Les techniques des directions d’arrivée (DOA) sont une voie prometteuse pour accroitre la capacité des systèmes et les services de télécommunications en permettant de mieux estimer le canal radio-mobile. Elles permettent aussi de suivre précisément des usagers cellulaires pour orienter les faisceaux d’antennes dans leur direction. S’inscrivant dans ce contexte, ce présent mémoire décrit étape par étape l’implémentation de l’algorithme de haut niveau MUSIC (MUltiple SIgnal Classification) sur une plateforme FPGA afin de déterminer en temps réel l’angle d’arrivée d’une ou des sources incidentes à un réseau d’antennes. Le concept du prototypage rapide des lois de commande (RCP) avec les outils de XilinxTM System generator (XSG) et du MBDK (Model Based Design Kit) de NutaqTM est le concept de développement utilisé. Ce concept se base sur une programmation de code haut niveau à travers des modèles, pour générer automatiquement un code de bas niveau. Une attention particulière est portée sur la méthode choisie pour résoudre le problème de la décomposition en valeurs et vecteurs propres de la matrice complexe de covariance par l’algorithme de Jacobi. L’architecture mise en place implémentant cette dernière dans le FPGA (Field Programmable Gate Array) est détaillée. Par ailleurs, il est prouvé que MUSIC ne peut effectuer une estimation intéressante de la position des sources sans une calibration préalable du réseau d’antennes. Ainsi, la technique de calibration par matrice G utilisée dans ce projet est présentée, en plus de son modèle d’implémentation. Enfin, les résultats expérimentaux du système mis à l’épreuve dans un environnement réel en présence d’une source puis de deux sources fortement corrélées sont illustrés et analysés. / The techniques of Directions of Arrival (DOA) are a promising way to increase the capacity of systems and telecommunications services to better estimate the mobile-radio channel. They allow precise monitoring of cellular users to orient the antenna beams at them. Therefore, in this context, this paper describes step by step implementation of the high-level algorithm MUSIC (Multiple SIgnal Classification) on an FPGA platform to determine in real time the angle of arrival of one or incident sources to an antenna array. The Rapid Control Prototyping (RCP) with the tools of XilinxTM System generator (XSG) and MBDK (Model Based Design Kit) of NutaqTM is the development concept used. This concept is based on a high level programming code through models, to automatically generate a low-level code. A special attention is devoted to the method chosen to solve the eigenvalues decomposition problem for the complex autocorrelation matrix by Jacobi algorithm. The architecture designed implementing it in FPGA (Field Programmable Gate Array) is detailed. Furthermore, it is proved that MUSIC can perform an interesting estimate of the position of the sources without prior calibration of the antenna array. Thus, the calibration technique G matrix used in this project is presented, in addition to the implementation model. Finally, the experimental results of the system tested in a real environment in the presence of one source then two highly correlated sources are illustrated and analyzed.

Ce mémoire présente trois algorithmes qui ensemble, ont pour objectifs d’estimer la direction d’arrivée de sources sonores composées de raies spectrales non-stationnaires. Ces algorithmes permettent de faire une localisation à haute-résolution qui surpasse les performances d’un corrélateur. Le premier algorithme a comme objectifs d’estimer et de pister les composantes fréquentielles contenues dans un spectre échantillonné par un réseau linéaire uniforme. Le second utilise une version adaptée de l’algorithme MUSIC afin d’estimer la direction d’arrivée de chacune des raies spectrales pistées. Le troisième permet de focaliser les directions d’arrivée de chacune des raies spectrales vers la source qui les a émises afin de la localiser de façon précise. Finalement, ce mémoire présente des mesures expérimentales et des simulations afin de valider le fonctionnement des algorithmes.

