Données erronées

Lors de leur parcours dans l’atmosphère, les impulsions peuvent subir des déformations. Les valeurs de niveau, fréquence et DI interceptées peuvent ainsi être légèrement diffé- rentes des valeurs émises. Cette altération est problématique lors de la distinction des impulsions. Deux signaux radar ayant des valeurs d’attributs proches ne permettront pas d’association sur ces attributs car certaines impulsions d’un signal pourront avoir les caractéristiques de l’autre signal. Ajouté à cela, si la valeur de l’impulsion est trop différente de sa valeur initiale, elle peut être considérée comme du bruit et ne pas être prise en compte. Enfin, l’altération peut aussi provenir de l’émetteur et être singulière. Dans ce cas-là il est important de l’identifier.

Pour gérer les signaux ayant des valeurs d’attributs proches, il faut considérer leurs attributs comme ayant des valeurs identiques et donc différencier ces signaux sur d’autres attributs. Cela implique de réaliser l’analyse de manière multidimensionnelle. Vis-à-vis des valeurs trop erronées, il est nécessaire de remettre en question la validité des valeurs et donc de toute l’analyse. La problématique de visualisation engendrée est donc de rendre compte du fait que les données sont non fiables. Enfin, l’identification des valeurs doit pouvoir s’adapter à leurs variations et, en fonction du contexte, se réaliser au niveau de l’impulsion ou d’un groupe d’impulsions [73].

2.2.7 Bruit

La duplication des ondes entraînée par des diffractions et la présence d’autres émissions électromagnétiques, comme les ondes radio, génèrent un bruit intercepté par les capteurs.

14 Le Renseignement d’Origine ÉlectroMagnétique (ROEM)

Les problématiques de visualisation amenées par le bruit sont multiples. Le bruit va engendrer les mêmes problématiques que les données erronées mais aussi rendre la DTOA non pertinente.

2.2.8 Données manquantes

Il arrive que lors de son parcours dans l’atmosphère une impulsion soit diffractée de sorte qu’elle ne soit pas interceptée par le capteur. Qu’elle impacte la distinction des signaux ou l’identification des caractéristiques, une donnée manquante correspond à une perte d’information pouvant entraîner une confusion lors de l’analyse et a aussi un impact sur la pertinence de la DTOA. Si une impulsion vient à manquer, la DTOA de l’impulsion précédente correspondra à la somme de sa PRI avec celle de l’impulsion manquante (cf. figure 2.10). L’incohérence de DTOA que cela va engendrer peut amener les opérateurs, notamment les novices, à ne pas tenir compte des impulsions précédant les impulsions manquantes, s’abstrayant d’un nouveau morceau de signal.

La perte d’information que les impulsions manquantes engendrent, est compensable en procédant à une comparaison avec d’autres instances de motifs. Dans le cas où aucune instance n’est complète, une telle comparaison permet de reconstruire le motif. La non- pertinence de la DTOA engendre quant à elle une problématique de représentation des données non fiables.

DTOA

Figure2.10 – Mesure de la DTOA sur des données ayant des impulsions manquantes

2.2.9 Données dupliquées

Afin d’obtenir des valeurs de fréquences les plus précises possibles, les capteurs actuels sont composés d’une multitude de capteurs interceptant chacun une gamme de fréquences spécifique. Lorsqu’une impulsion a une valeur de fréquence à cheval entre deux gammes, il est possible qu’elle soit interceptée par deux capteurs, dupliquant ainsi l’impulsion dans le jeu de données (cf. figure 2.11). Cette duplication ne correspond pas à une caractéristique du signal et ne nécessite donc pas d’être relevée, par contre, elle augmente le volume de données, fausse les valeurs de DTOA (une impulsion sur deux a une DTOA nulle) et fausse les valeurs de fréquence (une impulsion sur deux a une fréquence légèrement fausse).

Le Renseignement d’Origine ÉlectroMagnétique (ROEM) 15

Les besoins en visualisation nécessaires à la résolution de cette problématique, et donc à la suppression du doublon le plus erroné, sont multiples. Les impulsions ayant les valeurs les plus proches des données avant interception sont celles avec le plus fort niveau. Or, les valeurs de niveau d’un même signal varient forcément, il n’est donc pas possible de gérer cette problématique en détectant des groupes de niveau. De même, les valeurs de fré- quence sont très similaires de sorte qu’elles ne sont pas non plus associables facilement. Dans le pire des cas (courbes de niveau indétectables et fréquences non associables), l’unique moyen de régler cette problématique est d’accéder aux valeurs de chaque impul- sion une par une de façon à sélectionner, en cas de doublons temporels, les impulsions ayant le plus fort niveau.

niveau fréquence

gammes de fréquence du capteur

avant interception après interception

Figure2.11 – Données avant et après interception par un capteur, illustrant une duplication

2.2.10 Synthèse

Le domaine du ROEM fait face à de nombreuses problématiques du domaine de la visua- lisation d’information. Les outils de visualisation du ROEM doivent gérer des quantités de données de l’ordre du big data pour des données multidimensionnelles, temporelles, non cycliques et ayant des attributs quantitatifs et de natures différentes (référentielle ou caractéristique). Tout en considérant ces contraintes, ces outils doivent couvrir les be- soins d’identification des valeurs, d’association et de détection de singularité, à l’échelle de l’impulsion et du jeu de données. Enfin, les utilisateurs face à ces systèmes doivent pouvoir réaliser leur tâches en se basant uniquement sur leurs connaissances et les réaliser dans des environnements potentiellement contraints.

2.3 Conclusion

Le domaine du ROEM se distingue par sa complexité et par l’accumulation des pro- blématiques qu’il engendre. Vis-à-vis de la visualisation d’information, le ROEM doit faire face à des données en quantité, des données complexes, des tâches complexes et des utilisateurs novices. Cet agrégat de problématiques majeures du domaine de la visualisa- tion en fait un cas d’application idéal pour s’intéresser à la résolution de problématiques

16 Le Renseignement d’Origine ÉlectroMagnétique (ROEM)

cumulées. La définition des caractéristiques du ROEM ainsi que l’identification des pro- blématiques de visualisation auquel il est confronté sont la première contribution de ces travaux [26].

Avant de chercher à identifier des solutions à ces problématiques nous allons commencer par nous intéresser à la façon dont ces problématiques sont actuellement gérées et dans quelles mesures les solutions identifiées les résolvent.

Chapitre 3

État de l’art

Après avoir présenté le domaine du ROEM qui contient une agrégation de problématiques de visualisation de données, nous nous intéressons à la façon dont l’existant traite ces pro- blématiques agrégées que sont la quantité de données, les données multidimensionnelles, les tâches complexes et les utilisateurs ayant peu d’expertise. Pour ce faire, nous iden- tifions les représentations répondant à chacune des problématiques ciblées, et regardons dans quelle mesure elles couvrent les autres problématiques. Nous commençons par nous intéresser aux solutions identifiées comme répondant à la problématique de quantité de données : les représentations synthétiques et détaillées, les représentations condensées et les représentations étendues. Ensuite nous nous intéressons aux solutions répondant à la problématique des données multidimensionnelles : l’encodage visuel multiple et les multi- vues. Les autres problématiques n’étant pas associées à des solutions spécifiques, nous nous intéressons à l’animation et la représentation écologique pour leur apport en terme d’amélioration de la perception, potentiellement bénéfique à la résolution de l’ensemble des problématiques ciblées.