Estimation d’un modèle stationnaire de dispersion et localisation de source. Application à la surveillance de la pollution

Estimation d’un modèle stationnaire de dispersion et localisation de source. Application à la surveillance de la pollution

Scattering model estimation and source localization. Application to pollution monitoring

G. Roussel E. Ternisien  M. Benjelloun 

Laboratoire d’analyse des systèmes du Littoral 50 rue Ferdinand Buisson – BP 699 62228 CALAIS Cedex

Corresponding Author Email: 
Gilles. Roussel@lasl. univ-littoral.fr
Page: 
37-48
|
Received: 
18 January 2001
|
Accepted: 
N/A
|
Published: 
31 March 2002
| Citation

OPEN ACCESS

Abstract: 

This paper deals with a two-step source localization problem, which aims to identify which source is responsible for a significant change in the measured pollutant concentration in a monitored area. We first develop a blind identification procedure for unknown physical parameters conditional to the source coordinates. The true source coordinates are then obtained by minimizing a source partial spectral density distance, based on the power spectral densities of the observations. Simulations examples attest to the effectiveness of the algorithm.

Résumé

Cet article aborde le problème de la localisation en deux étapes d’une source responsable de l’apparition d’un signal bruité sur des capteurs mesurant la concentration d’un composant chimique se dispersant sur un domaine spatial à surveiller. Après avoir modélisé le problème d’identification aveugle des paramètres physiques inconnus conditionnellement à une position quelconque de source, on détermine ensuite la position réelle de cette dernière en minimisant un critère basé sur la dissemblance spectrale partielle de la source estimée à partir des dsp des observations. Quelques simulations illustrent l’efficacité et l’exactitude de la méthode.

Keywords: 

Source localization, spectral difference, blind identification

Mots clés

Localisation de source, dissemblance de spectre, identification aveugle

1. Introduction
2. Représentation Dans L’espace D’état
3. Identification Aveugle
4. Localisation
5. Dissemblance Spectrale De Source
6. Conclusion
  References

[BK83] G. Bienvenu and L. Kopp.Optimality of high resolution array processing using the eigensystem approach. IEEE trans. on ASSP, 31(5) : 1235-1248, Oct 1983.

[BPRB01] D. Brige, L. Pruvost, S. Reboul, and M. Benjelloun. MAP estimate for directional data : Application to the atmospheric turbulence.In Second International Symposium PSIP'2001, Physics in Signal and Image Processing, Marseille, France, Janvier 2001.

[Con90] TRC Environmental Consultants. FDM : Fugitive dust model. Technical report, 21907 64th Avenue, Suite 230, Mountlake Terrace, WA 98043, 1990.

[Erm77] D.L. Ermak.An analytical model for air pollutant transport and deposition from point sources. Atmospheric Environment, vol 11 : 231-237, 1977.

[Euv94] D. Euvrard. Résolution numérique des équations aux dérivées partielles. MASSON, 1994.

[GLC96] J. Gouffaud, P. Larzabal, and H. Clergeot.Some properties of ordered eigenvalues of a wishart matrix : Application in detection test and model order selection.In Proceedings of ICASSP, volume 5, pages 2465-2468, 1996.

[HI00] F. Hourdin and J.-P. Issartel. Sub-surface nuclear test monitoring through the CTBT xenon network. Geophysical research letters, 27(15) : 2245-2248, August 2000.

[Kha94] A.Y. Khapalov. Localization of unknown sources for parabolic systems on the basis of available observations. INT. J. Systems Sci., 25(8) : 1305-1322, 1994.

[LAC97] J.L. Lacoume, P.O. Amblard, and P. Comon. Statistiques D’ordre Supérieur Pour Le Traitement Du Signal. Masson, 1997.

[lDd99] S. Marcos (Sous la Direction de). Méthodes Haute Résolution : Traitement D’antenne et Analyse Spectrale. HERMES, 1999.

[MDCM95] E. Moulines, P. Duhamel, J-F. Cardoso, and S. Mayrargue. Subspace methods for the blind identification of multichannel FIR filters. IEEE Trans on Signal Processing, 43 : 516-525, 1995.

[PS82] F. Pasquill and F.B. Smith. Atmosphéric Diffusion, third edtion. ELLIS HORWOOD LIMITED, 1982.

[RDTL00] G. Roussel, G. Delmaire, E. Ternisien, and R. Lherbier.Separtion problem of industrial particles using a stationary scattering model. Journ. Environment Modelling and software, vol. 15/6-7 : pp 653-661, december 2000.

[TRB00a] E. Ternisien, G. Roussel, and M. Benjelloun.Blind identification and source localization of dispersive SIMO model by subspce method. In Sysid’2000, Santa Barbara, California, june 2000. IFAC.

[TRB00b] E. Ternisien, G. Roussel, and M. Benjelloun. Critère de localisation de source et d’identification pour un modèle de dispersion SIMO. In CIFA 2000, Lille, France, 5-8 juillet 2000. CESA.

[TRB00c] E. Ternisien, G. Roussel, and M. Benjelloun. Identification aveugle du milieu de dispersion et localisation de source de pollution par observation multicapteurs. In Journées de l’automatique et Environnement, Nancy, 9-10 Mars 2000. CRAN.

[TRB00d] E. Ternisien, G. Roussel, and M. Benjelloun.Subspace method for blind characterisation of atmospheric scattering model. In Scientific Computation, Applied Mathematics and Simulation, Lausanne, Suisse, 09 2000. 16th IMACS.

[Tur94] D. Bruce Turner. Atmospheric Dispersion Estimates. An Introduction to Dispersion Modeling. CRC Press, Inc, 2000 Corporate Blvd, Broca Raton, Florida 33431, 1994.

[TXK91] L. Tong, G. Xu, and T Kailath.A new approach to blind identification and equalization of multipath channels.In Proc. 25th Asilomar Conf., pages 856-860, 1991.