Le réseau sans fil sur le corps humain ou « wireless body area network (WBAN) » est une nouvelle technologie de réseau sans fil dédié à la surveillance des paramètres physiologiques d’une personne. Le réseau est composé de dispositifs électroniques miniatures, appelés nœuds, disposés aux alentours ou à l’intérieur du corps humain. Chaque nœud est doté d’un ou plusieurs capteurs mesurant les paramètres physiologiques de la personne, comme l’électrocardiogramme ou bien la température du corps, et les caractéristiques de l’environnement qui l’entoure. Ces nœuds sont surtout soumis à une contrainte énergétique importante puisque la miniaturisation a réduit les dimensions de leurs batteries. Puisque les nœuds consomment la majorité de l’énergie pour transmettre les données, une solution pour diminuer leur consommation consisterait à compresser les données avant la transmission. Les méthodes classiques de compression ne sont pas adaptées pour le WBAN particulièrement à cause de la puissance de calcul requise et la consommation qui en résulterait. Dans cette thèse, pour contourner ces problèmes, nous utilisons une méthode à base de l’acquisition comprimée pour compresser et reconstruire les données provenant des nœuds. Nous proposons un encodeur simple et facile à mettre en œuvre pour compresser les signaux. Nous présentons aussi un algorithme permettant de réduire la complexité de la phase de reconstruction des signaux. Un travail collaboratif avec l’entreprise TEA (Technologie Ergonomie Appliquées) nous a permis de valider expérimentalement une version numérique de l’encodeur et l’algorithme de reconstruction. Nous avons aussi développé et validé une version analogique de l’encodeur en utilisant des composants standards. / A wireless body area network (WBAN) is a new class of wireless networks dedicated to monitor human physiological parameters. It consists of small electronic devices, also called nodes, attached to or implanted in the human body. Each node comprises one or many sensors which measure physiological signals, such as electrocardiogram or body heat, and the characteristics of the surrounding environment. These nodes are mainly subject to a significant energy constraint due to the fact that the miniaturization has reduced the size of their batteries. A solution to minimize the energy consumption would be to compress the sensed data before wirelessly transmitting them. Indeed, research has shown that most of the available energy are consumed by the wireless transmitter. Conventional compression methods are not suitable for WBANs because they involve a high computational power and increase the energy consumption. To overcome these limitations, we use compressed sensing (CS) to compress and recover the sensed data. We propose a simple and efficient encoder to compress the data. We also introduce a new algorithm to reduce the complexity of the recovery process. A partnership with TEA (Technologie Ergonomie Appliquées) company allowed us to experimentally evaluate the performance of the proposed method during which a numeric version of the encoder has been used. We also developed and validated an analog version of the encoder.

Le présent travail de thèse se propose de développer des techniques innovantes pour l'automatisation de tri de déchets de bois. L'idée est de combiner les techniques de spectrométrie proche-infra-rouge à des méthodes robustes de traitement de données pour la classification. Après avoir exposé le contexte du travail dans le premier chapitre, un état de l'art sur la classification de données spectrales est présenté dans le chapitre 2. Le troisième chapitre traite du problème de sélection de variables par des approches parcimonieuses. En particulier nous proposons d'étendre quelques méthodes gloutonnes pour l'approximation parcimonieuse simultanée. Les simulations réalisées pour l'approximation d'une matrice d'observations montrent l'intérêt des approches proposées. Dans le quatrième chapitre, nous développons des méthodes de sélection de variables basées sur la représentation parcimonieuse simultanée et régularisée, afin d'augmenter les performances du classifieur SVM pour la classification des spectres IR ainsi que des images hyperspectrales de déchets de bois. Enfin, nous présentons dans le dernier chapitre les améliorations apportées aux systèmes de tri de bois existants. Les résultats des tests réalisés avec logiciel de traitement mis en place, montrent qu'un gain considérable peut être atteint en termes de quantités de bois recyclées / In this