On évoque souvent des difficultés à interagir socialement chez les enfants ayant une dysphasie. Ces difficultés sont généralement attribuées aux troubles du langage, mais elles pourraient aussi provenir d’un problème à décoder les émotions des autres. Le but de la présente recherche est d’explorer cette voie chez les enfants dysphasiques de 9 à 12 ans. Différents stimuli émotionnels leur ont été présentés sous forme de vidéos ainsi qu’à des enfants d’un groupe contrôle selon cinq conditions : parole non filtrée, parole filtrée, visage dynamique, visage dynamique accompagné de la parole non filtrée, et visage dynamique avec parole filtrée. Les enfants dysphasiques et les enfants du groupe contrôle ne se comportent pas différemment de manière significative en fonction des émotions présentées et des conditions testées. Par contre, un sous-groupe d’enfants ayant une dysphasie mixte commet significativement plus d’erreurs pour l’ensemble de la tâche que le sous-groupe d’enfants sans dysphasie de même âge chronologique. En fait une part seulement des enfants dysphasiques mixtes ont des scores plus faibles. Ces mêmes enfants présentent un QI non verbal faible tandis que leur compréhension du langage est équivalente à celle de leur sous-groupe (enfants dysphasiques mixtes). Malgré ces différences significatives, les scores des enfants dysphasiques mixtes restent relativement élevés et les difficultés observées sont subtiles. Sur le plan clinique, les praticiens (orthophonistes, psychologues, éducateur) devront systématiser l’évaluation des habiletés de décodage des émotions chez l’enfant dysphasique dont les difficultés ne sont pas forcément évidentes dans la vie quotidienne. La recherche devra développer un outil de dépistage sensible aux troubles de décodage émotionnel et des stratégies thérapeutiques adaptées. / Children with Specific Language Impairment (SLI) can have social problems that are often explained by their language disorders. However, the ability to identify other people’s emotions could be caused by their emotion processing difficulties. We explore this question in children with SLI aged 9 to 12 years old. Children with and without SLI were tested on five emotional stimuli presented in dynamic video and audio format: unfiltered speech, filtered speech, facial expressions, facial expressions with unfiltered speech, and facial expressions with filtered speech. The children with impaired language do not differ significantly from the unimpaired children across all modalities and emotions. However, a subgroup of SLI children with mixed (expressive-receptive) delay commits more errors on the task than their age-matched peers. In fact only a subgroup of these children shows lower scores. These same children also show low IQ scores but language comprehension as good as their subgroup. Despite these significant differences the mixed SLI group’s scores are quite high, showing that deficits are subtle. Clinical implications of this study militate for a systematization of the evaluation by health practitioners of these abilities in children with SLI who might not show obvious signs of deficits in this domain in their everyday activities. Research should pursue the development of a sensitive evaluation tool to identify emotional decoding difficulties and should evaluate therapeutic strategies adapted to this population.

