Ce projet de recherche a pour objectif d'évaluer le potentiel des capteurs acoustiques sousmarins, tout particulièrement la caméra DIDSON, dans l'inspection des infrastructures portuaires et ceci à travers la conception et le développement d'une méthode permettant la détection et la caractérisation des défauts sur les infrastructures portuaires à partir d'images acoustiques. L'approche mise en oeuvre s'articule autour de deux principaux axes: le premier est dédié à l'amélioration et au dé-bruitage des images; le second concerne la caractérisation et l'extraction des éléments représentant potentiellement des défauts sur les infrastructures portuaires. L'amélioration de la qualité des images s'est appuyée sur les caractéristiques d'acquisition de la caméra DIDSON. La détection et la caractérisation des défauts ont été effectuées selon une approche de segmentation des images et une analyse en composantes connexes. Les premières évaluations des résultats démontrent le potentiel de l'approche pour l'exploitation des données acoustiques dans l'inspection des installations portuaires.

Le présent travail de recherche s'inscrit dans le cadre de la caractérisation de l'émission de bruit des véhicules routiers. On désire identifier les sources de bruit d'un véhicule en mouvement, lors de son passage sur une voie de circulation en conditions réelles, à partir de mesures acoustiques effectuées à poste fixe en bord de voie. Les méthodes d'imagerie acoustique utilisées actuellement présentent des performances insuffisantes sur véhicules routiers. Un état de l'art a permis d’identifier une méthode existante, MSA-PSF, consistant à effectuer sous certaines hypothèses une déconvolution sur sources mobiles dans le domaine fréquentiel, et originellement utilisée en aéronautique. Cette méthode est ici adaptée au contexte des véhicules routiers. Dans un deuxième temps, une approche originale est introduite pour répondre spécifiquement aux contraintes de ce contexte : CLEANT. Il s’agit d’une méthode itérative, dans le domaine temporel avec une approche large bande, qui prend en compte les effets du déplacement des sources et qui comporte deux paramètres permettant d’affiner les résultats : le facteur de boucle et le critère d’arrêt. Une version filtrée en fréquence est également proposée et montre une amélioration de l’identification de sources secondaires dans certains cas. CLEANT présente l’avantage d’obtenir des signaux-sources temporels reconstruits, ouvrant la voie à d’autres analyses, en particulier l’utilisation de la cohérence avec des signaux issus de mesures embarquées pour la séparation des contributions de sources décorrélées. MSA-PSF et CLEANT sont évaluées sur des simulations numériques à l'aide d'indicateurs mesurant leurs performances sur les aspects localisation et quantification de sources. Elles sont par la suite testées expérimentalement en conditions contrôlées de laboratoire, par l'utilisation d'une source mobile. Cette expérience permet une première application à un cas pratique, impliquant un mouvement linéaire, la présence de deux sources simultanées et des signaux de différentes natures (tonale et large bande). Enfin, elles sont comparées à l’approche classique de formation de voies sur source mobile, dans le cadre d’une expérience avec véhicule en conditions réelles. L'approche originale CLEANT fournit des résultats très encourageants, représentant une amélioration de la formation de voies classique, notamment en basse fréquence sur les cas testés. L'application à un véhicule en conditions réelles illustre certains comportements potentiellement problématiques de CLEANT et les solutions apportées par sa version filtrée en fréquence ou par l'ajustement de ses différents paramètres. Un premier test des approches par référencement avec des signaux issus de mesures embarquées est également présenté pour discriminer l'origine physique des sources, et souligne l'incidence de la brièveté des signaux inhérente au contexte de sources au passage. / The study detailed in this manuscript is part of the effort to characterize the noise emission from road vehicles. We wish to identify the noise sources of a moving vehicle, when driven on a roadway in real-world conditions, with roadside acoustic measurements. The current acoustic imaging methods do not provide sufficient performance on road vehicles. A state of the art led to the selection of an existing method, MSA-PSF, which consists in deconvolving signals from mobile sources in the frequency domain under certain assumptions, and was originally developed for aeroacoustics. This method is adapted here to the context of road vehicles. Then, an original approach is proposed in order to tackle the specific constraints of this context: CLEANT. This is an iterative method, performed in time domain with a wideband approach, which takes into account the effect of sources motion and includes two parameters designed to refine the result: the loop factor and the stopping criterium. A further version of the algorithm, including a frequency filter, is also proposed and shows significant improvement in identifying secondary sources in some particular cases. An interesting point of CLEANT is the availability of the sources reconstructed time signals, which enables other types of analysis, especially the use of the coherence with signals from on-board measurements in order to separate the contributions of uncorrelated sources. MSA-PSF and CLEANT are evaluated with numerical simulations and a set of indicators to measure their source localization and quantification performance. They are then tested in a controlled laboratory conditions experiment, using a moving source. This experiment represents a first application of the methods to a practical case, involving a linear motion, two simultaneous sources and different kinds of signals (tone and wideband). They are finally compared to the classical approach of moving source beamforming, within the frame of an experiment on a road vehicle, in real-world conditions. The original approach CLEANT yields very encouraging results, and is a clear improvement from the conventional beamforming, especially at low frequency for the tested cases. Applying it to a road vehicle in real-world conditions highlights a potentially troublesome behavior of the method, and the solution brought by CLEANT's frequency filtered version, or by adapting its various parameters. The coherence with reference signals to discriminate the physical origins of the sources is also tested and underlines the role of the short duration of the signals related to the sources passing-by context.

