In the 21st century, the proliferation of steer-by-wire systems has become a central issue in the automobile industry. With such systems there is often an objective to minimise vibrations on the steering wheel to increase driver comfort. Nevertheless, steering wheel vibration is also recognised as an important medium that assists drivers in judging the vehicle's subsystems dynamics as well as to indicate important information such as the presence of danger. This has led to studies of the possible role of vibrational stimuli towards informing drivers of environment conditions such as road surface types. Numerous prior studies were done to identify how characteristics of steering wheel vibrational stimuli might influence driver road surface detection which suggested that there is no single, optimal, acceleration gain that could improve the detection of all road surface types. There is currently a lack of studies on the characteristics of transient vibrations of steering wheel as appear to be an important source of information to the driver road surface detection. Therefore, this study is design to identify the similarity characteristics of transient vibrations for answering the main research question: "What are the time-domain features of transient vibrations that can optimise driver road surface detection?" This study starts by critically reviewing the existing principles of transient vibrations detection to ensure that the identified transient vibrations from original steering wheel vibrations satisfy with the definition of transient vibrations. The study continues by performing the experimental activities to identify the optimal measurement signal for both identification process of transient vibrations and driver road surface detection without taking for granted the basic measurement of signal processing. The studies then identify the similarity of transient vibrations according to their time-domain features. The studies done by performing the high-dimensional reduction techniques associated with clustering methods. Result suggests that the time-domain features of transient vibrations that can optimise driver road surface detection were found to consist of duration (Δt), amplitude (m/s2), energy (r.m.s) and Kurtosis.

Cette thèse traite du traitement adaptatif spatio-temporel dans le domaine radar. Pour augmenter les performances en détection, cette approche consiste à maximiser le rapport entre la puissance de la cible et celle des interférences, à savoir le bruit thermique et le fouillis. De nombreuses variantes de cet algorithme existent, une d’entre elles est fondée sur une modélisation autorégressive vectorielle des interférences. Sa principale difficulté réside dans l’estimation des matrices autorégressives à partir des données d’entrainement ; ce point constitue l’axe de notre travail de recherche. En particulier, notre contribution porte sur deux aspects. D’une part, dans le cas où l’on suppose que le bruit thermique est négligeable devant le fouillis non gaussien, les matrices autorégressives sont estimées en utilisant la méthode du point fixe. Ainsi, l’algorithme est robuste à la distribution non gaussienne du fouillis.D’autre part, nous proposons une nouvelle modélisation des interférences différenciant le bruit thermique et le fouillis : le fouillis est considéré comme un processus autorégressif vectoriel, gaussien et perturbé par le bruit blanc thermique. Ainsi, de nouvelles techniques d'estimation des matrices autorégressives sont proposées. La première est une estimation aveugle par bloc reposant sur la technique à erreurs dans les variables. Ainsi, l’estimation des matrices autorégressives reste robuste pour un rapport faible entre la puissance de la cible et celle du fouillis (< 5 dB). Ensuite, des méthodes récursives ont été développées. Elles sont fondées sur des approches du type Kalman : filtrage de Kalman étendu et filtrage par sigma point (UKF et CDKF), ainsi que sur le filtre H∞.Une étude comparative sur des données synthétiques et réelles, avec un fouillis gaussien ou non gaussien, est menée pour révéler la pertinence des différents estimateurs en terme de probabilité de détection. / This dissertation deals with space-time adaptive processing in the radar’s field. To improve the detection’s performances, this approach consists in maximizing the ratio between the target’s power and the interference’s one, i.e. the thermal noise and the clutter. Several variants of its algorithm exist, one of them is based on multichannel autoregressive modelling of interferences. Its main problem lies in the estimation of autoregressive matrices with training data and guides our research’s work. Especially, our contribution is twofold.On the one hand, when thermal noise is considered negligible, autoregressive matrices are estimated with fixed point method. Thus, the algorithm is robust against non-gaussian clutter.On the other hand, a new modelling of interferences is proposed. The clutter and thermal noise are separated : the clutter is considered as a multichannel autoregressive process which is Gaussian and disturbed by the white thermal noise. Thus, new estimation’s algorithms are developed. The first one is a blind estimation based on errors in variable methods. Then, recursive approaches are proposed and used extension of Kalman filter : the extended Kalman filter and the Sigma Point Kalman filter (UKF and CDKF), and the H∞ filter. A comparative study on synthetic and real data with Gausian and non Gaussian clutter is carried out to show the relevance of the different algorithms about detection’s probability.

