Sistemas de posicionamento por satélite, GNSS (Global Navigation Satellite System), são amplamente utilizados por navios, automóveis, aeronaves, tropas militares, medições geológicas, fornecendo basicamente posição, velocidade e referência de tempo. O uso, entretanto, é condicionado à disponibilidade do sinal eletromagnético proveniente dos satélites, que pode ser obstruído por montanhas, edifícios, florestas e túneis, por exemplo, sendo também suscetível às condições climáticas. Outra característica dos sistemas de posicionamento por satélite é que os dados são atualizados tipicamente com uma taxa entre 1Hz e 10Hz. Assim, estes sistemas representam uma fonte de informações que, apesar de possuir erros limitados e eventualmente pequenos, apresentam baixa taxa de atualização em relação à dinâmica de navegação e pode não estar disponível em todos os instantes. As unidades de medidas inerciais, IMU (Inertial Measurement Unit), são formadas por sensores que fornecem informações de força específica e velocidade angular. A partir daí, a computação dos cálculos das equações de navegação é feita para fornecer posição, velocidade e atitude do veículo. Uma vez que depende apenas dos dados da IMU e do conhecimento da condição inicial, estes sistemas são autônomos e independentes de qualquer fonte externa de sinais. Além disso, possuem taxas de atualização bem mais elevadas, variando entre cerca de 100Hz e 400Hz, e são menos suscetíveis a condições do ambiente do que o GNSS. Entretanto, os erros dos sensores inerciais, mesmo que pequenos, causam desvios crescentes na solução de navegação, tornando o sistema inercial pouco confiável para navegação de longa duração. Uma forma de aliar o melhor de cada sistema -- Inercial e GNSS -- é através da integração dos dados se seus sensores, de forma a se obter resultados que estejam disponíveis a uma taxa mais elevada e promover a redução e a limitação de erro através das atualizações do GNSS. Para tanto, um algoritmo bastante utilizado que consegue cumprir esta tarefa é o Filtro de Kalman (KF). Este trabalho apresenta um estudo de um sistema de integração de dados de navegação inercial, de uma IMU, com informações de sistemas de posicionamento por satélite. Aqui, o sistema GNSS escolhido é o GPS (Global Positioning System). A implementação do Filtro de Kalman é feita em ambiente MATLAB/Simulink, em que o movimento simulado de uma aeronave é utilizado como referência e o algoritmo é analisado, comparando-se dados de navegação estimados da aeronave, com a trajetória originalmente simulada. Os resultados aqui apresentados mostram o comportamento do erro do sistema integrado pelo Filtro de Kalman em relação aos dados de referência obtidos a partir do movimento simulado da aeronave, inclusive com a interrupção do sinal GNSS por um determinado período.

Uma rede de sensores distribuídos estimando processos dinâmicos pode atingir um nível de robustez maior na operação. Nesse cenário, se um determinado nó apresentar falhas, as informações oriundas da rede poderão impedir a degradação significativa ou a interrupção do processo de estimação. A literatura científica possui um desenvolvimento vasto em algoritmos para fundir informações em uma rede de sensores na qual cada nó está observando o mesmo processo dinâmico. Também existem alguns desenvolvimentos para fundir essas informações quando a comunicação ocorre com atrasos. Entretanto, no melhor conhecimento do autor, ainda não foram desenvolvidos algoritmos para realizar estimação distribuída quando os nós observam processos diferentes, mas relacionados entre si, em redes cuja comunicação envolve atrasos. Aplicações interessantes fazem parte desse tipo de cenário, como, por exemplo, a estimação dos respectivos erros de navegação e dos sensores em cada um dos sistemas de navegação embarcados em veículos aéreos não-tripulados (VANTs) voando em formação e munidos de algum dispositivo de comunicação. Dessa forma, esse trabalho buscou desenvolver técnicas para fundir medidas atrasadas em redes de sensores nas quais os nós não compartilham o mesmo modelo dinâmico. Dois novos algoritmos sub-ótimos foram propostos: a extrapolação de medidas e o transporte de medidas. Estes foram comparados com uma abordagem clássica de fusão de medidas atrasadas em um filtro de Kalman, que é ótima por construção, e que foi adaptada para o problema distribuído em questão. Num primeiro momento, os algoritmos foram analisados de maneira teórica, calculando-se a performance esperada, a necessidade de memória e a carga computacional baseada no número de operações de ponto flutuante. Logo após, os algoritmos foram testados em um exemplo numérico simplificado para uma primeira validação. Então, uma rede de VANTs simulados foi construída e foi considerado que os veículos trocam, com atraso, as medidas dos sensores GNSS aliadas com uma informação da posição relativa entre as aeronaves. Os dois algoritmos desenvolvidos foram comparados com a abordagem ótima e seus respectivos desempenhos e cargas computacionais foram numericamente aferidos. Concluiu-se que, para fins práticos, os métodos sub-ótimos fundem apropriadamente as medidas atrasadas, limitando os erros de navegação, e apresentam carga computacional significativamente menor do que o método ótimo. A performance da extrapolação de medidas se mostrou bastante degradada quando o atraso na troca de informações é alto. Já o transporte de medidas obteve performance muito similar à abordagem clássica em todos os cenários simulados. Dessa forma, a investigação indica que os métodos desenvolvidos apresentam uma melhor razão custo/benefício com respeito à abordagem ótima para a aplicação mencionada, tanto em cenários com atrasos pequenos como em situações com atrasos grandes.

