Les schémas de Codage Vidéo Linéaire (CVL) inspirés de SoftCast ont émergé dans la dernière décennie comme une alternative aux schémas de codage vidéo classiques. Ces schémas de codage source-canal conjoint exploitent des résultats théoriques montrant qu’une transmission (quasi-)analogique est plus performante dans des situations de multicast que des schémas numériques lorsque les rapports signal-à-bruit des canaux (C-SNR) diffèrent d’un récepteur à l’autre. Dans ce contexte, les schémas de CVL permettent d’obtenir une qualité de vidéo décodée proportionnelle au C-SNR du récepteur.Une première contribution de cette thèse concerne l’optimisation de la matrice de précodage de canal pour une transmission de type OFDM de flux générés par un CVL lorsque les contraintes de puissance diffèrent d’un sous-canal à l’autre. Ce type de contrainte apparait en sur des canaux DSL, ou dans des dispositifs de transmission sur courant porteur en ligne (CPL). Cette thèse propose une solution optimale à ce problème de type multi-level water filling et nécessitant la solution d’un problème de type Structured Hermitian Inverse Eigenvalue. Trois algorithmes sous-optimaux de complexité réduite sont également proposés. Des nombreux résultats de simulation montrent que les algorithmes sous-optimaux ont des performances très proches de l’optimum et réduisent significativement le temps de codage. Le calcul de la matrice de précodage dans une situation de multicast est également abordé. Une seconde contribution principale consiste en la réduction de l’impact du bruit impulsif dans les CVL. Le problème de correction du bruit impulsif est formulé comme un problème d’estimation d’un vecteur creux. Un algorithme de type Fast Bayesian Matching Pursuit (FBMP) est adapté au contexte CVL. Cette approche nécessite de réserver des sous-canaux pour la correction du bruit impulsif, entrainant une diminution de la qualité vidéo en l'absence de bruit impulsif. Un modèle phénoménologique (MP) est proposé pour décrire l’erreur résiduelle après correction du bruit impulsif. Ce modèle permet de d’optimiser le nombre de sous-canaux à réserver en fonction des caractéristiques du bruit impulsif. Les résultats de simulation montrent que le schéma proposé améliore considérablement les performances lorsque le flux CVL est transmis sur un canal sujet à du bruit impulsif. / SoftCast based Linear Video Coding (LVC) schemes have been emerged in the last decade as a quasi analog joint-source-channel alternative to classical video coding schemes. Theoretical analyses have shown that analog coding is better than digital coding in a multicast scenario when the channel signal-to-noise ratios (C-SNR) differ among receivers. LVC schemes provide in such context a decoded video quality at different receivers proportional to their C-SNR.This thesis considers first the channel precoding and decoding matrix design problem for LVC schemes under a per-subchannel power constraint. Such constraint is found, e.g., on Power Line Telecommunication (PLT) channels and is similar to per-antenna power constraints in multi-antenna transmission system. An optimal design approach is proposed, involving a multi-level water filling algorithm and the solution of a structured Hermitian Inverse Eigenvalue problem. Three lower-complexity alternative suboptimal algorithms are also proposed. Extensive experiments show that the suboptimal algorithms perform closely to the optimal one and can reduce significantly the complexity. The precoding matrix design in multicast situations also has been considered.A second main contribution consists in an impulse noise mitigation approach for LVC schemes. Impulse noise identification and correction can be formulated as a sparse vector recovery problem. A Fast Bayesian Matching Pursuit (FBMP) algorithm is adapted to LVC schemes. Subchannels provisioning for impulse noise mitigation is necessary, leading to a nominal video quality decrease in absence of impulse noise. A phenomenological model (PM) is proposed to describe the impulse noise correction residual. Using the PM model, an algorithm to evaluate the optimal number of subchannels to provision is proposed. Simulation results show that the proposed algorithms significantly improve the video quality when transmitted over channels prone to impulse noise.