Nous abordons, dans cette thèse, les méthodes de combinaison de systèmesde transcription de la parole à Large Vocabulaire. Notre étude se concentre surl'attelage de systèmes de transcription hétérogènes dans l'objectif d'améliorerla qualité de la transcription à latence contrainte. Les systèmes statistiquessont affectés par les nombreuses variabilités qui caractérisent le signal dela parole. Un seul système n'est généralement pas capable de modéliserl'ensemble de ces variabilités. La combinaison de différents systèmes detranscription repose sur l'idée d'exploiter les points forts de chacun pourobtenir une transcription finale améliorée. Les méthodes de combinaisonproposées dans la littérature sont majoritairement appliquées a posteriori,dans une architecture de transcription multi-passes. Cela nécessite un tempsde latence considérable induit par le temps d'attente requis avant l'applicationde la combinaison.Récemment, une méthode de combinaison intégrée a été proposée. Cetteméthode est basée sur le paradigme de décodage guidé (DDA :Driven DecodingAlgorithm) qui permet de combiner différents systèmes durant le décodage. Laméthode consiste à intégrer des informations en provenance de plusieurs systèmes dits auxiliaires dans le processus de décodage d'un système dit primaire.Notre contribution dans le cadre de cette thèse porte sur un double aspect : d'une part, nous proposons une étude sur la robustesse de la combinaison par décodage guidé. Nous proposons ensuite, une amélioration efficacement généralisable basée sur le décodage guidé par sac de n-grammes,appelé BONG. D'autre part, nous proposons un cadre permettant l'attelagede plusieurs systèmes mono-passe pour la construction collaborative, à latenceréduite, de la sortie de l'hypothèse de reconnaissance finale. Nous présentonsdifférents modèles théoriques de l'architecture d'attelage et nous exposons unexemple d'implémentation en utilisant une architecture client/serveur distribuée. Après la définition de l'architecture de collaboration, nous nous focalisons sur les méthodes de combinaison adaptées à la transcription automatiqueà latence réduite. Nous proposons une adaptation de la combinaison BONGpermettant la collaboration, à latence réduite, de plusieurs systèmes mono-passe fonctionnant en parallèle. Nous présentons également, une adaptationde la combinaison ROVER applicable durant le processus de décodage via unprocessus d'alignement local suivi par un processus de vote basé sur la fréquence d'apparition des mots. Les deux méthodes de combinaison proposéespermettent la réduction de la latence de la combinaison de plusieurs systèmesmono-passe avec un gain significatif du WER.

Les difficultés d’apprentissage en lecture concernent une forte proportion d’élèves et sont associées à de nombreuses conséquences négatives pour l’enfant (p. ex., échec scolaire et baisse de motivation scolaire) (Habib & Joly-Pottuz, 2008; Ministère de l’Éducation, 2003). La mémoire de travail (MdeT) constitue une des variables d’intérêt dans l’explication des difficultés d’apprentissage en lecture : des études mettent en évidence des relations positives entre les capacités de MdeT et les habiletés en lecture (p. ex., Nevo & Breznitz, 2011; Seigneuric & Ehrlich, 2005). Selon le modèle de Baddeley et Hitch (1974), la MdeT est un système cognitif à capacité limité permettant la rétention et la manipulation d'informations par le biais de ses composantes (la boucle phonologique, le calepin visuo-spatial et l’administrateur central). Par ailleurs, bon nombre d’études ont démontré que les capacités de MdeT peuvent être améliorées par le biais d’un entrainement de la MdeT qui consiste en une répétition d'exercices ciblant cette fonction (p. ex., Melby-Lervåg & Hulme, 2013). Les études mettent toutefois en évidence des résultats divergents quant aux effets de l’entrainement de la MdeT sur la lecture lesquels peuvent s’expliquer, du moins en partie, par des limites ou des différences méthodologiques (p. ex., absence d’assignation aléatoire et variabilité des populations). De plus, peu d’études se sont intéressées aux élèves tout-venant en début de scolarisation alors qu’il s’agit d’une période capitale pour le développement des apprentissages. Par le biais d’une étude contrôlée et randomisée, cette thèse a comme objectif d’évaluer les effets d’un entrainement de la MdeT auprès des élèves tout-venant en début de scolarisation sur : (1) les composantes de la MdeT selon le modèle de Baddeley et Hitch (1974), (2) les habiletés en lecture (décodage et compréhension), puis d’évaluer le maintien des gains, le cas échéant, 6 mois après l’arrêt de l’entrainement. Enfin, et dans une perspective exploratoire, les effets de l’entrainement en fonction des capacités initiales de la MdeT sont évalués. Pour ce faire, les performances en MdeT et en lecture de 77 élèves tout-venant du premier cycle du primaire ont été évaluées. Les participants ont été par la suite répartis aléatoirement en deux groupes (expérimental et contrôle de type liste d’attente), puis évalués immédiatement après l’entrainement ainsi que 6 mois plus tard. Les résultats montrent un effet de l’entrainement sur l’administrateur central, qui se maintient 6 mois après l’arrêt de l’entrainement, mais uniquement en modalité verbale. Aucun effet de l’entrainement n’est constaté sur la lecture, mais l’entrainement tend à améliorer la performance en décodage de pseudo-mots pour les élèves présentant de plus faibles capacités de MdeT. En ce sens, cette étude appuie peu l’utilité de l’entrainement de la MdeT comme moyen de prévention universelle des difficultés en lecture chez les élèves tout-venant en début de scolarisation. En revanche, l’entrainement de la MdeT pourrait s’avérer pertinent afin d’améliorer les capacités de l’administrateur central. La mise en évidence de plus grands effets potentiels pour les élèves ayant de plus faibles capacités initiales de la MdeT ouvre la voie à la poursuite de l’exploration des différences individuelles pouvant influencer les effets de l’entrainement de la MdeT.

