Filtrage des données radar par deep learning - INSU - Institut national des sciences de l'Univers Accéder directement au contenu
Communication Dans Un Congrès Année : 2018

Filtrage des données radar par deep learning

Pierre Lepetit
  • Fonction : Auteur
  • PersonId : 1039833
Laurent Barthès
  • Fonction : Auteur
  • PersonId : 968696
Cécile Mallet
Yvon Lemaître
  • Fonction : Auteur
  • PersonId : 936637

Résumé

Depuis 2016, les données radars du réseau Aramis (Météo-France) sont accessibles. Ce sont des données brutes : un nettoyage des signaux parasites (échos fixes, ”interférences”) doit être effectué. Pour traiter le problème, nous avons développé une approche par deep learning in- spirée des ‘denoising autoencoder’. Cette approche, semi-supervisée, permet d’alléger le recours à l’expertise humaine lors de la production des bases d’apprentissage. Contrairement aux al- gorithmes existants, elle n’est pas basée sur une connaissance statistique a priori des signaux parasites. La méthode comporte une phase de réglage qui implique des données de simulation. Des évalu- ations sur les données simulées et réelles seront présentées.
Fichier non déposé

Dates et versions

insu-02083284 , version 1 (28-03-2019)

Identifiants

  • HAL Id : insu-02083284 , version 1

Citer

Pierre Lepetit, Laurent Barthès, Cécile Mallet, Yvon Lemaître. Filtrage des données radar par deep learning. Radars : Technologies, Méthodologies et Applications R-TMA-2018, Dec 2018, Guyancourt, France. ⟨insu-02083284⟩
73 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More