Thèse de doctorat : Automatique et traitement du signal : INPL : 2008. / Titre provenant de l'écran-titre.

Thèse doct.--Sci. ingénieur--Nice, 1995.

Digital Holography Microscopy (DHM) is a new 3D measurement technique that exists since Charge Coupled Devices (or CCD cameras) allow to record numerically high resolution images. That opens a new door to the theory of holography discovered in 1949 by Gabor: the door that masked the world of digital hologram processing. A hologram is a usual image but that contains the complex amplitude of the light coded into intensities recorded by the camera. The complex amplitude of the light can be seen as the combination of the energy information (squared amplitude modulus) with the information of the propagation angle of the light (phase of the amplitude) for each point of the image. When the hologram is digital, this dual information associated with a diffractive model of the light propagation permits to numerically investigate back and front planes to the recorded plane of the imaging system. We understand that 3D information can be recorded by a CCD camera and the acquisition rate of this volume information is only limited by the acquisition rate of the unique camera. For each digital hologram, the numerical investigation of front and back regions to the recorded plane is a tool to numerically refocus objects appearing unfocused in the original plane acquired by the CCD.<p>This thesis aims to develop general and robust algorithms that are devoted to automate the analysis process in the 3D space and in time of objects present in a volume studied by a specific imaging system that permits to record holograms. Indeed, the manual processing of a huge amount of holograms is not realistic and has to be automated by software implementing precise algorithms. In this thesis, the imaging system that records holograms is a Mach-Zehnder interferometer working in transmission and studied objects are either of biological nature (crystals, vesicles, cancer cells) or latex particles. We propose and test focus criteria, based on an identical focus metric, for both amplitude and phase objects. These criteria allow the determination of the best focus plane of an object when the numerical investigation is performed. The precision of the best focus plane is lower than the depth of field of the microscope. From this refocus theory, we develop object detection algorithms that build a synthetic image where objects are bright on a dark background. This detection map of objects is the first step to a fully automatic analysis of objects present in one hologram. The combination of the detection algorithm and the focus criteria allow the precise measurement of the 3D position of the objects, and of other relevant characteristics like the object surface in its focus plane, or its convexity or whatever. These extra relevant measures are carried out with a segmentation algorithm adapted to the studied objects of this thesis (opaque objects, and transparent objects in a uniform refractive index environment). The last algorithm investigated in this research work is the data association in time of objects from hologram to hologram in order to extract 3D trajectories by using the predictive Kalman filtering theory. <p>These algorithms are the abstract bricks of two software: DHM Object Detection and Analysis software, and Kalman Tracking software. The first software is designed for both opaque and transparent objects. The term object is not defined by one other characteristic in this work, and as a consequence, the developed algorithms are very general and can be applied on various objects studied in transmission by DHM. The tracking software is adapted to the dynamic applications of the thesis, which are flows of objects. Performance and results are exposed in a specific chapter. <p> / Doctorat en sciences appliquées / info:eu-repo/semantics/nonPublished

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

Cette thèse porte sur les problèmes de localisation et de surveillance de champ de gaz à l'aide de réseaux de capteurs sans fil. Nous nous intéressons d'abord à la géolocalisation des capteurs et au suivi de cibles. Nous proposons ainsi une approche exploitant la puissance des signaux échangés entre les capteurs et appliquant les méthodes à noyaux avec la technique de fingerprinting. Nous élaborons ensuite une méthode de suivi de cibles, en se basant sur l'approche de localisation proposée. Cette méthode permet d'améliorer la position estimée de la cible en tenant compte de ses accélérations, et cela à l'aide du filtre de Kalman. Nous proposons également un modèle semi-paramétrique estimant les distances inter-capteurs en se basant sur les puissances des signaux échangés entre ces capteurs. Ce modèle est une combinaison du modèle physique de propagation avec un terme non linéaire estimé par les méthodes à noyaux. Les données d'accélérations sont également utilisées ici avec les distances, pour localiser la cible, en s'appuyant sur un filtrage de Kalman et un filtrage particulaire. Dans un autre contexte, nous proposons une méthode pour la surveillance de la diffusion d'un gaz dans une zone d'intérêt, basée sur l'apprentissage par noyaux. Cette méthode permet de détecter la diffusion d'un gaz en utilisant des concentrations relevées régulièrement par des capteurs déployés dans la zone. Les concentrations mesurées sont ensuite traitées pour estimer les paramètres de la source de gaz, notamment sa position et la quantité du gaz libéré / This thesis focuses on the problems of localization and gas field monitoring using wireless sensor networks. First, we focus on the geolocalization of sensors and target tracking. Using the powers of the signals exchanged between sensors, we propose a localization method combining radio-location fingerprinting and kernel methods from statistical machine learning. Based on this localization method, we develop a target tracking method that enhances the estimated position of the target by combining it to acceleration information using the Kalman filter. We also provide a semi-parametric model that estimates the distances separating sensors based on the powers of the signals exchanged between them. This semi-parametric model is a combination of the well-known log-distance propagation model with a non-linear fluctuation term estimated within the framework of kernel methods. The target's position is estimated by incorporating acceleration information to the distances separating the target from the sensors, using either the Kalman filter or the particle filter. In another context, we study gas diffusions in wireless sensor networks, using also machine learning. We propose a method that allows the detection of multiple gas diffusions based on concentration measures regularly collected from the studied region. The method estimates then the parameters of the multiple gas sources, including the sources' locations and their release rates

