QUI SOMMES-NOUS ?
L’activité Systèmes terrestres et aériens conçoit des systèmes, des équipements, des capteurs et des services pour le contrôle du trafic aérien civil et militaire, la défense aérienne ainsi que le combat naval et terrestre.A 20mn du cluster Paris-Saclay, le site de Limours réunit plus de 900 collaborateurs travaillant de la conception des solutions à la recette avec les clients, en passant par la production, des radars de surface. Ce site a connu ces dernières années de grandes évolutions et continue à s’adapter aux besoins des clients en termes de surveillance du ciel et de zones sensibles.
QUI ETES VOUS ?
Vous êtes en fin de cursus ingénieur généraliste avec une spécialité en aérospatial, électronique et vous cherchez un stage de fin d’étude ? Vous possédez des compétences en Machine Learning, optimisation ? Vous avez des connaissances en traitement du signal, programmation ? Vous êtes à l’aise avec les langages Matlab et Python ?
Vous savez être organisé.e et rigoureux.se dans vos actions, tout en faisant preuve d’autonomie ? Vous aimez prendre des initiatives et êtes force de proposition ? Le monde de l'industrie, ses processus et les gens qui y travaillent vous passionne ?
CE QUE NOUS POUVONS ACCOMPLIR ENSEMBLE ?
Le stage se déroule au sein du département Advanced Radar Concepts de l’unité Radar de Surface de Thales. Les études réalisées par le département portent principalement sur les domaines de l’architecture radar, du traitement et de la gestion des senseurs radars. L’ionosphère est composée d’un plasma partiellement ionisé qui interagit avec les ondes électromagnétiques ; les mesures d’un radar de surveillance de l’espace sont ainsi entachées d’erreurs liées à la propagation des ondes radar dans le milieu ionosphérique. Ce stage a pour objectif la mise en place d’un algorithme d’apprentissage pour corriger automatiquement ces erreurs à partir des capacités de mesure du radar.
Pour cela, vous serez chargé de :
• Prendre connaissance des éléments de solution disponibles : état de l’art bibliographique, outils et algorithmes
• Prendre en main les modèles de référence l’ionosphère : IRI (International Reference Ionosphere), NeQuick (modèle de l’ITU – Institute of Telecommunication Union)
• Simuler des trajectoires de satellites et les mesures radar associées en y intégrant les erreurs liées à l’ionosphère
• Implémenter et entraîner un algorithme d’apprentissage permettant de compenser les erreurs de mesure
• Valider les performances de la solution proposée à partir de critères à définir
• Réaliser une synthèse de l’étude
Innovation, passion, ambition : rejoignez Thales et créez le monde de demain, dès aujourd’hui.