thesis, innovative techniques for sorting wood wastes are developed. The idea is to combine infrared spectrometry techniques with robust data processing methods for classification task. After exposing the context of the work in the first chapter, a state of the art on the spectral data classification is presented in the chapter 2. The third chapter deals with variable selection problem using sparse approaches. In particular we propose to extend some greedy methods for the simultaneous sparse approximation. The simulations performed for the approximation of an observation matrix validate the advantages of the proposed approaches. In the fourth chapter, we develop variable selection methods based on simultaneous sparse and regularized representation, to increase the performances of SVM classifier for the classification of NIR spectra and hyperspectral images of wood wastes. In the final chapter, we present the improvements made to the existing sorting systems. The results of the conducted tests using the processing software confirm that significant benefits can be achieved in terms of recycled wood quantities

Dans cette thèse, nous traitons le problème de la séparation de sources audio multicanale par réseaux de neurones profonds (deep neural networks, DNNs). Notre approche se base sur le cadre classique de séparation par algorithme espérance-maximisation (EM) basé sur un modèle gaussien multicanal, dans lequel les sources sont caractérisées par leurs spectres de puissance à court terme et leurs matrices de covariance spatiales. Nous explorons et optimisons l'usage des DNNs pour estimer ces paramètres spectraux et spatiaux. À partir des paramètres estimés, nous calculons un filtre de Wiener multicanal variant dans le temps pour séparer chaque source. Nous étudions en détail l'impact de plusieurs choix de conception pour les DNNs spectraux et spatiaux. Nous considérons plusieurs fonctions de coût, représentations temps-fréquence, architectures, et tailles d'ensembles d'apprentissage. Ces fonctions de coût incluent en particulier une nouvelle fonction liée à la tâche pour les DNNs spectraux: le rapport signal-à-distorsion. Nous présentons aussi une formule d'estimation pondérée des paramètres spatiaux, qui généralise la formulation EM exacte. Sur une tâche de séparation de voix chantée, nos systèmes sont remarquablement proches de la méthode de l'état de l'art actuel et améliorent le rapport source-interférence de 2 dB. Sur une tâche de rehaussement de la parole, nos systèmes surpassent la formation de voies GEV-BAN de l'état de l'art de 14%, 7% et 1% relatifs en terme d'amélioration du taux d'erreur sur les mots sur des données à 6, 4 et 2 canaux respectivement / This thesis addresses the problem of multichannel audio source separation by exploiting deep neural networks (DNNs). We build upon the classical expectation-maximization (EM) based source separation framework employing a multichannel Gaussian model, in which the sources are characterized by their power spectral densities and their source spatial covariance matrices. We explore and optimize the use of DNNs for estimating these spectral and spatial parameters. Employing the estimated source parameters, we then derive a time-varying multichannel Wiener filter for the separation of each source. We extensively study the impact of various design choices for the spectral and spatial DNNs. We consider different cost functions, time-frequency representations, architectures, and training data sizes. Those cost functions notably include a newly proposed task-oriented signal-to-distortion ratio cost function for spectral DNNs. Furthermore, we present a weighted spatial parameter estimation formula, which generalizes the corresponding exact EM formulation. On a singing-voice separation task, our systems perform remarkably close to the current state-of-the-art method and provide up to 2 dB improvement of the source-to-interference ratio. On a speech enhancement task, our systems outperforms the state-of-the-art GEV-BAN beamformer by 14%, 7%, and 1% relative word error rate improvement on 6-channel, 4-channel, and 2-channel data, respectively