Nous avons étudié l’impact de la structure temporelle de l'activité neuronale sur la dynamique de réseaux recevant cette activité et impliqués dans la cognition. Nous avons caractérisé le code qui permet de lire l'information dans des signaux du cortex cingulaire antérieur dorsal (CCAd) simien, qui intervient dans les processus d'adaptation comportementale. Nos analyses suggèrent que la variabilité importante du nombre de potentiels d'action émis par les neurones, ainsi que la fiabilité temporelle conséquente de ces signaux, favorisent un décodage par des réseaux sensibles à la structure temporelle. De plus, quand nous avons séparé les données entre un groupe avec un grand nombre de potentiels d'action, et un groupe avec un faible nombre de potentiels d'action, nous n'avons pas trouvé pas de différence robuste du comportement du singe entre ces deux groupes. Par contre, lorsque l'activité d'un neurone devenait moins semblable à la réponse typique de ce neurone, le singe semblent répondait plus lentement pendant la tâche comportementale. L'activité d'un neurone semblait pouvoir se différencier de sa réponse typique par une augmentation ou une diminution du nombre de potentiels d'actions, ou par des imprécisions sur le temps d'émission des potentiels d'action. Nos résultats suggèrent que les réseaux neuronaux qui décodent les signaux du CCAd détectent des motifs spatiotemporels. Enfin, nous avons ensuite analysé mathématiquement des modèles de réseaux de neurones récurrents dans le but mieux comprendre l’impact des signaux du CCAd sur le décodeur. Le modèle de neurone utilisé peut reproduire la réponse dynamique de neurones biologique par l’inclusion d’une adaptation neurale. / We investigated the putative function of the fine temporal dynamics of neuronal networks for implementing cognitive processes. First, we characterized the coding properties of spike trains recorded from the dorsal Anterior Cingulate Cortex (dACC) of monkeys. dACC is thought to trigger behavioral adaptation. We found evidence for (i) high spike count variability and (ii) temporal reliability (favored by temporal correlations) which respectively hindered and favored information transmission when monkeys were cued to switch the behavioral strategy. Also, we investigated the nature of the neuronal variability that was predictive of behavioral variability. High vs. low firing rates were not robustly associated with different behavioral responses, while deviations from a neuron-specific prototypical spike train predicted slower responses of the monkeys. These deviations could be due to increased or decreased spike count, as well as to jitters in spike times. Our results support the hypothesis of a complex spatiotemporal coding of behavioral adaptation by dACC, and suggest that dACC signals are unlikely to be decoded by a neural integrator. Second, we further investigated the impact of dACC temporal signals on the downstream decoder by developing mean-field equations to analyze network dynamics. We used an adapting single neuron model that mimics the response of cortical neurons to realistic dynamic synaptic-like currents. We approximated the time-dependent population rate for recurrent networks in an asynchronous irregular state. This constitutes an important step towards a theoretical study of the effect of temporal drives on networks which could mediate cognitive functions.