Ce travail de recherche porte sur le problème de l'identification des sources de bruit en espace clos. La motivation principale était de proposer une technique capable de localiser et quantifier les sources de bruit à l'intérieur des véhicules industriels, d'une manière efficace en temps. Dans cette optique, la méthode pourrait être utilisée par les industriels à des fins de réduction de bruit, et donc construire des véhicules plus silencieux. Un modèle simplifié basé sur la formulation par sources équivalentes a été utilisé pour résoudre le problème. Nous montrerons que le problème est mal conditionné, dans le sens où il est très sensible face aux erreurs de mesure, et donc des techniques dites de régularisation sont nécessaires. Une étude détaillée de cette question, en particulier le réglage de ce qu'on appelle de paramètre de régularisation, a été important pour assurer la stabilité de la solution. En particulier, un critère de régularisation basé sur une approche bayésienne s'est montré très robuste pour ajuster le paramètre de régularisation de manière optimale. L'application cible concernant des environnements intérieurs relativement grands, nous a imposé des difficultés supplémentaires, à savoir: (a) le positionnement de l'antenne de capteurs à l'intérieur de l'espace; (b) le nombre d'inconnues (sources potentielles) beaucoup plus important que le nombre de positions de mesure. Une formulation par pondération itérative a ensuite été proposé pour surmonter les problèmes ci-dessus de manière à: (1) corriger pour le positionnement de l'antenne de capteurs dans l'habitacle ; (2) obtenir des résultats corrects en terme de quantification des sources identifiées. Par ailleurs, l'approche itérative nous a conduit à des résultats avec une meilleure résolution spatiale ainsi qu'une meilleure dynamique. Plusieurs études numériques ont été réalisées afin de valider la méthode ainsi que d'évaluer sa sensibilité face aux erreurs de modèle. En particulier, nous avons montré que l'approche est affectée par des conditions non-anéchoïques, dans le sens où les réflexions sont identifiées comme des vraies sources. Une technique de post-traitement qui permet de distinguer entre les chemins directs et réverbérants a été étudiée. La dernière partie de cette thèse porte sur des validations expérimentales et applications pratiques de la méthode. Une antenne sphérique constituée d'une sphère rigide et 31 microphones a été construite pour les tests expérimentaux. Plusieurs validations académiques ont été réalisées dans des environnements semi-anéchoïques, et nous ont illustré les avantages et limites de la méthode. Enfin, l'approche a été testé dans une application pratique, qui a consisté à identifier les sources de bruit ou faiblesses acoustiques à l'intérieur d'un bus. / This thesis is concerned with the problem of noise source identification in closed spaces. The main motivation was to propose a technique which allows to locate and quantify noise sources within industrial vehicles, in a time-effective manner. In turn, the technique might be used by manufacturers for noise abatement purposes such as to provide quieter vehicles. A simplified model based on the equivalent source formulation was used to tackle the problem. It was shown that the problem is ill-conditioned, in the sense that it is very sensitive to errors in measurement data, thus regularization techniques were required. A detailed study of this issue, in particular the tuning of the so-called regularization parameter, was of importance to ensure the stability of the solution. In particular, a Bayesian regularization criterion was shown to be a very robust approach to optimally adjust the regularization parameter in an automated way. The target application concerns very large interior environments, which imposes additional difficulties, namely: (a) the positioning of the measurement array inside the enclosure; (b) a number of unknowns ("candidate" sources) much larger than the number of measurement positions. An iterative weighted formulation was then proposed to overcome the above issues by: first correct for the positioning of the array within the enclosure and second iteratively solve the problem in order to obtain a correct source quantification. In addition, the iterative approach has provided results with an enhanced spatial resolution and dynamic range. Several numerical studies have been carried out to validate the method as well as to evaluate its sensitivity to modeling errors. In particular, it was shown that the approach is affected by non-anechoic conditions, in the sense that reflections are identified as "real" sources. A post-processing technique which helps to distinguish between direct and reverberant paths has been discussed. The last part of the thesis was concerned with experimental validations and practical applications of the method. A custom spherical array consisting of a rigid sphere and 31 microphones has been built for the experimental tests. Several academic experimental validations have been carried out in semi-anechoic environments, which illustrated the advantages and limits of the method. Finally, the approach was tested in a practical application, which consisted in identifying noise sources inside a bus at driving conditions.

