L’objectif de cette thèse est la classification automatique des cibles (ATC) en utilisant les signaux rétrodiffusés par un radar ultra large bande (UWB). La classification des cibles est réalisée en comparant les signatures des cibles et les signatures stockées dans une base de données. Premièrement, une étude sur la théorie de diffusion nous a permis de comprendre le sens physique des paramètres extraits et de les exprimer mathématiquement. Deuxièmement, des méthodes d’extraction de paramètres sont appliquées afin de déterminer les signatures des cibles. Un bon choix des paramètres est important afin de distinguer les différentes cibles. Différentes méthodes d’extraction de paramètres sont comparées notamment : méthode de Prony, Racine-classification des signaux multiples (Root-MUSIC), l’estimation des paramètres des signaux par des techniques d’invariances rotationnels (ESPRIT), et la méthode Matrix Pencil (MPM). Troisièmement, une méthode efficace de classification supervisée est nécessaire afin de classer les cibles inconnues par l’utilisation de leurs signatures extraites. Différentes méthodes de classification sont comparées notamment : Classification par la distance de Mahalanobis (MDC), Naïve Bayes (NB), k-plus proches voisins (k-NN), Machines à Vecteurs de Support (SVM). Une bonne technique de classification doit avoir une bonne précision en présence de signaux bruités et quelques soit l’angle d’émission. Les différents algorithmes ont été validés en utilisant les simulations des données rétrodiffusées par des objets canoniques et des cibles de géométries complexes modélisées par des fils minces et parfaitement conducteurs. Une méthode de classification automatique de cibles basée sur l’utilisation de la méthode Matrix Pencil dans le domaine fréquentiel (MPMFD) pour l’extraction des paramètres et la classification par la distance de Mahalanobis est proposée. Les résultats de simulation montrent que les paramètres extraits par MPMFD présentent une solution plausible pour la classification automatique des cibles. En outre, nous avons prouvé que la méthode proposée a une bonne tolérance aux bruits lors de la classification des cibles. Enfin, les différents algorithmes sont validés sur des données expérimentales et cibles réelles. / The objective of this thesis is the Automatic Target Classification (ATC) based on radar backscattered Ultra WideBand (UWB) signals. The classification of the targets is realized by making comparison between the deduced target properties and the different target features which are already recorded in a database. First, the study of scattering theory allows us to understand the physical meaning of the extracted features and describe them mathematically. Second, feature extraction methods are applied in order to extract signatures of the targets. A good choice of features is important to distinguish different targets. Different methods of feature extraction are compared including wavelet transform and high resolution techniques such as: Prony’s method, Root-Multiple SIgnal Classification (Root-MUSIC), Estimation of Signal Parameters via Rotational Invariance Techniques (ESPRIT) and Matrix Pencil Method (MPM). Third, an efficient method of supervised classification is necessary to classify unknown targets by using the extracted features. Different methods of classification are compared: Mahalanobis Distance Classifier (MDC), Naïve Bayes (NB), k-Nearest Neighbors (k-NN) and Support Vector Machine (SVM). A useful classifier design technique should have a high rate of accuracy in the presence of noisy data coming from different aspect angles. The different algorithms are demonstrated using simulated backscattered data from canonical objects and complex target geometries modeled by perfectly conducting thin wires. A method of ATC based on the use of Matrix Pencil Method in Frequency Domain (MPMFD) for feature extraction and MDC for classification is proposed. Simulation results illustrate that features extracted with MPMFD present a plausible solution to automatic target classification. In addition, we prove that the proposed method has better ability to tolerate noise effects in radar target classification. Finally, the different algorithms are validated on experimental data and real targets.

La caractérisation non destructive de l’adhérence des structures du type couche sur substrat est un enjeu industriel et académique important. Ce type d’échantillon est en effet utilisé pour de nombreuses applications et sa durée de vie dépend en grande partie de la qualité d’adhérence des films au substrat. Celle-ci modifie sensiblement le comportement dispersif des ondes acoustiques de surface se propageant dans de ce type de structure. Pour générer et détecter ces ondes, un dispositif Ultrasons-Laser a été privilégié. Dans un premier temps, nous avons cherché à contourner les difficultés d’interprétation rencontrées habituellement dans le contrôle de l’adhérence par ondes acoustiques de surface. Les variations d’épaisseur de la couche peuvent en effet avoir une influence sur la dispersion des ondes comparable à celle due à l’adhérence. Pour ce faire, des films polymères dont l’épaisseur est quasi-constante sont employés et apposés sur un substrat en aluminium. Ces films possèdent en plus la propriété d’être transparents. Cela permet de focaliser l’impulsion laser générant les ondes acoustiques à travers le film, directement à la surface du substrat et de placer ainsi la source acoustique à l’interface film-substrat. L’influence de la position de la source sur le comportement dispersif des ondes acoustiques de surface et par conséquent sur le contrôle de la qualité d’adhérence est alors étudiée expérimentalement ainsi qu’au travers de simulations par éléments finis. Finalement, une caractérisation de l’adhérence de différents échantillons est effectuée grâce aux courbes de dispersion obtenues à l’aide de la méthode Matrix-Pencil appliquée aux résultats expérimentaux. En utilisant un algorithme d’inversion, les raideurs d’interface caractéristiques de l’adhérence des échantillons analysés sont estimées. / The non-destructive characterization of the adhesion of layer-on-substrate structures is an important issue in industrial and academic domains. This type of sample is indeed used for many applications and its lifetime depends mainly on the adhesion of the film to the substrate. This one changes significantly the dispersive behavior of the surface acoustic waves. To generate and detect these waves, a Laser-Ultrasonics setup has been used. First, we are looking to bypass the interpretation difficulties usually encountered in the control of adhesion by surface acoustic waves. Indeed, the layer thickness variations influence the dispersion of the waves in a similar way to the adhesion. Consequently, the polymer films used have a quasi-constant thickness and they are deposited directly on an aluminum substrate. In addition, these films are also transparent. It allows us to generate directly the acoustic waves on the substrate surface, at the interface between the film and the substrate, by focusing the laser pulse through the film. In this way, the influence of the source location on the dispersive behavior of the surface acoustic waves and thus on the adhesion quality control may be studied experimentally and by using finite element simulations. Finally, a characterization of the adhesion of several samples is performed using the dispersion curves obtained applying the Matrix-Pencil method to the experimental results. An inversion algorithm allows us to estimate the interfacial stiffnesses corresponding to the adhesion of the samples.