Etude théorique de radars géologiques - Epublications - Université ...
Etude théorique de radars géologiques - Epublications - Université ... Etude théorique de radars géologiques - Epublications - Université ...
36 PARTIE I : SURFACES RUGUEUSES ET MILIEUX HETEROGENES h=0,5 h=0,8 Figure 24 : Spectre spatial de profils générés par la méthode des diamants. Le spectre est normalisé par rapport au maximum, la fréquence spatiale est normalisée par rapport à f0=1/dx où dx est le pas spatial (distance entre deux abscisses). La fréquence maximale dépend de Nit qui ici vaut 10. Les observations de la fonction de corrélation et du spectre mettent en évidence des points communs entre profils stochastiques à fonction d'autocorrélation exponentielle et profils générés par la méthode des diamants. Dans les deux cas la dérivée de la fonction d'autocorrélation présente une pente non nulle à l'origine. Le spectre ressemble au gabarit d'un filtre passe bas dont l'ordre est lié à une dimension fractale (voir équation (25) page 47). 2.3.d.ii Génération de surfaces par la méthode "diamondSquare" La méthode vue précédemment s'adapte à la génération de surfaces rugueuses [13]. Le motif de base n'est plus un segment mais un carré. Chaque itération se divise en deux étapes. Un paramètre h pris dans ]0, 1[ fixe la rapidité de décroissance de l'intervalle Ii=]z0.h i , +z0.h i [ où i correspond à la i ème itération. L'algorithme fait intervenir Nit itérations successives et s'applique sur les NX.NY carrés. Une phase d'initialisation consiste à définir les hauteurs des sommets des NX.NY carrés initiaux, aussi appelés motifs élémentaires. Ces hauteurs sont prises uniformément dans l'intervalle [z0, +z0] mais il aurait été tout à fait possible d'utiliser une répartition gaussienne. Les deux étapes de l'algorithme sont décrites dans la suite et illustrées figure 25 : ● La première étape est appelée "Square" : à partir de chaque carré matérialisé par le projeté des points dans le plan de figure, on définit un point en son centre dont la hauteur est la moyenne des quatre sommets plus une variable aléatoire prise uniformément dans l'intervalle Ii.
Samuel BESSE : Étude Théorique de Radars Géologiques Analyses de sols, d'antennes et interprétation des signaux 37 ● La seconde étape est appelée "Diamond" : à partir de chaque losange matérialisé par les points ajoutés à l'étape "Square" (c'est en fait un carré incliné), on définit un point en son centre dont la hauteur est la moyenne des sommets plus une variable aléatoire prise uniformément dans l'intervalle Ii. Si l'on ne dispose que de trois points, on effectue la moyenne sur trois sommets afin d'éviter des effets de bord indésirables. L'application de ces deux étapes permet d'obtenir à partir d'un carré, quatre carrés sur lesquels on peut répéter l'algorithme. Phase d'initialisation 1 ère itération : étape 1 1 ère itération : étape 2 Figure 25 : Représentation de l'algorithme de la méthode dite DiamondSquare. Les points en noir sont les nouveaux points mis en jeux à chaque étape de calcul. Dans cet exemple, après avoir choisit quatre carrés initiaux, l'application d'une itération génère seize carrés sur lesquels on peut répéter l'algorithme. Afin de relier les grandeurs liées à l'algorithme et les grandeurs usuelles de la rugosité, une étude statistique a été effectuée sur un grand nombre de surfaces (une centaine). Nous avons élaboré une expression analytique empirique de la loi de répartition des hauteurs des points composants la surface. Cette répartition peut être approchée par une gaussienne (figure 26). La répartition est indépendante de (Nx, Ny) et converge pour Nit≥4. Dans le cas où la surface est normalisée, c'estàdire lorsque z0=1, l'expression empirique 17 permet de faire le lien entre le paramètre h de l'algorithme et la moyenne quadratique des hauteurs de la surface. h rms h =0,37 0,12⋅h−0,48⋅h 2 0,85⋅h 3 Pour effectuer des modélisations, il s'avère important de connaître la hauteur maximale de la surface, par exemple pour s'assurer d'avoir choisi un volume de calcul suffisamment grand. Cette hauteur maximale dépend de h et du nombre d'itérations Nit, elle s'obtient lorsque toutes les variables aléatoires sont prises égales à la borne supérieure de l'intervalle Ii. Il est cependant impossible d'établir une formule générale donnant la hauteur maximale en fonction de h et Nit. En effet, pour chaque position dans la matrice il est possible d'établir par récurrence une loi donnant la hauteur maximale théorique, mais la position du maximum dépend elle aussi de h (cf. figure 31). Il y a presque autant de lois que de points. L'abaque présenté figure 28 permet de déterminer la hauteur maximale théorique en multipliant la valeur lue par z0. (17)
- Page 1: N° d'ordre : 172004 JURY : UNIVE
- Page 5 and 6: Table des matières INTRODUCTION...