La séparation aveugle de sources est une technique prometteuse pour l'identification, la localisation, et la classification des sources sonores. L'objectif de cette thèse est de proposer des méthodes pour séparer des sources sonores incohérentes qui peuvent se chevaucher à la fois dans les domaines spatial et fréquentiel par l'exploitation de l'information spatiale. De telles méthodes sont d'intérêt dans les applications acoustiques nécessitant l'identification et la classification des sources sonores ayant des origines physiques différentes. Le principe fondamental de toutes les méthodes proposées se décrit en deux étapes, la première étant relative à la reconstruction du champ source (comme par exemple à l'aide de l'holographie acoustique de champ proche) et la seconde à la séparation aveugle de sources. Spécifiquement, l'ensemble complexe des sources est d'abord décomposé en une combinaison linéaire de fonctions de base spatiales dont les coefficients sont définis en rétropropageant les pressions mesurées par un réseau de microphones sur le domaine source. Cela conduit à une formulation similaire, mais pas identique, à la séparation aveugle de sources. Dans la seconde étape, ces coefficients sont séparés en variables latentes décorrélées, affectées à des “sources virtuelles” incohérentes. Il est montré que ces dernières sont définies par une rotation arbitraire. Un ensemble unique de sources sonores est finalement résolu par la recherche de la rotation (par gradient conjugué dans la variété Stiefel des matrices unitaires) qui minimise certains critères spatiaux, tels que la variance spatiale, l'entropie spatiale, ou l'orthogonalité spatiale. Il en résulte la proposition de trois critères de séparation à savoir la “moindre variance spatiale”, la “moindre entropie spatiale”, et la “décorrélation spatiale”, respectivement. De plus, la condition sous laquelle la décorrélation classique (analyse en composantes principales) peut résoudre le problème est établit de une manière rigoureuse. Le même concept d'entropie spatiale, qui est au cœur de cette thèse, est également exploité dans la définition d'un nouveau critère, la courbe en L entropique, qui permet de déterminer le nombre de sources sonores actives sur le domaine source d'intérêt. L'idée consiste à considérer le nombre de sources qui réalise le meilleur compromis entre une faible entropie spatiale (comme prévu à partir de sources compactes) et une faible entropie statistique (comme prévu à partir d'une faible erreur résiduelle). / Blind source separation is a promising technique for the identification, localization, and ranking of sound sources. The aim of this dissertation is to offer methods for separating incoherent sound sources which may overlap in both the space and frequency domains by exploiting spatial information. This is found of interest in acoustical applications involving the identification and ranking of sound sources stemming from different physical origins. The fundamental principle of all proposed methods proceeds in two steps, the first one being reminiscent to source reconstruction (e.g. as in near-field acoustical holography) and the second one to blind source separation. Specifically, the source mixture is first expanded into a linear combination of spatial basis functions whose coefficients are set by backpropagating the pressures measured by an array of microphones to the source domain. This leads to a formulation similar, but no identical, to blind source separation. In the second step, these coefficients are blindly separated into uncorrelated latent variables, assigned to incoherent “virtual sources”. These are shown to be defined up to an arbitrary rotation. A unique set of sound sources is finally recovered by searching for that rotation (conjugate gradient descent in the Stiefel manifold of unitary matrices) which minimizes some spatial criteria, such as spatial variance, spatial entropy, or spatial orthogonality. This results in the proposal of three separation criteria coined “least spatial variance”, “least spatial entropy”, and “spatial decorrelation”, respectively. Meanwhile, the condition under which classical decorrelation (principal component analysis) can solve the problem is deduced in a rigorous way. The same concept of spatial entropy, which is central to the dissertation, is also exploited in defining a new criterion, the entropic L-curve, dedicated to determining the number of active sound sources on the source domain of interest. The idea consists in considering the number of sources that achieves the best compromise between a low spatial entropy (as expected from compact sources) and a low statistical entropy (as expected from a low residual error).