Par le principe du temps vol, un système émettant un pulse peut mesurer à quelle distance se trouve des cibles en calculant les délais d'arrivée des échos retournés par les obstacles. Des situations de détection complexes doivent être résolues, telles que deux cibles dont les échos se superposent partiellement. L'algorithme de détection développé a donc pour objectif de distinguer des cibles rapprochées entre elles, de façon fiable et précise, avec une bonne immunité au bruit, sur des signaux exclusivement réels, où seule l'information sur l'amplitude de l'enveloppe du signal est disponible. L'algorithme développé sera basé sur l'algorithme MUSIC. Ce dernier est inutilisable tel quel, dû à la nature des signaux. Une adaptation est tout d'abord élaborée, puis optimisée. Cette version de l'algorithme surpasse les performances des algorithmes de notre partenaire industriel et des méthodes de détection généralement employées et est en mesure de distinguer les échos de cibles rapprochées entre elles. / By using the time-of-flight principle, a system emitting a pulse is able to measure the distance of a target by calculating the echoes' delays returned by the obstacles. Some complex detection situations must be solved, such as two targets producing overlapping echoes. The goal of the detection algorithm is to distinguish targets with overlapping echoes, with a good precision and a good immunity to noise, using real signals, which only the enveloppe's amplitude information is available. The created algorithm is based on the MUSIC algorithm. The later is not working as it is, because of the signals' properties. An adaptation is created, and then optimized. The most substantial improvement comes from the decorrelation processing applied on the signals' covariance matrix. The effect is a decorrelation of the sources, allowing the algorithm to distinguish targets with overlapping echoes. Also, most of the decorrelation techniques help to detect echoes with low SNRs. Another improvement concerns the measurement resolution, which is better than just the sample period. The algorithm's performances exceed those of our industrial partner algorithms and those of commonly used detection methods. The ultimate goal of the project is to integrate the developped algorithm into our industrial partner's system. It has to be real time application, and to respect the cost and ressources constaints of the system. Consequently, some optimizations of the algorithm were required. Some specific properties of the covariance matrix allowed a decrease of the memory space to save its data. This way, the number of matrix's data saved represents less than 5% of the initial covariance matrix. Another optimization is done by using an iterative method for the eigenvalue decomposition, accelerating significantly the processing time. Finally, the algorithm 'sperformances coming out of the comparative tests completed between the adapted MUSIC algorithm and our industrial partner's algorithms demonstrate that the project's goals are fullfilled. The developped algorithm can solve the situation where two targets produce overlapping echoes, while providing a good noise immunity.

Le sujet de la thèse porte sur l'étude des approches d'estimation des Signaux à Phase Polynomiale (SPP) noyés par un bruit non gaussien. Nous considérons deux modèles pour le bruit: le premier modèle est défini par une Somme Pondérée de Gaussiennes et le second par des distributions alpha-stables. Dans un premier temps, nous abordons les méthodes classiques d'analyse des SPP. L'utilisation des statistiques d'ordre fractionnaire permet d'obtenir des algorithmes robustes en présence de bruit impulsif; nous exploitons cette propriété pour proposer une Distribution de Wigner-Ville Polynomiale pour l'analyse des SPP. Cette nouvelle distribution, permet de mieux estimer la fréquence instantanée du SPP bruité. La deuxième partie est consacrée aux méthodes récentes d'analyse spectrale adaptées aux SPP. Nous proposons un algorithme MUSIC robuste obtenu par SVD de la matrice de covariation. Cet algorithme nous permet d'estimer les coefficients de la phase dans un plan temps-coefficient. Dans la troisième partie, une approche pour l'estimation des SPP par filtrage de Kalman est présentée. Cette approche repose sur un modèle d'état non linéaire avec un bruit d'observation non gaussien. Nous présentons trois types de filtres de Kalman robustes au bruit impulsif. Le premier, appelé filtre de Kalman étendu robuste utilise un gain de Kalman dépendant de la fonction de Huber. Aussi, nous proposons d'utiliser deux filtres de Kalman étendus (EKF) opérant en parallèle couplés via le terme d'apparition du bruit impulsif. Enfin, il est possible d'améliorer les performances d'estimation en utilisant un filtre UKF ‘unscented Kalman filter' à la place du filtre EKF.