Nous abordons, dans cette thèse, les méthodes de combinaison de systèmesde transcription de la parole à Large Vocabulaire. Notre étude se concentre surl’attelage de systèmes de transcription hétérogènes dans l’objectif d’améliorerla qualité de la transcription à latence contrainte. Les systèmes statistiquessont affectés par les nombreuses variabilités qui caractérisent le signal dela parole. Un seul système n’est généralement pas capable de modéliserl’ensemble de ces variabilités. La combinaison de différents systèmes detranscription repose sur l’idée d’exploiter les points forts de chacun pourobtenir une transcription finale améliorée. Les méthodes de combinaisonproposées dans la littérature sont majoritairement appliquées a posteriori,dans une architecture de transcription multi-passes. Cela nécessite un tempsde latence considérable induit par le temps d’attente requis avant l’applicationde la combinaison.Récemment, une méthode de combinaison intégrée a été proposée. Cetteméthode est basée sur le paradigme de décodage guidé (DDA :Driven DecodingAlgorithm) qui permet de combiner différents systèmes durant le décodage. Laméthode consiste à intégrer des informations en provenance de plusieurs systèmes dits auxiliaires dans le processus de décodage d’un système dit primaire.Notre contribution dans le cadre de cette thèse porte sur un double aspect : d’une part, nous proposons une étude sur la robustesse de la combinaison par décodage guidé. Nous proposons ensuite, une amélioration efficacement généralisable basée sur le décodage guidé par sac de n-grammes,appelé BONG. D’autre part, nous proposons un cadre permettant l’attelagede plusieurs systèmes mono-passe pour la construction collaborative, à latenceréduite, de la sortie de l’hypothèse de reconnaissance finale. Nous présentonsdifférents modèles théoriques de l’architecture d’attelage et nous exposons unexemple d’implémentation en utilisant une architecture client/serveur distribuée. Après la définition de l’architecture de collaboration, nous nous focalisons sur les méthodes de combinaison adaptées à la transcription automatiqueà latence réduite. Nous proposons une adaptation de la combinaison BONGpermettant la collaboration, à latence réduite, de plusieurs systèmes mono-passe fonctionnant en parallèle. Nous présentons également, une adaptationde la combinaison ROVER applicable durant le processus de décodage via unprocessus d’alignement local suivi par un processus de vote basé sur la fréquence d’apparition des mots. Les deux méthodes de combinaison proposéespermettent la réduction de la latence de la combinaison de plusieurs systèmesmono-passe avec un gain significatif du WER. / This thesis presents work in the area of Large Vocabulary ContinuousSpeech Recognition (LVCSR) system combination. The thesis focuses onmethods for harnessing heterogeneous systems in order to increase theefficiency of speech recognizer with reduced latency.Automatic Speech Recognition (ASR) is affected by many variabilitiespresent in the speech signal, therefore single ASR systems are usually unableto deal with all these variabilities. Considering these limitations, combinationmethods are proposed as alternative strategies to improve recognitionaccuracy using multiple recognizers developed at different research siteswith different recognition strategies. System combination techniques areusually used within multi-passes ASR architecture. Outputs of two or moreASR systems are combined to estimate the most likely hypothesis amongconflicting word pairs or differing hypotheses for the same part of utterance.The contribution of this thesis is twofold. First, we study and analyze theintegrated driven decoding combination method which consists in guidingthe search algorithm of a primary ASR system by the one-best hypothesesof auxiliary systems. Thus we propose some improvements in order to makethe driven decoding more efficient and generalizable. The proposed methodis called BONG and consists in using Bag Of N-Gram auxiliary hypothesisfor the driven decoding.Second, we propose a new framework for low latency paralyzed single-passspeech recognizer harnessing. We study various theoretical harnessingmodels and we present an example of harnessing implementation basedon client/server distributed architecture. Afterwards, we suggest differentcombination methods adapted to the presented harnessing architecture:first we extend the BONG combination method for low latency paralyzedsingle-pass speech recognizer systems collaboration. Then we propose, anadaptation of the ROVER combination method to be performed during thedecoding process using a local vote procedure followed by voting based onword frequencies.