L' acoustique picoseconde permet l'étude de structures aux dimensions sub-microniques grâce à l'utilisation d'ultrasons dont le contenu spectral peut s' étendre au-delà du THz. La génération et la détection de ces ondes sont rendues possibles par l'association de lasers impulsionnels femtosecondes à dispositifs de type pompe-sonde. Ce manuscrit de thèse décrit la mise en place d'une expérience d' imagerie opto-acoustique avec une résolution spatiale submicronique. L' utilisation combinée d'un échantillonnage optique hétérodyne et de cavités lasers à bas taux de répétition (50 MHz) permet de gagner plusieurs ordres de grandeur sur les temps d'acquisition et de disposer d'une très bonne résolution spectrale. Le manuscrit s'articule autour de trois parties. Dans un premier temps les deux cavités laser aux taux de répértition légèrement différents permettant l'échantillonnage otpique hétérdodyne sont présentées. Puis l'architecture et les performances du système d'asservissement de leur taux de répétion sont décrites. Dans la seconde partie du manuscrit, l'implémentation de cette double cavité dans une expérience pompre-sonde est détaillée et la possibilité de détecter des ondes acoustiques sub-THz avec une résolution de 50 MHz est démontrée. Enfin, dans le dernier chapitre, la puissance de cette expérience pour réaliser de l'imagerie ultra-rapide est illustrée au travers de deux exemples : l'étude d'ondes acoustiques de surface GHz dont la dispersion est induite par la présence d'une couche nanométrique et la détection d'hétérogénéités élastiques submicroniques / Acoustic waves in the Gigahertz or Terahertz frequency range allow the mechanical characterization of submicronic structures. The generation and the detection of these waves can be performed with the use of femtosecond lasers combined with pump-probe setups. This report describes the setting-up of an opto-acoustic imaging experiment with a submicronic spatial resolution. The association of asynchronous optical sampling with the use of low repetition rate femtosecond lasers considerably increases acquisition rates and offers a high spectral resolution, respectively. The first part of this report presents the two laser cavities with slightly different repetition rates in order to perform asynchronous optical sampling. The scheme and the performances of the synchronization stage are described. In the second part, the implementation of this dual-oscillator in a pump-probe experiment is detailed and the ability to detect sub-THz acoustic waves with a 50 MHz-spectral resolution is demonstrated. Finally, in the last chapter, the strong potential of this experiment to perform ultrafast imaging is illustrated through two examples : the measurement of the dispersion of GHz surface acoustic waves due to the presence of a thin film and the imaging and the sizing of submicronic elastic heterogeneities.

Ce travail de thèse à été financé par le projet LICORVE (Développement de garnitures légères, innovantes, recyclables et poly-sensorielles pour les applications de coffres de véhicule). Il consiste à développer une méthodologie de mesure pour localiser et caractériser les sources de bruit dans un coffre de voiture. L'environnement de mesure se caractérise par un petit volume où les réflexions de la source d'intérêt et des sources perturbatrices sur les parois ne peuvent être négligées. La méthode doit donc permettre de séparer les différents contributions pour estimer le plus précisément possible les sources étudiées (déconfinement). Dans un premier temps, deux méthodes de séparation : Double Layer SONAH (Statistically Optimal Near el Acoustical Holography) et Field Separation Method (FSM) sont étudiées numériquement. Les limites et avantages de chacune ont été déterminés dans un environnement de mesure confiné. Cela a permis de choisir la méthode la plus adaptée à notre problématique. Dans un deuxième temps les principales conclusions de l'étude numérique sont validées expérimentalement. Dans ce cadre, un ensemble de mesures sont réalisées dans une maquette avec la méthode FSM pour localiser et caractériser des sources maitrisées. Après avoir validée la fiabilité de la méthode de séparation, FSM a été mise en œuvre dans le coffre d'une Peugeot 508 sw en condition de roulement. Les résultats obtenus ont permis d'orienter le choix des garnitures pour un traitement acoustique optimal. / This thesis consists in developing, through the LICORVE project (light garnitures, innovative, recyclable and multi-sensorial for vehicle boots applications), a measurement method for localizing and characterizing noise sources in a vehicle trunk. The measuring environment is distinguished by a small volume where the reflections on the partitions generated by the source of interest and the interfering sources cannot be neglected. Therefore, the method must allow the separation of the different contributions in order to assess accurately the studied sources. As a first step, two separation methods : Double Layer SONAH (Statistically Optimized Near-Field Acoustical Holography) and Field Separation Method (FSM) are numerically studied. The limitations and advantages of each of them are determined in a confined measuring environment; this allowed to select the most appropriate method to tackle our problem. As a second step, the main conclusions of the numerical study are confirmed experimentally. In this context, measurements are performed, using the FSM method, in a trunk mock-up to localize and characterize the controlled sources. So confirmed the reliability of the separation method, it has been tested in the boot of a Peugeot 508 SW on a roller bench. The obtained results allowed guiding the selection of garniture for the acoustic treatment.

L'apparition récente de microphones numériques MEMS a ouvert de nouvelles perspectives pour le développement de systèmes d'acquisition acoustiques massivement multi-canaux de grande envergure. De tels systèmes permettent de localiser des sources acoustiques avec de bonnes performances. En revanche, de nouvelles contraintes se posent. La première est le flux élevé de données issues de l'antenne, devant être traitées en un temps raisonnable. La deuxième contrainte est de connaître la position des nombreux microphones déployés in situ. Ce manuscrit propose des méthodes répondant à ces deux contraintes. Premièrement, une étude du système d'acquisition est présentée. On montre que les microphones MEMS sont adaptés pour des applications d'antennerie. Ensuite, un traitement en temps réel des signaux acquis via une implémentation parallèle sur GPU est proposé. Cette stratégie répond au problème de flux de données. On dispose ainsi d'un outil d'imagerie temps réel de sources large bande, permettant d'établir un diagnostic dynamique de la scène sonore.Deuxièmement, différentes méthodes de calibration géométrique pour la détermination de la position des microphones sont exposées. Dans des conditions réelles d'utilisation, les méthodes actuelles sont inefficaces pour des antennes étendues et à grand nombre de microphones. Ce manuscrit propose des techniques privilégiant la robustesse du processus de calibration. Les méthodes proposées couvrent différents environnements acoustiques réels, du champ libre au champ réverbérant. Leur efficacité est prouvée par différentes campagnes expérimentales. / Recently, digital MEMS microphones came out and have opened new perspectives. One of them is the design of large-aperture and massively multichannel acoustical acquisition systems. Such systems meet good requirements for efficient source localization. However, new problems arise. First, an important data flow comes from the array, and must be processed fast enough. Second, if the large array is set up in situ, retrieving the position of numerous microphones becomes a challenging task. This thesis proposes methods addressing these two problems. The first part exhibits the description of the acquisition system, which has been developed during the thesis. First, we show that MEMS microphone characteristics are suitable for array processing applications. Then, real-time processing of channel signals is achieved by a parallel GPU implementation. This strategy is one solution to the heavy data flow processing issue. In this way, a real-time acoustic imaging tool was developed, and enables a dynamic wide-band diagnosis, for an arbitrary duration.The second part presents several robust geometric calibration methods: they retrieve microphone positions, based only on the array acoustic signals. Indeed, in real-life conditions, the state of the art methods are inefficient with large arrays. This thesis proposes techniques that guarantee the robustness of the calibration process. The proposed methods allow calibration in the different existing soundscapes, from free field to reverberant field. Various experimental scenarios prove the efficiency of the methods.