L’EEG de surface permet l'étude spatio-temporelle de l’activité cérébrale avec une résolution temporelle élevée, cependant elle souffre de la forte atténuation du champ électrique propagée par l'os du crâne et de la présence de sources de bruits externes. De ce fait, nous souhaitons exploiter les mesures issues de la Stéréo-EEG (SEEG). Cette modalité consiste en l'introduction d'électrodes d'enregistrement au plus près des générateurs, bénéficiant ainsi d'un rapport signal à bruit bien supérieur à celui observé en EEG. Nous proposons ainsi dans cette thèse une étude de faisabilité de l'imagerie de sources à partir de ces mesures, basée sur une méthode d'inversion de type dipôle équivalent associée à un modèle de propagation à une sphère, capable d'amener à une précision de localisation de l'ordre de quelques millimètres. A partir d'une implantation clinique usuelle de la SEEG, nous évaluons les performances de localisation lorsque différents sous-ensembles de capteurs sont considérés. En présence de bruit réaliste, nous constatons que l'ajout de capteurs lointains peut amener à une dégradation de la précision de localisation. Ces conclusions nous amènent à proposer une approche de sélection des capteurs locaux dans le but d'optimiser la fiabilité des résultats. Les atouts et faiblesses de cette approche sont analysés dans un cadre de simulation réaliste afin d'explorer de façon pertinente les différents paramètres pouvant influer sur la qualité de résolution du problème inverse. Les approches sont appliquées sur des enregistrements SEEG récoltés au CHRU de Nancy afin de confronter les méthodes de localisation proposées à des mesures réelles / The surface EEG makes it possible to study the brain activity with a high temporal resolution, however it suffers from the severe attenuation of the electrical propagation through the skull bone as well as the addition of external artifacts. As an alternative, we would like to exploit the Stereo-EEG (SEEG) recordings, consisting in shaft electrodes implanted in the brain volume in the direct vicinity of the brain generators. These data benefit from a high signal to noise ratio compared to this observed in surface EEG. We propose in this thesis a feasibility study of source imaging from the SEEG, based on an equivalent current dipole inversion method associated with an analytical One-Sphere propagation model, able to bring localization precision of the order of a few millimeters. Using a typical clinical electrode implantation, we evaluate the localization performance when different subsets of sensors are considered. In the presence of realistic noise, we observe that the addition of distant sensors with respect to the source can lead to a degradation of the localization accuracy. These conclusions lead us to propose a local sensor selection approach in order to optimize the reliability of the results. The strengths and weaknesses of this approach are analyzed on a realistic simulation framework, for a relevant exploration of the different parameters impacting on the quality of the SEEG source imaging. The approaches are applied on SEEG recordings collected at the CHRU of Nancy to evaluate their performance when facing real measurements

Cette thèse porte sur l’analyse des signaux sEMG multicanaux à l’aide de la transformée en ondelettes, de la transformation de Hilbert-Huang et d’autres méthodes d’analyse ou de traitement des signaux, telles que le filtrage de Kalman et de Goertzel, pour détecter, mesurer, filtrer et décomposer les signaux sEMG afin d’identifier des tendances dans le temps et en fréquence des mouvements de flexion-extension des doigts de la main en observant les signaux myoélectriques des muscles superficiels. Le but est de prédire le mouvement des doigts de la main et de minimiser le temps de calcul pour permettre de contrôler des prothèses à l’aide de capteurs superficiels. L’hypothèse est fondée sur l’idée que tous les mouvements de la main sont une réponse active de l’activité myoélectrique des muscles spécifiques et que l’activité électrique peut être mesurée comme un signal associé à une séquence de mouvement des éléments de la main (doigts). Chaque doigt peut effectuer une trajectoire de la position de repos à la position finale, cette trajectoire qui n’est évidemment pas instantanée, engendre un signal myoélectrique lui-même non instantanée. L’activité électrique du muscle est présente sur les signaux enregistrés. Cette activité électrique peut être reconnue par un algorithme à partir d’une base de données de modèles de mouvement. Comparer l’activité électrique des muscles en temps réel par rapport à ces données peut permettre de détecter une tendance du comportement de la main et donc de prévoir le mouvement spécifique avant ou en même temps. Cette prédiction doit autoriser une baisse du temps de réponse de la prothèse / This thesis deals with the analysis of multichannel sEMG signals using