Em um cenário de guerra, informações concretas de localização do alvo e de identificação, de fácil entendimento e precisão são peças chaves na tomada de decisões. Informações de vários sensores vindas de locais, fontes e formatos diferentes são geradas e devem ser apresentadas de forma clara e objetiva a um operador, que irá de acordo com a análise destas informações, coordenar uma ação que resulte em uma operação com maior chance de sucesso. Neste caso, a localização de possíveis alvos e o rastreio dos mesmos é de crucial importância na tentativa de identificar uma possível ameaça ou um acompanhamento dos movimentos do inimigo. Utilizando dois tipos de sensores, radar e sensores passivos, é possível obter um rastreio mais preciso de certo alvo e a eliminar alvos falsos. Isto melhora a qualidade e confiabilidade das informações apresentadas ao operador, o que torna a tomada de decisão mais segura e a ação mais certeira. Este trabalho apresenta uma técnica de rastreio passivo de alvos utilizando dois sensores passivos que medem o azimute e a elevação da onda eletromagnética emitida por um alvo. Utilizando um modelo dinâmico que descreve as variáveis de estado de um alvo aéreo manobrável e um modelo não linear de medidas, que relaciona o estado do alvo, em coordenadas cartesianas, com as medidas angulares dos sensores, mostra-se como um filtro estendido de Kalman pode ser utilizado para a estimativa da trajetória do alvo quando se usa equações de triangulação para a determinação da localização. Os resultados das simulações são analisados em termos de do erro de predição da trajetória para alvos com diferentes manobrabilidades e da precisão de medidas angulares dos sensores passivos.

Après la démocratisation des robots industriels, la tendance actuelle est au développement de robots sociaux dont la fonction principale est l'interaction avec ses utilisateurs. Le déploiement de telles plate-formes dans des boutiques, des musées ou des gares relance différentes problématiques dont celle de la localisation pour les robots mobiles. Cette thèse traite ainsi de la localisation du robot Pepper en milieu intérieur non-contraint. Présent dans de nombreuses boutiques au Japon, Pepper est utilisé par des personnes non-expertes et doit donc être le plus autonome possible. Cependant, les solutions de localisation autonome de la littérature souffrent des limitations de la plate-forme. Les travaux de cette thèse s'articulent autour de deux grands axes. D'abord, le problème de la relocalisation dans un environnement visuellement redondant est étudié. La solution proposée consiste à combiner la vision et le Wi-Fi dans une approche probabiliste basée sur l'apparence. Ensuite, la question de la création d'une carte métrique cohérente est approfondie. Pour compenser les nombreuses pertes de suivi d'amers visuels causées par une fréquence d'acquisition basse, des contraintes odométriques sont ajoutées à une optimisation par ajustement de faisceaux. Ces solutions ont été testées et validées sur plusieurs robots Pepper à partir de données collectées dans différents environnements intérieurs sur plus de 7 km. / After the democratization of industrial robots, the current trend is the development of social robots that create strong interactions with their users. The deployment of such platforms in shops, museums or train stations raises various issues including the autonomous localization of mobile robots. This thesis focuses on the localization of Pepper robots in a non-constrained indoor environment. Pepper robots are daily used in many shops in Japan and must be as autonomous as possible. However, localization solutions in the literature suffer from the limitations of the platform. This thesis is split into two main themes. First, the problem of relocalization in a visually redundant environment is studied. The proposed solution combines vision and Wi-Fi in a probabilistic approach based on the appearance. Then, the question of a consistent metrical mapping is examined. In order to compensate the numerous losses of tracking caused by the low acquisition frequency, odometric constraints are added to a bundle adjustment optimization. These solutions have been tested and validated on several Pepper robots, from data collected in different indoor environments over more than 7 km.

