STAGE - Filtre de Kalman Unscented pour l'estimation du positionnement GNSS F/H

Syrlinks développe des équipements de communication et de positionnement pour des applications spatiales. Pour ce faire, elle dispose d'une équipe d'ingénieurs pluridisciplinaire capable de développer des solutions radio complètes intégrant les fonctions RF, le traitement numérique du signal, le logiciel embarqué temps réel, le développement de cartes numériques ainsi que la partie mécanique. Comme Syrlinks a réalisé intégralement le récepteur GNSS, son adaptabilité est donc son atout. Il peut donc fonctionner dans différents environnements (terrestre, spatial LEO, spatial GEO etc..). Cela nécessite donc des algorithmes d'estimation statistiques qui seront utilisés pour adapter la solution de navigation.
Dans cette perspective, plusieurs défis sont à relever, de par la polyvalence des environnements et de la diversité des mesures, tels que les algorithmes d'estimation. Un nouvel algorithme plus polyvalent et plus flexible est donc nécessaire comme le filtre de Kalman . Lors d'un précédent stage, le filtre de Kalman unscented ou « sans parfum » a été considéré.

L'objectif est de définir les différents algorithmes d'estimation pour le filtre de Kalman ainsi que ses possibilités d'optimisation et leurs tests statistiques de validation associés. Il s'agira en particulier de générer différentes simulations permettant de couvrir l'ensemble des optimisations possibles. Les solutions seront à évaluer en termes de contrainte système ainsi qu'en termes de performance vis-à-vis des besoins de précision attendus. Vous repartirez d'un travail déjà effectué sur le filtre de Kalman choisi.

Les travaux seront réalisés dans un environnement Windows et Python/C pour la modélisation.

Vos missions seront les suivantes :

• Etude bibliographique des différents types de Kalman existants
• Estimation de la complexité pour un périmètre fonctionnel défini dans l'étude
• Mise en place des différents algorithmes de statistique sous Python
• Réalisation d'un simulateur de performance de pondération sous Python
• Analyse des performances dans différents contextes opérationnels
• Rédaction d'un rapport global de synthèse des travaux

Motivé(e) par le sujet, vous disposez de bonnes bases dans le domaine du traitement du signal ainsi que dans le domaine de statistique.

Vous avez également des notions en programmation PYTHON afin d'utiliser les outils liés à l'étude.