This thesis deals with the estimation of unobserved variables or states from a time series of noisy observations. Approximate minimum variance filters for a class of discrete time systems with both additive and multiplicative noise, where the measurement might be delayed randomly by one or more sample times, are investigated. The delayed observations are modelled by up to N sample times by using N Bernoulli random variables with values of 0 or 1. We seek to minimize variance over a class of filters which are linear in the current measurement (although potentially nonlinear in past measurements) and present a closed-form solution. An interpretation of the multiplicative noise in both transition and measurement equations in terms of filtering under additive noise and stochastic perturbations in the parameters of the state space system is also provided. This filtering algorithm extends to the case when the system has continuous time state dynamics and discrete time state measurements. The Euler scheme is used to transform the process into a discrete time state space system in which the state dynamics have a smaller sampling time than the measurement sampling time. The number of sample times by which the observation is delayed is considered to be uncertain and a fraction of the measurement sample time. The same problem is considered for nonlinear state space models of discrete time systems, where the measurement might be delayed randomly by one sample time. The linearisation error is modelled as an additional source of noise which is multiplicative in nature. The algorithms developed are demonstrated throughout with simulated examples.

This study deals with a general method for the analysis of a semi-active control technique for a fast-shunt switching system. The benefit of the semi-active system is the reduction in power consumption, which is a significant disadvantage of a fully active system compared with a passive system. A semi-active system under consideration is a semi-actively shunted piezoelectric system, which converts the strain energy into electrical energy through strong electromechanical coupling achieved though the piezoelectric phenomenon. Our proposed semi-active approach combines a PZT-based energy harvesting with a fast switching system driven by a Pulse-Width Modulated (PWM) signal. The fast switching system enables continuous adaptation of vibration energy control/harvesting by varying the PWM duty cycle. This contrasts with a conventional capacitance switching system that can only change the capacitance at discrete values. The analysis of the current piezoelectric system combined with a fast-switching system poses a considerable challenge as it contains both continuous and discrete characteristics. The study proposes an enhanced averaging method for analyzing the piecewise linear system. The simulation of the averaged system is much faster than that of the time-varying system. Moreover, the analysis derives error bounds that characterize convergence in the time domain of the averaged system to the original system. The dissertation begins with the derivation of the equations governing the physics of a piezostructure combined with an electrical switching shunt network. The results of the averaging analysis and numerical simulation are presented in order to provide a basis for estimating the structural responses that range between open- and short-circuit conditions which constitutes two limiting conditions. An experimental study demonstrates that the capacitive shunt bimorph piezostructure coupled with a single switch can be adjusted continuously by varying the PWM duty cycle. And the behavior of such hybrid system can be well predicted by the averaging analysis. / Ph. D.

Estimating the state of a system from noisy measurements is a problem which arises in a variety of scientific and industrial areas which include signal processing, communications, statistics and econometrics. Recursive filtering is one way to achieve this by incorporating noisy observations as they become available with prior knowledge of the system model. Bayesian methods provide a general framework for dynamic state estimation problems. The central idea behind this recursive Bayesian estimation is computing the probability density function of the state vector of the system conditioned on the measurements. However, the optimal solution to this problem is often intractable because it requires high-dimensional integration. Although we can use the Kalman lter in the case of a linear state space model with Gaussian noise, this method is not optimum for a non-linear and non-Gaussian system model. There are many new methods of filtering for the general case. The main emphasis of this thesis is on one such recently developed filter, the particle lter [2,3,6]. In this thesis, a detailed introduction to particle filters is provided as well as some guidelines for the efficient implementation of the particle lter. The application of particle lters to various communication channels like detection of symbols over the channels, capacity calculation of the channel are discussed.

The work concerns the "observability problem"--the reconstruction of a dynamic process's full state from a partially measured state-- for nonlinear dynamic systems. The Extended Kalman Filter (EKF) is a widely-used observer for such nonlinear systems. However it suffers from a lack of theoretical justifications and displays poor performance when the estimated state is far from the real state, e.g. due to large perturbations, a poor initial state estimate, etc. . . We propose a solution to these problems, the Adaptive High-Gain (EKF). Observability theory reveals the existence of special representations characterizing nonlinear systems having the observability property. Such representations are called observability normal forms. A EKF variant based on the usage of a single scalar parameter, combined with an observability normal form, leads to an observer, the High-Gain EKF, with improved performance when the estimated state is far from the actual state. Its convergence for any initial estimated state is proven. Unfortunately, and contrary to the EKF, this latter observer is very sensitive to measurement noise. Our observer combines the behaviors of the EKF and of the high-gain EKF. Our aim is to take advantage of both efficiency with respect to noise smoothing and reactivity to large estimation errors. In order to achieve this, the parameter that is the heart of the high-gain technique is made adaptive. Voila, the Adaptive High-Gain EKF. A measure of the quality of the estimation is needed in order to drive the adaptation. We propose such an index and prove the relevance of its usage. We provide a proof of convergence for the resulting observer, and the final algorithm is demonstrated via both simulations and a real-time implementation. Finally, extensions to multiple output and to continuous-discrete systems are given.