La caractérisation expérimentale de sources acoustiques est l'une des étapes essentielles pour la réduction des nuisances sonores produites par les machines industrielles. L'objectif de la thèse est de mettre au point une procédure complète visant à localiser et à quantifier des sources acoustiques stationnaires ou non sur un maillage surfacique par la rétro-propagation d'un champ de pression mesuré par un réseau de microphones. Ce problème inverse est délicat à résoudre puisqu'il est généralement mal-conditionné et sujet à de nombreuses sources d'erreurs. Dans ce contexte, il est capital de s'appuyer sur une description réaliste du modèle de propagation acoustique direct. Dans le domaine fréquentiel, la méthode des sources équivalentes a été adaptée au problème de l'imagerie acoustique dans le but d'estimer les fonctions de transfert entre les sources et l'antenne, en prenant en compte le phénomène de diffraction des ondes autour de l'objet d'intérêt. Dans le domaine temporel, la propagation est modélisée comme un produit de convolution entre la source et une réponse impulsionnelle décrite dans le domaine temps-nombre d'onde. Le caractère sous-déterminé du problème acoustique inverse implique d'utiliser toutes les connaissances a priori disponibles sur le champ sources. Il a donc semblé pertinent d'employer une approche bayésienne pour résoudre ce problème. Des informations a priori disponibles sur les sources acoustiques ont été mises en équation et il a été montré que la prise en compte de leur parcimonie spatiale ou de leur rayonnement omnidirectionnel pouvait améliorer significativement les résultats. Dans les hypothèses formulées, la solution du problème inverse s'écrit sous la forme régularisée de Tikhonov. Le paramètre de régularisation a été estimé par une approche bayésienne empirique. Sa supériorité par rapport aux méthodes communément utilisées dans la littérature a été démontrée au travers d'études numériques et expérimentales. En présence de fortes variabilités du rapport signal à bruit au cours du temps, il a été montré qu'il est nécessaire de mettre à jour sa valeur afin d'obtenir une solution satisfaisante. Finalement, l'introduction d'une variable manquante au problème reflétant la méconnaissance partielle du modèle de propagation a permis, sous certaines conditions, d'améliorer l'estimation de l'amplitude complexe des sources en présence d'erreurs de modèle. Les développements proposés ont permis de caractériser, in situ, la puissance acoustique rayonnée par composant d'un groupe motopropulseur automobile par la méthode de la focalisation bayésienne dans le cadre du projet Ecobex. Le champ acoustique cyclo-stationnaire généré par un ventilateur automobile a finalement été analysé par la méthode d'holographie acoustique de champ proche temps réel. / Experimental characterization of acoustic sources is one of the essential steps for reducing noise produced by industrial machinery. The aim of the thesis is to develop a complete procedure to localize and quantify both stationary and non-stationary sound sources radiating on a surface mesh by the back-propagation of a pressure field measured by a microphone array. The inverse problem is difficult to solve because it is generally ill-conditioned and subject to many sources of error. In this context, it is crucial to rely on a realistic description of the direct sound propagation model. In the frequency domain, the equivalent source method has been adapted to the acoustic imaging problem in order to estimate the transfer functions between the source and the antenna, taking into account the wave scattering. In the time domain, the propagation is modeled as a convolution product between the source and an impulse response described in the time-wavenumber domain. It seemed appropriate to use a Bayesian approach to use all the available knowledge about sources to solve this problem. A priori information available about the acoustic sources have been equated and it has been shown that taking into account their spatial sparsity or their omnidirectional radiation could significantly improve the results. In the assumptions made, the inverse problem solution is written in the regularized Tikhonov form. The regularization parameter has been estimated by an empirical Bayesian approach. Its superiority over methods commonly used in the literature has been demonstrated through numerical and experimental studies. In the presence of high variability of the signal to noise ratio over time, it has been shown that it is necessary to update its value to obtain a satisfactory solution. Finally, the introduction of a missing variable to the problem reflecting the partial ignorance of the propagation model could improve, under certain conditions, the estimation of the complex amplitude of the sources in the presence of model errors. The proposed developments have been applied to the estimation of the sound power emitted by an automotive power train using the Bayesian focusing method in the framework of the Ecobex project. The cyclo-stationary acoustic field generated by a fan motor was finally analyzed by the real-time near-field acoustic holography method.

