Filtrage des données radar par deep learning

Pierre Lepetit 1 Laurent Barthès 1 Cécile Mallet 1 Yvon Lemaître 1
1 SPACE - LATMOS
LATMOS - Laboratoire Atmosphères, Milieux, Observations Spatiales
Abstract : 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.
Complete list of metadatas

https://hal-insu.archives-ouvertes.fr/insu-02083284
Contributor : Catherine Cardon <>
Submitted on : Thursday, March 28, 2019 - 8:21:50 PM
Last modification on : Wednesday, August 28, 2019 - 12:40:03 PM

Identifiers

  • HAL Id : insu-02083284, version 1

Citation

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⟩

Share

Metrics

Record views

48