L'objet de la trajectographie par mesures d'azimuts (TPA) est d'estimer les paramètres cinématiques d'une source suivant un modèle de trajectoire. Les méthodes classiques de TPA se divisent en deux classes. Les méthodes globales, basées sur l'estimateur du maximum de vraisemblance, traitent les mesures par bloc. Elles sont performantes mais lourdes en temps de calcul. Les méthodes récursives employant un filtre de Kalman étendu sont rapides mais souffrent dans ce contexte de problèmes de divergence. Nous proposons des estimateurs globaux et rapides qui sont une combinaison linéaire des mesures. Un choix original du vecteur d'état permet de les mettre en œuvre. En faisant l'hypothèse d'une faible variation du signal mesuré, on montre, grâce à la quadrature de Gauss, que ces estimateurs sont quasi-efficaces et non biaisés. D'une manière générale, ces estimateurs sont quasi-exhaustifs et permettent dans certains problèmes d'estimation non-linéaire de réduire le nombre de mesures sans perte significative d'information. Nous présentons aussi des algorithmes rapides d'optimisation de trajectoires d'un observateur en trajectographie passive. Deux types de manœuvres sont envisagés, avec et sans changement de cap. Elles apportent une amélioration des estimées après la TPA

L'étude consiste à estimer des paramètres pour un système dynamique régi par une équation différentielle stochastique, linéaire, unidimensionnelle, excitée par des bruits brownien et poissonnien, en présence de contrôles adaptés à l'état du système. On suppose que les paramètres des bruits sont connus, et on montre que l'on peut estimer les paramètres de dérive par une famille, convergente et asymptotiquement normale, d'estimateurs de maximun de vraisemblance quand deux stratégies sont choisies: l'une étagée par rapport à une partition de l'intervalle de temps [O,T]; l'autre markovienne, définie en temps continu. Pour cela on prouve l'existence de solutions stationnaires de l'équation d'évolution. On s'intéresse, enfin, au caractère d'optimalité du contrôle choisi, pour un critère lié à la matrice d'information de FISCHER