Nous n’avons pas conscience de l’ensemble des processus réalisés par notre cerveau à chaque instant. Cette dissociation entre l’expérience subjective et l’activité neuronale présente un défi majeur à la fois pour les neurosciences fondamentales, mais également pour la pratique clinique. En effet, non seulement les mécanismes neuronaux de la prise de conscience sont mal compris, mais il reste extrêmement difficile de déterminer si des patients en état végétatif – éveillés mais non-communicants – perçoivent leur environnement consciemment. Ces questions théorique et clinique constituent les deux axes principaux de cette thèse. Dans un premier temps, je développe, à partir des récentes avancées aussi bien empiriques que théoriques, une série d’outils permettant de caractériser les mécanismes neuronaux et computationnels de la perception consciente. En particulier, je montre dans une première étude comment les analyses de classification multivariée permettent de décoder les signaux magnéto- et électro-encéphalographiques à l’échelle de l’essai unique. De plus, dans trois études successives, je propose de nouvelles méthodes de traitement du signal permettant de i) caractériser la structure dynamique des processus évoqués par une stimulation sensorielle ii) de quantifier la quantité d’information échangées entre différentes régions corticales et iii) d’estimer la complexité des réponses cérébrales. Enfin, je montre comment un modèle mathématique utilisant les principes d’inférence bayésienne permet de rendre compte d’un grand nombre de résultats observés dans les études de la perception consciente et inconsciente. Dans un second temps, j’applique ces méthodes aux EEG d’une large cohorte de patients végétatifs, minimalement conscients et conscients. Les résultats montrent que les patients végétatifs présentent i) une altération des réponses corticales tardives évoquées par une stimulation auditive, ii) une diminution de l’échange d’information entre régions cérébrales, iii) des rythmes EEG moyens et lents (< 13Hz) anormaux et iv) une réduction de la complexité de l’activité EEG. A l’avenir, ces différentes signatures neurales de la conscience pourraient être utilisées en synergie pour décoder le contenu conscient et aider au diagnostic, au pronostic et au monitoring des patients non-communicants. / We are not aware of everything our brain does. This dissociation between subjective experience and objective neural activity challenges both theoretical neuroscience and clinical practice. Indeed, not only are the neuronal mechanisms of conscious perception poorly understood, but it remains extremely difficult to deter-mine whether vegetative state patients – who are thus awake but non-communicating – perceive their envi-ronment consciously. These theoretical and clinical questions constitute the two main axes of this thesis. In a first part, I develop, from the recent empirical and theoretical advances, a series of methods to characterize the neural and computational mechanisms of conscious perception. In particular, I show in a first study how multivariate pattern classifiers can decode magneto- and electroencephalographic recordings at the single trial level. In three successive studies, I then propose new signal processing methods to i) characterize the dynamical structure of stimulus-evoked processes ii) quantify the amount of information exchanged across cortical regions and iii) estimate the complexity of cerebral responses. At last, I show how a mathematical model based on Bayesian inference principles, can account for a large number of empirical findings observed in studies of conscious and unconscious perception. In a second part, I apply these methods on EEG recordings acquired from a large cohort of vegetative, minimally conscious and conscious patients. The results show that vegetative state patients present i) impaired late and sustained sound-evoked brain responses, ii) a reduction of the exchange of information across cortical regions iii) abnormal slow and medium EEG rhythms (<13Hz) and iv) a decrease of the EEG complexity. Ultimately, these various neural signatures of consciousness could be used in synergy to decode conscious contents and help to diagnose, predict and monitor the state of consciousness of non-communicating patients.

No description available.