In marine environments, acoustic wave propagation is determined by sound-speed variations in the water column (related to salinity, temperature and pressure) ,and seafloor properties in shallow environments. The refraction index variations and the boundary conditions guide the wave propagation so that an important amount of acoustic energy can propagate over long distances. Measurements of acoustic transmissions coupled with propagation models can be inverted to infer the water column properties (tomography) and the seafloor and subseafloor properties (geoacoustics).<p><p>In this thesis a new method for shallow water inversion based on the sequential assimilation of acoustic measurements in Kalman filters is developed. Filtering algorithms for nonlinear systems, as the ensemble Kalman filter (EnKF), enable the integration of complex acoustic propagation models in the measurement model. The inverse problem is here reformulated into a state-space model to track sequentially the parameters (temperature, receiver positions, etc.) and their uncertainty by filtering regularly new acoustic data.<p><p>Different applications are proposed to demonstrate the sequential acoustic filtering approach. First, the problem of characterizing horizontal inhomogeneities in the sound-speed field between an acoustic source and a vertical array of receivers is addressed. Starting from a range-averaged sound-speed profile, the filtering of complex multifrequency data enables the estimate and tracking of the range-dependence of the sound-speed field.<p>The second application deals with the geoacoustic inversion problem based on a mobile source-receiver setup. The filtering approach is shown to provide more stable results than conventional inversion methods with a reduced computational burden. The last application is dedicated to the tracking of specific oceanic structures affecting the sound-speed field, here thermal fronts. An original parameterization scheme which is specific to the tracked feature is developed and enables to monitor the principal characteristics of the sound-speed field by filtering multifrequency acoustic data.<p><p>This work shows that the sequential filtering approach of transmitted acoustic data can lead to environmental estimates on spatial and temporal scale of interest for regional or coastal oceanographic models and can supplement the dataset assimilated nowadays for forecasting purposes./Dans les environnements marins, la propagation des ondes acoustiques est directement conditionnée par les variations de vitesse de propagation dans l'eau (liée à la température, la salinité et la pression hydrostatique), ainsi que les propriétés du fond, lorsque le milieu est peu profond. La propagation de ces ondes, typiquement guidée par les variations d'indice de réfraction et les conditions aux limites, permet de transmettre une quantité d'énergie acoustique importante sur de longues distances. Associées à des modèles de propagation, des mesures de transmission acoustique peuvent être inversées afin de déterminer les propriétés de l'environnement sondé, que ce soit de la colonne d'eau (tomographie) ou du fond marin (géoacoustique).<p><p>Dans cette thèse, une nouvelle méthode d'inversion en milieu peu profond, basée sur l'assimilation séquentielle de mesures acoustiques dans des filtres de Kalman, est développée. Les algorithmes de filtrage développés pour les systèmes non linéaires, tel que l'ensemble Kalman filter (EnKF), permettent d'intégrer des modèles de propagation acoustique complexes au sein du modèle de mesure. Le problème inverse est reformulé de façon séquentielle, en un modèle d'espace d'états, de sorte que l'évolution des paramètres (température, positions des récepteurs, etc.) et de leur incertitude est suivie au fur et à mesure de l'assimilation de nouvelles mesures.<p><p>Différentes applications sont proposées pour démontrer les performances du filtrage séquentiel. Le premier problème abordé est celui de l'inversion et du suivi des inhomogénéités horizontales du champ de vitesse entre une source acoustique et une antenne verticale de récepteurs. A partir d'un profil de vitesse moyen sur la distance source-récepteurs, le filtrage de mesures complexes multi-fréquences permet d'estimer la dépendance horizontale du champ de vitesse et son évolution au cours du temps. La nature séquentielle de l'algorithme de filtrage motive la seconde application, dédiée à l'estimation des paramètres géoacoustiques d'un environnement à partir d'une configuration source-récepteur mobile. Les résultats démontrent que l'approche par filtrage permet d'obtenir des estimations géoacoustiques plus stables que celles obtenues par les méthodes d'inversion conventionnelles avec un coût de calcul réduit. La troisième et dernière application est dédiée au suivi de structures océaniques marquées, tels que les fronts thermiques. Une paramétrisation originale spécifique à la structure inversée est proposée et permet d'estimer et de suivre les caractéristiques principales du champ de température par filtrage de données acoustiques multi-fréquences.<p><p>Ce travail montre que l'approche séquentielle de l'inversion des données acoustiques peut mener à des estimations environnementales sur des échelles spatiales et temporelles d'intérêt pour les modèles océanographiques côtiers et régionaux, de façon à compléter les données assimilées quotidiennement pour les prédictions. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished