35], avec cinq paramètres à déterminer. A partir de cinq
charges donnant des facteurs de réflexion Γ ayant un module constant mais des phases
différentes, nous pourrons déterminer ces cinq paramètres. Ultérieurement, nous pourrons
calculer les extrêmes de pi-3 (i=4~6), mais cette méthode a tendance à devenir inexacte
quand l’ellipse correspondante est relativement étroite. Pour résoudre ce problème, il est
utile d’obtenir un plus grand nombre d’estimations pour le minimum et le maximum de p i et
de retenir leur valeur médiane comme solution finale. Après que les minima et maxima de
p1 à p3 ont été trouvés, nous retrouverons les paramètres Z et R de la forme suivante:
 p 1max ± p 1min  2  p 1max ± p 1min  2

Z =  ---------------------------------------------- R =  ---------------------------------------------- Eq (2.29)
 Zp2max ± Zp 2min  Zp3max ± Zp 3min
Avec pi-3=Pi/P3 (i=4~6).

w2
Im(w)
RP3
d2
B
A
r
d0 ZP2
P1 d1
w1
0
C Re(w)
Figure 2.4: Le plan W et le cercle de valeur |Γ| constantes.
Nous déterminons par suite les valeurs des constantes A,B et C en utilisant le même calcul
que précédemment ( voir [31]), ainsi que la loi du cosinus et la relation trigonométrique [38]:
max ( Rp3 – Zp 2 ) – min ( Rp3 – Zp2 ) 2
A =  -------------------------------------------------------------------------------------
- Eq (2.30)
 4r 
max ( p 1 – Rp 3 ) – min ( p1 – Rp 3 ) 2
B =  ------------------------------------------------------------------------------ Eq (2.31)
4r 
max ( – p 1 + Zp 2 ) – min ( – p1 + Zp 2 ) 2
C =  --------------------------------------------------------------------------------------- Eq (2.32)
 4r 
P1max ± P 1min
r = ---------------------------------------
- Eq (2.33)
2
r étant le rayon du cercle ( figure 2.4)

Connaissant A, B et C, nous calculons w1 et w2=u2+jv2 (j étant l’unité imaginaire) par les
équations suivantes:
w1 = C Eq (2.34)
B+C–A
u 2 = ----------------------- Eq (2.35)
2w 1
2
v 2 = ± B – u2 Eq (2.36)
Le signe dans l’équation (2.36) sera trouvé en mesurant les charges connues.
Les paramètres "a","b" et "c" peuvent être déterminés en connectant au SPR, 3 charges
connues: charge 50 Ω(Γ=0), circuit ouvert (Γ=1) et court-circuit (Γ=-1). Donc, nous pouvons
dire que la méthode consiste à mesurer trois charges connues (circuit ouvert, court-circuit
et charge adaptée) et un court-circuit mobile. Pour notre application, nous avons montré
qu’il suffit de déterminer le vecteur intermédiaire, noté "w", pour accéder à la variation de la
phase du vecteur Γ, après un recentrage et une correction en module. Donc seul le court-
circuit mobile est nécessaire pour déterminer les constantes de calibrage reliant les puis-
sances mesurées à l’inconnue "w".
2.5 Calibrage du SPR pour l’application radar

Nous avons vu sur les paragraphes précédents la procédure de calibration du système.
Pour notre application, la procédure à suivre sera l’utilisation d’un court-circuit variable dont
le facteur de réflexion décrivant un cercle, nous permet de calculer les constantes de la
transformation P-w. Une fois cette calibration effectuée, nous serons capable de calculer
les points w correspondants aux mesures.
Pour notre application radar, nous cherchons une différence de phases, c’est à dire que
pour une distance donnée, nous serons intéressés par la différence de phases des deux
rapports de l’onde émise par rapport à l’onde reçue (a 2 /a 1 ), déterminés aux deux
fréquences f1 et f2 de la modulation. Donc, nous n’avons pas besoin d’une calibration de
phase sur le plan Γ; une calibration relative suffira pour notre application.
En pratique, pour la calibration du plan w, nous avons besoin de deux générateurs con-
nectés aux accès IN1 et IN2 du SPR, avec une différence de fréquence de ∆f. Sur les sor-
ties du SPR, nous récuperons un signal BF (Basse Fréquence) échantillonné avec une
fréquence de n∆f, (n>=5) durant un temps T>= 1/∆f. Nous avons besoin d’au moins 5
échantillons, mais nous allons en acquérir un nombre n=10 ou 20 en fonction de la dif-
férence de fréquence ∆f= 2KHz ou 1KHz.
Comme nous avons dit précédemment, nous n’avons pas besoin de la valeur absolue de Γ,
il nous suffira de faire un recentrage et un recalage en phase de la constellation des points
w. Ce calibrage nous permet de mesurer les différences des phases des ondes. Mais nous
ne pourrons pas utiliser ce calibrage pour des mesures absolues.
Si ultérieurement nous avons besoin de la transformation w-Γ, nous la déterminerons avec
les trois constantes correspondant à la transformation. Pour cela, nous recentrons les
points calculés dans la calibration en utilisant trois charges connues comme, le court-cir-
cuit, le circuit ouvert et la charge adaptée.
Si nous connectons une charge présentant un facteur de réflexion Γ à phase variable à
l’accès IN2 du SPR, nous obtiendrons un coefficient de réflexion de valeur " Γ=k ejnφ ",
avec des valeurs de k et φ constantes et n étant le nombre de positions.
Si maintenant nous connectons un générateur RF à l’accès IN2, au lieu d’une charge vari-
able, envoyant un signal avec une fréquence de " w0 +∆w " où w0 est la fréquence du
générateur connecté à l’accès IN1, le rapport entre les ondes sera le suivant:
j∆wt
Γ = K'e Eq (2.37)
Γ parcourira un cercle centré à l’origine avec une vitesse de ∆w. Pourtant, si nous échantil-
lonnons à une fréquence de n∆w, nous obtiendrons n facteurs Γ distribués sur un cercle,
avec une différence de phase constante. Donc, nous pourrons simuler à l’aide d’un généra-
teur RF une charge variable, nous permettant d’automatiser notre procédure de calibrage.
Dans le cas où on souhaite une calibration dans le plan Γ, il suffit donc d’avoir deux
charges dont les valeurs de leur différence de phases est connue. Nous pouvons les
simuler avec un générateur. Si comme précédemment nous avons un signal de fréquence
(f0+∆f) et que nous prenons deux mesures écartées temporellement de T=1/(2∆f), les
valeurs de Γ obtenues sont:
j∆wt1 jφ 1
Γ1 = K ⋅ e = K⋅e Eq (2.38)
j∆w ( t1 + T ) jφ 1 + Π
Γ2 = K ⋅ e = K⋅e Eq (2.39)
Avec une différence de phases entre Γ1 et Γ2 égale à 180° et une écart de fréquence
∆f=∆w/2Π.
En conclusion, pour la calibration dans le plan Γ, c’est à dire pour déterminer les valeurs de
a, b, et c de la transformation w-Γ, nous pouvons appliquer la même configuration avec les
deux générateurs en utilisant le temps d’acquisition T=1/∆f, et une fréquence d’échantillon-
nage égale à 2 ∆f. C’est à dire, que nous allons acquérir 2 mesures pour lesquelles les
valeurs de Γ sont -1 et 1. Pour finir, l’impédance ( de 50 Ω ) de sortie du générateur en
mode éteint connecté à l’accès 2 du SPR, joue le rôle d’une charge connue dant le coéffi-
cient de réflexion Γ=0.
La figure (2.5), montre les différents lieu de Γ lors du calibrage et les points qi associés.
* qi
+ Γ
Figure 2.5: Le plan Γ avec les points de calibrage du SPR.
2.6 Automatisation du système de calibrage

Pour automatiser le processus de calibrage, nous utilisons deux générateurs: l’un connecté
à l’accès "IN1" et le deuxième à l’accès "IN2" du "SPR" , comme le montre la figure (2.6).
Le générateur connecté à l’accès "IN2", va nous permettre de synthétiser électroniquement
un court-circuit mobile.
f1
Ref 10MHz
IN1 Circuit
"SPR"
IN2
f2=f1+ f∆
Figure 2.6: Système de calibrage
En supposant que les niveaux des signaux fournis par les 2 générateurs sont identiques et
l’écart entre les fréquences de ces deux signaux est égal à ∆f, la valeur de la charge
mesurée s’écrit:
( j2π ) ⁄ n f
( Γn = e ) ⇒ n = ----e- Eq (2.40)
∆f
avec fe la fréquence d’échantillonnage de la carte d’acquisition servant à mesurer les puis-

sances.
2.7 Conception d’un réflectomètre "SPR" en technologie micro-ruban

Le réflectomètre "SPR" utilisant un anneau réalisé en technologie micro-ruban se car-
actérise par une fabrication simple et faible coût, mais accépte une bande de fréquences
faible. Pour l’application Radar, nous n’avions pas besoin d’une grande bande et nous
cherchions la réduction du coût du système, ce qui est assuré en utilisant le "SPR".
Le "SPR", comme nous l’avons présenté précédemment, est constitué d’un coupleur et
d’un anneau à cinq branches pour réaliser quatre additions vectorielles des signaux émis
(IN1) et reçu (IN2)(fig 2.2, 2.6) et de quatre détecteurs de puissance. Afin de comprendre le
fonctionnement du système, nous allons présenter les différentes parties en détail.
2.7.1 Coupleur
En premier lieu, nous allons voir la réalisation des coupleurs, de manière générale utilisant
le phénomène de diaphonie observé lorsque deux lignes de transmission sont à proximité.
Pour notre application, nous utiliserons un coupleur directif et nous le réaliserons en tech-
nologie micro-ruban.
Sur la figure (2.7), nous pouvons voir le schéma d’un coupleur directif, formé par deux
rubans métalliques. La proximité de ces bandes métalliques et la longueur d’interaction
entre les composantes des champs propagés dans les lignes nous donneront la valeur du
couplage entre elles.
Figure 2.7: Coupleur directif réalisé en technologie micro-ruban
Le coupleur directif est un octopôle et sa matrice de paramètre S s’écrit ainsi:
0 S 21 S 31 0
S 21 0 0 S 24
S = Eq (2.41)
S 31 0 0 S 34
0 S 24 S 34 0
Il est décrit habituellement par les paramètres suivants:

-sa directivité (le facteur de qualité d’un coupleur). La directivité sera le rap-
port entre les signaux des voies couplées et découplées, et sera infinie lorsque le coupleur
est idéal.
S 21
D = 20 log --------- Eq (2.42)
S 41
-son facteur de couplage donné par le coefficient de transmission S21, par

la formule suivante:
C = 20 log S 21 Eq (2.43)
-la gamme de fréquence d’utilisation.

Dans notre cas, la voie couplée est dans la direction opposée au signal incident émis, donc
notre coupleur sera appelé ’’ contradirectif ’’ [39].
2.7.2 Anneau à cinq branches
Lors de l’étude de dispositifs symétriques, l’utilisation des relations linéaires entre les
valeurs propres de la matrice de dispersion peut s’avérer très utile.
C’est le cas lors de la détermination des propriétés de couplage de réseaux symétriques
adaptés tels que l’anneau à cinq branches symétrique et réciproque.
Dans ce dernier cas, les relations entre les valeurs propres de la matrice de dispersion sont
les suivantes [40]:
( S 1 + 2S 2 + 2S 3 )
S 11 = ----------------------------------------- Eq (2.44)
5
S 1 + 2S 2 cos  2Π ------- + 2S 3 cos  4Π -------

 5   5 
S 12 = ---------------------------------------------------------------------------------------- Eq (2.45)
5
S 1 + 2S 2 cos  4Π ------- + 2S 3 cos  2Π -------

5 5
S 13 = ---------------------------------------------------------------------------------------- Eq (2.46)
5
Pour les raisons de symétrie, il n’y aura que trois éléments indépendants S 11, S12 (=S15) et
S13 (=S 14), et trois valeurs propres indépendantes de la matrice S. Ces valeurs propres
représentent les coefficients de réflexion des trois excitations propres de la jonction; par
conséquent, elles doivent avoir une amplitude égale à l’unité, si l’on considère que le dis-
positif est sans pertes.
Posons arbitrairement que la phase de S 1 vaut 180°. Dans le cas d’une jonction sans
pertes, on peut écrire:
jψ 2 jψ 3
S1 = –1 S2 = e S3 = e Eq (2.47)
Si en outre le dispositif est adapté, l’équation (2. 44) devient:

jψ 2 jψ 3
5S 11 = ( S 1 + 2S 2 + 2S 3 ) = ( – 1 + 2e + 2e ) = 0 Eq (2.48)
Cette condition est vérifiée si et seulement si:

–1
ψ 2 = –ψ 3 = ψ =  cos ---
1
= ± 75, 5° Eq (2.49)
 4
Les éléments de la matrice S peuvent être désormais déterminés à un facteur de phase

commun près, à l’aide des équations (2.45) et (2.46).
Pour résumer, on peut dire que les conditions de propagation sans pertes et d’adaptation
déterminent uniquement les propriétés du couplage d’un anneau à cinq branches
symétrique et réciproque.
En injectant les valeurs de S2 et S3 dans les équations (2.45) et (2.46), on obtient les mod-
ules:
1
---
 2
S 12 = S 13 =  ---  – 1 + 2 cos ψ cos  ------- + cos  ------- + 2j sin ψ cos  ------- – cos  ------- 
1 2Π 4Π 2Π 4Π
Eq (2.50)
 5  5   5   5   5 
 
Le calcul donne:
S 12 = S13 = 0, 5
On trouve également :
 
 cos  2Π ------- – cos  4Π ------- 
  5   5  
Arg ( S 12 ) = – Arg ( S13 ) = arc tan  2 sin ψ ------------------------------------------------------------------------------  Eq (2.51)
 – 1 + 2 cos ψ cos  ------- +  ------- 
2Π 4Π
  5   5 
 
Arg ( S 12 ) = ± Π
---- Eq (2.52)
3
Le calcul aboutit donc au résultat suivant:
Arg ( S 12 ) = Arg ( S 13 ) ± 2Π
------- Eq (2.53)
3
L’anneau à cinq branches (figure 2.8) est un des plus simples systèmes de cinq portes
d’accès symétriques, nous pouvons voir sur la figure (2.8) que deux portes adjacentes sont
connectées par une ligne de transmision de longueur éléctrique θ et d’impédance car-
actéristique Z.
Pour adapter à une fréquence donnée, nous ajusterons deux paramètres: la longueur élec-
trique θ et l’impédance caractéristique Z.
Figure 2.8: Cinq-port symètrique en anneau.
Nous pouvons montrer [41] que l’adaptation à 2 GHz est obtenue si les deux conditions sui-
vantes sont verifiées:
1 –1
θ = --------- =  cos  ---  = 75, 5°
2Πl
Eq (2.54)
λ   4 
3 2
Z = -------------- Z L = ------- Z L Eq (2.55)
2 sin θ 5
ZL est l’impédance de la ligne aux cinq points d’accès, égale à 50Ω. Z est l’impédance de la
ligne formant l’anneau et θ l’angle entre les lignes d’accès.
La matrice de répartition de l’anneau avec les conditions précédentes est la suivante:
jϕ –jϕ –j ϕ jϕ
0 e e e e
jϕ jϕ –j ϕ – jϕ
e 0 e e e
S = 1--- e –j ϕ e jϕ jϕ – jϕ Eq (2.56)
2 0 e e
–jϕ –j ϕ jϕ jϕ
e e e 0 e
jϕ –j ϕ –jϕ jϕ
e e e e 0
avec ϕ = 120°. Les termes de la diagonale sont nuls montrant que l’anneau est adapté.
a 2 b2
2
a1
6
1
3 P6
4 5
P3 P4 P5
Figure 2.9: Structure de la jonction SPR avec coupleur directif et anneau à cinq accès
Si nous combinons le coupleur et l’anneau à cinq accès figure (2.9), nous pouvons trouver
la matrice de répartition de l’ensembre, de la forme suivante:
T –j ϕ
--- e C T T T
jϕ jϕ – jϕ
0 --- e --- e --- e
2 2 2 2
T –j ϕ
0 0 1
jϕ jϕ 1 – jϕ 1
--- e --- e --- e --- e
2 2 2 2
C 0 0 0 0 0
S coup + anneau = T –j ϕ 1 jϕ 1--- e –j ϕ 1--- e jϕ Eq (2.57)
--- e --- e 0 0
2 2 2 2
T 1 – jϕ
0 1 1
jϕ – jϕ jϕ
--- e --- e --- e 0 --- e
2 2 2 2
T –jϕ 1 –j ϕ 1 jϕ 1 jϕ
--- e --- e 0 --- e --- e 0
2 2 2 2
Si nous supposons que les détecteurs de puissance connectés aux accès 3,4,5 et 6 (voir
figure (2.9)) sont parfaitement adaptés, on peut déduire la forme des puissances
mesurées:
2
P3 = --- Ca1 = 2 C
1 2
---- b2 Eq (2.58)
2 T
--- e a 1 + 1--- e a 2 = 1--- e  T --- a2

2 2
P 4 = 1--- T --- e a 1 + 1 = 1
– jϕ jϕ jϕ jϕ 2
--- 2b 2 + a 2 Eq (2.59)
22 2 2  2 2  8
2
P 5 = --- --- e a 1 + 1--- e a 2 = 1--- e  T --- e a 1 + 1--- a2
1 T jϕ –jϕ 2 –jϕ jϕ 1 jϕ 2
= --- 2b 2 e + a 2 Eq (2.60)
22 2 2  2 2  8
2
--- e a 1 + 1--- e a 2 = 1--- e  T --- a 2
– jϕ –jϕ 2 –j ϕ –jϕ 2
P 6 = 1--- T --- a1 + 1 = 1--- 2b 2 e + a 2 Eq (2.61)
22 2 2  2 2  8
avec:
b 2 = S 21 a 1 = T
jϕ
--- e a1 et ϕ = 120° Eq (2.62)
2
Si maintenant, nous normalisons par rapport à P3 et nous utilisons Γ=a2/b2 , nous trouvons
les équations des points qi, sous la forme suivante:
P4 1  T 2
------ = ----- ---- Γ – ( –2 ) 2 ⇔ q4 = – 2 Eq (2.63)
P 3 16  C
P5 1  T 2 2
------ = ----- ---- Γ – ( – 2e jϕ ) ⇔ q5 = – 2e jϕ Eq (2.64)
P 3 16  C
P6 1  T 2 –j ϕ 2 –j ϕ
------ = ----- ---- Γ – ( – 2e ) ⇔ q5 = – 2e Eq (2.65)
P 3 16 C  
Donc, comme nous pouvons voir sur la figure (2.10) les points q i se trouvent distribués sur
un cercle avec une distance angulaireentre chaque point consecutif de 120°.
Im(Γ) q =-2e
-j ϕ
6
120°
120°
q =−2 120° Re( Γ)
4
jϕ
q =-2e
5
Figure 2.10: répartition des points qi

2.7.3 Détecteur de puissance

Les détecteurs de puissance utilisés dans le SPR sont des détecteurs à diode. Ce type de
détecteurs à diode se caractérise par une plus grande sensibilité, une plus grande
dynamique, un temps de détection nettement plus court et un coût largement inférieur par
rapport aux autres types des détecteurs. Par contre la linéarité de la détection, c’est à dire
la relation lineaire entre tension detectée et puissance, est en général insuffisante pour les
systèmes de mesure SPR comme le montre la figure (2.11). Nous distinguons deux
régions:
-une zone de détection quadratique: la tension de sortie des détecteurs v i est directe-
ment proportionnelle à la puissance incidente au détecteur (valable pour Pincidente < -
20dBm)
-une zone de détection d’enveloppe: le carré de la tension vi est proportionnelle à
l’amplitude du signal incident au détecteur (P incidente > -20dBm).
Figure 2.11: Tension détectée aux bornes de la diode en fonction de la puissance à son entrée.
Pour le fonctionnement de détecteur de puissance, il faut se placer dans le régime quadra-

tique. Afin d’élargir cette zone, il faut procéder à une correction de la tension mesurée lor-
sque la puissance incidante est supèrieure à -20dBm (Pincidente > -20dBm). Comme nous
allons voir, nous utilisons une fonction non linéaire afin d’obtenir des valeurs de mesures
linéarisées.
La figure (2.12) montre un schéma des détecteurs utilisés dans les SPRs en technologie
micro-ruban.
Diode Schottky
F 50 Ω CL RL VDC
Figure 2.12: Détecteur de puissance à diode Schottky avec une résistance de charge R L et une
capacité de filtrage CL.
En pratique, la diode est une diode Schottky HSMS-2850 d’Agilent. La résistance de 50Ω à
l’entrée de la diode a deux fonctions:
- d’une part assurer une adaptation à l’entrée du détecteur, ayant, comme nous voy-
ons sur la figure, une impédance élevée. Par contre la résistance va dissiper une partie de
la puissance incidente, montrant que l’adaptation n’est pas optimale.
Figure 2.13: Paramètres de dispersion de l’entrée de la diode HSMS-2850 d’agilent
- d’autre part, elle permet au courant continu généré par la diode de circuler.
L’addition d’une capacité CL et d’une résistance R L en sortie de la diode forme un filtre
passe-bas qui va éliminer les composantes hyperfréquences. Les valeurs de R L et C L
déterminent, en combinaison avec la résistance vidéo de la diode R video, le temps de
montée et de descente du détecteur.
2.7.4 La détection quadratique

Nous allons détailler le fonctionnement des détecteurs à diode. La caractéristique courant-
tension d’une diode est décrite par l’équation suivante:
V
 ----------
mVT 
I = Is e – 1 Eq (2.66)
 
avec:
IS le courant de saturation.
VT la tension à la température égale à KT/e0 ~ 26mV pour T=300°K (k la con-
stante de Boltzmann, T la température et e0 la charge de l’électron).
m appelé coefficient d’idéalité ( 1< m <2).
Si nous appliquons une tension de la forme suivante:

V = V 0 cos ( wt ) Eq (2.67)
avec V0<<VT.
Le développement en série de la fonction (Eq 2.66) l’exponentielle du courant I deviendra:
V0 V0 2
- cos ( w 0 t ) + 1---  ----------
I = Is ---------- - cos ( w 0 t ) + … Eq (2.68)
mVT 2 mV T
Après filtrage, le courant détecté Idc en sortie est proportionnel à la puissance HF appli-
quée:
I V0  2
I dc = ---s  ----------
- Eq (2.69)
4 mV T
Cela traduit le comportement quadratique de la diode pour des faibles niveaux de puis-
sance. La loi d’Ohm nous donne la tension au bornes de la résistance RL:
RvRL
Vdc = I dc -----------------
- Eq (2.70)
Rv + RL
et d’après Eq(2.71), cette tension est proportionnelle à la puissance et s’écrit:

P = K D'Vdc Eq (2.71)
où K’ est le facteur de proportionnalité.
2.7.5 La linéarisation des détecteurs de puissance
La linéarisation d’un détecteur de puissance consiste à trouver les éléments d’un modèle
qui permet de caractériser le détecteur sur une grande dynamique de puissance. Ainsi
nous utilisons un modèle non-linéaire défini par [42], qui est le suivant:
f ( v ij )
Pi = K Di v ij Eq (2.72)
Avec vij=q(Vij-Vi0), Vij est la tension délivrée par la diode i aux bornes du circuit R LCL pour
la jième valeur du signal RF, Vi0 est la tension de sortie du détecteur pour une puissance
d’entrée nulle et q est un facteur d’échelle qui est fixé à 0.5 pour des problèmes de conver-
gence de la méthode numérique.
La fonction f(vij) est de la forme polynomiale suivante:
2 n
f ( v ij ) = 1 + b 1 i v ij + b 2i v ij + … + b ni v ij Eq (2.73)
KDi, b1i, ..., bni sont des constantes qui décrivent la loi de détection de la diode. Il faut donc
déterminer expérimentalement les coefficients des quatre détecteurs de puissance en se
fixant l’ordre des polynômes f(vij).
Comme nous nous intéressons aux rapports de puissance, nous pouvons les exprimer
ainsi:
n
 i

 ∑ b v  ji j
P' vj i = 0
p j3 = ------j- = ----------------------
n
Eq (2.74)
P 3'  i

 ∑b 3 i v 3

v 3i = 0
P’j =Pj/KDj et P’3=P3/KD3.

avec j=4~6. Nous supposons que les constantes K (équation (2.72)) s’élimineront dans ce
rapport, mais si cela n’est pas le cas, le facteur résultant sera pris en compte lors du cali-
brage du SPR. Nous allons suposer KDj=1 .
Le rapport Pj3 doit être constant pour une charge donnée, connectée à l’accès de mesure
du SPR, indépendamment du niveau absolu des puissances.
Il a été développé au sein de notre laboratoire une méthode qui permet de linéariser direct-
ement les 4 détecteurs du "SPR" [31]. Pour cela il faut réaliser en premier lieu la procédure
expérimentale montrée par la figure (2.14).
RF 2GHz
Isolateur
P3 FPR IN1
P4 IN2
000
111 NIDAQ
000
111 P5 Charge
000
111
000
111
000
111 Acquisition
P6
Figure 2.14: Montage expérimental pour la linéarisation.
Le montage décrit sur la figure (2.14) montre que nous connectons un générateur RF sur
l’accès "IN1" du "SPR" et nous allons placer les différentes charges utilisées pour la linéari-
sation sur l’accès "IN2" du "SPR". La sortie des détecteurs sera acquise par une carte
NIDAQ ( carte d’acquisition de National Instrument). Nous allons commander automatique-
ment la carte d’acquisition et le générateur (à travers un bus "GPIB"), par un programme
réalisé sur le logiciel "C++ builder".
La procédure expérimentale est la suivante: nous plaçons successivement une charge
50Ω, un circuit ouvert, un court-circuit et une charge de test, on balaye la puissance du
générateur de -30dBm à 10dBm avec un pas de 0.5dB, en échantillonnant à chaque pas de
puissance les tensions continues présentes à la sortie des détecteurs. Ensuite, nous appli-
querons le programme développé par Wiedmann[31] et nous obtenons les résultats
présentés sur la figure (2.15).
puissance non corrigées puissance corrigées

dBV 0 6
4
-2
2
-4
0
-6
-2
-8
-4
-10
-6
-12 -8
-30 -20 -10 0 10 -30 -20 -10 0 10
puissance port 1 en dBm puissance port 1 en dBm
a b
Figure 2.15: Linéarisation. Tension de sortie en dBV en fonction de la puissance d’entrée.
Sur la figure (2.15a) , nous montrons les tensions mesurées à la sortie des 4 détecteurs en
fonction de la puissance d’entrée. Sur la figure (2.15b) , nous voyons la correction des ten-
sions à la sortie des détecteurs en fonction de la puissance d’entrée. Nous pouvons dire
que les tensions de sortie et les puissances d’entrée respectives sont proportionnelles et
donc les détecteurs sont linéarisés.
D’après le principe du "SPR" qui utilise des rapports de puissances, il est important de véri-
fier que ces trois rapports de puissance ne dépendent pas de la puissance d’entrée à
l’accès "IN1".
La figure (2.16), nous présente ces rapports, avant et après la linéarisation (à gauche et à
droite).
rapport de puissance non corrigées rapport de puissance corrigées

9 9
8.5
8
7
7.5
6 7
6.5
5
4
5.5
3 5
-30 -20 -10 0 10 -30 -20 -10 0 10
puissance port 1 en dBm puissance port 1 en dBm
Figure 2.16: Rapports de puissance corrigés et non corrigés.
La linéarisation nous permet de rendre constants les 3 rapports de puissances sur une
plage de -20dBm à 0dBm. Les oscillations que nous observons sur les faibles puissances,
sont dues au bruit de mesure.
2.7.5.1 Stubs papillons

Nous avons vu sur le schéma (2. 12), que nous avons adapté l’entrée du détecteur par une
simple résistance 50Ω, et à la sortie nous avons un filtre passe-bas qui élimine la com-
posante HF. Nous avons aussi ajouté à la sortie de la diode des stubs papillons. Leur rôle
est de renforcer l’effet de filtrage du signal HF. Ces stubs sont dimensionnés de façon à
être efficaces sur une bande de fréquence plus large qu’un stub classique.
Les dimensions du stub sont justifiées par le raisonnement suivant:
-Un stub papillon est un circuit ouvert placé en parallèle sur la ligne. Sa forme permet
d’éviter de brusques discontinuités, grâce à un élargissement progressif, et d’obtenir une
large bande de fréquence de fonctionnement.
-Notre but est de ramener un court-circuit au point de raccordement du stub, à une
fréquence bien précise. Pour cela, il est nécessaire de donner au stub papillon une
longueur λ/4, λ correspondant à la fréquence centrale que l’on souhaite couper.
Si nous augmentons le nombre de stubs papillons, nous augmenterons l’efficacité du fil-
trage dans la bande. Sur la figure 2.17 nous pouvons voir que nous utilisons 3 stubs papil-
lons. Les deux premiers sont raccordés en un même point, et placés symétriquement par
rapport à la ligne. Le troisième est placé à une distance l=l/2 des autres pour éviter les
interactions entre ces stubs. La rejection est superieure à -50dB dans la bande de
fréquences. L’avantage d’utiliser trois stubs est l’élargissement de la bande de réjection.
Diode
C Schottky
λ/4
F
V
DC
R CL RL
λ/2
Figure 2.17: Détecteur adoptés avec les stubs papillons
2.8 Réduction à cinq-port(FPR)

Comme nous avons vu précédemment, le système "SPR" nous permet de réaliser le rap-
port en amplitude et en phase des deux ondes entrantes aux accès "IN1" et "IN2". La
troisième sortie (P3 étant la puissance de référence) permet de réaliser des mesures absol-
ues. Pour le système radar, nous allons utiliser la différence de phases entre les deux sig-
naux aux deux fréquences différentes (f1 et f2 ) de modulation, comme nous avons vu sur
l’équation (1.20). Pour l’application de la détection de DDAs, nous cherchons la différence
de phases entre les différents signaux reçus par les antennes de réception. Pour nos deux
applications (radar ou détection de direction d’arrivée (DDA)), nous n’avons besoin que des
phases relatives, c’est à dire les différences de phases des coefficients de réflexion à f1 et
f2, alors la puissance de référence P3 deviendra inutile.
Nous pouvons définir une structure de "five-port" ("FPR") à partir du SPR utilisé, en oubliant
le coupleur et la sortie de référence P3. Cette structure sera la suivante:
-un anneau à cinq branches où s’effectuera les trois additions vectorielles des
signaux "a1" et "a2", entrantes aux accès "IN1" et "IN2".
-trois détecteurs de puissance avec des diodes Schottky, nous permettant de
mesurer la puissance aux trois portes de sortie de l’anneau.
Nous pouvons voir sur la figure (2.18) la structure du "FPR".
a1
IN1 a2
IN2
P4
P6
P5 Diodes Schottky
Figure 2.18: Masque du système FPR
Si nous appelons (a1) et (a2) les signaux connectés aux accès IN1 et IN2, nous pouvons
les exprimer comme:
( jw o t )
a 1 = A1 ⋅ e Eq (2.75)
( jw o ⋅ t )
a 2 = A2 env ( t ) ⋅ e Eq (2.76)
sachant que tout signal passe-bande a(t), peut être représenté sous la forme:
jw c t
a ( t ) = Re { env ( t )e } Eq (2.77)
Re{.} signifie la partie réelle de {.}, env(t) est l’enveloppe complexe de a(t), et f c est la por-
teuse associée où wc=2Πfc.
L’enveloppe complexe env(t) est généralement une fonction complexe du temps et elle est
la base du concept du vecteur phaseur et a(t) est une onde sinusoïdale pure de fréquence
fc .
La représentation de l’enveloppe complexe est "env(t)=I(t)+j Q(t)", portant l’information que
nous recherchons. Sachant que I et Q respectivement sont appelés "In-phase" et "quadra-
ture-phase".
Si maintenant nous réécrivons les sorties des détecteurs de puissance, nous obtiendrons:
2
v 4 = K 4 A 4 A1 + B4 env ( t ) Eq (2.78)
2
v 5 = K 5 A 5 A1 + B5 env ( t ) Eq (2.79)
2
v 6 = K 6 A 6 A1 + B6 env ( t ) Eq (2.80)
En manipulant ces équations, nous pouvons obtenir l’enveloppe complexe env(t), comme
étant l’intersection de trois cercles de centres qi et de rayon Ri dépendant des trois tensions
du FPR:
2
R 4 v 4 = env ( t ) – q 4 Eq (2.81)
2
R 5 v 5 = env ( t ) – q 5 Eq (2.82)
2
R 6 v 6 = env ( t ) – q 6 Eq (2.83)
Avec:
Ai A1
q i = – -----------
Bi
1
R i = -----------2 i { 4, 5, 6}
K i Bi
2.9 Linéarisation des détecteurs de puissance du FPR

Pour réaliser la linéarisation du FPR, nous avons réalisé un montage équivalent à celui du
SPR.
Les puissances incidentes aux trois détecteurs sont proportionnelles à P1, P 1= 1/2|a1|2
étant la puissance délivrée par le générateur RF à l’accès IN1.
Comme nous avons vu sur la figure (2.11), il nous faudra travailler dans la zone quadra-
tique, pour un fonctionnement en détecteur de puissance et nous réaliserons une linéarisa-
tion mis en place au laboratoire [43]. Le choix du modèle non linéaire pour la correction
sera [42] identique à celle utilisée précédemment.
Le principe de cette méthode sera l’incrémentation de P1 et donc des puissances P4, P5 et
P6, à pas constant, donc les variations logarithmiques de tensions v i après correction,
seront aussi incrémentées à pas constant.
Si nous avons les détecteurs "i" (i {4~6}) et si nous prenons une mesure "n" quelconque,
nous retrouverons les tensions suivantes après correction:
f(v )
v corr, i, n = v i, ni, n = k' i P i, n ( W ) Eq (2.84)
Comme nous avons supposé que P1 est incrémentée à pas constant "c" (en dB), nous
avons:
Pi, n + 1 ( dBm )
P i, n + 1 ( dBm ) – Pi, n ( dBm ) = 10 log  --------------------------------
- = c Eq (2.85)
 P ( dBm ) 
i, n
Si nous combinons les deux équations précédentes nous obtiendrons:

v corr, i, n + 1
C = ------ = log  -------------------------
c
 - = f ( v i, n + 1 )log ( v i, n + 1 ) – f ( v i, n ) log ( v i, n ) Eq (2.86)
10 v corr, i, n 
En appliquant l’équation (2.86) sur l’équation (2.85), nous aurons:
 m
  m
k 
 1 + ∑ b k v i, n + 1 log ( v i, n + 1 ) –  1 + ∑ b k v i, n log ( v i, n ) = C
k
Eq (2.87)
 k=1
  k=1

m étant les coefficients de correction.
k k
Si D n, k = v i, n + 1 log ( v i, n + 1 ) – v i, n log ( v i, n )
nous pouvons écrire:

m
v i, n + 1
∑ bk Dn, k – C = log  --------------
- Eq (2.88)
 v 
k=1 i, n
Pour les n mesures, nous pouvons l’écrire sous la forme matricielle suivante:
v i , 2
log  -------
-
D 1, 1 … D 1, m – 1 b1 v i , 1
… … … … ⋅ … = … Eq (2.89)
… … … … bm …
D n – 1, 1 … D n – 1, m – 1 v i, n 
log  --------------
C
-
v i, n – 1
A*X=B
A est la matrice (n-1;m+1)
X est le vecteur (m+1; 1)
B est le vecteur (n-1;1)
La résolution du système sera donnée par "X", c’est à dire, les "m" coefficients de correc-
tion (m=4) et "C" (= c/10, c étant le pas constant).

Pour la résolution de ce système nous utiliserons une fonction matlab (mldivide), pour l’util-
isation de la méthode des moindres carrés.
Si nous établissons les 3 systèmes matriciels pour chaque détecteur, nous obtiendrons les
12 coefficients de correction. Nous pouvons voir, sur la figure (2.19), les résultats de cette
linéarisation.
1
Volt 10
0
10 après correction
tensions de sortie
-1
10
10
-2 avant correction
-3
10
-4
10
-30 -25 -20 -15 -10 -5 0 5 10
puissance en dBm
Figure 2.19: Résultats de la linéarisation: tensions détecter en foction de P1
La figure (2.19) nous montre que la méthode appliquée donne des résultats satisfaisants.
2.10 Calibration du "FPR" [15]

Pour la calibration du "FPR", nous réaliserons le même montage que précédemment et
nous utiliserons un programme d’acquisition équivalent à celui utilisé pour le "SPR" (cali-
bration-5p.exe). La procédure de calibrage reste toujours la même (présentée sur le para-
graphe 2.4).
Nous avons présenté précédemment la méthode de traitement des données de Wied-
mann[6] pour le SPR, nous avons vu que le calibrage s’effectue en deux étapes:
1.- La transformation P/W.
2.- La transformation W/Γ.
Pour la tranformation P/W, nous avons vu l’utilisation des trois rapports de puissance:
b 2
p 4 = ----4- Eq (2.90)
b3
b 2
p 5 = ----5- Eq (2.91)
b3
b 2
p 6 = ----6- Eq (2.92)
b3
Mais dans le cas d’un FPR, l’onde b3 sera égale à 1, donc nous travaillerons maintenant
directement avec les puissances, sans avoir besoin de réaliser le rapport. Si nous con-
sidérons que "w=A4A1+B4env(t)", nous pouvons écrire les puissances comme:
2
p4 = w Eq (2.93)
2
Z ⋅ p 5 = w – w1 Eq (2.94)
2
R ⋅ p6 = w – w 2 Eq (2.95)
avec:
B 2 B 2
Z = -----4- R = -----4-
B5 B6
A 5 B 4 A 6 B 4
w 1 = A 1  A 4 – -----------
- w 2 = A 1  A 4 – -----------
-
 B  5
 B 6
Z, R étant comme précédemment les paramètres de réduction, et w1 et w2 avec l’origine

les centres des cercles.
En conclusion, nous pouvons utiliser la technique de transformation P/W développée pour
le SPR. Ainsi la connaissance de R, Z, w1 et w2 par calibrage, nous permettra de calculer
"w" à partir de v4, v5 et v6. Comme nous avons dit précédemment, nous allons travailler
sur le plan "w". Donc le calibrage du FPR sera réduit à la transformation P/W. La procédure
utilisée reste identique à celle du SPR (sans les mesures de charges pour la tranformation
W/Γ).
Les résultats obtenus pour les "n"(=20) données acquises pour les trois tensions
(fréquence d’échantillonnage =20KHz / canal, ∆f= 1KHz entre générateurs), sont montrés
sur la figure (2.20). Nous retrouvons les "n" points w équirépartis sur un cercle dans le plan
complexe, après l’application d’un recentrage.
0. 8
0. 6
0. 4
0. 2
-0. 2
-0. 4
-0. 6
-0. 8
-1
-1 -0. 5 0 0. 5 1
Figure 2.20: Résultats du calibrage pour le FPR dans le plan w.
Après avoir présenté les dispositifs SPR et FPR à 2GHz ainsi que leur linéarisation et leur
calibrage, nous présentons le système SPR dans la bande de fréquences de 26GHz à
40GHz.
2.11 Présentation du système SPR à 26GHz (26-40GHz) en hybride

Sur la figure (2.21), nous pouvons voir une image du "SPR" utilisé.
Coupleur 3dB/90°
4 détecteurs
IN1
IN2
Figure 2.21: SPR 26-40GHz
Cette structure utilise cinq coupleurs hybrides 3dB/90° [44] et quatre détecteurs de puis-
sance, comme nous voyons sur la figure (2.21). La largeur de bande sera celle des com-
posants choisis, dans notre cas 26-40GHz.
Nous avons réalisé la linéarisation et la calibration du dispositif à 26GHz , en appliquant les
méthodes de linéarisation et de calibrage présentées précédemment en supposant que
nous avions un "FPR". Les résultats obtenus sont présentés sur la figure (2.22). Nous pou-
vons observer la correction sur la linéarisation des détecteurs sur la figure de gauche, et
sur la figure de droite, les 20 points du plan w. Comme précédemment, la fréquence

d’échantillonnage est de 20KHz par canal, et la différence de fréquence entre les deux
générateurs connectés aux accès IN1 et IN2 est de ∆f= 1KHz, ce qui nous fait 20 points
équirépartis sur un cercle.
1
10
0
10
0.5
−1
10
−2
10
−0.5
−3
10
−1
−4
10
0 10 20 30 40 50 60 70 −1 −0.5 0 0.5 1
Figure 2.22: Linéarisation et Calibrage à 26GHz.
Nous pouvons observer que les points qi sont placés autour de 120° entre eux.
Nous observons qu’il reste beaucoup de travail sur le système a 26GHz . Nous pouvons
voir que les points qi de calibrations ne sont pas bien équirépartis. Cette étude n’est pas
finie, et avant de réaliser des mesures sur le système radar à 26GHz, il faudra améliorer la
calibration du système.
2.12 Conclusion
Nous avons présenté dans ce chapitre les systèmes "SPR" et "FPR", ansi que les différents
parties constituant le SPR et le FPR. Nous avons vu les différents methodes de calibrage et
de linearisation que nous utiliserons ulterieurement avant la realisation des différentes
mesures.
Par la suite, nous verrons l’application radar utilisant le système "SPR", nous presenterons
un étude sur les antennes qui nous servira pour realiser la mesure de détection de direction
d’arrivée.
[26] G. Neveux, B. Huyart, J. Rodriguez,"RF Demodulator with a "six-port" System",

European Microwave Week, Wirelee 2002,24-28 Septembre.
[27] R. De Lima, B. Huyart, "A CMOS front-end Switch Topology", International

Telecommunication Symposium, September 8 12 2002, Natal Brazil.
[28] G.F. ENGEN,

"The six-port reflectometer: An alternative network analyzer"
IEEE Trans. Microwave Theory Tzch., MTT-25, p 1075-1080, december 1977.
[29] G.F. ENGEN et C.A.HOER,

"Application of an arbitrary 6-port junction to power-measurement problems"
IEEE Trans. Instrum. Meas., vol. IM-21, p 470-474, novembre 1972.
[30] J.D. HUNTER et P.I. SOMLO, "Simple derivation of six-port reflectometer equations",
Electron. Lett., vol 21, p370-371, avril 1985.
[31] F. Wiedmann, "Développements pour des applications grand public du réflectomètre six-
portes:algorithme de calibrage robuste, réflectomètre à très large bande et réflectomètre intégré
MMIC", thèse de l’E.N.S.T. Paris, 1997.
[32] I. Kasa, " Closed-form mathematical solutions to some network analyser calibration
equations", IEEE Trans. Instrum. Meas., vol IM-23, p399-402, décembre 1974.
[33] F.M.Ghannouchi et R. G. Bosisio, " A new six-port calibration method using four
standards and avoiding singularities", IEEE Trans. Instrum. Meas., vol IM-36, p 1022- 1027,
décembre 1987.
[34] F.M.Ghannouchi et R. G. Bosisio, "An alternative explicit six-port matrix calibration

formalism using five standards", IEEE Trans. Instrum. Meas., vol IM-37, p494-498, mars
1988.
[35] U. Stumper, "Finding initial estimates needed for the Engen method of calibrating single six-
port reflectometers", IEEE Trans. Microwave Theory Tech., vol MTT-38, p. 946-949, juillet
1990.
[36] B. Neumeyer, "A new analytical method for complete six-port reflectometer calibration",
IEEE Trans. Instrum. Meas., vol.IM-39, p.376-379, avril 1990.
[37] G.F. Engen, "Calibrating the six-port reflectometer by means of sliding terminations", IEEE
trans Microwave Theory Tech., Vol MTT-26, p. 951-957, décembre 1978.
[38] I. N. Bronstein, K. A. Semendjajew, Taschenbuch der Mathematik, 23rd ed. thun:Verlag

Harri Deutsch, 1987, paragraphe 2.5.2.1.4, p 183.
[39] B. Huyart, "les lignes parallèles ou lignes couplées: Applications à l’adaptation d’impédance,
au déphasage et au filtrage."
[40] Aymeric Piganeau, " Conception en technologie microruban de deux réflectomètres à six-
port fonctionnant respectivement aux fréquences 1.9GHz et 3.8GHz" . Stage 2001.
[41] Gordon P. Riblet, E.R. Bertil Hansson, "An ideal six-port network consisting of a matched
reciprocical lossless five-port and a perfect directional coupler". IEEE Trans. Microwave Theory
and Techniques, vol MTT-31, n° 3, mars 1997.
[42] Cletus Hoer, Keith C. Roe, C.M.Allred, "Measuring and Minimizing Diode Dectetor
Nonlinearity", IEEE Transactions On Instrumentation And Measurement, Vol. IM-25, No 4,
décembre 1976.
[43] G. Neveux, ’’Démodulation cinq-port’’, Rapport 2002.
[44] E. Bergeault, " Etude et réalisation d’un analyseur de réseau six-port dans la bande de
fréquence 1-18GHz", thèse soutenue le 15 janvier 1991 à Telecom Paris.
CHAPITRE 3 Système Radar 75
CHAPITRE
M ESURES DU SYSTÈME RADAR

CHAPITRE 3
3
Dans le chapitre précédent, nous avons présenté les circuits "FPR ou SPR" pour l’utiliser
dans notre système radar. Nous avons vu les principaux systèmes radar existants et nous
avons présenté celui que nous utilisons. Ensuite, nous avons présenté une simulation du
système radar qui nous a premis d’évaluer les algorithmes de traitement que nous utiliser-
ons ultérieurement et de prévoir le comportement réel de notre prototype à partir de don-
nées obtenues par simulation et valider par la mesure.
Dans ce chapitre, nous allons présenter la simulation d’un système radar donnant la vit-
esse d’une cible due à l’effet Doppler et déterminant la distance entre l’antenne et la cible.
La simulation sera réalisée avec les différents appareils du laboratoire, comme nous décr-
irons par la suite. Après cela, nous présenterons des mesures de distance et de vitesse
réalisées avec le prototype et nous conclurons le chapitre en présentant la réalisation d’un
réseau d’antennes patch. Nous démontrerons le besoin et l’utilisation de ce réseau par la
suite dans le chapitre 4 avec la réalisation de mesures de directions d’arrivée que nous
décrirons.
3 Système Radar
Dans ce chapitre, nous allons commencer par présenter les différents dispositifs utilisés
pour la réalisation du système radar. En premier lieu, nous verrons la mesure de l’effet
Doppler et ensuite la mesure de distance.
Le matériel utilisé pour notre expérience sur table étant le suivant:
Un générateur Agilent HP4031
Un génétareur Agilent HP4032, avec modulation interne.
Un générateur Agilent HP33120A, pour l’échatillonnage de la carte d’acquisition .
Une carte d’acquisition National Instrument ATE-MIO10.
Système Radar 76
Le dispositif «SPR» .
3.1 Emulation de la "Mesure de la fréquence doppler"

La mesure de la fréquence Doppler a été réalisée à l’aide des deux générateurs, comme
nous pouvons voir sur la figure 3.1.
f1
Ref 10MHz
Porte 1 Circuit
"Six−port"
Porte 2
f2=f1+ f∆
Figure 3.1: Mesure de la Fréquence Doppler
Le premier générateur agit comme émetteur et il est connecté à la porte 1 du réflectomètre.