Jusqu'à l'avènement de méthodes de neuroimagerie non invasives les connaissances du cerveau sont acquis par l'étude de ses lésions, des analyses post-mortem et expérimentations invasives. De nos jours, les techniques modernes d'imagerie telles que l'IRMf sont capables de révéler plusieurs aspects du cerveau humain à une résolution spatio-temporelle progressivement élevé. Cependant, afin de pouvoir répondre à des questions neuroscientifiques de plus en plus complexes, les améliorations techniques dans l'acquisition doivent être jumelés à de nouvelles méthodes d'analyse des données. Dans cette thèse, je propose différentes applications de l'apprentissage statistique au traitement des données d'IRMf. Souvent, les données acquises par le scanner IRMf suivent une étape de sélection de variables dans lequel les cartes d'activation sont extraites du signal IRMf. La première contribution de cette thèse est l'introduction d'un modèle nommé Rank-1 GLM (R1-GLM) pour l'estimation jointe des cartes d'activation et de la fonction de réponse hémodynamique (HRF). Nous quantifions l'amélioration de cette approche par rapport aux procédures existantes sur différents jeux de données IRMf. La deuxième partie de cette thèse est consacrée au problème de décodage en IRMf, ce est à dire, la tâche de prédire quelques informations sur les stimuli à partir des cartes d'activation du cerveau. D'un point de vue statistique, ce problème est difficile due à la haute dimensionnalité des données, souvent des milliers de variables, tandis que le nombre d'images disponibles pour la formation est faible, typiquement quelques centaines. Nous examinons le cas où la variable cible est composé à partir de valeurs discrets et ordonnées. La deuxième contribution de cette thèse est de proposer les deux mesures suivantes pour évaluer la performance d'un modèle de décodage: l'erreur absolue et de désaccord par paires. Nous présentons plusieurs modèles qui optimisent une approximation convexe de ces fonctions de perte et examinent leur performance sur des ensembles de données IRMf. Motivé par le succès de certains modèles de régression ordinales pour la tâche du décodage basé IRMf, nous nous tournons vers l'étude de certaines propriétés théoriques de ces méthodes. La propriété que nous étudions est connu comme la cohérence de Fisher. La troisième, et la plus théorique, la contribution de cette thèse est d'examiner les propriétés de cohérence d'une riche famille de fonctions de perte qui sont utilisés dans les modèles de régression ordinales. / Until the advent of non-invasive neuroimaging modalities the knowledge of the human brain came from the study of its lesions, post-mortem analyses and invasive experimentations. Nowadays, modern imaging techniques such as fMRI are revealing several aspects of the human brain with progressively high spatio-temporal resolution. However, in order to answer increasingly complex neuroscientific questions the technical improvements in acquisition must be matched with novel data analysis methods. In this thesis we examine different applications of machine learning to the processing of fMRI data. We propose novel extensions and investigate the theoretical properties of different models. % The goal of an fMRI experiments is to answer a neuroscientific question. However, it is usually not possible to perform hypothesis testing directly on the data output by the fMRI scanner. Instead, fMRI data enters a processing pipeline in which it suffers several transformations before conclusions are drawn. Often the data acquired through the fMRI scanner follows a feature extraction step in which time-independent activation coefficients are extracted from the fMRI signal. The first contribution of this thesis is the introduction a model named Rank-1 GLM (R1-GLM) for the joint estimation of time-independent activation coefficients and the hemodynamic response function (HRF). We quantify the improvement of this approach with respect to existing procedures on different fMRI datasets. The second part of this thesis is devoted to the problem of fMRI-based decoding, i.e., the task of predicting some information about the stimuli from brain activation maps. From a statistical standpoint, this problem is challenging due to the high dimensionality of the data, often thousands of variables, while the number of images available for training is small, typically a few hundreds. We examine the case in which the target variable consist of discretely ordered values. The second contribution of this thesis is to propose the following two metrics to assess the performance of a decoding model: the absolute error and pairwise disagreement. We describe several models that optimize a convex surrogate of these loss functions and examine their performance on different fMRI datasets. Motivated by the success of some ordinal regression models for the task of fMRI-based decoding, we turn to study some theoretical properties of these methods. The property that we investigate is known as consistency or Fisher consistency and relates the minimization of a loss to the minimization of its surrogate. The third, and most theoretical, contribution of this thesis is to examine the consistency properties of a rich family of surrogate loss functions that are used in the context of ordinal regression. We give sufficient conditions for the consistency of the surrogate loss functions considered. This allows us to give theoretical reasons for some empirically observed differences in performance between surrogates.