wavelet transform, Hilbert-Huang transformation and other signal analysis or processing methods such as Kalman and Goertzel filtering, for detecting, measuring, filtering and decomposing sEMG signals to identify patterns in the time and frequency of flexion-extension movements of the fingers of the hand by analyzing the myoelectric signals of the superficial muscles. The aim is to predict the movement of the fingers of the hand and to minimize the computation time to allow the control of prostheses by means of superficial sensors. The hypothesis is based on the idea that all hand movements are an active response of the myoelectric activity of specific muscles and that electrical activity can be measured as a signal associated with a sequence of motion of the elements of the hand (fingers). Each finger can make a trajectory from the rest position to the final position, this trajectory which is obviously not instantaneous, generates a non-instantaneous myoelectric signal itself. The electrical activity of the muscle is present on the recorded signals. This electrical activity can be recognized by an algorithm from a database of the motion models. Comparing the electrical activity of the muscles in real time with respect to these data can make it possible to detect a tendency in the behavior of the hand and therefore to predict the specific movement before or at the same time. This prediction must allow a reduction in the response time of the prosthesis

Cette thèse aborde le problème de la décomposition booléenne des tableaux multidimensionnels de données binaires par modèle de mélange post non-linéaire. Dans la première partie, nous introduisons une nouvelle approche pour la factorisation booléenne en matrices binaires (FBMB) fondée sur un modèle de mélange post non-linéaire. Contrairement aux autres méthodes de factorisation de matrices binaires existantes, fondées sur le produit matriciel classique, le modèle proposé est équivalent au modèle booléen de factorisation matricielle lorsque les entrées des facteurs sont exactement binaires et donne des résultats plus interprétables dans le cas de sources binaires corrélées, et des rangs d'approximation matricielle plus faibles. Une condition nécessaire et suffisante d'unicité pour la FBMB est également fournie. Deux algorithmes s'appuyant sur une mise à jour multiplicative sont proposés et illustrés dans des simulations numériques ainsi que sur un jeu de données réelles. La généralisation de cette approche au cas de tableaux multidimensionnels (tenseurs) binaires conduit à la factorisation booléenne de tenseurs binaires (FBTB). La démonstration de la condition nécessaire et suffisante d’unicité de la décomposition booléenne de tenseurs binaires repose sur la notion d'indépendance booléenne d'une famille de vecteurs. L'algorithme multiplicatif fondé sur le modèle de mélange post non-linéaire est étendu au cas multidimensionnel. Nous proposons également un nouvel algorithme, plus efficace, s'appuyant sur une stratégie de type AO-ADMM (Alternating Optimization -ADMM). Ces algorithmes sont comparés à ceux de l'état de l'art sur des données simulées et sur un jeu de données réelles / This work is dedicated to the study of boolean decompositions of binary multidimensional arrays using a post nonlinear mixture model. In the first part, we introduce a new approach for the boolean factorization of binary matrices (BFBM) based on a post nonlinear mixture model. Unlike the existing binary matrix factorization methods, the proposed method is equivalent to the boolean factorization model when the matrices are strictly binary and give thus more interpretable results in the case of correlated sources and lower rank matrix approximations compared to other state-of-the-art algorithms. A necessary and suffi-cient condition for the uniqueness of the BFBM is also provided. Two algorithms based on multiplicative update rules are proposed and tested in numerical simulations, as well as on a real dataset. The gener-alization of this approach to the case of binary multidimensional arrays (tensors) leads to the boolean factorisation of binary tensors (BFBT). The proof of the necessary and sufficient condition for the boolean decomposition of binary tensors is based on a notion of boolean independence of binary vectors. The multiplicative algorithm based on the post nonlinear mixture model is extended to the multidimensional case. We also propose a new algorithm based on an AO-ADMM (Alternating Optimization-ADMM) strategy. These algorithms are compared to state-of-the-art algorithms on simulated and on real data