Le deuxième joue le rôle de la cible en mouvement, le signal est injecté sur la porte 2 du
réflectomètre. La fréquence d’émission f1 est toujours de 2GHz et la fréquence de l’autre
générateur f2 sera 2GHz+∆f, ∆f étant fonction de la fréquence Doppler que nous voulons
mesurer, c’est à dire, fonction de la vitesse à laquelle la cible bouge.
Le rapport des ondes a2/a1, décrit un cercle autour du centre du plan Γ à une viesse ∆f=f1-
f2. Cet écart de phase constant entre les différents points sur ce cercle, dépend de ∆f et de
la fréquence d’échantillonnage. A partir des rapports Γ de plusieurs points sur le cercle,
nous pouvons déterminer la fréquence Doppler , donnée par la différence de phase entre
un point et le suivant. Nous obtiendrons par l’équation suivante la fréquence Doppler:
f Doppler
∆ϕ = 2Π ---------------------------------
- Eq ( 3.1 )
f echantillonnage
Ce rapport nous permettra de connaitre aussi le signe de la fréquence Doppler, donc de

déterminer si la cible s’approche ou s’éloigne.
Nous pouvons également remplacer cette procédure de mesure de différence de phases

par des méthodes de traitement du signal, comme la Transformée de Fourrier rapide FFT.
Dans ce cas, le traitement de plusieurs points est alors nécessaire. Nous recevons des sig-
naux réfléchis par plusieurs cibles et l’analyse du spectre nous permet alors de trouver les
vitesses. Cependant, le calcul des différences de phases réclame ici un filtrage de don-
nées.
Pour la réalisation des mesures de la fréquence Doppler, nous avons appliqué un pro-
gramme réalisé en C++ builder, appelé RadarDoppler.exe, qui contrôle automatiquement
les deux générateurs ( à travers leur bus GPIB ) et une carte d’acquisition de données (
National Instrument ). Ce programme requiert la connaissance de la fréquence des deux
générateurs (qui se comportent respectivement comme émetteur et comme cible), la
fréquence d’échantillonnage à laquelle nous faisons l’acquisition des données, la durée de
l’acquisition en secondes et le nombre de données acquises et insérées dans un fichier.
Le fichier de sortie est constitué d’une matrice de 3 ou 4 colonnes ( une colonne pour
chaque détecteur ) en fonction de l’usage du ’’FPR’ ou ’’SPR’’. Le système ’’FPR ou SPR’’
utilisé est préalablement calibré avec les procédures de calibrage exposés précédemment
(§2.4,§2.10). Nous appliquons un programme sous matlab pour réaliser la transformation
P-W et W-Γ (§2.4) et les résultats sont les valeurs des rapports des signaux dans le plan W
ou Γ.
Pour extraire la fréquence Doppler, il suffit de calculer les phases des deux coefficients de
réflexion (un pour chaque fréquence) et de trouver leurs différences. La réalisation de ce
calcul démande de connaître la fréquence d’échantillonnage.
0.4
0.3
0.2
0.1
0
Im (Γ)
-0.1
-0.2
-0.3
-0.4
-0.4 -0.2 0 0.2 0.4
Re ( Γ )
Figure 3.2: Constellation du coefficient de réflexion en fonction de erreur de phase

Système Radar 78
Nous pouvons remarquer , Figure (3.2), qu’il existe une erreur de phase provoquée par un
écart variable de fréquence. Afin d’obtenir un résultat cohérent, nous devons réaliser un
moyennage des données avant le traitement afin d’obtenir une phase constante pour
chaque acquisition.
Nous avons trouvé qu’il était intéressant de connaître le nombre de points nécessaires pour
avoir une bonne estimation de la fréquence Doppler. Ce nombre détermine le temps
d’acquisition minimal et donc la rapidité de notre système. Ce facteur est à prendre en
compte sur les systèmes radars routiers (aide à la conduite ...).
Sur la figure (3.3), nous pouvons voir l’erreur que nous commettons en fonction du nombre
de points acquis. Pour cette mesure, nous avons des valeurs de fréquences constantes
pour les générateurs ( 2GHz et 2GHz+1KHz), c’est à dire, une fréquence Doppler à
détecter de 1KHz et une différence de puissance constante entre les deux signaux de
15dB.
)z H( eéruse M e cne uq ér F
1150
1100
Mesuré
1050
1000
950
Simulation
900
2 5 10 20 100
Nombre des points acquis
Figure 3.3: Fréquence Doppler en fonction du nombre de points acquis
Sur le tableau (3.1), nous avons fait un récapitulatif des résultats des mesures réalisées. Le
nombre de points d’acquisition utilisés était 20 et 100. Comme nous avons vu sur la figure
(3.3), c’est le nombre de points nécessaire pour avoir une erreur minimale sur la fréquence
Doppler. Nous estimons que l’erreur de phase est due essentiellement au pas de quantifi-
cation de la carte d’acquisition. L’écartype nous donne la précision des mesures. En vari-
ant le nombre de points à acquérir et la fréquence Doppler simulée, l’erreur maximale
commise pour l’obtention de la fréquence Doppler sera inférieure à 2.5% .
Les mesures indiquées dans le tableau, ont été réalisées avec une différence de puis-
sances constante entre les deux générateurs (OL et générateur qui simule la cible), de
15dB.
∆f entre les ∆f Moyenne

Erreur Phase Nbre
générateurs mesurées et Phases Ecart type
% (°) Points
(KHz) moyennées Mesurées
100Hz 97.51879 2.48 1.8 1.802 9.1538e-001 200
1 999.999 1e-4 18 17.9393 9.3480e-001 100
1 999.999 1e-4 18 17.8304 8.4606e-001 20
2 2000.000 0 36 35.8732 8.8878e-001 100
2 2000.000 0 36 35.9110 8.9174e-001 20
3 3000.00 0 54 54.0323 9.2158e-001 100
3 3000.00 0 54 54.0027 1.0215 20
4 4000.00 0 72 71.9158 8.5757e-001 100
4 4000.00 0 72 71.9449 6.9927e-001 20
5 5000.00 0 90 89.9371 8.4118e-001 100
5 5000.00 0 90 89.5129 7.1707e-001 20
6 6000.00 0 108 107.9716 9.0766e-001 100
6 6000.00 0 108 107.9336 1.0298 20
7 7000.00 0 126 126.0496 9.4546e-001 100
7 7000.00 0 126 125.7417 9.67069e-001 20
8 7999.999 1.25e-5 144 143.9257 8.9811e-001 100
8 7944.44 0.6945 144 143.2613 8.9553e-001 20
9 9000.00 0 162 162.0174 9.3527e-001 100
9 8944.44 0.6173 162 160.8567 8.3768e-001 20
10 10000.07 7.6e-4 180 180.0014 7.9111e-001 100
10 9997.841 0.0215 180 179.9611 9.8023e-001 20

898
Table 3.1: Récapitulation des mesures
Nous observons que la précision sur la fréquence Doppler se dégrade légèrement si nous
augmentons ∆f jusqu’à la limite donnée par fe/2.
Sur le graphique représenté ci-dessous (Figure 3.4), nous avons fait varier la différence de
Système Radar 80
puissance entre les deux générateurs avec un nombre constant de points acquis 20. Les
fréquences des générateurs sont de 2GHz pour le générateur connecté à l’accès 1 et de
2GHz + 1KHz pour le générateur connecté à l’accès 2 du réflectomètre, qui représente la
réflexion de la cible ( avec une fréquence Doppler de 1KHz ).
Nous pouvons conclure en regardant les résultats sur la figure (3.4), que nous avons une
mesure correcte sur une large dynamique de puissance, l’erreur étant inférieure à 1% pour
un niveau de signal reçu supérieur à 50dB par rapport au signal émis.
1020
)zH( relppoD ecneuqérF
1010 Mesuré
1000
990
980
970
Simulation
960
950
0
0
-6
-4
-2
Niveau de Puissance sur la porte 2 (dBm)

Figure 3.4: Mesure de la fréquence Doppler sur 20 points d’acquisition.
3.2 Emulation de la "Mesure de distances"

Afin de déterminer la distance d’une cible, nous avons réalisé cette expérience à l’aide de
différents câbles hyperfréquences de différentes longueurs ( entre 1 et 5 mètres de
longueur). Les distances que nous allons trouver ne seront pas des distances physiques
mais des distances électriques. L’équation eq 3.2 relie les deux distances, ce qui pourra
nous servir pour le calcul de la distance électrique:
delec = dreel n Eq ( 3.2 )
où "n" est le rapport entre les vitesses de propagation en espace libre et dans une ligne
coaxiale. Puisque "n" est inconnu, nous ne pourrons pas déterminer la longueur électrique
à partir de cette équation. Pour vérifier que les résultats sont corrects, nous devons
mesurer les distances électriques avec l’analyseur de réseau, puis nous les comparons à
celles obtenues avec notre dispositif.
Sur la figure (3.5) nous pouvons voir le schéma utilisé pour la réalisation des mesures de
distances.
RF
SPR
1
Système
d’acquisition
Câble 2
Figure 3.5: Représentation du banc de mesures de distance
Nous avons réalisé des mesures de distance courte, jusqu’à cinq mètres environ en util-
isant un écart de fréquence de 15MHz ( 2GHz et 2.015GHz) , qui nous donnera une dis-
tance maximale de 20m, puisque nous mesurons en transmision (∆f=(c/Dmax), avec ∆f la
différence entre les fréquences, dans notre exemple 15MHz, c la célérité de la lumière et
Dmax la distance maximale que nous pourrons détecter).
La procédure de mesure est relativement simple, nous connectons aux accés 1 et 2 ( que
nous voyons sur la figure (3.5)) , le câble à mesurer, et nous utilisons un programme appelé
’’Distance.exe’’, réalisé avec C++ builder qui contrôlera automatiquement le générateur et
qui fera l’acquisition à la sortie des détecteurs. Nous acquérirons plusieurs points afin de
moyenner, pour minimiser le bruit. A partir de là, nous appliquerons les programmes de
traitement (chapitre 1) pour obtenir la valeur de la phase apportée par les deux signaux
acquis ( à 2GHz et 2.015GHz). Auparavant nous avons fait une mesure de référence en
connectant la porte 1 à la porte 2 (§ 1.3 ). L’équation utilisée pour obtenir la distance est la
suivante:
( w 1 – w 2 )d
ϕ 1 – ϕ 2 – ( ϕ 10 – ϕ 20 ) = 2 ⋅ ---------------------------
- Eq ( 3.3 )
c
Système Radar 82
’’ϕ10 et ϕ20’’ étant les phases lors de la mesure de référence.

’’ϕ1 et ϕ2’’ étant les phases des deux signaux lors de la mesure du cable.
’’(w1- w2)’’ est la différence entre les deux fréquences des deux signaux.
’’c’’ étant la célérité de la lumière et ’’d’’ la distance que nous voulons obtenir.
3.2.1Résultats
Les résultats des mesures réalisées sont montrés dans le tableau suivant:
Analyseur
Distances
Distance(m) Ecart Ecart Ecart de réseaux
électriques
physique ϕ1-ϕ
(ϕ ϕ10) ϕ2-ϕ
(ϕ ϕ20) ϕ10-ϕ
(ϕ ϕ20) (distance
mesurées (m)
électrique)
1 -1.4824 -1.104996 3.06796 1.26 1.29
2 -1.7583 -8.600673 3.06796 2.30 2.6184
3 1.28064 2.516394 3.06796 3.9334 3.9279
4 -3.5765 1.173674 3.06796 5.3 5.2324
5 -2.733 -7.24405 3.06796 6.39 6.5408
Table 3.2: Mesures des distances courtes
Nous pouvons voir les valeurs réelles des distances mesurées,et les valeurs des distances
obtenues avec notre système avec discriminateur SPR et avec l’analyseur de réseau.
Les memes résultats sont présentés sur le graphique suivant:
( e é r u s e m e u qi rt c el é r u e u g n o L
M a x i m u m e r r e u r : 2 .3 %
7
6
S ix - p o r t
5
4
3
2
A n a ly s e u r d e ré s e a u
1
0
1 2 3 4 5
L o n g u e u r ré e lle
Figure 3.6: Erreur de mesure sur la distance électrique mesurée.
En conclusion, nous avons montré qu’il était possible de réaliser des mesures de distance
avec un discriminateur du type SPR. Nous voyons que nous pouvons obtenir une erreur
inférieure à 2.3% pour les mesures de distances courtes (<5m). Nous avons réalisé des
essais pour les longues distances [45], autour de 70m, et l’erreur obtenue était de 3%.
3.3 Mesures avec le prototype réel

Nous avons montré précédemment que nous étions capable de réaliser des mesures de
fréquence Doppler et de distance avec un système radar composé d’un réflectomètre. Le
but maintenant est de l’introduire dans un système réel.
Nous avons mis en place ce système pour réaliser les mesures de distance entre l’antenne
et la cible et de vitesse de cette même cible. Pour cela nous avons besoin d’une antenne
d’émission et d’une antenne de réception. L’antenne en émission doit être directive pour
éviter les réflexions de l’environnement. Parce que dans la salle de mesures il existe de
plan réflecteur tel que les tables et les murs.
Figure 3.7: a)Réseau d’antennes patch pour la réception du système radar b)Circulateur
Nous avons utilisé, un réseau d’antennes patch [46] réalisé en technologie microruban (fig-
ure (3.7.a)). Ce réseau est connecté au port 2 d’un circulateur comme celui montré sur la
figure (3.7.b). Avec l’utilisation de ce circulateur, nous pouvons utiliser la même antenne
pour l’émission et la réception. Sur le port 3 de ce circulateur, nous recevons le signal réflé-
chi par la cible que nous injectons après l’avoir amplifié (par un amplificateur de faible bruit)
à l’entrée 2 du réflectomètre.
En premier lieu, nous avons réalisé l’étude de la distance de la cible par rapport à l’antenne
du système. Comme précédemment, nous avons utilisé un oscillateur local avec un signal
de 2GHz et une puissance de 10dBm. La cible sera représentée par un plan réflecteur par-
Système Radar 84
fait.
l
Antenne Plaque métallique

f1+fDop f2+fDop
Circuit
Radar
f1 f2
d
Figure 3.8: Mesure de Distance et de la Frequence Doppler du système réel
Comme précédemment, pour l’étude de la mesure des distances avec les câbles, il nous
faut connaître une distance de référence. Nous estimons avec l’équation (3.4) la zone du
champ lointain ( ou de Fraunhoffer)(voir annexe), donc, la distance minimale à laquelle
nous pouvons réaliser la mesure :
2
2D
d ≥ ---------- Eq ( 3.4 )
λ
λ est la longueur d’onde et D est le diamètre de la surface équivalente de l’antenne.

Si nous appliquons cette équation sachant que le diamètre de la surface équivalente de
l’antenne est D= 46mm et que pour une fréquence de 2GHz nous avons λ =15cm , La
valeur que nous obtenons est de l’ordre de 2.8cm.
En suite, nous situons l’antenne à la distance d et nous réalisons la mesure de référence.
Après traitement des mesures acquises, nous obtenons les valeurs de ϕ10 et ϕ20, pour les
deux fréquences f1 et f2 utilisées (figure 3.8). En soustrayant la différence de phase (ϕ10-
ϕ20), comme nous avons expliqué dans le paragraphe (1.3), des valeurs ϕ1 et ϕ2 (pour f1
et f2 ) , nous déterminerons la distance souhaitée, en appliquant l’équation (3.3).
Sur la figure (3.10), nous pouvons voir le schéma bloc du système réel utilisé. En premier
lieu, nous avons un oscillateur local, que nous modulons avec un signal carré. A la sortie
de cet oscillateur nous allons retrouver deux signaux f 1et f2. La différence de fréquence
entre ces deux signaux donne la distance maximale que nous pouvons mesurer. En suite,
nous avons un coupleur 10dB qui nous permet de récupérer une partie du signal, que nous
allons émettre, et l’injecter au SPR à l’accés 1. Nous émettons ce signal par l’antenne et
nous recevons le signal réfléchi par la cible, en utilisant la même antenne pour l’émission et
pour la reception à travers le circulateur de 30dB d’isolation. En suite, nous amplifions
(avec un LNA de gain 10dB) le signal reçu, et nous l’injectons à l’accés 2 du SPR.
Antenne
Circuit
Radar
Plaque
(a) Métallique
2.5 m
1.15 m
1.21 m
Radar
Circuit
circuits
Radar
0.82 m
0.55 m
(b)
Figure 3.9: Système réel actuel (évolution) Premier système utilisé
Pour les mesures realisées avec la cible, nous avons travaillé dans le plan ’’w’’(§2.4), vu
qu’on ne cherche que les phases relatives, c’est à dire des rapports des phases des coeffi-
cients de réflexion à differente fréquence, donc nous n’avons pas besoin du calibrage sur le
plan Γ.
La figure 3.9 montre l’évolution de notre système. A gauche, la cible était une locomotive à
pile avec une plaque métallique installée sur le front afin d’augmenter la surface équiva-
lente radar (SER). A droite, le système est formé par un chariot qui contient la planche
réflectrice et qui bouge grâce à un moteur à courant continu.
Nous avons réalisé les mesures automatiquement comme précédemment avec un pro-
gramme réalisé avec le logiciel ’’C++ builder’’. A vitesse constante, nous utilisons une
fréquence du signal de modulation de 500Hz et une fréquence d’échantillonnage par canal
de 1KHz ; le temps d’acquisition est de 2 secondes. La fréquence porteuse est de 2GHz
avec une puissance de 0dBm et les valeurs de ∆f=f1-f2=40MHz (donc une distance maxi-
male de 3.5m).
Système Radar 86
Réseau
Antenne
Patch
Cible mobile
Modulateur
Oscillateur Coupleur Circulateur
10dB
500Hz fo=2GHz
f1=fo+(df)/2 L.N.A.
f2=fo−(df)/2 Distance à la cible
Traitement Porte1
des données
AT−MIO−16XE−10
Acquisition
Porte2
Convertisseur
A/N
16−bit de résolution Circuit
"Six−port"
Figure 3.10: Schéma bloc du système réel.
Sur la figure (3.11), nous montrons une mesure de la distance de la cible au radar en fonc-
tion du temps et réalisée à vitesse constante. Cette courbe linéaire est obtenue à partir de
500 échantillons par seconde.
Comme nous avons vu sur la figure (3.9), la cible était constitué d’un petite train en plas-
tique avec une planche réflechissante.
Nous avons réalisé le calcul de la distance de la cible, comme nous l’avons expliqué précé-
demment (Chapitre 1) à partir de la différence de phase des deux ondes acquises (eq 3.3)
et après application du filtrage (Chapitre 1) réalisé avec matlab .
L’écart quadratique moyent entre les données mesurées et la droite de la figure (3.11) est
égal à 2mm, ce qui demontre les performances de notre système.
Distance
en m ètres
Temps en second
Figure 3.11: Distance parcourue par la cible en 2 secondes
Pour obtenir la vitesse relative de la cible, nous avons appliqué avec matlab une Trans-
formée de Fourrier rapide FFT des 500 échantillons par seconde. Nous pouvons observer,
sur la figure (3.12), la vitesse qui est de l’ordre de 0.5m/s .
ammag ed elleér eitraP
Vitesse (m/s)
Figure 3.12: Vitesse constante de la cible
Ensuite, nous pouvons voir sur la figure (3.13) une mesure à vitesse variable ou les max-
ima et les minima des distances correspondent à la vitesse nulle [45]. Nous remarquons
que pour les distances les plus éloignées du radar, nous pouvons trouver une erreur plus
élevée due à un niveau de signal plus bas.
Système Radar 88
2 .8
2 .6
2 .4
2 .2
D ista n c e 2
en
m è tre s 1 .8
1 .6
1 .4
1 .2
1
0 5 10 15 20 25 30 35 40
Te m p s e n se c o n d e s
Figure 3.13: Distance mesurée
Pour les mesures suivantes, nous avons utilisé le système actuel (figure 3.9). Sur la figure
(3.14) à gauche, nous pouvons voir la valeur de W pour une des fréquences (f1), qui
comme nous avons vu lors de la simulation, montre que la cible bouge et qu’elle
s’approche du système radar.
Ensuite, nous avons réalisé une mesure de distance à vitesse variable. Sur la figure (3.14),
nous pouvons voir la variation de la distance en fonction du temps pour 500 points d’acqui-
sition. Nous observons une légère oscillation qui nous montre que la vitesse n’est pas con-
stante. Pour analyser cette variation, nous calculons la vitesse moyenne obtenue par l’effet
Doppler et la vitesse moyenne obtenue à partir de la distance parcourue pendant le temps
de mesure. Nous effectuons cette comparaison par tranche de 100 échantillons. Sur le tab-
leau (3.3) on observe que les 2 vitesses calculées sont presque identiques. Nous pouvons
voir que la vitesse de notre dispositif diminue et que pour les deux dernières tranches
d’échantillons la vitesse reste constante. L’explication est très simple: quand le mobile
arrive à la fin du rail de guidage, il change de direction, acquiert une vitesse élevée due au
fait que son inertie s’ajoute à la vitesse donnée par le moteur. Après un certain temps, la
vitesse devient constante jusqu’au changement suivant de direction.
0.98
Im(w) 0.96
0.94
0.92
distance
0.9
0.88
0.86
0.84
0.82
0.8
0.78
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Re(w) temps
Figure 3.14: W pour une des fréquences f1. Distance en fonction de temps.
échantillons Temps Vmoy(m/s) V(m/s)
0-100 0-0.1 0.52 0.50
100-200 0.1-0.2 0.44 0.43
200-300 0.2-0.3 0.40 0.40
300-400 0.3-0.4 0.39 0.39
400-500 0.4-0.5 0.39 0.39
100
∑ v(i )
1-
Table 3.3: 500 échantillons de mesure de vitesse avec Vmoy = --------
100
i=1
Ensuite, nous avons réalisé le montage du système à 26GHz comme nous pouvons voir
sur la figure (3.15). Nous avons dejà réalisé la linéarisation et le calibrage du FPR [47] et
nous allons bientôt effectuer la mesure des distances et des vitesses, en calculant le fil-
trage et le traitement nécessaire.
Système Radar 90
Générateur
OL Cible
Coupleur
SPR
Antenne
LNA Circulateur
Figure 3.15: Représentation du prototype à 26GHz
Comme nous avons montré sur les paragraphes précédents, nous sommes capables de
mesurer la distance et la vitesse d’une cible, mais deux questions se posent à présent:
-le cas où nous voulons discriminer l’émission de notre radar par rapport aux autres.
-le cas où nous voulons détecter plusieurs cibles simultanément.
Afin de répondre au premier point, nous pensons utiliser les séquences pseudo aléatoires
PN [48] pour la discrimination des autres radars par rapport au notre. Ceci s’applique dans
un objectif futur.
Pour le second point , il est intéressant d’appliquer les méthodes de détection de directions
d’arrivée (DDA) sur notre système pour une détection multi-cible. Une première étape con-
siste à l’étude d’un réseau d’antennes.
3.4 Antennes
3.4.1Généralités sur les Antennes Imprimées :
En technologie micro-ruban une antenne à éléments rayonnants imprimés est constituée

d’un patch métallique gravé sur la face supérieure, d’un substrat diélectrique au centre et
d’un plan de masse métalisé (qu’on supposera infini pour l’analyse) sur la face inférieure.
La forme du patch peut être quelconque mais, pour simplifier l’analyse, on se limite
généralement à des formes conventionnelles simples (rectangulaires, circulaires...).

Il existe différents critères à prendre en compte lors du choix des dimensions du patch. La
λo
= ----------------
largeur, qui doit être inférieure à w pour un patch - rectangulaire et la longueur
2 ε reff
λo
qui doit être légèrement inférieure à la demi-longueur d’onde L = 0, 49λ g = 0, 49 -------------
- où
ε reff
λ g est la longueur d’onde guidée, ε reff la permittivité relative effective du diélectrique ( en

général 2, 2) et
≤ ε reff ≤ 12 est laλlongueur
o d’onde dans le vide.
L’alimentation de ces antennes peut se faire de différentes façons :
par ligne microruban (figure 3.16): La fabrication et l’adaptatio d’impédance est simple
mais les pertes par rayonnement de la ligne d’alimentation sont importantes.
Figure 3.16: Alimentation d’une antenne imprimée par ligne microruban.
par ligne coaxiale (figure 3.17): Cette technique est très employée. La fabrication et
l’adaptation d’impédance sont simples et les pertes sont faibles mais la position du point
d’alimentation est très sensible sur l’adaptation. Sa bande passante est étroite.
Figure 3.17: Alimentation par ligne coaxiale.
par couplage électromagnétique à travers une ouverture (figure 3.18): Cette tech-
nique présente plusieurs avantages. L’alimentation est isolée de l’élément rayonnant par le
plan de masse, ce qui évite un rayonnement parasite. Cette méthode offre aussi de nom-
Système Radar 92
breux degrés de liberté pour la conception de l’antenne. La bande passante est plus large
mais la fabrication est plus délicate.
Figure 3.18: Alimentation par couplage électromagnétique à travers une ouverture.
par couplage électromagnétique direct (figure 3.19): Ce mode d’alimentation est diffi-
cile à fabriquer et présente une faible bande passante. L’élément rayonnant et la bande
métalique de la ligne d’alimentation sont situé du même côté du plan de masse. Cette
structure présente l’inconvénient d’ajouter la rayonnement parasite de la ligne d’alimenta-
tion à celui de l’antenne. Mais sa modélisation est simple.
Figure 3.19: Alimentation par couplage électromagnétique.
Les antennes micro-ruban que l’on peut utiliser ont de nombreux avantages comparées
aux antennes micro-ondes classiques. On peut citer :
- encombrement réduit, légèreté de la structure ,
- facilité de fabrication et prix de revient faible,
- possibilité de changer la polarisation par un simple changement de la position de l’alimen-
tation,…
Ces antennes peuvent être montées aisément sur les véhicules, sur les satellites et, dans
le domaine militaire, sur des missiles par exemple. Leurs principaux inconvénients sont
leurs faibles bandes passantes et les pertes qui limitent le gain.

