Filtre de Kalman à base de matrices de covariance empiriques : application à l'imagerie dynamique en radioastronomie

Overview & Synopsis

Dans certaines applications, les mesures sont des matrices de covariances empiriques ("sample covarianve matrices", SCMs). Or, les SCMs ne peuvent pas être formulées analytiquement en fonction de paramètres d'états à estimer ; elles sont a priori impropres à leur utilisation dans un filtre de Kalman ("Kalman Filter", KF). L'originalité de cette communication est de proposer une régularisation statistique du modèle de mesure compatible avec le KF, dans le cadre du modèle d'observation stochastique. Les performances de la régularisation proposée sont évaluées sur des données de simulations dans un cadre d'imagerie radio astronomique dynamique. Les résultats montrent que cette régularisation permet de suivre efficacement des sources en mouvement dans des scènes complexes avec une précision supérieure à celle d'un KF régularisé de façon standard.