Abstract : This thesis considers the discrimination of inlet / exhaust noise of aero-engines in free-field static tests using far-field microphone arrays. Various techniques are compared for this problem, including classical beamforming (CB), regularized inverse method (Tikhonov regularization), LI - generalized inverse beamforming (LI-GIB), clean-PSF, clean-SC and two novel methods which are called hybrid method and clean-hybrid. The classical beamforming method is disadvantaged due to its need for a high number of measurement microphones in accordance with the requirements. Similarly, the inverse method is disadvantaged due to their need of having a priori source information. The classical Tikhonov regularization provides improvements in solution stability, however continues to be disadvantaged due to its requirement of imposing a stronger penalty for undetected source positions. Coherent and incoherent sources are resolved by LI-generalized inverse beamforming (L1-GIB). This algorithm can distinguish the multipole sources as well as the monopoles sources. However, source identification by LI-generalized inverse beamforming takes much time and requires a PC with high memory. The hybrid method is a new regularization method which involves the use of an a priori beamforming measurement to define a data-dependent discrete smoothing norm for the regularization of the inverse problem. Compared to the classical beamforming and the inverse modeling, the hybrid (beamforming regularization) approach provides improved source strength maps without substantial added complexity. Although the hybrid method rather solves the disadvantage of the former methods, the application of this method for identification of weaker sources in the presence of the strong sources isn't satisfactory. This can be explained by the large penalization being applied to the weaker source in the hybrid method, which results in underestimation of source strength for this source. To overcome this defect, the clean-SC method and the proposed clean-hybrid method, which is a combination of the hybrid method and the clean-SC, are applied. These methods remove the effect of the strong sources in source power maps to identify the weaker sources. The proposed methods which represent the main contribution of this thesis show promising results and opens new research avenues. Theoretical study of all approaches is performed for various sources and configurations of array. In order to validate the theoretical study, several laboratory experiments are conducted at Universito de Sherbrooke. The proposed methods have further been applied to the measured noise data from a Pratt & Whitney Canada turbo-fan engine and have been observed to provide better spatial resolution and solution robustness with a limited number of measurement microphones compared to the existing methods. / Résumé : La présente thèse étudie la discrimination du bruit d'entrée / de sortie des moteurs d'avion dans des tests statiques en champ libre en utilisant des antennes de microphones en champ lointain. Diverses techniques sont comparées pour ce problème, dont la formation de voie classique (CB), la méthode inverse régularisée (régularisation de Tikhonov), la formation de voies généralisée inverse (L1-GIB), Clean-PSF, Clean-SC et deux méthodes proposées qui s'appellent la méthode hybride et la méthode Clean-hybride. La méthode la formation de voie classique est désavantagée en raison de son besoin de nombreux microphones de mesure. De même, la méthode inverse est désavantagée en raison du besoin d'information a priori sur les sources. La régularisation Tikhonov classique fournit des améliorations dans. la stabilité de la solution; cependant elle reste désavantageuse en raison de son exigence d'imposer une pénalité plus forte pour des positions de source non détectées. Des sources cohérentes et incohérentes peuvent être résolues par la formation de voies généralisée inverse (L1-GIB). Cet algorithme peut identifier les sources multi- polaires aussi bien que les sources monopolaires. Cependant, l'identification de source par la formation de voies généralisée inverse prend beaucoup de temps et exige un ordinateur avec une capacité de mémoire élevée. La méthode hybride est une nouvelle méthode de régularisation qui implique l'utilisation d'un traitement par formation de voie a priori pour définir une norme discrète et dépendante des données pour la régularisation du problème inverse. En comparaison avec la formation de voie classique et la méthode inverse, l'approche hybride (régularisation par formation de voie) fournit des cartographies améliorées d'amplitudes de sources sans aucune complexité supplémentaire substantielle. Bien que la méthode hybride lève les limitations des méthodes classiques, l'application de cette méthode pour l'identification de sources de faible puissance en présence de sources de forte puissance n'est pas satisfaisante. On peut expliquer ceci par la plus grande pénalisation appliquée à la source plus faible dans la méthode hybride, qui aboutit à la sous-estimation de l'amplitude de cette source. Pour surmonter ce défaut, la méthode Clean-SC et la méthode Clean-hybrides proposée qui est une combinaison de la méthode hybride et de Clean-SC sont appliquées. Ces méthodes éliminent l'effet des sources fortes dans les cartographies de puissance de sources pour identifier les sources plus faibles. Les méthodes proposées qui représentent la contribution principale de cette thèse conduisent à des résultats fiables et ouvrent des nouvelles voies de recherche. L'étude théorique de toutes les approches est menée pour divers types de sources et de configurations microphoniques. Pour valider l'étude théorique, plusieurs expériences en laboratoire sont réalisées à Université de Sherbrooke. Les méthodes proposées ont été appliquées aux données de bruit mesurées d'une turbo-soufflante Pratt & Whitney Canada pour fournir une meilleure résolution spatiale des sources acoustique et une solution robuste avec un nombre limité des microphones de mesure comparé aux méthodes existantes.