L’analyse vibratoire constitue une part très importante des moyens de mesures pour la surveillance et la détection des défauts mécaniques des machines tournantes. Le positionnement des accéléromètres est stratégique et contribue fortement à la réussite du diagnostic ; la proximité du capteur de l’élément défaillant est une condition très utile, mais pas toujours réalisable. La corrélation entre le bruit émis par une machine et son état est assez étroite et montre l’apport des mesures acoustiques pour l’optimisation du diagnostic. L’imagerie acoustique, très appliquée pour détecter des sources dans le domaine du transport, avec ses multiples méthodes (holographie, beamforming, etc…) peut être un moyen pour remonter aux défauts mécaniques. Dans cet objectif, plusieurs stratégies basées sur l’algorithme de beamforming sont développées. Premièrement, des indicateurs communément utilisés pour le diagnostic des machines sont visualisés en fonction de l’espace. Le kurtosis permet de localiser les sources impulsives qui peuvent être reliées à un défaut. De nouveaux indicateurs basés sur le spectre d’enveloppe des signaux focalisés sont également mis en place pour détecter les défauts de roulement de bague interne et externe. D’autre part, la moyenne synchrone angulaire est utilisée pour extraire le champ acoustique synchrone avec la rotation d'un composant de la machine. Les sources reliées à un défaut sont affectées au champ résiduel et peuvent être identifiées dans les cartographies. Enfin, une nouvelle méthode d'imagerie acoustique qui exploite les fonctions de transfert vibroacoustiques entre des accéléromètres positionnés sur la machine et une antenne acoustique est développée. Elle permet d'obtenir des cartographies de la pression rayonnée sur une surface de la machine uniquement à partir d'accéléromètres. Son applicabilité à la détection de défaut est également démontrée sur un banc à engrenages. / Vibration analysis is mainly used in condition monitoring and fault detection of rotating machine domain. The success of the diagnosis is strongly related to the position of the accelerometers. However, the machine geometry sometimes prevents the sensors to be placed close enough to the faulted part causing the diagnostic failure. The sound emitted by a mechanism and its condition are related. Using microphones to optimize condition monitoring is then justified. Acoustic imaging techniques (acoustic holography, beamforming, etc…) are mainly used as a source localization and quantification tool but they can be turned into a powerful diagnosis tool. Several strategies based on the beamforming algorithm are developed in this work. Firstly, diagnosis features commonly used in condition monitoring of rotating machinery are mapped as a function of space. Kurtosis allows localizing impulsive sources which eventually can be related to a mechanism failure. New features based on the squared envelope spectrum of the focused signals are also introduced. They aim toward the detection of inner and outer race fault in roller element bearings. On the other hand, angular synchronous average is used to extract the acoustic field synchronous with one component rotation. The sources related to a fault are localized in the residual field mappings. Finally, a new imaging technique based on the vibroacoustic transfer functions between a few accelerometers placed on the machine and the microphone array is developed. It allows obtaining the mappings of the radiated pressure on the machine surface only thanks to the accelerometers. It is tested as a fault detection tool on a test bench

L’imagerie acoustique est une technique performante pour la localisation et la reconstruction de puissance des sources acoustiques en utilisant des mesures limitées au réseau des microphones. Elle est largement utilisée pour évaluer l’influence acoustique dans l’industrie automobile et aéronautique. Les méthodes d’imagerie acoustique impliquent souvent un modèle direct de propagation acoustique et l’inversion de ce modèle direct. Cependant, cette inversion provoque généralement un problème inverse mal-posé. Par conséquent, les méthodes classiques ne permettent d’obtenir de manière satisfaisante ni une haute résolution spatiale, ni une dynamique large de la puissance acoustique. Dans cette thèse, nous avons tout d’abord nous avons créé un modèle direct discret de la puissance acoustique qui devient alors à la fois linéaire et déterminé pour les puissances acoustiques. Et nous ajoutons les erreurs de mesures que nous décomposons en trois parties : le bruit de fond du réseau de capteurs, l’incertitude du modèle causée par les propagations à multi-trajets et les erreurs d’approximation de la modélisation. Pour la résolution du problème inverse, nous avons tout d’abord proposé une approche d’hyper-résolution en utilisant une contrainte de parcimonie, de sorte que nous pouvons obtenir une plus haute résolution spatiale robuste à aux erreurs de mesures à condition que le paramètre de parcimonie soit estimé attentivement. Ensuite, afin d’obtenir une dynamique large et une plus