Le cadre général de ce travail concerne la modélisation du comportement mécanique sous impact de merlons de protection contre les chutes de blocs rocheux. Les ouvrages ciblés sont à technologie cellulaire, et sont composés de gabions à enveloppe grillagée remplis de matériaux granulaires (pierres concassées ou mélange de sable et de déchiquetas de pneus). L'absence de recommandations relatives au dimensionnement de ce type de structure de protection a conduit à la mise en place du projet ANR REMPARe couplant expérimentations in situ et modélisations numériques. Dans le cadre de ce projet, une méthode numérique innovante couplant les approches discrète et continue a été développée. Localement, la méthode des éléments discrets est employée pour conserver la précision de modélisation dans les zones fortement sollicitées proches de l'impact. Le remblai technique aval, peu sollicité, a été discrétisé par une méthode continue aux différences finies. La jonction entre ces deux zones fait l'objet d'un couplage basé sur des critères de conservation d'énergie et de condition cinématique en déplacement. Un modèle de comportement pour les gabions a été proposé et calibré à partir d'essais expérimentaux réalisés à l'échelle de la cellule. Des simulations d'impacts sur un merlon de protection prototype ont été menées puis validées par comparaison avec les mesures issues des expérimentations en vraie grandeur. Afin d'améliorer la compréhension des mécanismes engendrés, l'étude paramétrique portant sur les propriétés des matériaux et les caractéristiques d'impact a permis d'évaluer leur influence sur le mécanisme d'impact. / This study focuses on numerical modelling of the mechanical behaviour of rockfall protection structure submitted to impact. The concerned structures are constituted by cell assembly composed by wire mesh cages filled with granular material (crushed stone, mixture of sand and shredded tires). The lack of design norms led to the set up of the ANR REMPARE project which is based on real scale experiment and numerical modelling. In this project, an innovative numerical method, combining continuous and discrete approaches, has been developed. Locally, the discrete element method is used to maintain the accuracy of modelling in the highly stressed areas near the impacted zone. Downstream, the embankment, lowly stressed, is simulated by a finite difference method. The link between the two domains is ensured by a combined method which is based on energy conservation and respect of border kinematic conditions. A model for the geocells is proposed and calibrated from experimental tests carried out at the cell scale. Impacts on rockfall protection prototype are simulated and validated by comparison with measurements obtained on real scale experiments. Parametric studies on material's properties and characteristics of impact are carried out to evaluate their influence on the impact mechanisms.

Les résultats présentés dans cette thèse s’articulent autour de la synthèse d’observateurs de type grand gain pour des classes de systèmes non linéaires. Une classe de systèmes multi-entrées/multi-sorties non uniformément observables a tout d’abord été considérée et un observateur dont le gain est issu de la résolution d’une équation différentielle ordinaire de Lyapunov a été proposé. La convergence exponentielle de l’erreur d’observation sous-jacente a été établie sous une condition d’excitation persistante bien appropriée. La synthèse de l’observateur proposé a été ensuite reconsidérée pour prendre en compte l’échantillonnage et la présence de retard sur la sortie. L’observateur résultant de la resynthèse a une structure en cascade avec des systèmes en chaîne où le premier système de la cascade estime l’état retardé tandis que l’état du dernier système est une estimation de l’état instantané du système. La deuxième classe de systèmes considérée dans cette thèse est une forme normale observable multi-sorties comportant des incertitudes et dont la sortie est échantillonnée et retardée. Un observateur en cascade a été proposé pour l’estimation de l’état instantané du système. Les performances des différents observateurs proposés ont été illustrées à travers plusieurs exemples en simulation tout au long de de la thèse. / The results given in this thesis deal with the design of high gain observers forsome classes on nonlinear systems. A class of multi-inputs/multi-output non uniformlyobservable systems has been first considered and an observer the gain of which is issuedfrom the resolution of a Lyapunov ordinary differential equation has been proposed. Theexponential convergence of the underlying observation error has been established underan appropriate persistent excitation condition. The design of the proposed observerhas then been reconsidered in order to account for the sampling and delay processeswhich may occur on the output. The redesigned observer assumes a cascade structurewith chained systems where the head of the cascade is an observer for the delayedstate while the state of the last system in the cascade constitutes an estimation ofthe system actual state. The second class of systems considered in this thesis is amulti-outputs observable normal form involving some uncertainties and with a delayedsampled output. A cascade observer allowing the estimation of the system actual statehas been proposed. The performance and main properties of the proposed observershave been illustrated in simulation by considering many examples throughout thisthesis.