At the start of the 21st century, the topic of complexity remains a formidable challenge in engineering, science and other aspects of our world. It seems that when disaster strikes it is because some complex and unforeseen interaction causes the unfortunate outcome. Why did the financial system of the world meltdown in 2008-2009? Why are global temperatures on the rise? These questions and other ones like them are difficult to answer because they pertain to contexts that require lengthy descriptions. In other words, these contexts are complex. But we as human beings are able to observe and recognize this thing we call 'complexity'. Furthermore, we recognize that there are certain elements of a context that form a system of complex interactions - i.e., a complex system. Many researchers have even noted similarities between seemingly disparate complex systems. Do sub-atomic systems bear resemblance to weather patterns? Or do human-based economic systems bear resemblance to macroscopic flows? Where do we draw the line in their resemblance? These are the kinds of questions that are asked in complex systems research. And the ability to recognize complexity is not only limited to analytic research. Rather, there are many known examples of humans who, not only observe and recognize but also, operate complex systems. How do they do it? Is there something superhuman about these people or is there something common to human anatomy that makes it possible to fly a plane? - Or to drive a bus? Or to operate a nuclear power plant? Or to play Chopin's etudes on the piano? In each of these examples, a human being operates a complex system of machinery, whether it is a plane, a bus, a nuclear power plant or a piano. What is the common thread running through these abilities? The study of situational awareness (SA) examines how people do these types of remarkable feats. It is not a bottom-up science though because it relies on finding general principles running through a host of varied human activities. Nevertheless, since it is not constrained by computational details, the study of situational awareness provides a unique opportunity to approach complex tasks of operation from an analytical perspective. In other words, with SA, we get to see how humans observe, recognize and react to complex systems on which they exert some control. Reconciling this perspective on complexity with complex systems research, it might be possible to further our understanding of complex phenomena if we can probe the anatomical mechanisms by which we, as humans, do it naturally. At this unique intersection of two disciplines, a hybrid approach is needed. So in this work, we propose just such an approach. In particular, this research proposes a computational approach to the situational awareness (SA) of complex systems. Here we propose to implement certain aspects of situational awareness via a biologically-inspired machine-learning technique called Hierarchical Temporal Memory (HTM). In doing so, we will use either simulated or actual data to create and to test computational implementations of situational awareness. This will be tested in two example contexts, one being more complex than the other. The ultimate goal of this research is to demonstrate a possible approach to analyzing and understanding complex systems. By using HTM and carefully developing techniques to analyze the SA formed from data, it is believed that this goal can be obtained.

Growing needs for precise manipulation in medical surgery, manufacturing automation and structural health monitoring have motivated development of high accuracy, bandwidth and cost-effective sensing systems. Among these is a class of multi-axis electromagnetic devices where embedded magnetic fields can be capitalized for compact position estimation eliminating unwanted friction, stiction and inertia arising from dedicated and separate sensing mechanisms. Using fields for position measurements, however, is a challenging 'inverse problem' since they are often modeled in the 'forward' sense and their inverse solutions are often highly non-linear and non-unique. A general method to design a multisensor system that capitalizes on the existing magnetic field in permanent magnet (PM) actuators is presented. This method takes advantage of the structural field symmetry and meticulous placement of sensors to discretize the motion range of a PM-based device into smaller magnetic field segments, thereby reducing the required characterization domain. Within these localized segments, unique field-position correspondence is induced using field measurements from a network of multiple-axis sensors. A direct mapping approach utilizing trained artificial neural networks to attain multi-DOF positional information from distributed field measurements is employed as an alternative to existing computationally intensive model based methods which are unsuitable for real-time control implementation. Validation and evaluation of this technique are performed through field simulations and experimental investigation on an electromagnetic spherical actuator. An inclinometer was used as a performance comparison and experimental results have corroborated the superior tracking ability of the field-based sensing system. While the immediate application is field-based orientation determination of an electromagnetic actuator, it is expected that the design method can be extended to develop other sensing systems that harnesses other scalar, vector and tensor fields.

Thesis (Ph.D.) -- Mississippi State University. Department of Computer Science and Engineering. / Title from title screen. Includes bibliographical references.