Les propriétés physiques macroscopiques des matériaux granulaires découlent directement de leurs micro-structures. L'étude de tels matériaux nécessite la segmentation de leur structures 3D à partir d'images acquises par CT-scans. Cependant, ces images sont parfois difficiles à analyser, car de nombreux défauts et artefactes de reconstruction peuvent apparaître. Obtenir des structures 3D proches des données réelles nécessite un filtrage adapté, qui ne peut être obtenu que par une analyse approfondie du matériaux.Un filtrage adapté améliore la perception de chacun des grains et la structure 3D peut être alors obtenue par segmentation. La complexité de ces structures rend la tâche difficile : les grains qui la représentent prennent des formes irrégulières, allongées et pas nécessairement convexes. Ces grains sont généralement fortement agglomérés et difficiles à séparer. De plus, des phénomènes de fracturation sont fréquemment observés. Les grains sont éclatés en petits fragments pouvant s'éloigner de la position d'origine du grain.Dans le cadre de cette thèse, une chaîne complète de segmentation est présentée. Les données brutes d'acquisition sont tout d'abord filtrés et pré-traités pour en extraire un certain nombre de mesures statistiques , telles que le nombre de phase, le nombre de grains de chaque phase, la distribution des tailles de grains et l'identification spectral de chaque phase. Une première segmentation grossière est effectuée en utilisant la transformation de ligne de partage des eaux. Une hiérarchie des contours obtenus permet d'éliminer la sur-segmentation. Enfin, une méthode permettant d'évaluer la similitude entre deux bords adjacents est présenté, et nous permettera de réassembler les grains fragmentés, dont les fragments ont été dispersés.Les acquitions par CT-scan sont conséquentes et leur étude nécessite une utilisation efficace des architectures récentes de calcul. Le choix de la chaîne de traitement est basé sur l'étude de l'état de l'art et son application aux données 3D, avec comme objectif d'équilibrer les coûts de traitement et la qualité de la segmentation. Une nouvelle méthode de segmentation nous permet d'atteindre de meilleurs performances en améliorant également la qualité des résultats. Enfin, deux nouveaux algorithmes sont proposés pour la détection de composantes connexes et la transformation de ligne de partage des eaux. / The physical properties of granular materials on a macroscopic scale derive from their microstructures. The segmentation of CT-images of this type of material is the first step towards simulation and modeling but it is not a trivial task. However, the quality of those images is often affected by the presence of noise and reconstruction artefacts. Obtaining 3D structures that fit the reality requires an adapted filter, which can only be obtained by a complete analysis of the material.This adapted filter enhances each grain and the full structure of the material is obtained by segmentation. However, non-spherical, elongated or non-convex objects fail to be separated with classical methods. Moreover, grains are commonly fragmented due to external conditions. Grains are ground into multiple fragments of different shape and volume; those fragments drift from one another in the binder phase.In this thesis, a complete process chain is proposed to segment complex structures that can be acquired by CT-scan. The raw data is first filtered and processed, and statistical features are extracted such as the number of phases, the number of grains of each phase, the size distribution and spectral identification of the phases. A primary segmentation is performed to identify every connection between touching grains and is based on the watershed transform. A hierarchy is built on the obtained contours to eliminate over-segmentation. Reconstruction of grains from fragments is achieved using affinities that match the local thickness and the regularity of the interface.Typical CT-images are voluminous, and the study of granular materials requires efficient use of modern computing architectures. Studying the state-of-the-art and its application to 3D data has oriented our choice has allowed us to balance the quality of segmentation and the computing cost. A novel segmentation method allows for higher performances while improving the quality of the result. Finally, two new algorithms are proposed for the labeling of connected components and for the watershed transformation.