Cette thèse est construite autour de deux types d'estimation de l'état d'un système, traités séparément. Le premier problème abordé concerne la construction d'observateurs positifs basés sur la métrique de Hilbert. Le second traite de la synthèse d'observateurs par intervalles pour différentes familles de systèmes dynamiques et la construction de lois de commande robustes qui stabilisent ces systèmes.Un système positif est un système dont les variables d'état sont toujours positives ou nulles lorsque celles-ci ont des conditions initiales qui le sont. Les systèmes positifs apparaissent souvent de façon naturelle dans des applications pratiques où les variables d'état représentent des quantités qui n'ont pas de signification si elles ont des valeurs négatives. Dans ce contexte, il parait naturel de rechercher des observateurs fournissant des estimées elles aussi positives ou nulles. Dans un premier temps, notre contribution réside dans la mise au point d'une nouvelle méthode de construction d'observateurs positifs sur l'orthant positif. L'analyse de convergence est basée sur la métrique de Hilbert. L'avantage concurrentiel de notre méthode est que la vitesse de convergence peut être contrôlée.Notre étude concernant la synthèse d'observateurs par intervalles est basée sur la théorie des systèmes dynamiques positifs. Les observateurs par intervalles constituent un type d'observateurs très particuliers. Ce sont des outils développés depuis moins de 15 ans seulement : ils trouvent leur origine dans les travaux de Gouzé et al. en 2000 et se développent très rapidement dans de nombreuses directions. Un observateur par intervalles consiste en un système dynamique auxiliaire fournissant un intervalle dans lequel se trouve l'état, en considérant que l'on connait des bornes pour la condition initiale et pour les quantités incertaines. Les observateurs par intervalles donnent la possibilité de considérer le cas où des perturbations importantes sont présentes et fournissent certaines informations à tout instant. / This thesis presents new results in the field of state estimation based on the theory of positive systems. It is composed of two separate parts. The first one studies the problem of positive observer design for positive systems. The second one which deals with robust state estimation through the design of interval observers, is at the core of our work.We begin our thesis by proposing the design of a nonlinear positive observer for discrete-time positive time-varying linear systems based on the use of generalized polar coordinates in the positive orthant. For positive systems, a natural requirement is that the observers should provide state estimates that are also non-negative so they can be given a physical meaning at all times. The idea underlying the method is that first, the direction of the true state is correctly estimated in the projective space thanks to the Hilbert metric and then very mild assumptions on the output map allow to reconstruct the norm of the state. The convergence rate can be controlled.Later, the thesis is continued by studying the so-called interval observers for different families of dynamic systems in continuous-time, in discrete-time and also in a context "continuous-discrete" (i.e. a class of continuous-time systems with discrete-time measurements). Interval observers are dynamic extensions giving estimates of the solution of a system in the presence of various type of disturbances through two outputs giving an upper and a lower bound for the solution. Thanks to interval observers, one can construct control laws which stabilize the considered systems.