Compte tenu de ces considérations, nous avons donc choisi une structure simple, parfaite-
ment modélisée : il s’agit d’une antenne faisant appel à des éléments rayonnants carrés,
alimentée par une sonde coaxiale qui nous permet de réaliser facilement l’adaptation
d’impedance.
3.4.2 Etude d’un patch carré. Modélisation
La modélisation précise d’une antenne passe par la prise en compte non seulement de ses
éléments rayonnants mais aussi de son réseau d’alimentation dont la structure est souvent
plus complexe que celle de l’antenne elle-même.
Différentes méthodes d’analyse d’antennes existent parmi lesquelles on peut citer la méth-
ode des moments, et la méthode des différences finies dans le domaine temporel [49], qui
nous permettrons de traiter toute géométrie d’antenne.
Le modèle de l’antenne [50], quant à lui, illustre l’aspect résonateur de l’antenne imprimée.
L’environement où on va simuler le comportament de l’antenne est assimilé à une cavité de
faible épaisseur délimitée par deux murs électriques et quatre murs magnétiques. Cette
méthode permet le calcul des composantes principales et croisées des champs rayonnés à
partir de la connaissance du champ excité à l’intérieur de la cavité.
Enfin, avec la méthode de la ligne de transmission [51,52] l’antenne est assimilée à une
ligne à pertes, ce qui permet de calculer la conductance d’entrée, la bande passante et le
rendement.
3.4.3Fréquences de résonance et dimensions du patch [53]
La fréquence de résonance est fixée par les dimensions de la structure rayonnante. En par-
tant du modèle de la cavité à la résonance, la fréquence f0 est donnée par :
c
f o = --------------------------- Eq ( 3.5 )
2 εr ( f )a eff
avec a(Longueur effective du patch)

eff = a + 2∆a
La constante diélectrique effective dynamique ε r ( f ) est calculée à partir du modèle de
Getsinger [54] :
εr – εe
ε r ( f ) = εr – -------------------------
- Eq ( 3.6 )
1 + G ----  f  2
f 
p
Avec:
Système Radar 94
Zc
f p = ------------- Eq ( 3.7 )
2µ o H
1---
Z c – 5 2
G = 0, 0004Zc +  -------------
- Eq ( 3.8 )
60 
–1
Zc = -------------- ⋅ ----- + 1, 393 + 0, 667Ln  ----- + 1, 44
120Π W W
Eq ( 3.9 )
εe h h 
Zc est l’impédance caractéristique statique de la ligne équivalente.

1---
ε r + 1 εr – 1  h- 2
ε e = -------------- + ------------
-  1 + 2 ⋅ ---- Eq ( 3.10 )
2 2 W
ε e est la permittivité relative effective statique.

L’extension ∆a de la ligne due au débordement des lignes de champ autour de l’antenne
est calculée à partir de la formule de Hammerstad [53] :
W
----- + 0, 262
ε r ( f ) + 0, 3 h
∆a = 0, 42h × -------------------------------
- --------------------------- Eq ( 3.11 )
ε r ( f ) – 0, 258 W
----- + 0, 813
h
Connaissant a ef ,f et ∆a, on déduit la longueur du patch a :

a = a eff – 2∆a Eq ( 3.12 )
Dans notre cas, le substrat est en Verre-Téflon et ses caractéristiques sont les suivantes :
ε r = 2, 33 h = 0, 762mm
tgδ = 0, 001 t = 18µm
ε r est la permittivité relative du diélectrique, t est l’épaisseur de métallisation, h est l’épais-

seur du diélectrique, δ est l’angle de perte.
La détections d’angle d’arrivée nécessite un nombre conséquant de capteurs ’’SPR’’ asso-
ciés, chacun, à une antenne patch. Nous obtenons alors un réseau d’antennes. Ce réseau
est utilisé en réception et chacune des antennes est indépendante des autres. Dans ce
cas, seul le couplage électromagnétique influence le diagramme de rayonnement de
chaque antenne.
3.4.4 Couplage entre antennes formant le réseau.

Dans la littérature, le couplage entre les éléments d’un réseau d’antennes, a été largement
étudié et l’on peut trouver différentes méthodes analytiques et numériques. Le couplage
peut être également mesuré à partir des paramètres S d’un quadripôle à deux accès.
Nous essayons ici de présenter une approche simple sur les perturbations apportées par le
couplage sur le diagramme de rayonnement d’un réseau d’antennes. Comme nous savons
ce diagramme est toujours calculé à partir du Facteur de Réseau (Array Factor) et le dia-
gramme de chaque élément. Le Facteur de Réseau ne dépend pas du comportement de
chaque élément et peut être toujours écrit à partir de l’architecture d’alimentation du réseau
et de la géométrie du réseau. Dans notre cas, seule la géometrie du réseau intervient car
l’alimentation de chaque antenne n’est pas commune.
Imaginons un réseau linéaire contenant N antennes identiques. Chaque antenne est ali-
mentée par une source réelle de tension an d’impédance 50Ω.
Une étude numérique effectuée avec le logiciel NEC, montre un visible changement sur la
forme de courant le long de deux dipôles demi-onde situés face à face ou côte à côte. Cette
déformation de la densité de courant n’est pas du tout négligeable pour les distances de
séparation entre les dipôles, inférieures à 0,1λ.
Les effets du couplage peuvent être pris en compte en introduisant le concept d’élément
actif qui représente chaque élément du réseau dans son environnement réel [55].
Figure 3.20: réseau d’antenne
En utilisant cette méthode nous pouvons proposer une présentation simple et pratique pour
le diagramme de rayonnement de chaque élément cette fois-ci affecté par le couplage
mutuel.
La suite de notre travail consister à adapter le radar à la détection de directions d’arrivée et
à la mesure simultanée de vitesses et de distances à l'aide d'un réseau d'antennes et de
système SPR. Pour cela, nous avons fait l’étude du réseau d'antennes du type patch.
Système Radar 96
Nous avons tout d’abord fait le choix du matériel, du type d’alimentation et du type
d’antenne à réaliser, en fonction des disponibilités et du besoin.
Le substrat a été choisi en fonction de la taille des patchs que nous voulions.
L’alimentation est effectuée par sonde coaxiale, car c’est la mieux adaptée au système
prévu par la suite. Pour le type d’antennes à sélectionner, nous avions seulement besoin
d’une structure simple, avec un diagramme de rayonnement peu directif et avec le moins
de couplage possible entre les antennes.
On utilisera un simulateur appellé ENSEMBLE (ANSOFT) pour estimer le résultat à
l’avance et faire des corrections si nécessaire. Ces résultats on été comparé à les simula-
tions réalisées par le laboratoire micro-onde de l’ENST Bretagne sur le logiciel HFSS et
«Microwave studio». Lorsque l’on considérera que les résultats de simulation sont corrects,
on passera à la réalisation de l’antenne.
Pour la réaliser, nous avons employé un logiciel d’aide à la conception ( ADS ou LIBRA ) et
nous avons gravé notre antenne.
Ensuite il nous faut alors mesurer le paramètre ‘’S11 ’’ de l’antenne seule et le paramètre
‘’S12’’ pour vérifier le couplage entre les antennes.
3.4.5 Calibrage de l’analyseur de réseaux
Pour réaliser les mesures des antennes, nous avons besoin d’un analyseur de réseaux et
pour utiliser cet appareil il nous faut faire un calibrage. Pour cela, nous avons utilisé l’option
‘’TRL’’ en ‘’SMA’’ entre la gamme de fréquence 1GHz et 4GHz.
La seule contrainte de ce calibrage est d’avoir un déphasage compris entre 30° et 160°
entre la connexion directe et la ligne.
Pour cela, on utilise les standards suivants :
1.-. Connexion directe : Réalisée avec un adaptateur 7mm – 3.5mm MALE et un
adaptateur 7mm -3.5 FEMELLE .
2.-. Ligne : On utilise la ligne à air 8021A2( delay=55ps ) et pour pouvoir faire la connexion,
on change l’adaptateur 7mm – 3.5mm FEMELLE par MALE.
Le déphasage de cette ligne est :
-.Pour 1GHz 2* π *f* τ = 0.3455rad = 19.79°
- Pour 4GHz 2* π *f* τ = 1.382 rad = 79.2°
On voit bien qu’on pourra avoir un problème à 1GHz parce qu’on ne répond pas la con-
trainte exigée. Mais la mesure est possible; la precision va se degrader mais sera accept-
able si le synthetiseur de fréquences est stable entre l’instant où l’on calibre et celui où on
fait la mesure.
3.-.Réflexion : Pour cela, on utilise un court-circuit.
Une fois le calibrage réalisé, on est prêt à réaliser la mesure.
3.4.6 Résultats de simulation pour un dipôle et une antenne imprimée
En premier lieu on a réalisé un dipôle à 2 GHz [50]. Nous avons choisi un dipôle imprimé
puisque c’est une structure d’antennes simple. On pourra voir sur les graphiques, ci-des-
sous, les résultats obtenus avec le dipôle, en simulation.
Le matériel utilisé pour la réalisation du dipôle est le suivant :
Conducteur = cuivre
Substrat avec ε r 4.7 et d’épaisseur h=1.59 mm .
On peut voir les dimensions du dipôle sur la figure (3.21).
Sonde coaxiale
Figure 3.21: Dimensions du dipôle réalisé
Nous pouvons remarquer sur la figure (3.22), que la valeur d’adaptation S 11 est de l’ordre
de -23.5dB, à une fréquence de résonance de 1.967GHz. En suite, nous avons etudié le
couplage entre deux dipôles, nous avons utilisé une distance de λ/2 comme distance entre
les antennes ( distance entre les points d’alimentation ). Sur la figure (3.23), nous pouvons
voir les résultats de cette expérience, avec de valeurs de S 11 de -9.6dB et un couplage de
Système Radar 98
l’ordre de S12=-20.3dB. La fréquence de résonance est de 2.008GHz.
Figure 3.22: Simulation du dipôle adapté
Figure 3.23: Simulation du couplage entre 2 dipôles
Nous avons réalisé ce dipôle et le résultat n’a pas été celui désiré, la mesure et la simula-
tion ne se ressemblent pas du tout. Nous pensons que cette différence est due à l’énorme
sensiblilité sur la variation de position du point d’alimentation. Pour cela, nous avons décidé
d’abandonner le dipôle et de faire l’étude avec un patch carré.
3.4.7 Antenne Patch carré

On peut voir ses dimensions, sur la figure (3.24).
Figure 3.24: Antenne Patch avec alimentation coaxiale.
Nous verrons que la position de l’alimentation est fondamentale, et que ce paramètre nous
permet de jouer sur la polarisation du champ électrique et sur l’impédance d’entrée. On
verra par la suite l’influence de la polarisation sur les mesures de couplage.
Pour verifier que nous avons choisi le point d’alimentation avec l’adaptation désiré, nous
avons en premier lieu utiliser le simulateur ANSOFT. Nous avons selectionné le point le
plus adapté à 2GHz et nous avons réalisé l’antenne. Par la suite, nous avons varié le rayon
du point d’alimentation.
Le tableau suivant montre l’influence du rayon l’alimentation sur l’adaptation de l’antenne.
Variation du rayon Adaptation (dB)
R=0.65 -27.13
R=0.7mm -28.43
R=0.75mm -29.78
R=0.8mm -30
R=0.85mm -31
R=0.9mm -31.59
R=1mm -32.04
Table 3.4: Adaptation de l’antenne en fonction du rayon du point d’alimentation

Système Radar
Différentes approches ont été utilisées pour faire la comparaison entre les différents
logiciels. Toutes sont basées sur une technique de résolution des équations de Maxwell.
Cependant, elles utilisent des formulations différentes et parfois des hypothèses simplifica-
trices. Nous allons voir au fur et à mesure les différentes solutions apportées par les
logiciels, avant de passer à la realisation des antennes pour le réseau.
3.4.7.1 Modélisation HFSS

L'approche est basée sur la méthode des éléments finis (de volume). Elle utilise une formu-
lation variationnelle qui débouche sur un système matriciel à résoudre dont les inconnues
sont les coefficients des fonctions d'essai qui approximent le champs dans le volume de
calcul. Ce dernier doit être limité par des conditions dites "absorbantes" qui simulent
l'espace libre autour des antennes. Il faut donc utiliser une transformation champ proche-
champ lointain pour le calcul de diagrammes de rayonnement. La méthode prend en
compte du plan de mase et du substrat dont les dimensions sont finie. Formulée dans le
domaine fréquentiel, une réponse sur une bande de fréquences nécessite plusieurs exécu-
tions.
La structure est considérée sans pertes métalliques ou diélectriques
Figure 3.25: Représentation du patch en coupe plan (plan de symétrie)
Pour cette simulation nous avons utilisé les paramètres suivant:

Dimensions du patch: 47.5 x 47.5 mm2
Position de la sonde: 14.75 mm du bord du patch le plus proche
Substrat: 57.5 x 57.5 x 0.762 mm3, εr = 2.33
Rayon de l’âme de la sonde: 0.65 mm
Diélectrique coaxial: téflon εr = 2.1
CHAPITRE 3 Système Radar
Sur la figure (3.26), nous pouvons observer le paramètre S11 de valeur -11.8dB à 1.97GHz.
Nous verons, par la suite, que ce résultat de simulation est proche de la valeur réelle
obtenue.
Figure 3.26: Résultats de simulation des paramètres S; Fréquence de résonance simulée : 1.97 GHz,
Adaptation : -11.8 dB
Figure 3.27: Diagrammes de rayonnement: Le gain maximal simulé est de 4.8 dBi @ la résonance
Nous pouvons voir le diagramme de rayonnement obtenu avec HFSS (figure (3.27)). Ce
diagrame de rayonnement correspond bien à ceux classiquement obtenus pour des
antennes de type patch[50]. Sur cette simulation, [57] on définit un plan de masse fini, pour
cette raison nous pouvons retrouver un rayonnement arrière. Le gain obtenu par simulation
Système Radar
est de 4.8dBi.
3.4.7.2 Modélisation Microwave Studio

La méthode est basée sur les éléments de volume dans le domaine temporel (FIT). Les
équations de Maxwell sous forme intégrale sont directement numérisées. Comme pour les
éléments finis de volume, il est nécessaire de limiter le volume de calcul par des conditions
absorbantes. Le calcul des champs rayonnés nécessite une transformation champs
proches- champs lointains. De plus, contrairement aux éléments finis, la solution s'exprime
explicitement et ne requiert pas une inversion de matrice. L’excitation coaxiale des
antennes patch est rigoureusement prise en compte. Finalement, son caractère temporel
permet une caractérisation large bande en une seule simulation.
Pour l’étude du patch, seule la simulation comprend une description détaillée de l’excitation
coaxiale. Il est nécessaire de donner une bonne description de cette excitation car elle peut
avoir un effet important sur l’adaptation de l’antenne (effet inductif de l’âme centrale du
coaxial). Nous pouvons voir sur la figure (3.28) la réflexion sur le port coaxial. Nous pou-
vons observer que la fréquence de résonance de l’antenne est de 2 GHz, ce qui est rela-
tivement proche de la mesure (figure 3.29).
Figure 3.28: Réflexion en entrée de l’antenne seule (Microwave Studio).
Par contre, comme précédemment le niveau d’adaptation de l’ordre de 9dB est inferieur a
celui mesuré (voir figure 3.29). Il est à noter que ni les pertes métalliques ni les pertes
diélectriques ne sont prises en compte dans les simulations. Celles- ci peuvent intervenir
sur la valeur de l’adaptation. Ces phénomènes peuvent expliquer la différence d’adaptation
entre les simulations et les mesures.
Figure 3.29: Diagramme de rayonnement de l’antenne à 2.0 GHz.
En regardant sur la figure (3.29), nous observons le diagrame de rayonnement, réalisé

avec Microwave studio. Les résultats obtenus correspondent bien à ceux classiquement
obtenus pour des antennes de type patch. La simulation sous Microwave Studio permet de
considérer que le substrat et le plan de masse sont finis, c’est pourquoi nous pouvons avoir
de rayonnement sous le plan de masse.
Système Radar
3.4.7.3 Mesure d’un patch réel

En ce qui concerne les essais pratiques de la position de l’alimentation de l’antenne qui va
affecter l’adaptation de notre patch. Nous avons réalisé cinq trous sur le patch et on a fait
varier la position de l’alimentation (fig 3.30), en fermant et sans fermer les autres trous,
pour trouver la meilleur adaptation à 2GHz. Un récapitulatif des résultats sera presenté sur
le tableau 3.5.
Figure 3.30: Antenne Patch par une alimentation coaxiale avec les cinq positions pour l’alimentation.
Point d’alimentation S11 Fréquence
Position 1 -19.434 1.88GHz
Position 4 -20.391 1.87GHZ
Position 5 et les autres -30.861 1.9GHz

ouverts
Position 5 et les autres -21.811 1.9GHz

fermes
Table 3.5: Adaptation en fonction de la position d’alimentation
Sur ce tableau nous remarquerons que la valeur de l’adaptation est très sensible, l’adapta-
tion est inférieure à -19 dB dans toutes les positions, pourtant la position que nous sup-
posons donner une bonne adaptation à 2GHz sera la position 5.
Figure 3.31: Mesure du patch sur la position 5
Sur les figures (3.28) et (3.30) qui montrent les résultats de simulation (simulation) et la fig-
ure (3.31)(mesure), nous pouvons remarquer une bonne correspondance de la fréquence
de résonance. Par contre, les niveaux d'adaptation sont différents. On peut expliquer cette
différence en partie par le fait que les pertes ne sont pas inclues dans le modèle.
3.4.8 Recapitulatif
Nous pouvons observer sur la tableau (3.6) les resultats une comparatifs entre les dif-
Fréquence Adaptation
(GHz) (dB)
HFSS 1.97 -11.8
Microwave 2.0 -10.8

Studio
Ensemble( 1.98 -23.7

Ansoft)
Mesure 1.9 -21.811
Table 3.6: Récapitulatif des résultat obtenu par simulation et par mesure
férents logiciels utilisés et le valeur de mesure obtenu pour l’adaptation d’un antenne
patch. Les résultats sont similaires. L’écart sur la valeur de la fréquence peut être du à
l’incertitude sur la valeur εr du substrat ou sur la position du point d’alimentation.
Système Radar
3.4.9 Etude de l’effet de Couplage
Nous avons étudié avec les différents logiciels, l’éffet du couplage et nous comparons avec
les mesures réel réalisé, nous présentons les simulations réalisées dans les logiciels
HFSS, microwave studio et ansoft et nous concluons avec les mesures réalisées.
3.4.9.1 HFSS
La simulation sur HFSS réalisée par le laboratoire de l’ENST Bretagne répresente le cou-
plage entre deux antennes, comme nous le présentons sur la figure (3.32).
La figure (3.30) nous montre à droite le coefficient S12 qui représente le couplage entre les
antennes, qui est inférieur à -20dB pour les différentes distances entre les antennes. Sur la
figure (3.30) à gauche nous pourrons voir les coeficientes S11 (adaptation en fonction du
couplage), pour les différentes distances entre les antennes. Nous observons qu’ à une dis-
tance de 11mm nous avons une adaptation de -9dB et que nous sommes plus près de
2GHz. C’est évident que plus la distance sera grande, moins le couplage influe sur l’adap-
tation et plus nous retrouvons les valeurs de -11.8dB que nous avions trouver lorsque nous
avons étudié un seul patch.
Figure 3.32: Evolution du couplage en fonction de la fréquence et de la distance entre les patchs
Nous avons illustré sur la figure (3.32) avec l’aide du logiciel HFSS, à travers le tracé de la
distribution de champ électrique, le couplage qui se produit bord à bord entre les 2 patchs
(ici pour d=38mm).
Figure 3.33: Illustration du couplage
Nous observons en couleur rouge les zones où le couplage est majeur (figure (3.33)).
3.4.9.2 Microwave Studio et Ansoft

Avec Microwave studio l’étude de couplage a été faite entre les 4 antennes, comme nous
pouvons observer sur la figure (3.34).
Antenne n°4
Antenne n°3
Antenne n°2
Antenne n°1
Figure 3.34: Configuration des 4 antennes pour la simulation sous Microwave Studio. (Distance entre
antennes :11mm bord à bord).
Système Radar
Les antennes, alignées dans le plan E sont réalisées sur un même substrat et sur un même
plan de masse. Comme nous avons precisé sur la précédente simulation, le substrat ainsi
que le plan de masse sont considérés comme infinis (couches PML).
Afin de quantifier l’influence du couplage entre antennes, nous avons d’abord fait une étude
paramétrée de ce couplage en fonction de la géometrie. Nous avons ici étudié le couplage
en changeant la distance entre les antennes. Cette distance (bord à bord) est comprise
entre 11mm et 38mm. La simulation complète dure à peu près une nuit (~10 h CPU sur un
PC Pentium III/ 1.5 Go de Ram) et elle a été réalisé par le groupe de l’ENST Bretagne.
La variation de l’adaptation de l’antenne n°1 en fonction de la distance entre elles est
représentée sur la figure (3.33) à gauche. Nous pouvons constater un léger décalage en
fréquence (inférieur à 1%). Cependant celui-ci est absolument négligeable. On peut égale-
ment constater que le niveau d’adaptation varie légèrement mais également de manière
négligeable. Ces conclusions sont appuyées par les simulations faites à l’aide du logiciel
ENSEMBLE basé sur la résolution d'une équation intégrale de surface (substrat infini) par
la méthode des moments (voir figure (3.35) à gauche), que nous verrons dans la suite.
Dans la figure (3.33) à gauche et (3.33) à droite sont représentés les résultats de l’étude
paramétrique en terme de couplage. Nous remarquons sur la figure (3.33) à droite que le
couplage entre deux antennes voisines (ici antenne n°1 et antenne n°2) n’est pas com-
plètement négligeable (~ - 15 dB) pour une distance de 11mm. L’évolution du couplage est
assez rapide en fonction de la distance et il devient inférieur à –20 dB dès que la distance
entre les antennes est de 20mm (soit la moitié de la taille de l’antenne). Les niveaux que
nous trouvons correspondent à ceux obtenus à l’aide du logiciel ENSEMBLE (voir la courbe
correspondante pour d = 11 mm à la figure 3.35 à droite). On peut noter, dans les courbes
produites par le logiciel Microwave Studio, des oscillations qui sont dues à la résolution
temporelle du calcul.
Figure 3.35: (gauche) Influence de la distance entre antennes sur l’adaptation de l’antenne n°1 pour
Microwave Studio. (droit) Influence de la distance sur le couplage de l’antenne n°1 sur l'antenne n°
2 (Microwave Studio).
Enfin, le dernier paramètre étudié est le couplage entre l’antenne n°1 et l’antenne n°4 (fig-
ure (3.36) ). Comme nous pouvions nous y attendre, les niveaux de couplage sont très fai-
bles et sont au maximum de –28 dB (pour 11 mm entre les antennes). Ces valeurs sont
également celles trouvées à l’aide du logiciel ENSEMBLE (voir la courbe correspondantes
pour d = 11mm à la figure 3.37 à droite, S11=-13dB, S21 de -18dB à -28dB).
Figure 3.36: Couplage entre l’antenne n°1 et l’antenne n°4 pour différentes distances (Microwave
Studio).
Système Radar
Mais pour quantifier l’influence du couplage sur le rayonnement pour notre application,
nous nous sommes aperçus qu’il aurait fallu étudier pour ce même écart, le couplage pro-
duit par une antenne (n°1), en mode émission avec les autres antennes en mode réception
(chapitre4).
Figure 3.37: Influence de la distance entre antennes sur l’adaptation de l’antenne n°1 avec
ENSEMBLE.Couplage entre antennes avec une distance de d = 11 mm (ENSEMBLE).
3.4.9.3Mesures de Couplage avec des antennes patch réelles

Comme nous avons vu sur le paragraphe 3.4.9, nous avons sélectionné une position opti-
male numéro (5) pour l’alimentation de notre antenne, puis nous avons réalisé deux
antennes identiques pour étudier de couplage entre elles.
Nous avons défini plusieurs types de couplage :
- le couplage E
- le couplage H,….
Nous avons réalisé plusieurs mesures de couplage entre deux antennes, suivant que les
Champs électriques ou magnetiques sont perpendiculaires ou parallèles, nous pouvons
voir, sur les figures suivantes, deux des résultats obtenus. Sur la première (Figure 3.38),
les champs électriques des antennes sont dans la même direction (colinéaire) (couplage
E):
m3: Freq 2GHz

dB(S(1,2))=-37.067
Figure 3.38: Influence du couplage sur les paramètres S 11, S22 et S12 (colinéaire).
Sur la figure précédente, nous voyons que les paramètres S 11 et S22 sont différents, parce
que les antennes utilisées ne sont pas tout à fait identiques. S11 et S21 sont environs égaux
à -12dB et -37dB.
En deuxième lieu, lorsque les champs électriques des antennes sont perpendiculaires
entre eux, la figure (3.39) montre que la valeur du paramètre S11 est de l’ordre de -25dB et
celle de S 12 est de l’ordre de -35dB. Le paramètre S 11 est meilleur car les champs sont
orthogonaux, par contre la valeur de S 12 est du même ordre de grandeur que précédem-
ment et doit ^étre donnée par la limite imposée par notre système de mesure.
Système Radar
20
0
dB (S (2,1))
dB (S (1,1)) -20
m 2
m 1
-40
-60
-80
-100
1 2 3 4 5 6
freq, G H z
Figure 3.39: Influence du couplage sur les paramètres S 11 et S22 pour des champs électriques
perpendiculaires
Nous avons étudié différentes positions des champs électriques et magnétiques et en con-
clusion nous avons observé les points suivants :
1._ Lorsque les champs électriques (ou magnétiques ) sont perpendiculaires.
Antenne 1 Antenne2
Figure 3.40:
2._ Quand le point d’alimentation est situé sur le plan de symétrie horizontal; le couplage
est inferieur à -20dB pour une position des points d’alimentation à gauche pour les deux
antenes et est inferieur à -24dB pour une position à droite pour la première et à gauche
pour la deuxième et enfin de -25dB losque les deux alimentations sont à droite. Le cou-
plage est meilleur que sur le plan de symétrie vertical; pour obtenir respectivement les cou-
plage inferieur à -20dB/-19dB/-18dB pour des positions respectives des points
d’alimentation: les deux en bas, un en bas et un en haut, puis les deux en haut )[58].
Par la suite, nous avons selectionné la position 5 et nous avons realisé deux antennes sur
le même substrat (figure 3.41 ). Nous avons verifié que nous n’avons pas de couplage
d’onde de surface avec les 2 points d’alimentation horizontaux situes à gauche[58].
Figure 3.41: deux patch sur la même surface
Ensuite, nous avons étudié le couplage mutuel ainsi que l’influence sur l’adaptation des
antennes [58] en fonction de la distance inter-antenne ’’d1’’ figure (3.42) .
Figure 3.42: Etude du couplage entre les antennes en fonction des distances.
Sur le tableau suivant, nous reportons les résultats experimentaux pour plusieurs valeurs
de d1. Il est évident que plus d1 est grande, plus le couplage diminue et réciproquement.
d1(mm)
distance entre
S12(dB)
les extremes
des antennes
18 -32.545
10.5 -24.934
8.5 -21.10
6 -18.630
Table 3.7: Couplage en fonction de ’’d1’’

Système Radar
d1(mm)
distance entre
S12(dB)
les extremes
des antennes
3 -13.114
0 -10
Table 3.7: Couplage en fonction de ’’d1’’

Dans les mesures réalisées précédemment, nous pouvons voir l’influence du couplage sur
S11, et nous pouvons remarquer qu’à partir de la distance λ ⁄ 2 , S 12 devient négligzable.
Nous avons donc choisi cette distance comme un compromis entre le couplage minimal et
la mesure de DDA sans dégradation.
3.4.10 Récapitulation de l’étude de couplage.

Nous présentons, table (3.8), une récapitulation de l’étude du couplage, en comparant les
différents résultats issus des logiciels et de la mesure.
S12 (dB) Fréquence(GHz) S11(dB)
HFSS -20dB 1.97 -9dB

pour toutes les dis- pour une distance
tances entre les antennes
de 11mm
Microwave ~ -15dB 2.01 -9dB

Studio (distance= 11mm) pour toutes les dis-
~-20dB tances
(distance= 20mm)
Ensemble -18dB 2.12 -13dB

(distance= 11mm) pour toutes les dis-
tances
Mesure -24.934 2 -20dB

(distance= 11mm) pour toutes les dis-
-32.545 tances
(distance= 18mm)
Table 3.8: Récapitulation des simulations et des mesures réaliser sur le couplage
Nous pouvons observer que la simulation réalisé sur «Ensemble» est la plus proche de la
mesure et nous pouvons conclure qu’il existe une très bonne concordance entre les simula-
tions et les mesures réalisées.
3.4.11Utilisation Pratique du Réseau
Après cette étude sur les antennes, nous avons construit le réseau que nous pouvons voir
sur la figure (3.43). Comme nous verrons au chapitres 4, nous avons réalisé deux configu-
rations avec les quatre antennes. En premier lieu, nous avons utilisé les quatres antennes
patchs comme antennes réceptrices passives, où chacune des antennes sera connectée à
l’entrée d’un amplificateur faible bruit (LNA), et ensuite à un ’’FPR’’. Par contre pour l’appli-
cation radar, nous avons utilisé une antenne comme antenne émettrice ( voir figure 3.43),
et les trois autres resteront connectées inchangées.
Réception Absorbant
Point d’alimentation de l’antenne n°1

émission
Figure 3.43: Réseau d’antennes pour le prototype
3.4.12Conclusion
Dans ce chapitre, nous avons montré, qu’il était possible de réaliser des mesures de dis-
tances et de vitesses d’une cible mobile, grace à un dispositif radar utilisant un réflecto-
mètre. Ensuite nous avons réalisé une étude sur les antennes patch et le couplage existant
dans un réseau d’antennes. Nous avons réalisé ce réseau d’antennes qui nous permettra
de mesurer la direction d’arrivée des différentes sources et de réaliser des applications sur
un dispositif radar d’aide à la conduite automobile.
Dans le chapitre quatre, nous allons voir comment nous réalisons ce dispositf capable de
détecter la direction d’arrivée au traver la présentation des différents algorithmes envisagés
et nous conclurons.
Système Radar
[45] César Gutiérrez Miguélez, Bernard Huyart, Member IEEE, Eric Bergeault Member
IEEE and Louis P. Jallet. «A new Automobile Radar Based on the Six-port Phase/Frequency
Discriminator». IEEE Transactions on Vehicular Technoligy, Vol 49,N°4, July 2000.
[46] Hoffmann Matthieu, Khaif M’Hamed, Le Quynh Anh, «Rapport : Conception d’un
réseau d’antennes à élements imprimes à 2GHz pour communication avec les mobiles». 1999-
2000, TELECOM Paris.
[47] B. Carriere-Pradal, «Réalisation d’un circuit six-port dans la bande de fréquence 26-
40GHz», Projet de maîtrise physique et application de Paris VII. ENST Paris 2001.
[48] Stefan Lindenmeier, «High Speed Wireless Data Links for Mobile Applications» ,Eumc
2002 Milan (E1F).
[49] Bahl I.J., Bhartia P. «Microstrip antennas», Artech House 1980Pour écrire ces
références bibliographiques.
[50] C.A. Balanis, «Antenna theory, analysis and design», John Wiley & Sons.
[51] Dubost G. «Transmission line model analysis of a lossy rectangular microstrip patch » .
Electronique Letters, vol 18, n° 7 , avril 1982.
[52] Dubost G. «Linear Transmission-line Model Analysis of Arbitrary-shape Patch Antennas».

Electronique Letters, 17 th July 1986, Vol.22, n° 15 , pp. 798-799.
[53] Hammerstad E. O. «Equations for microstrip desing». Proc. 5th EMC Hamburg, PP268-
272, sep 1975
[54] Getsinger W.J. «Microstrip Dispersion Model».IEEE,MTT Transactions, 1973, vol 21,
pp34-39.
[55] D. F. Kelley, «Array antenna pattern modeling methods that include mutual coupling effects»,
IEEE AP-41, n° 12 , Dec. 1993.
[56] Bouazza Fouzia. «Antennes microrubans mono et multicouches a lobe unique». Thèse
d’Université, Lille 1996, chapitre 2.
[57] ENST:B. Huyart (Pr) X. Begaud (MC) D. Kernevés (Doctorant ) B.Amante Garcia
(Doctorant) G.Neveux (Doctorant ). ENSTB: M. Ney (Pr) Sandrick Le Maguer (MC)
François Lepennec (MC) Daniel Bourreau (MC) Pierre Li (Stagiaire). «Projets de
recherche sur crédits incitatifs – Appel 2000 – Rapport Final (février 2002)» . Mesure directe de
la direction d’arrivée (DOA) des signaux radiofréquences.
[58] B. Amante Garcia, «Etude des antennes patch (Couplage et application )», ENST 2001.
CHAPITRE 4
CHAPITRE
S YSTÈME DE DÉTECTION DE D IRECTION D’A RRIVÉE

C HAPITRE 4
4
(DDA) POUR UNE APPLICATION RADAR
Les systèmes radar anticollision utilisés actuellement doivent donner la position exacte de
tous les obstacles, c’est à dire, la distance à laquelle ils se trouvent, la vitesse à laquelle ils
vont et la direction par laquelle ils arrivent. Pour cela, et après l’étude de la distance et de la
vitesse dans le chapitre précédent, nous allons nous intéresser à la direction d’arrivée
(DDA) des différentes cibles simultanément, en utilisant les méthodes implementées actu-
ellement dans les systèmes de télécommunication. En premier lieu, nous nous intéresse-
rons aux différents systèmes de détection de DDA présents actuellement dans la littérature,
et les algorithmes de hautes résolutions associés, ainsi que le développement des
systèmes de détection de DDAs pouvant être introduits dans un système de télécommuni-
cation.
Il a été envisagé le développement d’une plate-forme dans la bande de fréquence des
systèmes de la troisième génération 3GPP[59] constituée de (n-1) réflectomètres six-port
entre les accès de n antennes.
Habituellement la DDA est estimée à partir des signaux en bande de base et en utilisant
des méthodes de traitement complexe de nombreux échantillons de mesure. L’objectif est
de montrer que cette mesure peut être directe sans aucune démodulation du signal RF per-
mettant d’accéder à une bonne estimation de la DDA à partir de quelques échantillons et
en utilisant une méthode de traitement très simplifiée[60].
Pour ce système, la mesure est directe, c’est à dire sans aucune transposition en
fréquence. Dans le cas d’un système de télécommunication réel, que nous allons étudier
ultérieurement, où les signaux portent une information, l’intérêt de cette méthode directe
sera:
qu’il n‘est pas nécessaire de démoduler le signal R.F. au niveau de chaque élément
120 Systèmes de Détection de Directions d’Arrivées (DDA)
rayonnant du réseau d’antennes.

qu’on peut placer un filtre passe-bas de bande passante très étroite car il n’est pas
nécessaire de traiter le signal en bande de base. Le rapport signal sur bruit + interférences
est plus favorable pour déterminer les phases des signaux R.F. captés par les éléments
rayonnants et finalement la DDA est plus simple à déterminer.
Ensuite, nous présenterons le système de détection des DDAs choisi à mettre en place sur
les véhicules.

Il existe plusieurs méthodes de traitement d’antennes et d’analyse spectrale, qui traitent les
problèmes de localisation de sources émettrices d’énergie dans un milieu de propagation à
partir des observations mesurées sur un réseau de capteurs. Pour une application radar,
les sources émettrices se transformeront en signaux réflechis par les cibles à détecter.
Dans les points suivants, nous allons présenter brièvement les différentes méthodes
existantes, pour pouvoir situer la méthode que nous avons utilisée dans ce travail de thèse.
4.1 Méthode de formation de faisceaux

L’analyse spatiale, généralement nommée formation de faisceaux, fut développée par de
nombreux auteurs[61]. Cette méthode consiste à remettre les signaux en phase pour une
direction à détecter, puis à les sommer. Cette façon de faire est fondée sur l’espoir que la
sommation des signaux remis en phase multipliera l’amplitude du signal utile d’un facteur
bien plus important que celui appliqué à l’amplitude du bruit . Une extension de cette meth-
ode est [62]. Si on utilise la somme et la différence d’une antenne monopulse tel que Tha-
les pour sa 3egénération [92]. Les vecteurs de pondération sont alors choisis de manière à
maximiser la puissance du signal dans une direction particulière. La puissance reçue est
évaluée comme étant une fonction de l’angle d’arrivée sous certaines conditions, et les
maxima de puissance obtenus dans le diagramme de puissance correspondent aux dif-
férentes directions d’arrivée des signaux.
CHAPITRE 4 Systèmes de Détection de Directions d’Arrivées (DDA)
lobes difus lobes secondaires

(<10-4 P) ( 10-2 à 10-4 P) P/2
P θ
L
P/2
lobe principal
Antenne
θ Ouverture à mi-puissance
P Puissance
L Largeur de l’antenne
Figure 4.1: Diagramme de rayonnement
Sur la figure (4.1), nous remarquerons que s’il n’existait qu’un seul lobe et si la source se
trouvait sur un point différent de la direction de la puissance maximale (par exemple P/2),
nous retrouverons une contrainte en plus, pour déterminer la position (droite ou gauche)
par rapport à la puissance maximale. Donc, pour la détection des DDAs, nous utiliserons
un réseau d’antennes semblable à celui de la figure (4.2) qui présentera séquentiellement
différents lobes très directifs pour avoir la meilleure résolution possible[5].
w1
w2
Σ
w3
w4
wn
Processus adaptatif y(t)
x(t)
INFORMATION
Figure 4.2: Système de détection de DDAs par balayage électronique (méthode de formation
de faiseaux ).
Si les performances obtenues par la méthode élémentaire de formation de faiseaux sont

insuffisantes, il serait possible d’effectuer une pondération des signaux reçus par les dif-
férents capteurs avant de les sommer en phase. Cette opération permet, au prix d’un faible
élargissement du lobe formé, de réduire considérablement le niveau des lobes secon-
daires[63].
4.1.1. Principe de la méthode de formation de faiseaux
Soit xi(t) le signal reçu sur le i-ième capteur et w i la pondération correspondante. Nous
obtiendrons à la sortie du réseau d’antennes:
N
y(t ) = ∑ wi xi ( t ) =
t
W X(t) Eq (4.1)
i=1
o ù W =[ w 1 , w 2 , . . . w N ] T r e p r é s e n t e le v ec t eu r de s p o n d ér a t io n s c o m pl e x e s e t
X(t)=[x1(t),x2(t),...,xn(t)]T représente le vecteur signal.
La puissance ’’P’’ en sortie du réseau s’exprime alors sous la forme:
2 H t H
PFV = E [ y ( t ) ] = W E [ X∗ ( t )X ( t ) ]W = W Rxx W Eq (4.2)
Où Rxx représente la matrice de covariance du signal mesuré. WH est le transposé con-

jugué de W.
Les maxima de PFV donne les directions d’arrivée.
Nous avons vu que cette méthode consiste à réaliser un balayage électronique et à
mesurer la puissance de sortie en fonction de la direction visée.
Si la résolution obtenue n’est pas suffisante pour la situation considérée, il est posible de
mettre en oeuvre une formation de faiseaux adaptative ou méthode de Capon.
Ce méthode repose sur une hypothèse d’indépendance des sources; par conséquent, ses
résultats sont mauvais dans un contexte de multitrajets.
4.1.2. Méthode de Capon[64]

Dans le cas précédent, si deux sources sont situées dans le même lobe principal, nous ne
serons pas capable de détecter les deux sources, pourtant nous utiliserons la méthode de
Capon, qui consiste à optimiser le vecteur de pondération afin de maximiser la contribution
du signal de la DDA recherchée par rapport aux autres signaux.
Le principe de cette méthode reste identique à celui de la formation de faiseaux mais nous
imposons une contrainte supplémentaire, celle de minimiser la puissance dans toutes les
directions autres que celle visée, dans laquelle, nous forçons un gain de 1.
Donc, après le calcul des pondérations réalisé avec les multiplicateurs de Lagrange[65],
nous pouvons obtenir l’expression de la puissance de la forme suivante:
1
Pcap = --------------------------------------- Eq (4.3)
H –1
a ( θ )Rxx a ( θ )
Rxx-1 étant l’inverse de la matrice de covariance du signal mesuré et a( θ) le vecteur direct-

eur qui contient la source à détecter.
En pratique, l’opération à effectuer consiste à estimer la matrice d’intercorrelation R xx des
signaux, puis à calculer pour chaque valeur de θ le valeur de la puissance, pour déterminer
le maximum, qui correspondra à la direction d’arrivée que nous voulons déterminer.
Un point à remarquer sera qu’en présence d’un très faible bruit blanc, R xx-1 est dominée
2 2
par le terme (1/ σ )Πs, avec σ une estimation de la variance du bruit et Πs la matrice
qui correspond au sous-espace signal ,et la valeur de puissance P-1cap(θ) reproduira le
pseudo spectre de MUSIC, que nous verrons ultérieurement.
4.2 Les Méthodes de haute résolution: Les méthodes du sous-espace bruit

Le qualificatif de haute résolution a été donné aux méthode de traitement d’antennes qui
ont une meilleure résolution que la méthode de formation de faiseaux classique, com-
mentée précédemment.
Les méthodes à haute résolution sont fondées sur les propriétés de la matrice de corréla-
tion des observations qui on été mises en évidence par les travaux de Pisarenko 1973 [66]
et Ligett 1972 [67]. Pisarenko est le premier à avoir mis en évidence les propriétés impor-
tantes des vecteurs propres de la matrice de corrélation, qui a une structure de toeplitz (
pour des sources non corrélées ). Pour comprendre la signification de le structure de
toeplitz, nous considérons un processus aléatoire stationnaire à temps discret x(n). La
matrice de covariance Rxx est une matrice de toeplitz si R xx=Rxx H et les parallèles à la
diagonale principale sont constituées de termes égaux en raison de la stationarité du pro-
cessus[68]. La méthode qu’il propose dans son article, fait intervenir un espace bruit réduit
à un seul vecteur, ce qui revient à supposer que le nombre de sources est connu et égal au
nombre de capteurs moins un, ce qui, en réalité, n’est pas toujours le cas. Ligett a été le
premier à proposer l’utilisation des valeurs propres pour déterminer le nombre de sources à
détecter, ansi que la notion de sous-espace bruit et sous-espace signal, et le problème de
l’identification à un modèle paramétrique de la matrice inter-spectrale mesurée ( définie
comme étant la transformée de fourrier de la matrice formée par les échantillons [68]) . De
plus, il a traité des aspects statistiques du problème d’estimation de la matrice inter-spec-
trale et du test de détection. Même de nos jours, [68] affirme que les propositions faites par
Ligett sur l’estimation des matrices inter-spectrales, n’ont pas été pleinement exploitées.
En 1976 Henri Mermoz [69] a contribué au développement des antennes adaptatives appli-
quées à l’acoustique sous-marine (sonars actifs et passifs). Il a demontré la structure
algébrique de la matrice inter-spectrale et a repondu à la question de l’identification
algébrique des paramètres qui forment la matrice telles que les valeures propes non-nulles,
et l’orthogonalité entre les vecteurs formant la matrice. Ces études ont conduit en 1979
Bienvenu et Kopp[70] à déterminer les DDAs en travaillant sur le sous-espace bruit orthog-
onal au champ de source, dans le cas d’une propagation par ondes planes et d’un réseau
linéaire d’antennes. Indépendamment Schmidt [71] en 1979 a appliqué cette méthode et
l’a baptisée MUSIC ( MUltiple SIgnal Characterisation ).
L’inconvénient de cette méthode apparaît en présence de sources corrélées, provoquant
une dégradation très rapide de la détection des DDAs. Plusieurs solutions telles qu’un lis-
sage spatial ou une estimation progressive-rétroactive de la matrice de corrélation (Spatial

Smoothing[72]) doivent être utilisées. Ces techniques diminueront l’angle d’ouverture dans
lequel on pourra détecter les sources.
Il existe aussi des méthodes comme ’’la Méthode du maximum de vraisemblance’’ [73],
plus efficace en présence de sources corrélées, mais beaucoup plus compliquée à mettre
en oeuvre.
En conclusion, grâce à sa simplicité et ses performances MUSIC s’impose, et est l’algo-
rithme le plus utilisé pour la détection des DDAs actuellement .
4.2.1. MUSIC ( MUltiple SIgnal Classification )
Parmi toutes les méthodes de traitement du signal à haute résolution utilisées pour l’esti-
mation des angles d’arrivée, la méthode MUSIC [71] est celle qui est mise en oeuvre le
plus souvent.
Cette méthode qualifiée de ’’haute résolution’’ est fondée sur la décomposition propre de la
matrice de covariance des signaux issus des capteurs Rxx. Cette décomposition permet de
définir un sous-espace signal et un sous-espace bruit :
-Le vecteurs propres engendrent le ’’sous-espace signal’’ identique à celui engendré par
les vecteurs directionnels des sources.
-Tous les autres vecteurs engendrent le sous-espace bruit, orthogonal aux précédents.
Amplitude
σb2
1 2 N M N° de colonnes de
la matrice Rxx
Dimension N Dimension M-N
Sous-espace signal Sous-espace bruit
Figure 4.3: Représentation des valeurs propes de Rxx.
Nous pouvons voir sour la figure (4.3) la représentation des deux sous-espaces et le seuil
(σb2) utilisé pour calculer le nombre de signaux à détecter.
4.2.2. Principe de l’algorithme MUSIC
Music est un algorithme utilisé pour exploiter les signaux reçus par les M capteurs iden-
tiques d’un réseau d’antennes, ceux-ci constituent les composantes du vecteur x(t), qui
représente la superposition de N signaux sN(t), émis par N sources indépendantes, et un
bruit b(t).
SN(t)
θN
1 2 .... i ....... M
Figure 4.4: Représentation des M capteurs en présence des N signaux à détecter (avec M>N)
Soit Pk la puissance du k-ième signal, nous avons:
2
Pk = E sk( t) Eq (4.4)
k=1,2,...,M étant le nombre de capteur.

Le signal xi de sortie du capteur i (i=1,2,...,N), peut alors s’écrire comme étant la somme de
N sources à laquelles s’ajoute un bruit:
M – jϕ N
xi = ∑ sN ( t )e + bi ( t ) Eq (4.5)
i=1
où
xi(t) est le signal reçu par le capteur i.
bi(t) est le bruit complexe sur le capteur i .
sN(t) est le N-ième signal.
N étant le nombre de DDAs que nous sommes capables de détecter avec M capteur, N
étant (≤M-1).
ϕN est le déphasage électrique introduit par la géométrie du réseau au niveau du capteur i
pour le N-ième signal .

Si nous utilisons la notation vectorielle, nous écrirons l’expression précédente sous la
forme:
Xm = As + B Eq (4.6)
avec s=[s1(t),s2(t),..,sM(t)]T
B=[b1(t),b2(t),...,bN(t)]T
A=[a(ϕ1),a(ϕ2),...,a(ϕM)]
avec a(θk) le vecteur directeur qui contient les sources à détecter.
Avec les M données de mesure échantillonnées à ’’L’’ instants dans le temps, nous pour-
rons former la matrice de covariance Rxx suivante:
L
H
Rxx = ∑ Xm ⋅ Xm Eq (4.7)
i=1
où l’exposant H correspond à la transconjuguée de x.

Pour appliquer l’estimateur MUSIC, cette matrice sera décomposée en deux sous-
espaces, le sous-espace signal qui contient les valeurs propres de Rxx et le sous-espace
bruit. Lorsque les signaux à détecter sont non cohérents, chaque vecteur du sous-espace
signal est orthogonal au sous-espace bruit. L’estimateur représenté ci-dessous (eq4.8),
calcule les valeurs minimales qui correspondront aux angles d’arrivée des sources à
détecter.
1
PMUS = --------------------------------------- Eq (4.8)
H
a ( θ i )Π̂ b a ( θi )
Πb= matrice qui correspond au sous-espace bruit.

a(θ)=le vecteur directeur
4.3 Modélisation du signal

Pour réaliser les simulations sur matlab, nous avons utilisé un modèle du signal, qui nous a
permis de vérifier la possibilité de détecter les DDAs avec notre système.
Si nous considérons N sources ponctuelles, le signal modélisé à la sortie du réseau des M
antennes, avec M>N, sera de la forme suivante:
N
xM ( t ) = ∑ a ( θ n )sn ( t ) + b ( t ) Eq (4.9)
n=1
Nous avons réalisé plusieurs suppositions, en premier lieu les composantes du bruit sont
supposées indépendantes de capteur à capteurs, de variance égale à σb2 et les sources à
détecter sn(t) sont supposées indépendantes du bruit b(t), donc la matrice de covariance
sera répresentée comme:
H 2
Rx X = Ry + R b = A ( θn )Rs A ( θ n ) + σb I Eq (4.10)
où Rxx est la matrice de covariance des observations, Ry est la matrice de covariance des
observations sans bruit, Rs est la matrice de covariance des sources, R b est la matrice de
covariance du bruit, θn sont les DDAs que nous voulons déterminer, I est la matrice identité
et σb2 est la variance du bruit.
Comme nous avons dit précédemment, le nombre d’antennes dans le réseau, est
supérieur au nombre de sources à détecter et le système d’équations est non ambigüe,
c’est-à-dire que pour un ensemble de N angles d’arrivée, la matrice des vecteurs directeurs
[a(θ 1), a(θ 2),..a(θn )] doit être de rang plein, ce qui implique que les signaux à détecter
seront non corrélés.
Après la formation de la matrice de covariance comme nous avons vu précédemment,
nous diviserons cette matrice en deux sous-espaces:
1.- le sous-espace signal (les vecteurs propres de la matrice de covariance)
2.- la matrice de projection sur le sous-espace bruit calculée à partir de:
Π b = I – Πs Eq (4.11)
Πs étant la matrice de projection sur le sous-espace signal formé par les valeurs propres
calculées, et I la matrice identité.
4.4 Principe de détection de la DDA avec un réseau d’antennes et un réseau de

’’cinq-port’’ (FPR)
La technique proposée pour déterminer les DDAs a été un récepteur que nous appelons
’’quasi’’ homodyne, c’est à dire que le traitement du signal sera appliqué aux composantes
basses fréquences du signal en bande de base. Théoriquement, le signal radio fréquence
donnant la DDA peut être estimé en utilisant deux antennes et un seul Réflectomètre FPR
[74]. Sur la figure (4.5A), nous pouvons voir le masque du FPR à 2GHz, avec les signaux
d’entrée RF IN1 et IN2, IN1 étant le signal provenant de l’oscillateur local et IN2 la combi-
naison des signaux reçus. Un traitement mathématique de la tension de sortie, nous per-
mettra d’obtenir la relation complexe entre les signaux IN1 et IN2 [74].
Figure 4.5: A)Masque du FPR B) Système de détection des DDAs
Nous décrivons sur la figure (4.5.B), la technique de mesure des directions d’arrivées
(DDAs) de (N) sources appliquées au système de télécommunication, en utilisant l’algo-
rithme MUSIC [71] pour la détermination des DDAs. Ce système est composé d’un réseau
de n antennes et d’un réseau de n FPRs. L’oscillateur local de même fréquence que le sig-
nal de réception c’est à dire 2GHz, sera injecté comme nous avons vu précédemment, sur
IN1 et la sortie des antennes aux entrées IN2 du réseau FPR (figure (4.5.A)).
Le signal de l’oscillateur local sera la suivant:
( j2Πf c t )
OL ( t ) = AOL e Eq (4.12)
Avec fc la fréquence centrale et A OL l’amplitude du signal à 0dBm.

Et le signal yM reçu par l’antenne M du réseau d’antennes sera:
 N  j2Πf c t
y M ( t ) =  ∑ ξ i e + n(t ) Eq (4.13)
i = 1 
N étant le nombre de source à détecter et est égal à (n-1) au maximum avec n le nombre
d’antennes du système. fc la fréquence centrale et n(t) le bruit gaussien complexe.
jΨi j ( M – 1 )ϕ i + ϕ ref
ξ i = Ai e e Eq (4.14)
Ai étant l’amplitude des différents signaux reçus, ϕi=(2πd/λc)cosθi la différence de phase

entres les différents systèmes de réception, qui contient l’information de la phase, la dis-
tance et la vitesse de la cible, d: la distance entre les antennes formants un réseau linéaire,
λc=c/fc avec c: la vitesse de la lumière et θi: les DDAs à détecter. ψ est une phase aléatoire
du signal, qui nous permettra d’avoir des signaux non corrélés. ϕref est la phase de la
première antenne.
Les FPR nous donnent la relation complexe entre les deux ondes RF suivante:
yM( t )
x M ( t ) = -------------- Eq (4.15)
OL ( t )
Et à la sortie du réseau FPR nous obtiendrons l’équation suivante:
N j ( M – 1 )ϕ i + ϕ ref
xM ( t ) = ∑ ζi e + n' ( t ) Eq (4.16)
i=1
avec ζi et n’(t) obtenus de la résolution des équations précédentes entre (4.14) et (4.15).
Ces n données de mesure, (xM(t), M=1,..,n) associées aux n FPRs, peuvent être écrites en
fonction des vecteurs directeurs a(θi), qui contiennent l’information nécessaire pour pouvoir
détecter la direction d’arrivée.
N
X(t) = ∑ ζ i a ( θ i ) + n' ( t ) Eq (4.17)
i=1
le vecteur directeur associé est le suivant:
1
jϕ i
e
a ( θi ) = j2ϕ i Eq (4.18)
e
…
j ( M )ϕ i
e
avec les n mesures réalisées, échantillonnées à L instants de temps, nous formerons la

matrice de covariance Rxx ,comme nous avons vu dans le point §4.2 (eq 4.7). A partir de la
matrice de covariance, nous retrouverons les deux sous-espaces (eq 4.11) et nous appli-
querons l’estimateur MUSIC (eq 4.8).
4.5 Simulation réalisée

Nous avons réalisé en premier lieu, des simulations du système sur matlab pour valider la
méthode, en utilisant le modèle mathématique présenté précédemment (4.5), ensuite nous
avons réalisé une petite comparaison des algorithmes d’estimation des DDAs, pour vérifier
que MUSIC était le plus adéquat pour notre application.
En deuxième lieu, nous allons présenter les différentes simulations réalisées sur le logiciel
ADS(Advanced Design System) et nous allons les comparer avec des mesures réalisées
sur un système sur table, que nous détaillerons ultérieurement.
4.5.1. Simulation sur Matlab

Par la suite, nous allons présenter le système à simuler en regardant les programmes qui
nous ont servi pour réaliser la simulation.
Notre système est composé de quatre antennes de réception (a1, a2, a3, et a4 ) et trois sig-
naux à détecter (α, β, γ), avec M=4 et N=3, M étant le nombre d’antennes réceptrices et N
les DDAs comme nous observons sur la figure (4.5B).
Les signaux à détecter sont supposés des sources ponctuelles avec une fréquence égale à
2GHz. Pour simplifier la simulation sur Matlab, nous avons utilisé comme sources ponctu-
elles, des signaux modulés en ’’QPSK’’ ( Quadrature Phase Shift Keying ), mais nous ver-
rons ultérieurement avec la simulation réalisée sur ADS, que les résultats sont identiques si
nous utilisons des signaux CW ( Continuous Wave ).
Les signaux de sorties des 4 antennes (a1,a2,a3 et a4) à un instant de temps ’’t’’, forment
une ligne d’une matrice (A) (eq4.19). Les vecteurs colonnes de cette matrice, pour tous les
échantillons doivent former une base, pour que les composantes du bruit soient indépen-
dantes entre les capteurs comme nous avions expliqué en §4.2.
Matrice A Eq (4.19)
j2πf s ( 1 )t j2Πf s ( 2 )t j2Πf s ( 3 )t

a ( 1, 1 ) = αe + βe + γe
jϕ 1 j2πfs ( 1 )t jϕ 2 j2Πfs ( 2 )t jϕ 3 j2Πf s ( 3 )t

a ( 2, 1 ) = αe e + βe e + γe e
j2Πfs ( 2 )t
j2ϕ 1 j2πfs ( 1 )t j2ϕ 2 j2ϕ 3 j2Πfs ( 3 )t
a ( 3, 1 ) = αe e + βe e + γe e
j3ϕ 1 j2πfs ( 1 )t j3ϕ 2 j2Πfs ( 2 )t j3ϕ 3 j2Πfs ( 3 )t

a ( 4, 1 ) = αe e + βe e + γe e
avec fs=[2000000000; 2000000000; 2000000000] la fréquence centrale des trois sources

à détecter.
Les valeurs de α, β et γ sont données par les formules suivantes:

Eq (4.20)
alea=rand(4);
α=gain(1)*qpsk(1+round(alea(1,1)*3));
β=gain(2)*qpsk(1+round(alea(1,2)*3));
γ=gain(3)*qpsk(1+round(alea(1,3)*3));
La fonction Matlab ’’rand(4)’’ donne une matrice carrée aléatoire et la fonction round(S)
nous donnera la valeur par excès.
La valeur du gain pour les différentes sources sera donnée par:
jphase ( 1 ) jphase ( 2 ) jphase ( 3 )

gain = As ( 1 )e ;As ( 2 )e ;A s ( 3 )e : Eq (4.21)
As étant le vecteur colonne [1;1;1], qui contient les différentes valeurs d’amplitude des sig-
naux à détecter et ’’phase’’ le vecteur colonne de valeur [0;0;0]*pi/180.
La fonction QPSK sera de la forme suivante:
Eq (4.22)
qp=sin(pi/4);
qpsk=[qp+j*qp; qp-j*qp; -qp-j*qp; -qp+j*qp];
Grâce à la propriété de la fonction rand(S), la première colonne de la matrice, nous don-

nera aléatoirement les points respectifs d’une QPSK, par conséquent, α, β et γ auront trois
valeurs différentes correspondantes à trois phases aléatoires par échantillon, et suivent
une permutation, de façon que α, β et γ prennent chacune quatre valeurs différentes avec
les quatre phases des quatre points de la QPSK.
Nous formons ainsi la matrice ’’abg’’ formée par trois colonnes ( α,β,γ) et quatre lignes don-
nées par la fonction aléatoire.
On aura :
2jfs ( 1 )t jϕ 1 2jf s ( 1 )t jϕ 2 2jf s ( 2 )t jϕ 3 2jfs ( 3 )t

e e e e e e e
A = abg × 2jfs ( 1 )t 2jϕ 1 2jfs ( 1 )t 2jϕ 2 2jf s ( 2 )t 2jϕ 3 2jf s ( 3 )t Eq (4.23)
e e e e e e e
2jfs ( 2 )t 3jϕ 1 2jfs ( 1 )t 3jϕ 2 2jf s ( 2 )t 3jϕ 3 2jf s ( 3 )t
e e e e e e e
α 1 β1 γ1 2jfs ( 1 )t jϕ 1 2jf s ( 1 )t jϕ 2 2jf s ( 2 )t jϕ 3 2jf s ( 3 )t

e e e e e e e
α 2 β2 γ2
A = ( A ( 1, 1 ), A ( 2, 1 ), A ( 3, 1 ), A ( 4, 1 ) ) = s 2jf ( 1 )t 2jϕ 2jf ( 1 )t 2jϕ 2jf ( 2 )t 2jϕ 2jf ( 3 )t
α 3 β3 γ3 e e 1e s e 2e s e 3e s
2jfs ( 2 )t 3jϕ 1 2jfs ( 1 )t 3jϕ 2 2jfs ( 2 )t 3jϕ 3 2jfs ( 3 )t
α 4 β4 γ4 e e e e e e e
Eq (4.24)
Les quatre points de la QPSK peuvent être écrits sous la forme:
jΠ
---- j 3Π
-------
= ------2- ( 1 + j ) = Aabg = –
---------2- ( 1 – j ) = A abg ⋅ j
4 4
1⋅e 1⋅e Eq (4.25)
2 2
5Π 7Π
j ------- j -------
= –---------2- ( 1 + j ) = – A abg = ------2- ( 1 – j ) = – Aabg ⋅ j
4 4
1⋅e 1⋅e
2 2
1 j –1
abg = A abg j –1 –j Eq (4.26)
–1 –j 1
–j –1 j
Π
j ----
= ------2- ( 1 + j ) = 1 ⋅ e
4
A abg Eq (4.27)
2
A partir de la matrice A, on calcule pour chaque observation, le vecteur X=[x 1;x2;x3;x 4]

donné par le rapport entre le signal reçu et l’oscillateur local, par les formules:
Eq (4.28)
x1=a11/a2=k1’(t) ejϕ1 +k2’(t) ejϕ2 +k3’(t) ejϕ3 ;

x2=a12/a2=k1’(t) ej2ϕ1 +k2’(t) ej2ϕ2 +k3’(t) ej2ϕ3;
avec :
j2πf ol t
a 2 = AOL e Eq (4.29)
Aol étant l’amplitude du signal de l’oscillateur local et égale à 1 et ol

f la fréquence de l’oscil-
lateur local égal à 2GHz;
Après le rapport, nous obtenons les vecteurs X qui contiennent l’information utile des
sources à détecter. Ensuite, nous formons la matrice de covariance des observations
Rxx(eq.4.7) avec les n données échantillonnées à ’’L’’ instants dans le temps, comme le
montre l’équation (4.30) suivante:
Eq (4.30)
Rx=0; %initiation de la variable
for i=1:L
Rxx=Rx+X*XT + σb2*I(N);
end
où σb2*I(N) est le bruit gaussien blanc du système.

Nous calculerons le rapport signal sur bruit en sachant que la puissance d’une sinusoïde
d’amplitude A est égale à P=A2/2 et la variance de bruit sera égale à σb2 =A2/2rp, où rp est
le rapport de la puissance du signal sur la puissance de bruit ( 10log10(rp)=RSN ).
Si par exemple, nous selectionnons pour notre simulation la valeur de r p égal à 1, nous
appliquerons un RSN=0 dB.
Nous avons dit dans le paragraphe (4.2.2), que la matrice des vecteurs directionnels est de
rang plein. Nous pouvons dire qu’une matrice est de rang plein si ses colonnes sont
linéairement indépendants.
Si pour notre simulation nous avons trois sources à détecter ( décorrélées entre elles ), la
matrice des vecteurs directionnels sera de rang plein, donc si nous calculons le rang, il
sera de valeur 3, montrant que les trois colonnes qui représentent les trois sources sont
indépendantes entre elles.
Ensuite, nous calculerons à l’aide de la fonction eig de Matlab les vecteurs propres de la
matrice de covariance, ce qui nous permettra de déduire la matrice de projection sur le
sous-espace bruit (eq. 4.11). Nous continuons par appliquer l’estimateur Music(eq.4.8)
pour obtenir les DDAs souhaitées.
Un exemple de détection des DDAs avec ce logiciel sera:
Eq (4.31)
θ=[10, 25, 100]
doa=θ*pi/180;
for k=1:3
ϕ(k)=π*cos(doa(k))*fs(k)/fmax;
end
avec θ les directions à détecter et k le nombre de sources à détecter et ϕ la différence de

phases entre les antennes.
Les résultats obtenus avec l’utilisation de l’algorithme MUSIC, sont présentés sur la figure
4.6. Nous pouvons voir que pour la simulation de trois directions d’arrivée de valeurs 10°,
25° et 100°, les signaux eyant tous la même fréquence de 2GHz, nous obtenons les résul-
tats désirés.
MUSIC Spectrum :
5 f1=2Ghz doa1=10 f2=2GHz doa2=25 f3=2Ghz doa3=100
−5
Spatial Spectrum
−10
−15
−20
−25
−30
−35
0 20 40 60 80 100 120 140 160 180
theta (º)
Figure 4.6: DDAs avec Music (rp=2.5, σ2=0.2 et RSB=3.9dB)
En conclusion, nous pouvons dire que la simulation de notre système réalisée avec le
logiciel matlab, nous a permis de vérifier la possibilité d’utiliser notre système comme
détecteur des différentes directions d’arrivée. Nous avons aussi vérifier la dégradation du
système due à la corrélation des signaux. En conséquence, nous remarquons que dans ce
cas il faut, comme nous verrons ultérieurement , utiliser un autre algorithme qui permettra
la décorrélation des signaux.
Par la même occasion, nous avons vérifié les programmes de traitement du signal ( Appli-
cation de l’algoritme Music ), générés en matlab.
Par la suite, nous pouvons penser à la réalisation de notre système radar réel, qui pourra
être utilisé comme détecteur de directions d’arrivée des différents obstacles présents sur la
route.
4.5.2Comparaison des différents algorithmes de traitement pour l’obten-

tion des DDAs
Dans un premier abord, nous avons utilisé l’algorithme Music, parce qu’il est très utilisé sur
les dernières publications pour la détermination des DDAs [75,76,77,78,79], mais nous
avons aussi cherché à comparer différents algorithmes pour vérifier, si MUSIC était le plus
adéquat pour notre application. Donc, nous avons comparé les méthodes et les algo-
rithmes ’’beamforming’’ou méthode de formation de faisceaux [61], ’’Capon’’ [64] et
’’Music’’[71].
Nous allons faire une première simulation de trois sources décorrélées (DDAs) à la même
fréquence de 2GHz, très distantes entre elles. Pour cela, nous avons choisi θ égale à [ 5;
60; 160] et nous avons utilisé la simulation des quatre antennes de réception présentées
précédemment. Le gain des signaux est égal à 1 et le bruit est de valeur quadratique moy-
enne (σ2=1), pour un rapport signal sur bruit choisi de 3dB.
Nous pouvons observer sur la figure (4.7), que les trois méthodes d’estimation des DDAs
présentées sur le tableau (4.1) sont capables de détecter les trois directions, mais que la
méthode de formation de faisceaux sera celle qui donne une résolution très mauvaise par
rapport aux autres méthodes.
f=2Ghz : doa1=5 doa2=60 doa3=160 Comparaison entre Capon(v), beamforming(b) et Music(r):

40 40 f1=2Ghz doa1=10 f2=2GHz doa2=30 f3=2Ghz doa3=150
30 30
20
Spatial Spectrum
20
Spatial Spectrum
10 10
0 0
−10 −10
−20 −20
0 20 40 60 80 100 120 140 160 180 0 20 40 60 80 100 120 140 160 180
DoA (º) DoA (º)
Figure 4.7: Comparaison des trois algorithmes avec θ égal à [5, 60 ,160] et θ égal à [5, 10 ,30]
Maintenant, nous allons utiliser les mêmes programmes que précédemment, pour réaliser
plusieurs vérifications. Les valeurs de DDAs choisies sont θ =[10,30,150] et nous avons
approché les valeurs de deux des trois DDAs pour vérifier si les algorithmes sont capables
de discerner les différentes DDAs. Le rapport signal sur bruit reste identique à celui utilisé
lors de la simulation précédente.
f1=2Ghz doa1=10 f2=2GHz doa2=25 f3=2Ghz doa3=100 f=2Ghz doa1=5 doa2=10 doa3=30
40 40
30 30
20 20
Spatial Spectrum
Spatial Spectrum
10 10
0 0
−10 −10
−20 −20
0 20 40 60 80 100 120 140 160 180 0 20 40 60 80 100 120 140 160 180
DoA (º) DoA (º)
Figure 4.8: Comparaison entre les trois algorithmes
Le résultat présenté sur la figure (4.8) nous montre que la méthode de formation de fais-
ceaux (beamforming) n’arrive plus à discerner les DDAs qui se trouvent proches. Ce
problème arrive si deux DDAs sont détectées sur le même lobe, c’est à dire, que la résolu-
tion de la méthode de détection n’est pas suffisante pour les différencier. Par contre, les
autres algorithmes détectent correctement les directions.
Pour l’expérience suivante, nous avons diminué l’écart entre les deux premières et la
troisième DDA θ=[10, 25, 100]. Nous pouvons observer que la méthode de beamforming,
arrive à détecter deux DDAs, mais il apparaît une troisième direction inexistante. Nous
avons trouvé l’explication[63] quand nous avons réalisé une simulation avec θ=[5, 10, 30].
Nous pouvons observer sur la figure (4.8) une seule DDA pour les trois sources, à cause
du rapprochement entre les sources, nous pouvions nous attendre à ce résultat, vu la mau-
vaise résolution de la méthode de beamforming, mais nous obtenons aussi une autre DDA
de valeur ’’(360-θ)’’ inexistante. Selon[63], cette valeur (360-θ) provient du fait que pour
deux orientations du faiseau, la puissance détectée reste à peu près identique du fait que
les sources sont proches et que la largeur du faiseau est grande. Donc pour avoir plus de
résolution, il faut utiliser la méthode de Capon et les méthodes de haute résolution comme
MUSIC; nous observons pour toutes les simulations que les résultats sont très similaires
entre les deux méthodes.
Comparaison entre Capon et Music: Comparaison entre Capon et Music:

350 f1=2Ghz doa1=10 f2=2GHz doa2=11 f3=2Ghz doa3=100 f1=2Ghz doa1=10 f2=2GHz doa2=11 f3=2Ghz doa3=100
300
300
250
250
200
200
Spatial Spectrum
150
Spatial Spectrum
150
100
100
50
50
0
0
−50
−50
−100 −100
−150 −150
0 20 40 60 80 100 120 140 160 180 6 7 8 9 10 11 12 13 14 15
DoA (º) DoA (º)
Figure 4.9: Représentation de la simulation avec matlab de 3 DDAs avec Capon el music.
Pour vérifier le pouvoir de discrimination des algorithmes Capon et Music, nous avons
approché deux des DDAs, et nous avons analysé les résultats donnés par les algorithmes.
La valeur de la variable θ sera maintenant égale à [10,11,100]. Nous pouvons observer sur
la figure 4.9, que l’algorithme Music est capable de discerner deux DDAs très proches,
mais par contre l’algorithme Capon, n’arrive plus à faire la différence entre les deux direc-
tions, donc si nous appliquons cet algorithme, nous perdrons l’information quand les cibles
seront très proches.
Pour cela, nous avons pris la décision d’utiliser l’algorithme Music, dans notre étude d’un
système de détermination de DDAs, constitué d’un réseau d’antennes et d’un réseau de
FPR.
4.6 Tableau récapitulatif

Sur le tableau (4.1), nous pouvons trouver les différentes estimateurs appliqués précédem-
Simplicité Estimateur pour l’obtention des

Différentes Méthodes Précision
d’application DDAs
Très mauvaise Inutile pour une H

Méthode de formation P FV = a ( θ )Rxx a ( θ )
application
de faiseaux multicible
Méthode de Capon En simulation: Simple à appli- 1

quelques ° quer, mais Pcap = ---------------------------------------
H –1
moins adapté a ( θ )Rxx a ( θ )
pour notre
système.
Méthode de haute Très bonne. Très simple à 1

résolution. Par simulation: appliquer sur PMUS = ---------------------------------------
H
Algorithme MUSIC inférieure au ° notre système a ( θ i )Π̂ b a ( θ i )
Table 4.1: Récapitulatif des différents algorithmes de traitement pour la détection des DDAs.
ment. Nous avons rémarqué qu’entre les différentes estimateurs ’’Music’’ a la meilleur pré-
cision et il est très simple à implementer sur notre système. Donc nous avons decidé
d’utiliser ’’Music’’ pour la suite de nos expériences.
Après le choix du traitement du signal que nous allons utiliser, nous étudions les dispositifs
qui nous permettent de réaliser les mesures des signaux RF, ils sont:
un détecteur synchrone IQ (In phase and Quadrature detectors): ses inconvénients

majeurs sont qu’il y est difficile de maintenir la relation de phase (0° et 90° ) entre l’oscilla-
teur local et le signal R.F, et de compenser les DC offsets .
un détecteur hétérodyne (analyseurs de réseaux commerciaux HP, wiltron,...): cette
solution est chère pour un système de télécommunication
un système FPR : son avantage est qu’il est réalisable en technologie monolithique
intégrée et qu’une procédure d’auto-étalonnage permet d’utiliser des composants R.F. de
qualité moyenne .
En conclusion, nous avons choisi le dispositif «FPR»(§2) facile à réaliser dans notre labora-
toire. Comme nous avons montré dans le chapitre 3, nous étions capables de détecter la
distance et la vitesse d’une cible. Nous avons vu précédemment comment nous implémen-
tons le «FPR» pour déterminer la direction d’arrivée, par la suite.
4.6.1-Etude de l’influence du couplage entre les antennes
La précision sur la mesure des directions d’arrivée, dépend du couplage entre les antennes
qui varie en fonction de l’angle incident. [80] montre qu’il est possible de considérer cette
difficulté, si nous supposons que les antennes imprimées ont les même propiétés de rayon-
nement. En pratique, le signal y’i incident sur l’antenne:
y i = g i ( θ ) ⋅ y' i Eq (4.32)
avec gi(θ), le facteur de réseau, qui prend en compte la desadaptation de l’antenne et le

couplage mutuel entre les antennes.
Auparavant, tous les calculs ont été fait en considerant que gi(θ)=1.
De nombreux articles [63,81,82,83,84] traitent de la calibration du reseau d’antennes afin
de determiner gi(θ), quelquesoit la DDA, θ.
[80] a montre que la procedure de calibrage de SPR permet d’englober la valeur de g dans
les constantes de calibrage du SPR. A cette fin [80] fait deux hypothèses:
-le réseau d’antenne est constitué de deux antennes (i=2) et donc ne détermine
qu’une seule DDA, θ.
-les antennes imprimées ont les même propietés de rayonnement, c’est a dire
que :
g ( θ ) = cg 2 ( θ ) Eq (4.33)
1
c étant une constante independante de θ.
Dans le cas où le nombre d’antenne i est superieur à deux, on peut faire l’hypothese que:
g i ( θ ) = cg i + 1 ( θ ) Eq (4.34)
= cg i – 1 ( θ )
et que l’influence du couplage est négligeable pour les antennes (i+2) et (i-2). On pourra
placer des antennes chargées sur 50Ω (Dummy antenna) pour satisfaire cette condition.
Ce travail n’est pas encore realisé et sera difficile en pratique car le couplage entre les
antennes est faible (voir chapitre 3).
4.6.2 Simulation sur ADS (Advanced Design System)