Les réseaux de capteurs sans fil (RCSF) sont des réseaux ad hoc généralement constitués d’entités autonomes miniaturisées appelés noeuds capteurs pouvant communiquer entre eux par liaison radio. Les RCSF ont suscité beaucoup d’engouement dans la recherche scientifique en raison notamment des nouveaux problèmes de routage sous forte contrainte de durée de vie du réseau et de faibles capacités des noeuds.Ce type de réseau diffère des réseaux filaires par ses caractéristiques et limitations qui ont motivé le développement d’une nouvelle approche de conception cross-layer ignorant certains paradigmes de l’approche classique permettant l’échange mutuel d’informations même entre couches non adjacentes. Cette approche qui n’est pas encore standardisée, a démontré son intérêt à travers plusieurs travaux visant un meilleur compromis entre consommation d’énergie et une certaine qualité de service.Nos contributions peuvent être classées en deux catégories suivant la stratégie de routage à savoir le routage ad-hoc et le routage suivant la technique de clustering.Dans la première partie, nous proposons une architecture cross-layer, modulaire, adaptable et extensible nommée XL-AODV (cross layer AODV) basée sur l'échange du SNR (Signal-to-Noise-Ratio) entre la couche réseau et la couche physique qui a été modélisée par la distribution K. Nous évaluons sous le simulateur NS2 les performances de notre approche XL-AODV. Une analyse comparative avec AODV, a montré pour différentes configurations de réseaux, l’efficacité de notre proposition en termes de gains énergétiques et de latence de bout en bout.Pour la deuxième partie, nous proposons une première approche XL-LEACH qui constitue une amélioration de la version originale de LEACH, en l'adaptant aux réseaux de capteurs denses et à grande échelle tout en tenant compte des caractéristiques de la couche physique modélisée par la distribution K. Dans une troisième partie, nous introduisons une amélioration de XL-LEACH par l'approche dite, XL-CLEACH (XL Cooperative LEACH) en intégrant la communication coopérative au niveau MAC. Nous avons prouvé par une étude analytique qui a été validée par les simulations, le gain apporté en termes de consommation d’énergie, de la durée de vie du réseau et du TES (Taux d'Erreur Symbol). Les architectures XL-LEACH et XL-CLEACH ont été implémentées sous MATLAB. / Wireless sensor networks (WSN) can be defined as an ad hoc network consisting of miniaturized autonomous entities, called sensor nodes which communicate with each other over a radio link. WSNs is a research topic which has gained a lot of interest due, in particular, to new routing problems under low node capacity and high network lifetime constraints.WSNs differ from wired networks in their characteristics and limitations which have motivated the development of a new cross-layer design that ignores certain paradigms of the classical approach allowing the mutual exchange of information even between non-adjacent layers. This approach, which is not yet standardized, has gained a lot of attention through several works aiming to energy consumption minimization under a required QoS (Quality of Service).In this thesis, our contributions can be classified are twofold according to the considered routing strategy namely the ad-hoc routing and clustering based routing.In the first part, we propose a new adaptable and extensible cross-layer design called XL-AODV (Cross Layer AODV) based on the exchange of the SNR (Signal-to-Noise-Ratio) between the network and the physical layer which has been modelled by the K distribution.We evaluate under the NS2 simulator, the performance of XL-AODV. A comparative analysis with AODV, showed for different network configurations, the efficiency of our proposition in terms of energy saving and end-to-end latency.In the second part, we propose an XL-LEACH approach which is an improvement of the original version of LEACH by its adapting to dense and large scale sensor networks. We have also taken into account the characteristics of the physical layer modelled by the K distribution.In a third part, XL-CLEACH (XL Cooperative LEACH) approach is introduced to improve XL-LEACH by integrating the cooperative communication at the MAC layer.We have proved through an analytical study and validated by simulations, the gain in terms of energy consumption, network lifetime and SER (Symbol Error Rate). The XL-LEACH and XL-CLEACH architecture were implemented under MATLAB.