Le travail présenté dans cette thèse a pour objectif de proposer et d'évaluer les performances de différentes techniques de suppression de bruit impulsif de type asynchrone adaptées aux transmissions sur courants porteurs en lignes (CPL) indoor. En effet, outre les caractéristiques physiques spécifiques à ce type de canal de transmission, le bruit impulsif asynchrone reste la contrainte sévère qui pénalise les systèmes CPL en terme de QoS. Pour remédier aux dégradations dues aux bruits impulsifs asynchrones, les techniques dites de retransmission sont souvent très utilisées. Bien qu'elles soient efficaces, ces techniques de retransmission conduisent à une réduction de débit et à l’introduction de délais de traitement supplémentaires pouvant être critiques pour des applications temps réel. Par ailleurs, plusieurs solutions alternatives sont proposées dans la littérature pour minimiser l'impact du bruit impulsif sur les transmissions CPL. Cependant, le nombre de techniques, qui permettent d'obtenir un bon compromis entre capacité de correction et complexité d'implantation reste faible pour les systèmes CPL. Dans ce contexte, nous proposons dans un premier temps d'utiliser un filtre linéaire adaptatif : le filtre de Widrow, nommé aussi ADALINE (ADAptive LInear NEuron), que nous utilisons comme méthode de débruitage pour les systèmes CPL. Pour améliorer les performances du débruitage effectué à l'aide d'ADALINE, nous proposons d'utiliser un réseau de neurones (RN) non linéaire comme méthode de débruitage. Le réseau de neurones est un bon outil qui est une généralisation de la structure du filtre ADALINE. Dans un deuxième temps, pour améliorer les performances du débruitage par un réseau de neurones, nous proposons un procédé d'annulation du bruit impulsif constitué de deux algorithmes : EMD (Empirical Mode Decomposition) associé à un réseau de neurones de type perceptron multicouches. L'EMD effectue le prétraitement en décomposant le signal bruité en signaux moins complexes et donc plus facilement analysables. Après quoi le réseau de neurones effectue le débruitage. Enfin, nous proposons une méthode d'estimation du bruit impulsif utilisant la méthode GPOF (Generalized Pencil Of Function). L'efficacité des deux méthodes, EMD-RN et la technique utilisant l'algorithme GPOF, est évaluée en utilisant une chaîne de simulation de transmission numérique compatible avec le standard HPAV. / The aim of our thesis is to propose and to evaluate the performances of some asynchronous impulsive noise mitigation techniques for transmission over indoor power lines. Indeed, besides the particular physical properties that characterize this transmission channel type, asynchronous impulsive noise remains the difficult constraint to overcome on power lines communications (PLC). Usually, the impact of asynchronous impulsive disturbances over power lines is partly compensated by means of retransmission mechanisms. However, the main drawbacks of the use of retransmission solutions for impulsive noise mitigation are the bitrate loss and the induced time delays that may be prohibitive for real-time services. Although several other countering strategies are proposed in the literature, only very few of them have a good compromise between correction capability and implementing complexity for PLC systems. In this context, we proposed an adaptive linear filter, the Widrow filter, also known as ADALINE (Adaptive LInear neurons), as a denoising method for PLC systems. To improve the performance of the denoising method using ADALINE, we proposed to use a neural network (NN) as a nonlinear denoising method. The neural network is a good generalization of the ADALINE filter. In a second step, to improve the performances of denoising by NN, we proposed a combined denoising method based on EMD (Empirical Mode Decomposition) and MLPNN (Multi Layer Perceptron Neural Network). The noised signal is pre-processed by EMD which decomposes it into signals less complex and therefore more easily analyzed. Then the MLPNN denoises it. Finally, we proposed an asynchronous impulsive noise estimation method using the GPOF method (Generalized Pencil Of Function). The performances of the two methods, EMD-MLPNN and GPOF technique, are evaluated using a PLC transmission chain compatible with the HPAV standard.