Après la modélisation sur matlab, nous avons réalisé une simulation sur ADS en même
temps que des mesures sur table, pour pouvoir mettre en relation les résultats obtenus
par mesure et par simulation.
Pw rS plit2
PW R 15
S21=0.707 PhaseS hiftSM L
S31=0.707 PS 6
Pw rS plit2 Phase=phi2
PW R 13 ZR ef=50.O hm
S21=0.707
S31=0.707
Pw rS plit2
PW R 14
S21=0.707
PhaseS hiftSM L
S31=0.707
PS 5
Phase=2*phi2
ZR ef=50.O hm
PhaseS hiftSM L
PS 4
Phase=3*phi2
ZR ef=50.O hm
Figure 4.10: Gauche) Simulation d’une direction d’arrivée par ADS pour phi2=-42°. Droite)
Déphaseur avec lequel nous pouvons représenter une DDA sur le dispositif sur table
Sur la figure 4.11 à gauche, nous représentons les différentes étapes utilisées pour former
la simulation sur ADS. Dans le schéma bloc ADS, les cibles avec différentes DDAs sont
représentées par des sources, des diviseurs et des déphaseurs, pour prendre en compte le
déphasage ϕi entre deux antennes succesives. Pour la mesure sur table réalisée en par-
allèle à cette simulation sur ADS, nous utiliserons de la même façon deux générateurs Agi-
lent comme sources, deux diviseurs par quatre et les deux déphaseurs (figure 4.11 à
droite).
Dans la simulation sur ADS, les antennes sont remplacées par des combineurs qui addi-
tionnent les signaux émis par les deux sources et qui sont connectés à l’accès 2 des FPR,
comme nous pouvons voir sur la figure 4.11 (à gauche). De façon identique, dans la
mesure sur table, nous trouvons les combineurs représentés sur la figure 4.11 (droite),
réalisés dans le laboratoire.
Combineur 3
2
1 4
5-ports
Pw rSplit2 5
PW R 9
S21=0.707 5port
S31=0.707 X1
FPR
3
2
1 4
5-ports
Pw rSplit2
PW R 10 5
S21=0.707 5port
S31=0.707
X2
Figure 4.11: (Gauche)Représentation sur ADS des combineurs avec les accès sur les FPR.
(Droite) Combineurs utilisés pour la mesure sur table.
Pour la simulation ADS, nous utiliserons deux générateurs de fréquences différentes de

valeurs 2GHz+1357Hz et 2GHz+513Hz, pour représenter deux signaux CW asynchrones,
et avec une puissance égale à -10dBm. Dans la mesure sur table, nos deux générateurs
sont asynchrones, car on utilise deux quartzs de référence différents. Pour la puissance,
nous utilisons la même valeur que pour la simulation sur ADS. Le pas de simulation utilisé
est de 100KHz.
Les valeurs des déphaseurs utilisés sur ADS simulant les DDAs des deux sources, sont les
mêmes que celles des déphaseurs utilisés dans la mesure sur table, c’est à dire, pour des
DDAs θ1=83.3° et θ2=103.49° nous avons ϕ1=21° et ϕ2=-42°.
Les combineurs et les déphaseurs ont été réalisés dans le laboratoire. Nous avons mesuré
les déphaseurs avec l’analyseur de réseau et nous avons constaté qu’il y avait de petites
imperfections.
Déphaseur 1 Déphaseur 2 Déphaseur 3
Théorique mesure théorique mesure théorique mesure
ϕ1-ϕ2=- 42° ϕ1=−117.42 ϕ1-ϕ2=86° ϕ1=−106.39 ϕ1-ϕ2=21° ϕ1=−96.58

ϕ2=−160.56 ϕ2=166.82 ϕ2=−116.83
ϕ1-ϕ2=- 43.14° ϕ1-ϕ2= 86.79° ϕ1-ϕ2= 20.25°
ϕ2-ϕ3=- 42° ϕ2=−160.56 ϕ2-ϕ3=86° ϕ2=166.82 ϕ1-ϕ2=21° ϕ2=−116.83

ϕ3=158.37 ϕ3=84.44 ϕ3=−138.56
ϕ2-ϕ3=- 41.07° ϕ2-ϕ3= 82.38° ϕ2-ϕ3= 21.73°
ϕ3-ϕ4=- 42° ϕ3=158.37 ϕ3-ϕ4=86° ϕ3=84.44 ϕ1-ϕ2=21° ϕ3=−138.56

ϕ4=115.1 ϕ4=−0.99 ϕ4=−159.31
ϕ3-ϕ4=- 43.27° ϕ3-ϕ4= 85.43° ϕ3-ϕ4= 20.75°
Table 4.2: Déphaseurs réaliser au laboratoire

Sur le tableau précédent, nous observons les valeurs théoriques et mesurées pour chaque
ligne de chaque déphaseur.
Pour réaliser la simulation(voir figure 4.12) de façon identique à la mesure(voir figure 4.13),
nous avons besoin comme nous pouvons voir sur la figure (4.13) de 6 déphaseurs, avec
une différence entre les trois premiers de ϕ1=21°(ϕ1, 2ϕ1, 3ϕ1) pour représenter une DDA
et une différence entre les trois derniers de ϕ2=-42° pour la deuxième DDA( ϕ2, 2ϕ2, 3ϕ2
).
P w rS p lit2
COMBINEURS
P W R 15
S 21 = 0 .70 7 P ha s e S h iftS M L 3
v3 1
P _1 T o n e P S6 2
S 31 = 0 .70 7
P OR T4 P w rS p lit2 P ha s e = p h i2 1 4
v4 1
5-p orts
N um = 4 P W R 13 Z R e f= 5 0. O h m
Z = 5 0 O hm S 21 = 0 .70 7 P w rS p lit2 5
v5 1
P =p o la r(d b m to w (p ),0 ) S 31 = 0 .70 7 P W R9
F re q = 2 .0 0 0 0 0 0 51 3 G H z S 21 = 0 .70 7 5 p o rt
P w rS p lit2
S 31 = 0 .70 7 X1
P W R 14
S 21 = 0 .70 7
P ha s e S h iftS M L
S 31 = 0 .70 7
P S5
P ha s e = 2 *p h i2 v3 2
3
Z R e f= 5 0. O h m 2
1 4
v4 2
5-p orts
P w rS p lit2
P W R 10 5
v5 2
P ha s e S h iftS M L S 21 = 0 .70 7
5 p o rt
P S4
FPR
S 31 = 0 .70 7
P ha s e = 3 *p h i2 X2
Z R e f= 5 0. O h m
DÉPHASEURS P w rS p lit2
2
1
5-p orts
3
4
v3 3
v4 3
v5 3
P W R 11 5
S 21 = 0 .70 7
5 p o rt
S 31 = 0 .70 7
X3
3
v3 4
2
P w rS p lit2
P W R7 1 4
v4 4
5-p orts
S 21 = 0 .70 7 P ha s e S h iftS M L
P _1 T o n e P S2 P w rS p lit2 5
v5 4
S 31 = 0 .70 7
P OR T5 P w rS p lit2 P ha s e = p h i1 P W R 12
S 21 = 0 .70 7 5 p o rt
N um = 5 P W R6 Z R e f= 5 0. O h m
S 31 = 0 .70 7 X4
Z = 5 0 O hm S 21 = 0 .70 7
P =p o la r(d b m to w (p ),0 ) S 31 = 0 .70 7
F re q = 2 .0 0 0 0 0 1 35 7 G H z P w rS p lit2
P W R8 P w rS p lit2 P w rS p lit2
S 21 = 0 .70 7 P W R4 P W R3
S 31 = 0 .70 7 S 21 = 0 .70 7 S 21 = 0 .70 7
P S1
S 31 = 0 .70 7 S 31 = 0 .70 7
P ha s e = 2 *p h i1
Z R e f= 5 0. O h m
P w rS p lit2
P W R5
S 21 = 0 .70 7
S 31 = 0 .70 7
P S3
P ha s e = 3 *p h i1
Z R e f= 5 0. O h m
P _1 T o n e
P OR T1
N um = 1
Z = 5 0 O hm
V ar
V AR P =p o la r(d b m to w (-5 ),0 )
E qn
V AR 1 E N V E LO P E F re q = 2 G H z
p = -1 0
SOURCES
E nve lo p e
p h i2 = 1 2 7
E nv1
p h i1 = 5 3
F re q [1]= 2 G H z
O rd e r[1 ]= 5
S ta rt= 0 m s e c
S to p = 1 0 m s e c
S te p = 0 .2 m s ec
Figure 4.12: Représentation générale de la simulation sur ADS de la détection des deux DDAs.
L’oscillateur local est représenté par un signal CW à 2GHz et une amplitude de 0dBm asyn-
chrone par rapport aux sources à détecter. Nous avons aussi utilisé pour le cas de la simu-
lation sur ADS, trois diviseurs pour pouvoir injecter le même signal ’’OL’’ sur l’entrée IN1 de
tous les FPR (fig 4.5A) du réseau, comme nous pouvons voir sur la figure (4.12). Pour la
mesure sur table, nous avons utilisé un diviseur par quatre, réalisé dans le laboratoire.
Les deux signaux représentant les DDAs simulées seront combinés et injectés à l’entrée 2
de tous les FPRs du réseau (dans notres cas quatre) et mélangés dans chaque FPR avec
le signal de l’oscillateur local (eq 4.15).
Combineurs
3
FPR
ϕ1
3
2ϕ1 FPR
3 NIDAQ
3ϕ1
FPR
3
Générateurs
FPR
Diviseurs
ϕ2
2ϕ2
OL
3ϕ2
Déphaseurs
T
Sources (DDAs)
Figure 4.13: Système sur table
Sur ADS nous avons réalisé la linéarisation (§2.9) des FPRs de la même façon que nous
avons décrit dans le chapitre 2, en utilisant les mêmes algorithmes présentés précédem-
ment. Pour le calibrage du système (§2.10) nous l’avons fait avant de réaliser le traitement
qui nous donnera les DDAs (§4.2), de façon identique à la mesure.
Pour la réalisation du calibrage en simulation comme en mesure, nous connecterons les
différents dispositifs de la manière indiquée sur la figure (4.14) (§2.10) où nous pouvons
voir les deux générateurs synchronisés ( OL et RF ), les combineurs représentant les qua-
tres antennes du réseau de réception et les quatres FPR. Ce système automatique de cal-
ibrage ( sur le plan T indiqué sur la figure 4.14), nous permettra de synthétiser
électroniquement un court-circuit mobil, avec l’aide des deux générateurs. Les deux
générateurs Agilent (représentant l’Oscillateur local et la source émettrice) sont synchro-
nisés avec l’horloge de 10MHz. La fréquence centrale de l’oscillateur local est de 2GHz
avec une puissance de 0dBm et la fréquence de la source est de 2GHz+ ∆f (avec ∆f =
1KHz) et une puissance de -10dBm. La fréquence d’échantillonnage est de 20KHz. Donc,
le paramètre mesuré est identique au facteur de réflexion d’un court-circuit mobile et la
phase du paramètre varie par pas de 360°/20.
Après l’acquisition, nous appliquerons, comme nous avons indiqué dans le chapitre 2, le
programme de calibrage développé par Wiedmann au sein de notre laboratoire, et nous
retrouverons les constantes de calibrage pour les simulations et pour les mesures.
OL Générateur
Calibrage
Synchronisation
10MHz
T
IN1
Diviseurs
4
IN2 Isolateur
4
4 Générateur
NIDAQ
RF
4 FPR
Combineurs
Figure 4.14: Calibrage du système
Après avoir réalisé le calibrage, nous utiliserons le montage représenté sur la figure (4.15),
pour réaliser la mesure sur table. Comme nous avons dit précédemment, les antennes de
réception du système sont représentées par des combineurs dont le signal de sortie sera
injecté au réseau des FPRs sur l’entrée IN2 (accès 2 du FPR) et ces signaux seront
mélangés avec l’oscillateur local, asynchrone par rapport aux autres sources à 2GHz, par
l’anneau à cinq branches et le signal résultant sera injecté aux détecteurs de puis-
sance(§2.7.3) formés par des diodes Schottky , un filtre passe bas RC et des filtres papil-
lon. Un traitement mathématique de la tension de sortie, nous permet d’obtenir la relation
complexe entre les signaux IN1 et IN2 [85]. Ultérieurement nous appliquerons un traite-
ment matriciel et un algorithme de haute résolution présenté dans le paragraphe (4.2),
appelé MUSIC [71].
Nous avons utilisé la fréquence d’échantillonnage et le nombre d’échantillons, pour que les
DDAs soient déterminées le plus rapidement possible avec une erreur minimale, pour pou-
voir l’appliquer sur des radars anti-collision. L’estimation des DDAs sera de plus en plus
précise si le nombre d’échantillons acquis augmente. La fréquence d’échantillonnage a été
de 2KHz et le nombre d’échantillons acquis pour déterminer les DDAs dans cette mesure a
été seulement de 4.
Sur la figure 4.15, nous pouvons voir le système sur table utilisé. Nous pourrons observer
les déphaseurs et les combineurs utilisés comme réseau d’antennes de réception et les
lignes de connexions sur les FPRs (entrées IN2) du système réel.
FPR Déphaseurs
Combineurs
Figure 4.15: Système sur table utilisé
Sur la figure (4.16) à gauche nous avons le résultat de la simulation sur ADS des deux
DDAs de valeurs théoriques θ1 =83.3° et θ2 = 103.49°, les valeurs obtenues sont θ1 =82° et
θ2 = 103.5°. Le petit écart observé entre les valeurs théoriques et simulées, peut être expli-
qué par la limitation de la méthode de Harmonique Balance qui calcule les tensions de sor-
ties des détecteurs et la linéarisation imparfaite des détecteurs. Le rapport S/N avant le
FPR sera de 38dB et autour de 0dB après [86] car les pertes de conversion du SPR sont
de 38dB pour une puissance OL de 0dBm. Pour ce calcul, nous avons appliqué RSN=
10log(Pw)-log(kt)-log(B) , avec Pw la puissance du signal, k la constante de ’’Boltzmann’’ , t
la temperature en kelvin et B la largeur de bande du filtre.
Ayant, Pw=-60dBm, la perte des combineurs, déphaseurs et câble=-21dBm,-log(kt)=
174dBm/Hz, -10log B=-54dBHz, avec B=260KHz, on obtient un RSB = 38dB, avant le
FPR,et autour de 0dB après.
Sur la figure (4.17) à droite, nous pouvons observer les deux DDAs, obtenues à l’aide de
l’algorithme MUSIC, de valeurs θ1=77.5° et θ2 =100° avec ϕ1 =21 et ϕ2 =-42 (les valeurs
théoriques identiques à la simulation θ1 =83.3° et θ2 = 103.49°). Nous pouvons constater
que l’erreur maximale obtenue est de 6°.
Si nous comparons les valeurs simulées et mesurées, nous remarquons que les valeurs
sont très proches.
phi1=21° phi2=-42° théorique teta1=83.3° teta2=103.49°

25
20
teta1=77.5° teta2=100°
15
10
P-1MUS P-1MUS
5
-5
-10
-15
0 20 40 60 80 100 120 140 160 180
Degré DDA en Degré
Figure 4.16: Résultat de la simulation et de la mesure du système pour la détection des DDAs
théoriques de valeur θ1=83.3° et θ2=103.49°. à droite mesure sur table et à gauche simulation
ADS.
Nous avons réalisé aussi la même simulation tout en utilisant une modulation QPSK, iden-
tique à celle utilisée dans la simulation sur matlab, c’est à dire que les deux sources asyn-
chrones qui représentent les deux DDAs à détecter, seront modulées. Les résultats
obtenus sont semblables.
Et finalement, pour adapter notre système pour des applications de la troisième génération
des mobiles 3GPP, nous devons remplacé le filtre à la sortie des détecteurs des FPR, par
un filtre de 100Hz. Nous allons appliqué les mêmes methodes de linéarisation et de cali-
brage, et nous allons simulé une mesure ( si nous sommes capable de réaliser la détection
des DDAs dans ces situations, la diminution de la fréquence d’échantillonnage, nous per-
mettra d’avoir un meilleur rapport S/B ).
4.7 Mesures de DDA réalisées

Après la verification réalisée par deux simulateurs différents (Matlab et ADS),qui nous ont
permis de valider la théorie, nous sommes passés à la réalisation de ce système sur table
et nous avons constaté que les résultats de la simulation et de la mesure sur table sont très
proches. Pour cela, nous avons decidé d’étudier un dispositif réel.
Nous avons réalisé les expériences suivantes:
-La détection d’une source à différentes positions et différentes distances du récep-
teur.
-La détection de plusieurs sources en même temps.
-Une vérification du comportement du système en présence du bruit.
-La détection des DDAs avec une vraie cible en mouvement, tout en obtenant en
même temps la vitesse et la distance.
4.7.1 Détection des DDAs
Après avoir réalisé le système sur table et sachant que l’erreur maximale que nous com-
mettons est de 6°, nous avons décidé de construire le réseau d’antennes qui a été
présenté dans le chapitre 3, qui nous servira comme récepteur pour notre expérience.
En premier lieu, nous avons calibré le système au niveau des antennes, et pour cela nous
avons utilisé l’algorithme de calibrage présenté précédemment (chapitre 2). Le montage
réalisé est celui présenté sur la figure (4.17), sur laquelle nous pouvons observer que les
deux générateurs Agilent (représentant l’Oscillateur local et la source émettrice) sont syn-
chronisés avec l’horloge de 10MHz. La fréquence centrale de l’oscillateur local est de
2GHz avec une puissance de 0dBm et la fréquence de la source est de 2GHz+ ∆f (avec ∆f
= 2KHz dans ce cas) et une puissance de -30dBm. La variation ∆f nous permettra de
simuler un court-circuit mobile, c’est à dire, une phase qui varie en fonction de ∆f avec un
module constant. La fréquence d’échantillonnage sera de 20KHz .
La position choisie pour placer la source a été à ϕ=90° pour obtenir θ=0° comme point de
référence. Si nous connectons la tension de sortie d’un détecteur(la P5) de chaque FPR sur
un oscilloscope, nous pourons observer que les antennes ainsi que les tensions seront
deux à deux en phase.
2GHz
0dBm
2GHz+∆f
-30dBm
Figure 4.17: Calibrage du système dans le plan des antennes
Nous allons réalisé de deux façons différentes la calibration de notre système, pour vérifier
la nouvelle méthode de calibrage développée par Neveux[87] et le calibrage utilisé jusqu’à
présent, développé par Wiedmann[85].

Si nous représentons les résultats sur le plan W (en appliquant la tranformation PW (voir
chapitre 2), nous obtenons une constellation de 10 points équirépartis sur un cercle. Avec
la méthode [87], par défaut, le premier point mesuré est corrigé en module et en phase
pour que sa valeur soit égale à 1 ∠0° . Nous observons alors que pour les quatre FPR, les
phases et les modules sont pratiquement les mêmes ( figure (4.18)).
PLAN W POUR LES 4 «FPR»

0.4
1
0.8 0.3
0.6
0.2
0.4
0.2
0.1
-0.2 0
-0.4
−0.1
-0.6
-0.8
−0.2
-1
-1.5 -1 -0.5 0 0.5 1 1.5
−0.3
−0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4
Figure 4.18: Points dans le plan W: après calibrage[87] des 4 FPR à gauche et après le calibrage [85]
à droite.
Par contre, si nous appliquons le calibrage [85], nous pouvons observer (Figure 4.18 à
droite), que les modules et les phases sont légèrement différents pour les quatre FPR. Pour
arriver à la même solution qu’avec l’autre calibrage, nous devons réaliser une autre
mesure. Cette mesure consiste à faire une acquisition, avec les deux générateurs à la
même fréquence (2GHz), qui nous donnera un point dans l’abaque. Ces points nous per-
mettront de faire le calcul de l’erreur de phase commise par chaque FPR. Nous calculons
cette erreur avec la valeur de la phase par rapport à la réference 0° et nous soustrairons
cette différence au valeurs de mesures.
70 70
60 60
50 50
40 40
30 30
20 20
10 10
0 0
−10 10
−20 20
0 20 40 60 80 100 120 140 160 180 0 20 40 60 80 100 120 140 160 180
Figure 4.19: Différence de puissance du spectre par rapport à la calibration.
Nous avons constaté que l’erreur commise sur le module influe sur la valeur de la puis-
sance du pseudo spectre qui nous donne la direction d’arrivée. Donc, sur la même mesure
nous calculons cette erreur commise par rapport au module.
Nous constatons qu’avec le calibrage [87], nous pouvons obtenir le même résultat plus rap-
idement et avec des calculs plus simples.
4.7.2 Détection d’une source:
Après le calibrage du système, nous avons réalisé la mesure pour une seule source, et
pour cela, nous avons utilisé pratiquement le même schéma que celui pour le calibrage,
mais cette fois, les générateurs ne sont pas synchronisés.
Nous avons donc, un récepteur formé par un réseau de FPR, un réseau de LNA de gain
50dB, et un réseau d’antennes patch de 4dB de gain. Le signal de niveau de puissance de
-30dBm émis par une antenne patch du réseau [88] de gain 6dB, sera une porteuse pure
(CW continuous wave ) à 2GHz , que nous changerons de position et de distance par rap-
port au récepteur, pour voir les influences sur la détection de DDAs. Le signal de l’oscilla-
teur local est toujours à 0dBm et 2GHz et est injecté sur la porte IN1 de chaque FPR .
Sur la figure (4.20) nous voyons les résultats obtenus pour trois positions différentes à une
distance ’’d=1.5m’’ (RSB = 95dB) entre la source et le récepteur.
Récepteur
Source
30 15 35
25 30
teta mesuré=52° teta=97°
10 teta=122°
25
20
20
P-1MUS 15 5
15
10
0 10
5
5
0 -5
0
-5
-5
-10
-10
-10
-15 -15 -15

0 20 40 60 80 100 120 140 160 180 0 20 40 60 80 100 120 140 160 180 0 20 40 60 80 100 120 140 160 180
Dégrées
Figure 4.20: Différentes positions de la source à détecter
Nous avons montré que nous sommes capables de détecter une source avec seulement 4
échantillons. Nous avons réalisé les mesures à différentes distances jusqu’à 3 mètres envi-
ron et nous remarquons une légère diminution du rapport S/B (verification en cours).
4.7.3 Détection de plusièurs sources
Ensuite, nous avons réalisé des mesures de plusieurs DDAs et pour cela nous avons utilisé
une antenne (monopôle) ) adaptée à 2GHz avec un S11= -26dB ( paramètre S de réflex-
ion...) et un gain de 3dB, que nous pourrons voir sur la figure (4.21) avec le reste du
système. Pour cette expérience nous avons utilisé trois générateurs Agilent totalement
asynchrones, l’un comme oscillateur local, toujours à 2GHz et 0dBm, et les deux autres
comme sources indépendantes et non-corrélées de valeurs de puissance égales à -
30dBm.
Nous observons sur la figure (4.21), le résultat de la mesure des deux cibles.
P-1MUS
Dégrées
Figure 4.21: Système utilisé pour réaliser la mesure de deux DDAs et les résultats de la mesure
4.7.4-Etude de l’influence du bruit
Un premier étude sur Matlab a été éffectuée au sein de notre laboratoire pour étudier l’influ-
ence du bruit sur la détection des DDAs[89] . Par simulation [89] a rémarqué dans cette
étude que plus les signaux sont bruités, moins les directions d’arrivées seront déterminées
avec de précision.
Pour étudier les limites de notre système, nous avons étudié l’influence du bruit par rapport
à la résolution de la détection des DDAs. Comme nous ne pouvons pas obtenir une source
de bruit non ponctuelle, nous avons combiné deux sources, comme le montre la figure
(4.22).
fo Fréquences
Bruit gaussien blanc
Figure 4.22: Système utilisé pour étudier l’influence du bruit.
La première source est un signal CW à 2GHz de puissance -30dBm, qui va être bruité par
le deuxième signal qui va correspondre au bruit, de largueur de bande de 4MHz avec une
puissance de 15dBm répartie dans la bande. Ces deux signaux seront combinés et injectés
au réseau d’antennes patch utilisé comme source à détecter. A ce niveau, le signal est
totalement noyé dans le bruit.
Pour comprendre la figure (4.23) qui présente le résultat des mesures , il faut se rappeler
que la méthode de calcul des DDAs était basée sur la méthode des sous-espaces [90], et
que la séparation des sous-espaces est faite avec un seuil que nous fixons par rapport au
signal de la source et du bruit. Dans ce cas, la source est totalement noyée dans le bruit,
donc si nous ne changeons pas notre seuil, le signal pourra être confondu avec le bruit qui
a le même niveau de puissance, et les sous-espaces seront inversés. Si cette situation
arrive, notre pseudo spectre Music sera inversé (Figure 4.23).
P b ru it = -1 5 d B m P b ru it= -1 7 d B m
-4.5 1.65
1.6
-5
1.55
-5.5
1.5
P-1
-6
1.45
MUS
-6.5 P-1MUS
1.4
-7
1.35
-7.5 1.3
-8 1.25
1.2
-8.5
1.15
0 20 40 60 80 100 120 140 160 180
-9
0 20 40 60 80 100
Dégré
120 140 160 180
Degré
(RSB = 1.02dB) (RSB = 3dB)
Figure 4.23: Pseudo spectre Music en foction de la DDA avec une puissance
Pour vérifier les affirmations précédentes, nous avons diminué légèrment la valeur de la
puissance de notre bruit, et nous avons vérifié que nous retrouvons le signal, comme nous
pouvons voir sur la figure (4.25), et que plus nous diminuons la puissance du bruit, plus la
résolution de la détection des DDAs augmente.
Sxx(f)/ So
Nombre de repliement
So
11111111111
00000000000
00000000000
11111111111
00000000000
11111111111
00000000000
11111111111
fe B fe B fTe
B= Bande passante
fe= Fréquance d’échantillonnage
Sxx(f)= densité spectrale de puissance du bruit à l’entrée.
Figure 4.24: Bande équivalente du bruit. Repliement du spectre du bruit
[91] montre que la fréquence de coupure fc du filtre pass-bas, formé par la capacité C et
par la résistance R, doit être plus grande que la fréquence d’échantillonnage. D’autre part,
cette condition implique que la bande du bruit représentée sur la figure (4.24), est sous-
échantillonnée. Cela produit donc le repliement du spectre du bruit en basse fréquence
(Figure (4.25)).
P b r u it = - 2 0 d B m P b r u it= - 3 0 d B m
-5 2
-6
0
-7
-2
-8
P-1MUS -4
-9
P-1MUS
-6
-10
-8
-11
-10
-12
-13 -12
-14 -14
0 20 40 60 80 100 120 140 160 180 0 20 40 60 80 100 120 140 160 180
Degré Degré
(RSB = 6dB) (RSB = 16dB)
Figure 4.25: Figure qui représente les différentes valeurs de puissance du bruit combiné à la source
Pour toutes les mesures de bruit réalisées, nous avons augmenté la fréquence d’échantil-
lonnage à 100KHz, qui est la fréquence de coupure du filtre à la sortie des détecteurs de
puissance du réseau FPR, pour diminuer le repliement du spectre du bruit.
4.8 Détection des DDAs appliquées à un système radar