L'objectif de cette thèse est d'améliorer ou de préserver les performances d'un système décisionnel quand l’environnement peut impacter certains attributs de l'espace de représentation à un instant donné ou en fonction de la position géographique de l’observation. S'inspirant des méthodes d'ensemble, notre approche a consisté à prendre les décisions dans des sous-espaces de représentation résultant de projections de l'espace initial, espérant ainsi travailler dans des sous-espaces non impactés. La décision finale est alors prise par fusion des décisions individuelles. Dans ce contexte, trois méthodes de classification (one-class SVM, Kernel PCA et Kernel ECA) ont été testées en segmentation d'images texturées qui constitue un support applicatif parfaitement adéquat en raison des ruptures de modèle de texture aux frontières entre deux régions. Ensuite, nous avons proposé une nouvelle règle de fusion reposant sur un test du rapport de vraisemblance pour un ensemble de classifieurs indépendants. Par rapport au vote majoritaire, cette règle de fusion a montré de meilleures performances face à l'altération de l'espace de représentation. Enfin, nous avons établi un modèle conjoint pour l’ensemble des variables décisionnelles de Bernoulli corrélées associées aux décisions des classifieurs individuels. Cette modélisation doit permettre de lier les performances des classifieurs individuels à la performance de la règle de décision globale et d’étudier et de maîtriser l'impact des changements de l'espace initial sur la performance globale / The objective of this thesis is to improve or maintain the performance of a decision-making system when the environment can impact some attributes of the feature space at a given time or depending on the geographical location of the observation. Inspired by ensemble methods, our approach has been to make decisions in representation sub-spaces resulting of projections of the initial space, expecting that most of the subspaces are not impacted. The final decision is then made by fusing the individual decisions. In this context, three classification methods (one-class SVM, Kernel PCA and Kernel ECA) were tested on a textured images segmentation problem which is a perfectly adequate application support because of texture pattern changes at the border between two regions. Then, we proposed a new fusion rule based on a likelihood ratio test for a set of independent classifiers. Compared to the majority vote, this fusion rule showed better performance against the alteration of the performance space. Finally, we modeled the decision system using a joint model for all decisions based on the assumption that decisions of individual classifiers follow a correlated Bernoulli law. This model is intended to link the performance of individual classifiers to the performance of the overall decision rule and to investigate and control the impact of changes in the original space on the overall performance

Le milieu sous-marin est doublement dispersif, en temps et en fréquence. L'utilisation récente de signaux de communication multi-porteuses offre une solution pour lutter contre la sélectivité fréquentielle. Mais ce type de signaux reste très sensible à la dispersivité fréquentielle. Cette thèse se concentre sur le problème de la dispersivité fréquentielle qu'est l'effet Doppler. Des méthodes d'estimation du paramètre Doppler sont développées pour des signaux multi-porteuses DMT. Est également abordé le problème de la compensation Doppler dans les cas mono et multitrajets. Une méthode générale et une méthode spéci que au signaux multiporteuses sont présentées et testées sur simulation. Cette thèse se distingue par son modèle du canal sous-marin qui considère un paramètre Doppler différent sur chaque trajet. Ceci résulte de la géométrie du problème et des vitesses émetteur/récepteur considérées. Nous présentons nalement des méthodes pour séparer les différents trajets arrivant sur une antenne a n de pouvoir considérer un paramètre Doppler unique sur chacun. / The underwater channel is doubly dispersive, in time and freqeuncy. In the last decade, multicarrier communication signal , like OFDM signal, has offer a solution in order to struggle aginst multipath propagation. Unfortunatly, these kinds of signal is strongly sensitive to Doppler effect. This thesis focus on frequential dispersivity involved by Doppler effect. Several Doppler estimation methods are developped for multicarrier signals. Doppler compensation for one path and multipath channel is also considered. For this problem, we developped general method but also speci c method for DMT signals. Each of them have been tested on simulations. This thesis uses an underwater channel model presenting different Doppler parameter for each path. This approach is a consequence of the problem geometry, considering emitter/receiver velocity. Finaly, using an antenna, we present several methods in order to separate efficiently each arriving path ; allowing us to consider each separated path with a single Doppler parameter to compensate.

This diploma thesis deals with the detection of the current floor during elevator ride. This functionality is necessary for robot to move in multi-floor building. For this task, a fusion of accelerometric data during the ride of the elevator and image data obtained from the information display inside the elevator cabin is used. The research describes the already implemented solutions, data fusion methods and image classification options. Based on this part, suitable approaches for solving the problem were proposed. First, datasets from different types of elevator cabins were obtained. An algorithm for working with data from the accelerometric sensor was developed. A convolutional neural network, which was used to classify image data from displays, was selected and trained. Subsequently, the data fusion method was implemented. The individual parts were tested and evaluated. Based on their evaluation, integration into one functional system was performed. System was successfully verified and tested. Result of detection during the ride in different elevators was 97%.