forte robustesse aux bruits, nous avons proposé une approche basée sur une inférence bayésienne avec un a priori parcimonieux. Toutes les variables et paramètres inconnus peuvent être estimées par l’estimation du maximum a posteriori conjoint (JMAP). Toutefois, le JMAP souffrant d’une optimisation non-quadratique d’importants coûts de calcul, nous avons cherché des solutions d’accélération algorithmique: une approximation du modèle direct en utilisant une convolution 2D avec un noyau invariant. Grâce à ce modèle, nos approches peuvent être parallélisées sur des Graphics Processing Unit (GPU) . Par ailleurs, nous avons affiné notre modèle statistique sur 2 aspects : prise en compte de la non stationarité spatiale des erreurs de mesures et la définition d’une loi a priori pour les puissances renforçant la parcimonie en loi de Students-t. Enfin, nous ont poussé à mettre en place une Approximation Variationnelle Bayésienne (VBA). Cette approche permet non seulement d’obtenir toutes les estimations des inconnues, mais aussi de fournir des intervalles de confiance grâce aux paramètres cachés utilisés par les lois de Students-t. Pour conclure, nos approches ont été comparées avec des méthodes de l’état-de-l’art sur des données simulées, réelles (provenant d’essais en soufflerie chez Renault S2A) et hybrides. / Acoustic imaging is an advanced technique for acoustic source localization and power reconstruction using limited measurements at microphone sensor array. This technique can provide meaningful insights into performances, properties and mechanisms of acoustic sources. It has been widely used for evaluating the acoustic influence in automobile and aircraft industries. Acoustic imaging methods often involve in two aspects: a forward model of acoustic signal (power) propagation, and its inverse solution. However, the inversion usually causes a very ill-posed inverse problem, whose solution is not unique and is quite sensitive to measurement errors. Therefore, classical methods cannot easily obtain high spatial resolutions between two close sources, nor achieve wide dynamic range of acoustic source powers. In this thesis, we firstly build up a discrete forward model of acoustic signal propagation. This signal model is a linear but under-determined system of equations linking the measured data and unknown source signals. Based on this signal model, we set up a discrete forward model of acoustic power propagation. This power model is both linear and determined for source powers. In the forward models, we consider the measurement errors to be mainly composed of background noises at sensor array, model uncertainty caused by multi-path propagation, as well as model approximating errors. For the inverse problem of the acoustic power model, we firstly propose a robust super-resolution approach with the sparsity constraint, so that we can obtain very high spatial resolution in strong measurement errors. But the sparsity parameter should be carefully estimated for effective performance. Then for the acoustic imaging with large dynamic range and robustness, we propose a robust Bayesian inference approach with a sparsity enforcing prior: the double exponential law. This sparse prior can better embody the sparsity characteristic of source distribution than the sparsity constraint. All the unknown variables and parameters can be alternatively estimated by the Joint Maximum A Posterior (JMAP) estimation. However, this JMAP suffers a non-quadratic optimization and causes huge computational cost. So that we improve two following aspects: In order to accelerate the JMAP estimation, we investigate an invariant 2D convolution operator to approximate acoustic power propagation model. Owing to this invariant convolution model, our approaches can be parallelly implemented by the Graphics Processing Unit (GPU). Furthermore, we consider that measurement errors are spatially variant (non-stationary) at different sensors. In this more practical case, the distribution of measurement errors can be more accurately modeled by Students-t law which can express the variant variances by hidden parameters. Moreover, the sparsity enforcing distribution can be more conveniently described by the Student's-t law which can be decomposed into multivariate Gaussian and Gamma laws. However, the JMAP estimation risks to obtain so many unknown variables and hidden parameters. Therefore, we apply the Variational Bayesian Approximation (VBA) to overcome the JMAP drawbacks. One of the fabulous advantages of VBA is that it can not only achieve the parameter estimations, but also offer the confidential interval of interested parameters thanks to hidden parameters used in Students-t priors. To conclude, proposed approaches are validated by simulations, real data from wind tunnel experiments of Renault S2A, as well as the hybrid data. Compared with some typical state-of-the-art methods, the main advantages of proposed approaches are robust to measurement errors, super spatial resolutions, wide dynamic range and no need for source number nor Signal to Noise Ration (SNR) beforehand.