Ce manuscrit est dédié à la résolution du problème de localisation dans les réseaux de capteurs sans fil mobiles. Les méthodes développées se basent principalement sur des caractéristiques de fingerprints ainsi que sur des informations de mobilité. Les premières s'attaquent aux valeurs de RSSI entre capteurs tandis que les deuxièmes prennent en considération la mobilité des capteurs mesurée à l'aide d'accéléromètres et de gyroscopes. La combinaison des données collectées est effectuée dans le cadre de l'analyse par intervalles, ou bien du filtrage de Kalman. Les travaux proposés introduisent des modèles de mobilité d'ordres un, deux ou trois, permettant d'approximer au mieux les trajectoires des capteurs à l'aide des accélérations mesurées. Ceux-là sont couplés à l'algorithme des K plus proches voisins, d'abord dans un système centralisé. Ensuite, les modèles de mobilités sont améliorés pour prendre en compte les rotations des nœuds. Une méthode de localisation décentralisée est également proposée dans ce qui suit, s'adaptant au mécanisme fonctionnel des réseaux de capteurs de grande échelle. Enfin, ce manuscrit propose une méthode de zonage visant à déterminer les zones dans lesquelles les capteurs résident. La méthode proposée aborde le problème de zonage en utilisant à la fois la théorie des fonctions de croyance et l'analyse par intervalles / This thesis is dedicated to solve the localization problem in mobile wireless sensor networks. It works mainly with fingerprints features and inertial movements information. The former tackles the RSSIs values between sensors while the latter deals with the objets movement attitude by using accelerometer and gyroscope. The combination of both information is performed in terms of interval analysis, or Kalman filtering. The proposed work introduces three orders mobility models to approximate nodes trajectories using accelerations, combined then to the weighted K nearest neighbors algorithm in a centralized scheme. Then the mobility models are extended up to the inertial information taking into consideration the rotations of the nodes. A decentralized localization method is also proposed in the following in view of the working mechanism of large scale sensor networks. Finally, this thesis proposes a zoning localization method aiming at determining the zones in which the nodes reside. The proposed method addresses the zoning problem by using both the belief functions theory and the interval analysis

Au cours des dernières années, la technologie GNSS a attiré beaucoup d’attention autour du monde et elle a été largement appliquée dans de nombreux domaines. D'autre part, le système d'exploitation ferroviaire avancé a été largement utilisé pour assurer la sécurité, la sûreté et l'efficacité du réseau ferroviaire. L'efficacité de ce système se fonde sur la disponibilité du positionnement fiable du train. L’application de cette technologie au positionnement du train est un domaine de recherche très prometteur. Dans cette thèse, plusieurs algorithmes sont proposés pour le positionnement du train en utilisant des signaux GNSS et un modèle géométrique de voie stocké dans la base de données à bord du train. Premièrement, la distance, vitesse du train sont estimées en utilisant des signaux GNSS et un modèle géométrique ‘idéal’ qui est composé de lignes droites, de courbes de transition et d'arcs de cercle. L’impact du rayon de courbure de la voie sur ces estimations est étudié. Deuxièmement, la distance, vitesse du train sont estimées en utilisant des signaux GNSS et un modèle géométrique ‘non-idéal’ qui est approché par une ligne polygonale avec un certain niveau d'incertitude. L’impact de l’incertitude de la voie sur ces estimations est étudié. Finalement, la distance, vitesse du train sont estimées à l’aide d’intégration des mesures GNSS et une base de données bruitée. L’impact des erreurs de GNSS et de la base de données sur ces estimations est étudié / Over these years, GNSS technology has attracted many attentions around world and it has been widely applied in navigation for airplanes, ground vehicles and boats. On the other hand, advanced railway operating systems have been widely used to guarantee the safety and efficiency of the railway network. The efficiency of these systems is based on the availability of reliable train positioning. Hence, applying GNSS technology to the train positioning is a very promising research area, since it has such important benefits as lower initial costs and lower maintenance. In this thesis, several algorithms are proposed for train positioning by using GNSS signals and the railway centerline stored in the onboard computer database. At first, the train travelled distance, speed are estimated by using GNSS signals and an ''ideal'' railway centerline which is composed of straight line segments, transition curves and arcs of circles. The impact of the railroad curvature on these estimations is studied. Secondly, the train travelled distance, speed are estimated by using GNSS signals and a ''non-ideal'' railway centerline which is defined by a polygonal line with some level of uncertainty. The impact of the track geometric model imprecision on these estimations is studied. Finally, the train travelled distance, speed are estimated by integrating the GNSS measurements with a track database. The impact of the GNSS measurements and the track database errors on these estimations is studied