Author: Audrey SIVADON - PhD Student at LabTAU - Inserm U1032
Time: 9H30 AM
Language: French
Place: LabTAU Conference Room / Visio Microsoft Teams
Abstract: L’imagerie passive s’appuie sur des algorithmes de formation de voie qui nécessitent des sondes de grande ouverture pour offrir de bonnes résolutions axiales ; or, en imagerie passive 3D, les sondes matricielles actuellement commercialisées ne vérifient pas cette contrainte. De plus, ces sondes présentent un grand nombre d’éléments, ce qui rend leur utilisation particulièrement lourde. Ce travail de thèse porte sur l’étude et l’amélioration de l’imagerie passive de la cavitation en s’intéressant à deux aspects en particulier : (i) la mise en œuvre pratique et efficace de l’imagerie passive en 3D, (ii) la problématique de l’imagerie de sources étendues telles que des nuages de cavitation.
Nous avons combiné l’application des méthodes sparse (pour réduire le nombre d’éléments actifs de la sonde utilisée) et la transposition du 2D au 3D des algorithmes adaptatifs dans le domaine fréquentiel. Ce formalisme utilise l’estimation robuste de la matrice de densité inter-spectrale (CSM) et nous a permis d’implémenter simplement et efficacement différents algorithmes : Delay-And-Sum (DAS), Robust-Capon-Beamformer et Pisarenko. L’efficacité de ces algorithmes en 3D a été testée en termes de largeur à mi-hauteur, de contraste et d’erreur de position, sur une source ponctuelle en simulations et sur une expérience de réflecteur ponctuel. Enfin, pour répondre à la réalité des nuages de cavitation, nous nous sommes intéressés au comportement de ces méthodes de reconstruction dans le cas de sources étendues. Nos simulations en 2D montrent l’évolution des images reconstruites en fonction de caractéristiques du nuage de cavitation.
Ce travail apporte une solution concrète de mise en œuvre simple de l’imagerie passive 3D ainsi que des éléments de réponse quant aux attentes sur la localisation et la caractérisation d’un nuage de cavitation.