Cette thèse présente l’apport d’une analyse fractale de la texture de l’os trabéculaire sur des clichés de radiographie du genou pour la caractérisation de la gonarthrose. Dans un premier temps cette analyse de texture a été confrontée aux méthodes actuelles de suivi de la pathologie afin de valider leur intérêt dans le suivi clinique des patients. Un second temps a été consacré à la prédiction de l’initiation de la pathologie où aucun marqueur ne fait référence. L’analyse de texture a été menée en utilisant des approches fractales permettant de s’affranchir des problèmes de variation d’acquisition entre différents centres cliniques tout en comparant différentes méthodes de calcul. La texture osseuse trabéculaire a été analysée à différentes plages d’échelle afin de caractériser les mécanismes sous-jacents de modification de la microarchitecture osseuse induits par la gonarthrose. Nous avons pu mettre en évidence l’intérêt prédictif de cette analyse peu coûteuse et largement accessible dans le cadre aussi bien de l’initiation que de la progression de l’arthrose du genou. / This thesis presents the contribution of the trabecluar bone texture fractal analysis on knee radiographs for the knee osteoarthritis characterization. Firstly, this texture analysis was confronted to the actual methods of the pathology clinical monitoring in order to validate their interest in the patients monitoring. Secondly, the prediction of the knee osteoarthritis initiation was investigated, domain in which there are still no markers defined. The texture analysis was performed using fractal approaches avoiding the problems of the variations in the acquisition among different clinical centers and comparing different computing methods. Trabecular bone texture was analyzed at different ranges of scale in order to characterize the underlying mechanisms of the microarchitecture modification induced by the knee osteoarthritis. Thus, we highligthed the predictive interest of this cheap and largely available analysis for both the initiation and the progression of the knee osteoarthritis.

La chambre réverbérante à brassage de modes (CRBM) est une cavité métallique fermée surdimensionnée, équipée d’un brasseur de modes. Le brassage de modes rend le champ électromagnétique homogène et isotrope à l’intérieur de la CRBM (dans son volume utile). Cette thèse illustre tout d’abord une nouvelle méthode pour évaluer les performances d’un brasseur de modes (via le spectre Doppler). Ensuite, elle présente une nouvelle méthode permettant de mesurer la surface équivalente radar (SER) d’un objet canonique en utilisant la technique de fenêtrage temporel ou time-gating. Enfin, elle présente une nouvelle méthode permettant de mesurer le diagramme de rayonnement d’une antenne dans une cavité surdimensionnée via la technique de time-gating. / The reverberation chamber (RC) is an oversized closed metal cavity, equipped with a mode-stirrer. The mode stirring makes the electromagnetic field homogeneous and isotropic inside the RC (in its useful volume). This thesis illustrates firstly a new method for evaluating the performance of a mode-stirrer (via the Doppler spectrum). Then, it presents a new method for measuring the radar cross section (RCS) of a canonical object using the time-gating technique. Finally, it presents a new method for measuring the antenna radiation pattern in an oversized cavity via the time-gating technique.

Nous avons développé un microscope tomographique diffractif en réflexion, qui permet d’observer la surface d’un échantillon avec une résolution latérale améliorée comparée à un microscope holographique conventionnel. À partir des même données expérimentales (les hologrammes acquis sous différents angles d’illumination), des mesures à haute précision longitudinale peuvent être réalisées sur la surface d’un échantillon purement réfléchissant, par reconstruction du profil de hauteur à partir de la phase. Cette méthode d’imagerie multimodale présente plusieurs avantages comparée aux mesures en holographie interférométrique classique : amélioration de la résolution latérale sur la partie diffractive, déroulement de phase facilité, réduction du bruit cohérent, l’ensemble étant associé à la grande précision longitudinale fournie par les mesures de phase. Nous montrons ces possibilités en imageant divers échantillons minces. / We have developed a tomographic diffractive microscope in reflection, which permits observation of sample surfaces with an improved lateral resolution, compared to a conventional holographic microscope. From the same set of data, high-precision measurements can be performed on the shape of the reflective surface by reconstructing the phase of the diffracted field. doing so allows for several advantages compared to classical holographic interferometric measurements: improvement in lateral resolution, easier phase unwrapping, reduction of the coherent noise, combined with the high-longitudinal precision provided by interferometric phase measurements. We demonstrate these capabilities by imaging various test samples.