Le travail porte sur la problématique de l’observation des systèmes — la reconstruction de l’état complet d’un système dynamique à partir d'une mesure partielle de cet état. Nous considérons spécifiquement les systèmes non linéaires. Le filtre de Kalman étendu (EKF) est l’un des observateurs les plus utilisés à cette fin. Il souffre cependant d’une performance moindre lorsque l'état estimé n’est pas dans un voisinage de l'état réel. La convergence de l’observateur dans ce cas n’est pas prouvée. Nous proposons une solution à ce problème : l’EKF à grand gain adaptatif. La théorie de l’observabilité fait apparaître l’existence de représentations caractérisant les systèmes dit observables. C’est la forme normale d’observabilité. L’EKF à grand gain est une variante de l’EKF que l’on construit à base d’un paramètre scalaire. La convergence de cet observateur pour un système sous sa forme normale d’observabilité est démontrée pour toute erreur d’estimation initiale. Cependant, contrairement à l’EKF, cet algorithme est très sensible au bruit de mesure. Notre objectif est de combiner l’efficacit´e de l’EKF en termes de lissage du bruit, et la r´eactivit´e de l’EKF grand-gain face aux erreurs d’estimation. Afin de parvenir à ce résultat nous rendons adaptatif le paramètre central de la méthode grand gain. Ainsi est constitué l’EKF à grand gain adaptatif. Le processus d’adaptation doit être guidé par une mesure de la qualité de l’estimation. Nous proposons un tel indice et prouvons sa pertinence. Nous établissons une preuve de la convergence de notre observateur, puis nous l’illustrons à l’aide d’une série de simulations ainsi qu’une implémentation en temps réel dur. Enfin nous proposons des extensions au résultat initial : dans le cas de systèmes multi-sorties et dans le cas continu-discret. / The work concerns the “observability problem”—the reconstruction of a dynamic process’s full state from a partially measured state— for nonlinear dynamic systems. The Extended Kalman Filter (EKF) is a widely-used observer for such nonlinear systems. However it suffers from a lack of theoretical justifications and displays poor performance when the estimated state is far from the real state, e.g. due to large perturbations, a poor initial state estimate, etc. . . We propose a solution to these problems, the Adaptive High-Gain (EKF). Observability theory reveals the existence of special representations characterizing nonlinear systems having the observability property. Such representations are called observability normal forms. A EKF variant based on the usage of a single scalar parameter, combined with an observability normal form, leads to an observer, the High-Gain EKF, with improved performance when the estimated state is far from the actual state. Its convergence for any initial estimated state is proven. Unfortunately, and contrary to the EKF, this latter observer is very sensitive to measurement noise. Our observer combines the behaviors of the EKF and of the high-gain EKF. Our aim is to take advantage of both efficiency with respect to noise smoothing and reactivity to large estimation errors. In order to achieve this, the parameter that is the heart of the high-gain technique is made adaptive. Voila, the Adaptive High-Gain EKF. A measure of the quality of the estimation is needed in order to drive the adaptation. We propose such an index and prove the relevance of its usage. We provide a proof of convergence for the resulting observer, and the final algorithm is demonstrated via both simulations and a real-time implementation. Finally, extensions to multiple output and to continuous-discrete systems are given.

Zobrazení funkční magnetickou rezonancí (fMRI) využívající "blood-oxygen-level-dependent" efekt jako indikátor lokální aktivity je velmi užitečnou technikou k identifikaci oblastí mozku, které jsou aktivní během percepce, kognice, akce, ale také během klidového stavu. V poslední době také roste zájem o studium konektivity mezi těmito oblastmi, zejména v klidovém stavu. Tato práce předkládá nový a originální přístup k problému nepřímého vztahu mezi měřenou hemodynamickou odezvou a její příčinou, tj. neuronálním signálem. Zmíněný nepřímý vztah komplikuje odhad efektivní konektivity (kauzálního ovlivnění) mezi různými oblastmi mozku z dat fMRI. Novost prezentovaného přístupu spočívá v použití (zobecněné nelineární) techniky slepé dekonvoluce, což dovoluje odhad endogenních neuronálních signálů (tj. vstupů systému) z naměřených hemodynamických odezev (tj. výstupů systému). To znamená, že metoda umožňuje "data-driven" hodnocení efektivní konektivity na neuronální úrovni i v případě, že jsou měřeny pouze zašumělé hemodynamické odezvy. Řešení tohoto obtížného dekonvolučního (inverzního) problému je dosaženo za použití techniky nelineárního rekurzivního Bayesovského odhadu, který poskytuje společný odhad neznámých stavů a parametrů modelu. Práce je rozdělena do tří hlavních částí. První část navrhuje metodu k řešení výše uvedeného problému. Metoda využívá odmocninové formy nelineárního kubaturního Kalmanova filtru a kubaturního Rauch-Tung-Striebelova vyhlazovače, ovšem rozšířených pro účely řešení tzv. problému společného odhadu, který je definován jako simultánní odhad stavů a parametrů sekvenčním přístupem. Metoda je navržena především pro spojitě-diskrétní systémy a dosahuje přesného a stabilního řešení diskretizace modelu kombinací nelineárního (kubaturního) filtru s metodou lokální linearizace. Tato inverzní metoda je navíc doplněna adaptivním odhadem statistiky šumu měření a šumů procesu (tj. šumů neznámých stavů a parametrů). První část práce je zaměřena na inverzi modelu pouze jednoho časového průběhu; tj. na odhad neuronální aktivity z fMRI signálu. Druhá část generalizuje navrhovaný přístup a aplikuje jej na více časových průběhů za účelem umožnění odhadu parametrů propojení neuronálního modelu interakce; tj. odhadu efektivní konektivity. Tato metoda představuje inovační stochastické pojetí dynamického kauzálního modelování, což ji činí odlišnou od dříve představených přístupů. Druhá část se rovněž zabývá metodami Bayesovského výběru modelu a navrhuje techniku pro detekci irelevantních parametrů propojení za účelem dosažení zlepšeného odhadu parametrů. Konečně třetí část se věnuje ověření navrhovaného přístupu s využitím jak simulovaných tak empirických fMRI dat, a je významných důkazem o velmi uspokojivých výsledcích navrhovaného přístupu.