- Page 7 and 8: 1.5.a Dipôle élémentaire posé s
- Page 9: 3.4 Conclusions relatives au prob
- Page 12 and 13: 12 INTRODUCTION Pour pouvoir sonder
- Page 15 and 16: Samuel BESSE : Étude Théorique de
- Page 17 and 18: Samuel BESSE : Étude Théorique de
- Page 19 and 20: Samuel BESSE : Étude Théorique de
- Page 21 and 22: Samuel BESSE : Étude Théorique de
- Page 23 and 24: Samuel BESSE : Étude Théorique de
- Page 25 and 26: Samuel BESSE : Étude Théorique de
- Page 27 and 28: Samuel BESSE : Étude Théorique de
- Page 29 and 30: Samuel BESSE : Étude Théorique de
- Page 31 and 32: Samuel BESSE : Étude Théorique de
- Page 33 and 34: Samuel BESSE : Étude Théorique de
- Page 35: Samuel BESSE : Étude Théorique de
- Page 39 and 40: Samuel BESSE : Étude Théorique de
- Page 41 and 42: Samuel BESSE : Étude Théorique de
- Page 43 and 44: Samuel BESSE : Étude Théorique de
- Page 45 and 46: Samuel BESSE : Étude Théorique de
- Page 47 and 48: Samuel BESSE : Étude Théorique de
- Page 49 and 50: Samuel BESSE : Étude Théorique de
- Page 51 and 52: Samuel BESSE : Étude Théorique de
- Page 53 and 54: Samuel BESSE : Étude Théorique de
- Page 55 and 56: Samuel BESSE : Étude Théorique de
- Page 57: Samuel BESSE : Étude Théorique de
- Page 60 and 61: 60 1 Le radar GPR (Ground Penetra
- Page 62 and 63: 62 ● les sauts de fréquence. 1.3
- Page 64 and 65: 64 1.3.c Radars à saut de fréquen
- Page 66 and 67: 66 PARTIE II : RADAR GPR ETUDE D
- Page 68 and 69: 68 PARTIE II : RADAR GPR ETUDE D
- Page 70 and 71: 70 PARTIE II : RADAR GPR ETUDE D
- Page 72 and 73: 72 cossin E =− K r ,t[ cosn²
- Page 74 and 75: 74 ● dans le milieu 2 (typiquemen
- Page 76 and 77: 76 2 Antenne WuKing PARTIE II :
- Page 78 and 79: 78 2.2 Validation des paramètres
- Page 80 and 81: 80 (a) (b) PARTIE II : RADAR GPR
- Page 82 and 83: 82 PARTIE II : RADAR GPR ETUDE D
- Page 84 and 85: 84 2.4 Rendement, S11, T.O.S. PAR
36<br />
PARTIE I : SURFACES RUGUEUSES ET MILIEUX HETEROGENES<br />
h=0,5 h=0,8<br />
Figure 24 : Spectre spatial <strong>de</strong> profils générés par la métho<strong>de</strong> <strong>de</strong>s diamants. Le spectre est normalisé par rapport<br />
au maximum, la fréquence spatiale est normalisée par rapport à f0=1/dx où dx est le pas spatial (distance entre<br />
<strong>de</strong>ux abscisses). La fréquence maximale dépend <strong>de</strong> Nit qui ici vaut 10.<br />
Les observations <strong>de</strong> la fonction <strong>de</strong> corrélation et du spectre mettent en évi<strong>de</strong>nce <strong>de</strong>s points<br />
communs entre profils stochastiques à fonction d'autocorrélation exponentielle et profils générés par<br />
la métho<strong>de</strong> <strong>de</strong>s diamants. Dans les <strong>de</strong>ux cas la dérivée <strong>de</strong> la fonction d'autocorrélation présente une<br />
pente non nulle à l'origine. Le spectre ressemble au gabarit d'un filtre passe bas dont l'ordre est lié à<br />
une dimension fractale (voir équation (25) page 47).<br />
2.3.d.ii Génération <strong>de</strong> surfaces par la métho<strong>de</strong> "diamondSquare"<br />
La métho<strong>de</strong> vue précé<strong>de</strong>mment s'adapte à la génération <strong>de</strong> surfaces rugueuses [13]. Le motif<br />
<strong>de</strong> base n'est plus un segment mais un carré. Chaque itération se divise en <strong>de</strong>ux étapes. Un<br />
paramètre h pris dans ]0, 1[ fixe la rapidité <strong>de</strong> décroissance <strong>de</strong> l'intervalle Ii=]z0.h i , +z0.h i [ où i<br />
correspond à la i ème itération. L'algorithme fait intervenir Nit itérations successives et s'applique sur<br />
les NX.NY carrés.<br />
Une phase d'initialisation consiste à définir les hauteurs <strong>de</strong>s sommets <strong>de</strong>s NX.NY carrés<br />
initiaux, aussi appelés motifs élémentaires. Ces hauteurs sont prises uniformément dans l'intervalle<br />
[z0, +z0] mais il aurait été tout à fait possible d'utiliser une répartition gaussienne. Les <strong>de</strong>ux étapes<br />
<strong>de</strong> l'algorithme sont décrites dans la suite et illustrées figure 25 :<br />
● La première étape est appelée "Square" : à partir <strong>de</strong> chaque carré matérialisé par le projeté<br />
<strong>de</strong>s points dans le plan <strong>de</strong> figure, on définit un point en son centre dont la hauteur est la<br />
moyenne <strong>de</strong>s quatre sommets plus une variable aléatoire prise uniformément dans<br />
l'intervalle Ii.