Cette thèse est consacrée à l'amélioration des performances de codage/décodage de systèmes de transmission d'images fixes sur des canaux bruités et réalistes. Nous proposons, à cet effet, le développement de méthodes de transmission d'images optimisées en se focalisant sur les deux couches application et physique des réseaux sans fil. Au niveau de la couche application et afin d'assurer une bonne qualité de service, on utilise des algorithmes de compression efficaces permettant au récepteur de reconstruire l'image avec un maximum de fidélité (JPEG2000 et JPWL). Afin d'assurer une transmission sur des canaux sans fil avec un minimum de TEB à la réception, des techniques de transmission, de codage et de modulation avancées sont utilisées au niveau de la couche physique (système MIMO-OFDM, modulation adaptative, CCE, etc). Dans un premier temps, nous proposons un système de transmission robuste d'images codées JPWL intégrant un schéma de décodage conjoint source-canal basé sur des techniques de décodage à entrées pondérées. On considère, ensuite, l'optimisation d'une chaîne de transmission d'images sur un canal MIMO-OFDM sans fil réaliste. La stratégie de transmission d'images optimisée s'appuie sur des techniques de décodage à entrées pondérées et une approche d'adaptation de lien. Ainsi, le schéma de transmission proposé offre la possibilité de mettre en oeuvre conjointement de l'UEP, de l'UPA, de la modulation adaptative, du codage de source adaptatif et de décodage conjoint pour améliorer la qualité de l'image à la réception. Dans une seconde partie, nous proposons un système robuste de transmission de flux progressifs basé sur le principe de turbo décodage itératif de codes concaténés offrant une stratégie de protection inégale de données. Ainsi, l'originalité de cette étude consiste à proposer des solutions performantes d'optimisation globale d'une chaîne de communication numérique pour améliorer la qualité de transmission. / This work is devoted to improve the coding/ decoding performance of a transmission scheme over noisy and realistic channels. For this purpose, we propose the development of optimized image transmission methods by focusing on both application and physical layers of wireless networks. In order to ensure a better quality of services, efficient compression algorithms (JPEG2000 and JPWL) are used in terms of the application layer enabling the receiver to reconstruct the images with maximum fidelity. Furthermore, to insure a transmission on wireless channels with a minimum BER at reception, some transmission, coding and advanced modulation techniques are used in the physical layer (MIMO-OFDM system, adaptive modulation, FEC, etc). First, we propose a robust transmission system of JPWL encoded images integrating a joint source-channel decoding scheme based on soft input decoding techniques. Next, the optimization of an image transmission scheme on a realistic MIMO-OFDM channel is considered. The optimized image transmission strategy is based on soft input decoding techniques and a link adaptation approach. The proposed transmission scheme offers the possibility of jointly implementing, UEP, UPA, adaptive modulation, adaptive source coding and joint decoding strategies, in order to improve the image visual quality at the reception. Then, we propose a robust transmission system for embedded bit streams based on concatenated block coding mechanism offering an unequal error protection strategy. Thus, the novelty of this study consists in proposing efficient solutions for the global optimization of wireless communication system to improve transmission quality.

Cette thèse porte sur l'algorithmique des techniques de décodage en liste, initiée par Guruswami et Sudan en 1998, dans le contexte des codes de Reed-Solomon sur les anneaux finis. Deux approches sont considérées. Dans un premier temps, nous adaptons l'algorithme de décodage en liste de Guruswami-Sudan aux codes de Reed-Solomon généralisés sur les anneaux finis. Nous étudions en détails les complexités de l'algorithme pour les anneaux de Galois et les anneaux de séries tronquées. Dans un deuxième temps nous approfondissons l'étude d'une technique de remontée pour le décodage en liste. Nous montrons que cette derni're permet de corriger davantage de motifs d'erreurs que la technique de Guruswami-Sudan originale. Nous appliquons ensuite cette même technique aux codes de Reed-Solomon généralisés sur les anneaux de Galois et les anneaux de séries tronquées et obtenons de meilleures bornes de complexités. Enfin nous présentons l'implantation des algorithmes en C et C++ des algorithmes de décodage en liste étudiés au cours de cette thèse. Tous les sous-algorithmes nécessaires au décodage en liste, comme la recherche de racines pour les polynômes univariés, l'arithmétique des corps et anneaux finis sont aussi présentés. Indépendamment, ce manuscrit contient d'autres travaux sur les codes quasi-cycliques. Nous prouvons qu'ils sont en correspondance biunivoque avec les idéaux à gauche d'un certain anneaux de matrices. Enfin nous adaptons le cadre proposé par Guruswami et Sudan pour les codes à base d'ideaux aux codes construits à l'aide des corps de nombres. Nous fournissons un algorithme de décodage en liste dans ce contexte.