Si nous appliquons le système de détection de DDAs sur un système radar, nous chang-
erons les sources à détecter par les ondes réflechies par les cibles.
Nous décrivons sur la figure (4.26), la technique de mesure des directions d’arrivées
(DDAs) de N cibles appliquées au système radar, en utilisant comme précédemment l’algo-
rithme MUSIC [71] pour la détermination des DDAs. Ce système est composé d’un réseau
de n antennes et d’un réseau de n FPRs. Le générateur d’émision G1 à 2GHz sera con-
necté à un circulateur, comme nous pouvons voir sur la figure (2.26), et sur l’antenne 1 qui
se comportera comme émettrice et réceptrice. Ce signal sera aussi injecté comme nous
avons vu précédemment, sur IN1 et la sortie des antennes aux entrées IN2 du réseau FPR.
Cible
θ
y’1 y’2 y’3 y’4 y’n
Générateur y1 d y2 y3 y4 yn
G(t) y1 y2 y3 y4
émetteur
yn
SPR SPR SPR SPR SPR

Music
y1/LO y2/LO y3/LO y4/LO yn/LO
DOA
Figure 4.26: Système de détection des DDAs utilisé pour un radar
Le signal émis par le générateur sera le suivant:

( j2Πf c t )
G( t ) = AGe Eq (4.35)
Avec fc la fréquence centrale et A G l’amplitude du signal à 0dBm.

Et le signal reçu par l’antenne M du réseau d’antennes sera:
 N  j2Πf c t
y M ( t ) =  ∑ ξ i e + n(t ) Eq (4.36)
i = 1 
N étant les DDAs que nous pourrons calculer et sera au maximal égal à (n-1) avec n le
nombre d’antennes du système. fc la fréquence centrale et n(t) le bruit gaussien complexe.
jΨi j ( M – 1 )ϕ i + ϕ ref
ξ i = Ai e e Eq (4.37)
Ai étant l’amplitude des différents signaux reçus, ϕi=(2πd/λc)cosθi la différence de phase

entres les différents systèmes de réception, qui contient l’information de la phase, la dis-
tance et la vitesse de la cible, d: la distance entre les antennes formants un réseau linéaire,
λc=c/fc avec c: la vitesse de la lumière et θi: les DDAs à détecter. ψ est une phase aléatoire
du signal, qui nous permettra d’avoir des signaux non corrélés.
Les FPR nous donnent la relation complexe entre les deux ondes RF suivante:
yM( t )
x M ( t ) = -------------- Eq (4.38)
G(t)
Et à la sortie du réseau FPR nous obtiendrons l’équation suivante:
N j ( M – 1 )ϕ i + ϕ ref
xM ( t ) = ∑ ζi e + n' ( t ) Eq (4.39)
i=1
avec ζi et n’(t) obtenus de la résolution des équations précédentes entre (4.36) et (4.38).
ϕref est la phase de la première antenne. Ces N données de mesure, (x M (t), M=1,..,N)
associées aux N FPRs, peuvent être écrites comme précédemment, en fonction des vect-
eurs directeurs a(θi), qui contiennent l’information nécessaire pour pouvoir détecter la
direction d’arrivée.
N
X(t) = ∑ ζ i a ( θ i ) + n' ( t ) Eq (4.40)
i=1
a(θi) étant le vecteur directeur associé (eq 4.40).

Comme nous avons vu sur le paragraphe (§4.2), avec les N mesures réalisées, échantillon-
nées à L instants de temps, nous formerons la matrice de covariance R xx . A partir de la
matrice de covariance, nous retrouverons les deux sous-espaces (eq 4.11) et nous appli-
querons l’estimateur MUSIC (eq 4.8).
4.8.1Application sur notre système radar
Nous pouvons voir sur la figure (4.27) le système radar que nous avons utilisé précedem-
ment pour obtenir la distance et la vitesse de notre cible, mais avec l’application du
système de détection des DDAs.
Figure 4.27: Système de détection des DDAs appliqué à notre pototype radar.
A ce stade de la rédaction, les mesures ne sont pas disponibles.

[59] http://www.3gpp.org/ .
[60] EnstParis: B.Huyart, Begaud, D.Kernevés, B.Amante Garcia, G.Neveaux, ENSTB

M. Ney, et al. «Projets de recherche sur crédits incitatifs – Appel 2000 – Rapport Final (février
2002)» . Mesure directe de la direction d’arrivée (DOA) des signaux radiofréquences.
[61] S. Ohshima, Y. Asano, T. Harada, N. Yamada, M. Usui, H. Hayashi, T. Watanabe

and H. Iizuka. «Phase- Comparison Mnopulse Radar wtih Switched Transmit Beams for
Automotive Application».Toyota Cantral R&D labs., Inc. Japan. IEEE 1999.
[62] Neil k. Jablon, «Adaptative Beamforming with the Generalized Sidelobe Canceller in the
Presence of Array Imperfections», IEEE Transactions on Antennea and Propagatio, Vol AP.34,
n°8 August 1986.
[63] Anne FLIELLER, «Mise en oeuvre des methodes à haute resolution en traitement d’antenne:
autocalibration robuste et geometrie de réseaux». Thèse de l’université Paris XI Orsay 1995.
[64] J.Capon,
«High resolution frequency-wave number spectrum analysis» Poc IEEE, vol 57 Aug
1969.1408-14198.
[65] Multiplicateur de lagrange. « http://www.inrialpes.fr/is2/people/jdurand/Html/Algonu/Tp2

2000/enonce/note10.html ».
[66] Pisarenko V. F., «The retrieval of Harmonic from a covariance function» , Geophys. Journ.
Astron. Soc., Vol 33, 1973.
[67] Ligget W. S., «Passive Sonar: Fitting model to multiple series», Nato Asi on signal
Processing, Loughborough (UK), 1972.
[68] Gérard Blanchet, Maurice Charbit, «Signaux et image sour Matlab». Ed. Hermes.
[69] Mermoz H., «Imagerie, Corrélation et Modèles» , Annales des Télécom Vol 31, janvier
76,17-36.
[70] Bienvenu G. «Influence of the spatial coherence of the background noise on HR passive
methods», Proc. of ICASSP, 1979. 306-309.
[71] R.O. Schmidt, «Direct mesurement of direction of arrival of multiple signal», IEEE trans
Antennas Propagation, vol 34, pp276-280, Mar 1986.
[72] P. Pagnoux, «Autocalibration d’antenna radar type réseau multicapteur», Thomsen CSF
Division Système /Défense /Contrôle Bagneux (92), et Signaal Henguelo (Pays-Bas).
[73] Sylvie Marcos, «Les méthodes à haute résolution», traitement d’antennes et analyse
spectrale. Ed Hermes.
[74] David Kernévès, Bernard Huyart, Xavier Begaud, Eric Bergeault end Louis
Jallet,”Direct mesurement of direction of arrival of multiple signals”, ECWT 2000.
[75] Anne FLIELLER, Pascal LARZABAL, ENS Cachan, laboratoire d’électricité,

signaux et robotique et Henri CLERGEOT, Faculté de technologie de Guyane,
«Antenne multicapteur pour communications simultanées», REE n°3 Septembre 1995.
[76] Ramón Martínez Rodríguez-Osorio, «Métodos para la estimación de direcciones de

llegada (DoAs) con arrays de antenas». Madrid, julio 2001, Grupo de Radiación. Dpto. SSR.
ETSI Telecomunicación Universidad Politécnica de Madrid.
[77] B.P. Ng «Array shape self-calibration technique for direction filding problems», IEE
Proceedinggs-h, vol 139,n°6 December 1992.
[78] Sami Guedaiem, «Détection et Suivi de Cibles par Radar Automobile à Ondes Continue
Modulée en Fréquence (FM-CW)», Thése de l’Université de Toulouse III, Spécialité:
Traitement du Signal.
[79] Olivier Marulier, «Réseau Multicapteur sur une surface conique- Application à la détection
d’une direction d’incedence», Université de nantes, thèse soutenue 7 novembre 1996.
[80] Bernard Huyart, Jean-Jacques Laurin, Renato G. Bosisio, and Dave Roscoe, «A
Direction-Finding Antenna System Using an Integrated Six-Port Circuit». IEEE Transactions on
antennas and propagation, Vol 43, N° 12, December 1995.
[81] Aweke N. Lemme, Ed F. Deprettere and A.J.van der Veen, «Experimental Analysis of
Antenna Coupling for High-Resolution Doa Estimation Algorithms», The Netherlands.
Depertment of Electrical Engineering.
[82] A. Swindlehurst, «A maximum a posteriori Approach to Beamforming in the presence of

Calibration Errors», IEEE 1996.
[83] Gerd Sommerkorn, Dirk Hampicke, Ralf Klukas, Andreas Richter,..., «Reduction of
DOA Estimation Errors Caused by Antenna Array Imperfections», 29th European Microwave
Conference. Munich , October 1999.
[84] David Asztely, A. Lee Swindlehurst and Bjorn Ottersten, «Auto Calibration for
signal Separation with uniform linear arrays», IEEE 1977.
[85] F. Wiedmann et al, «Développements pour des applications grand public du réflectomètre
six portes: Algorithme de calibrage robuste, réflectomètre très large bande et réflectomètre intégré
MMIC», thèse ENST,1997
[86] G. Neveux, B. Huyart, J Rodriguez Guisantes, « Noise figure of a «five-port» system».

European Microwave Conference, Milan 2002.
[87] G. Neveux, «Démodulation cinq-port», Rapport 2002.
[88] Hoffmann M., Khaif M., Le Quynh A., «Conception d’un réseau d’antennes à élements
imprimes à 2GHz pour communication avec les mobile», Rapport stage 1999.
[89] David kérnéves, «Estimation de la direction d’arrivée avec un oscillateur local (OL)»,
Rapport stage DEA ENST 1998.
[90] Y.-H Choi. «Subspace-based coherent source localisation with forward/backward covariance
matrices». IEE Proc. Radar Sonar Navig. Vol 149, No 3, June 2002.
[91] Tony Vasseaux, «Etude d’architectures de réception à sous échantillonnage destinées à des
applications radiofréquences». Thèse soutenue le 15/12/1999. Ecole Nationale Supérieur
des Télécommunications.
[92] Thales, «Monopulse Secondary Surveillance Radar/Mode S» ,www.thalesatm.com

CHAPITRE
A.I.- Différentes Zones de Radiation d’une Antenne
Figure 4.28:
D est le diamètre de la surface équivalente de l’antenne, r la distance de l’antenne
Zone de Rayleigh
Dans cette zone de champ proche ( ou zone de Rayleigh), il y a échange d’énergie réactive
entre l’antenne et le milieu extérieur.
2
A courte distance( par rapport à le longueur d’onde), r < D
------ la denstité de puissance est
2λ
quasi constante.
Zone de Fresnel
2 2
D 2D
Dans une seconde zone ------ < r < ---------- la densité de puissance est fluctuante.
2λ λ
Zone de Fraunhoffer
Dans la zone de champ lointain ( ou de Fraunhoffer), à grande distance (par rapport à la
longueur d’onde), les champs sont rayonnés sous la forme d’onde (quasiment) plane.
2
2D
Si r est la distance à l’antenne, dans cette zone rla> densité
---------- de puissance décroit en
λ
1/r.
Soit une ouverture équiphase dont la grande dimension est D. A proximité immédiate de
l’ouverture ( quelques longueur d’onde λ ) l’onde rayonnée est équiphase dans un plan par-
allèle à l’ouverture: c’est une onde plane. Les directions de propagation qui sont normales
à la surface équiphase sont parrallèles les unes aux autres: le faisceau rayonné est tubu-
laire. Lord Rayleigh a montré que cette propiété reste vrai avec une bonne approximation-
au moins 90% de la puissance rayonnée reste à l’intérieur du faisceau tubulaire et l’onde
rayonnée est quasi plane - jusqu’à une distance de D2/2λ, appelée la distance de Rayleigh.
Au-delà de D2/2λ, la divergence du faisceau rayonné devient sensible et les surfaces
équiphases se transforment peu à peu. Jusqu’à 2D2/λ, il y a une zone de transition dans
laquelle l’onde évolue d’une structure d’ande quasi-plane vers une structure d’onde quasi-
sphérique. Le diagramme de rayonnement n’est pas encore formé.
A partir de 2D 2/λ, on peut considérer avec une bonne approximation que l’onde rayonnée
est une onde sphérique et que le diagramme de rayonnement est le même quelle que soit
la distance. La distance 2D2/λ, est appelée la distance de Fraunhoffer.
Selon les normes admises au niveau international, ces trois zones de rayonnement d’une
ouverture sont classifiées comme suit:
-de 0 à D2/2λ, la zone proche ou de Rayleigh.
-de D2/2λ à 2D 2/λ, la zone intermédiaire ou de Fresnel.
-de 2D2/λ, à ∞ , la zone lointaine ou de Fraunhoffer.
C’est dans cette dernière zone que l’on se place lorsque l’on désire étudier le rayonnement
d’une antenne « à l’infini» pour déterminer son diagramme de rayonnement. Cette étude
est facilitée par la forme simple que prennent alors les équations du champ dont les solu-
tions sont bien connues.
La zone de Rayleigh, par contre, est plus difficile à étudier car les calculs doivent y être faits
avec un minimum d’appoximations.
Conclusion
CHAPITRE4
CHAPITRE 4 C ONCLUSION ET PERSPECTIVES
Nous avons présenté dans les chapitres précédents, les différents systèmes radars anticol-
lision. Notre but initial a été l’étude de la faisabilité d’un système radar d’aide à la conduite
avec un discriminateur ’’six-port’’.
Nous avons présenté les circuits ’’six-port’’ et ’’five-port’’, que nous avons utilisés dans
notre application radar en tant que discriminateur de fréquence. Nous avons vu en détail
les différentes parties constituant les circuits ’’five-port’’ et ’’six-port’’. Nous avons expliqué
la méthode de calibrage pour les systèmes ’’six-port’’ et ’’five port’’ et nous avons conclu
avec le choix du dispositif ’’five- port’’ pour notre application. Comme nous avons vu précé-
demment, le système "SPR" nous permet de réaliser des mesures indépendantes du
niveau du signal fourni par le générateur. Il permet de calculer le rapport en amplitude et en
phase des deux ondes entrantes aux accès "IN1" et "IN2" (à partir de la mesure de 4 puis-
sances).Pour le système radar, nous pouvons considérer que ce niveau de puissance du
générateur est constant; C’est la raison pour laquelle nous pouvons supprimer une donnée
de puissance pour calculer le rapport entre ’’IN1’’ et ’’IN2’’ et donc utiliser un système
’’FPR’’; De plus, pour la mesure de distance, nous avons utilisé la différence de phases
entre les deux signaux reçu aux deux fréquences différentes (f 1 et f2 ) de la modulation et
pour l’application de la détection de DDAs, nous avons cherché la différence de phases
entre les différents signaux reçus par les antennes de réception. Donc, comme nous avons
vu pour nos deux applications (radar ou détection de direction d’arrivée (DDA)), nous
n’avons besoin que des phases relatives, c’est à dire les différences de phases des coeffi-
cients de réflexion à f1 et f2; Cette restriction du système ’’FPR’’ à la mesure de phase rela-
tive nous a permis de simplifier la procédure de calibrage.
Nous avons réalisé un système radar Duplex en bande L avec l’aide d’un réflectomètre
’’five-port’’. Nous avons montré en premier lieu par simulation et en suite par mesure,
qu’avec un discriminateur ’’five-port’’ nous sommes capables de réaliser un sytème radar.
Nous avons simulé les mesures de distance et de fréquence Doppler à l’aide des appareils
de mesure du laboratoire, ce qui nous a permis de valider ce principe et par la même occa-
sion de vérifier les programmes de traitement. Enfin nous avons mesuré une cible réelle et
nous avons montré que nous pouvions obtenir la distance et la vitesse de la cible avec une
précision de 2.3% et 2.5% respectivement.
Après la détermination de la vitesse et la distance, nous avons mené une étude de locali-
sation de plusieurs cibles. Pour cela nous avons réalisé l’étude de la détection de la direc-
tion d’arrivée de signaux réfléchis par les cibles ainsi qu’une étude sur un réseau
d’antennes.
Nous avons présenté une étude comparative des résultats de simulation obtenus avec plu-
sieurs simulateurs d’antennes ainsi que la comparaison de ces derniers avec ceux obtenus
par la mesure. Nous avons étudié le couplage entre les antennes en fonction de la distance
entre elles en sélectionant finalement la distance de λ/2 . Ce réseau d’antennes patch,
sera l’utilisé pour l’étude de la détection des directions d’arrivée des cibles.
Ensuite, nous avons écrit des programmes matlab pour simuler la détection de direction
d’arrivée, à l’aide d’un réseau de ’’FPR’’, nous avons aussi présenté une comparaison
entre les différents algorithmes qui nous permettent de déterminer la direction d’arrivée des
cibles; nous avons choisi l’algorithme «Music» qui est le plus simple à implémenter et le
plus rapide et qui donne une précision acceptable.
Par la suite, nous avons réalisé le système sur table à l’aide des appareils de laboratoire,
des déphaseurs (qui simulent les DDAs) et des combineurs (qui simulent les antennes),
comme nous avons vu précédemment. Nous avons obtenu une erreur de 6° sur la direction
d’arrivée, sachant que les déphaseurs utilisés pour simuler les directions d’arrivée introdu-
isent une erreur par construction de 2~3°.
Nous avons réalisé des essais avec plusieurs cibles, et le système était capable de déter-
miner les positions de 2 cibles différentes.
Nous avons aussi effectué une étude de l’influence du bruit et nous sommes en train de
mettre en place le système capable de mesurer, simultanément, la détection de la direction
d’arrivée, de la distance et de la vitesse.
Le travail présenté peut etre poursuivi en étudiant les points suivants:
- L’influence du couplage entre les antennes.
- L’influence exacte du bruit de phase de l’oscillateur local sur les mesures réalisées par le
radar.
- La mise en place du système à 26GHz et 77GHz.

Conception Dun Radar Daide A La Conduite Automob PDF

Transféré par

Droits d'auteur :

Formats disponibles

Conception Dun Radar Daide A La Conduite Automob PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Conception Dun Radar Daide A La Conduite Automob PDF

Transféré par

Droits d'auteur :

Formats disponibles

CHAPITRE 1

Je tiens tout d’abord à exprimer mes sincères remerciements à mon Directeur de

C ONCEPTION D’UN RADAR D’A IDE À LA C ONDUITE

A UTOMOBILE UTILISANT UN SYSTEME D ISCRIMINATEUR

de fréquence, la linéarité de la rampe de fréquence,...).

CHAPITRE 1 D ÉVELOPPEMENT D’UN SYSTÈME R ADAR U TILISANT DES

-Systèmes actifs alertant le conducteur en cas de danger imminent:

s’approchent les obstacles et le nombre objets qui entourent le véhicule.

1 Les Différents Types de Systèmes Radar anticollision et limites

1.1 Radar Impulsionnel

Figure 1.1: Principe de mesure de la distance antennes-cible avec un radar à impulsion

lobes difus lobes secondaires P/2

avec θ (°) l’ouverture à mi-puissance ou diagramme de l’antenne, en degrés.

1.2 Radar à ondes continues

navigation Doppler ) ou pour le guidage de missiles et la détection de présence de cibles

fo est la fréquence de l’oscillateur local, v r est la vitesse rélative et c est la vitesse de la

Oscillateur Circulateur Antenne

∆f étant la variation de fréquence(voir sur la figure 1.4)

T/2 Fréquence à la réception

Si nous appliquons une modulation périodique, comme dans la pratique de ce système,

Avec fm la fréquence de modulation

Nous pourrons aussi déterminer la fréquence de battement due à la distance de la cible f r,

Nous pouvons voir cette relation sur la figure (1.4).

Oscillateur Circulateur Antenne

Figure 1.7: Modulation de fréquence pour le radar FM-CW propossée par [ 6]

1.2.3 Duplex [7]

Figure 1.8: Schéma bloc d’un radar Duplex

1.2.4 Différences entre les différents dispositifs radar

Pulse FM-CW Duplex

Emission/Réception -Linéarité de la rampe -Bande passante faible.

Traitement Capacité de traitement Conversion directe de -Mesure simultannée de

Détection Zone aveugle à faible Intégration longue pour Difficulté de détection

Mesure de distance -Une grande résolution Bande d’excursion Contrôle précis de la

Mesure de vitesse -Mesure directe de vit- L’analyse Doppler Mesure simultannée de

Table 1.1: Principales caractéristiques.

1.3 Exemples bibliographiques de systèmes radar

1.3.1 Radar appliqué à l’automobile

Nous présentons en premier lieu, le radar développé par Thalès-CSF [8].

Capacités de positionnement, d’extraction des bords de route pour positionner

L’équipe du département Hyperfréquences et Semiconducteurs de l’IEMN (Institut d’élec-

[11,12] David D. FMCW/monopulse 76-77GHz résolution <1m Système 10dBm

[13] M.Camiade. FSK (Frequency Shift 76.5GHz 10MHz 13dBm

[7] J. Mondal Radar Duplex 77GHz 150KHz 4-6dBm

[16]Hiroshi FM-CW 76GHz 15.2dBm

Table 1.2: Récapitulatif des différents systèmes radar actuels

S. Ohshima [20] ACC, técnique de com- 60-61GHz -Distance maximale azimuth

Table 1.2: Récapitulatif des différents systèmes radar actuels

1.3.2 Radar SPR à 35GHz

1.3.3 Capteur interférométrique micro-onde pour des applications

1.4 Description de notre système

16-bit de résolution Circuit

Figure 1.11: Radar Duplex avec discriminateur de fréquence six-port

où c sera la célérité de la lumière.

Le signal reçu par l’antenne sera:

ϒ étant un vecteur qui tournera à la pulsation wD .

n est le nombre de tours parcouru par l’onde.

Figure 1.12: Mesure de distance avec deux signaux continus

La valeur de ϕ 10 – ϕ 20 doit être calculée au préalable et fera partie du calibrage du

1.4.1 Prototype Radar Duplex