La pollution de l'air est un sujet de préoccupation majeur au XXIème siècle affectant la santé ainsi et notre environnement Deux types de pollution attirent plus particulièrement l'attention des physicochimistes à l'heure actuelle. Il s'agit de la pollution a 1'ozone dite photochumque et particulaire (PM10, PM2.5 et PM1). Au cours du travail de thèse les systèmes de modélisation MM5-CHIMERE et MM5-FLEXPART ont été installés et optimisés au PC2A pour l'étude de l'ozone et des PM10 sur la région NPDC. MM5 et CHIMERE sont des modèles Eulériens, météorologique pour le premier et de chimie-transport pour le second. FLEXPART est un modèle Lagrangien de dispersion de particules. La performance du système MM5 CHIMERE est évaluée pour différentes topographies et situations météorologiques. Dans un premier temps, les résultats obtenus par modélisation en mode diagnostique sont confrontés aux mesures réalisées par le réseau de surveillance de la qualité de l'air Atmo-NPDC sur la période caniculaire de Juin-Juillet 2006. Puis, les performances dynamiques et chimiques des modèles sont évaluées au niveau de la zone industrielle de Dunkerque sur deux périodes en avril et mai 2006. Pour de ces périodes, les données ont été collectées lors d'une campagne de mesure réalisée sur la région de Dunkerque par le Laboratoire de Physicochimie Atmosphérique (LPCA) de l'Université du Littoral Côte d'Opale (ULCO) Enfin, le système MM5-FLEXPART est utilisé afin de déterminer l'origme d'un évènement intense de pollution particulaire observé en mars 2007 sur la région NPDC. L'intluence d'un cadastre d'émissions régionale, la résolution des mailles et des données météorologiques ont aussi été testées. / Air pollution is a topical subject affecting both human health and the environment. Nowadays, two kind of pollution have been intensely studied, namely, the ozone and the particulate (PMIO, PM2.5 and PM1) pollution. During the thesis, the MM5-CHIMERE and the MM5-FLEXPART systems have been set up and optimised at the PC2A laboratory in order to study ozone and PM 10 pollution events. The performance of the MM5-CHIIMERE system has been evaluated for different topography and meteorological situations. Firstly, the modelled data are compared against observed data from the Atmo-NPDC air pollution monitoring network over the June-Ju!y 2006 heat wave period. Then, the dynamical and chemical performance of the models is assessed over the Dunkerque area for two periods in April and May 2006. For those two periods, measured data were collected during a field campaign achieved by the Laboratoire de Physicochimie Atmosphérique (LPCA) of the University du Littoral Côte d'Opale (ULCO). Finally, the MM5-FLEXPART system was used to determine the origin of an intense PM10 event over the NPDC region. The influence of anthropogenic primary emission, grid and meteorological data resolution has also becn tested.

L'objectif de cette thèse est de comprendre les processus de couplage entre la turbulence et la matière particulaire (sédiments en suspension et phytoplancton). La première partie de la thèse porte sur des mesures in situ effectuées sous différentes situations météorologiques. Nous avons considéré le coefficient d'atténuation, indicateur de la concentration totale de particules in situ, et le spectre de tailles des particules in situ (particle size distribution - PSD). Cette étude a montré que la dynamique de la PSD est contrôlée par plusieurs paramètres océanographiques, tels que les courants de marée, les vagues et la turbulence. Nous avons également étudié les caractéristiques multifractales de ces PSD pour diverses classes de taille (limon, sable fin, sable grossier, particules macro). Pour cela, nous avons utilisé la décomposition modale empirique avec avec l'analyse spectrale de Hilbert. La deuxième partie de la thèse porte sur l'analyse multi-échelle d'images couleur de l'océan et SST (sea surface temperature). L'hétérogénéité spatiale des scalaires océaniques sous l'influence de la turbulence est considérée à multi-échelles. Cette méthode fonctionne également avec des images ayant des données manquantes. Cette méthodologie a été appliquée à des images réelles de Chl-a, SST, Rrs-443 et Rrs-555 en utilisant les fonctions de structure 2D. Il est possible de caractériser, pour toutes les échelles spatiales, les hétérogénéités et intermittences des champs scalaires étudiés, à l'aide de quelques paramètres (deux paramètres dans le cadre de l'approximation log-normale). Les valeurs de ces paramètres, pour sept endroits différents du globe, sont examinés et comparés. / The objective of this thesis is to understand the coupling processes between turbulence and particulate matter (suspended sediment and phytoplankton). The first part of the thesis is on in situ measurements performed under different meteorological situations. We selected the attenuation coefficient as a proxy for the total concentration of particles and in situ measurement of particle size distribution (PSD) spectrum. This study showed that the dynamics of the PSD is controlled by many oceanographic parameters such as tidal currents, waves and turbulence. We also studied the multifractal characteristics of these PSD for various size classes (silt, fine, coarse and macro particles). For that, we used Empirical Mode of Decomposition along with the Hilbert Spectral Analysis. The second part of the thesis focuses on the multi-scale analysis of satellite ocean colour and SST images. The spatial heterogeneity of oceanic scalars (phytoplankton and sea surface temperature) under the turbulence influence is considered at different scales. This method also works with images having missing data. Finally, this methodology using 2D structure functions, was applied to real images of Chl-a, SST, Rrs-443 and Rrs-555. It is possible to characterize, for all spatial scales and all intensities, the heterogeneities and intermittencies of the studied scalar fields, using a few parameters (2 parameters in the framework of the lognormal approximation). The values of these parameters, for 7 different locations, are discussed and compared.

Ce travail de thèse portant sur la caractérisation chimique de la matière organique présente dans les particules fines atmosphériques s’est articulé autour de deux axes : (i) le développement de méthodes analytiques permettant l’identification et la quantification de familles de composés : acides mono- et di-alcanoïques à longue chaîne, hydrocarbures aromatiques polycycliques (HAP) et leurs dérivés nitrés et oxygénés ;(ii) l’étude des artéfacts éventuels lors du prélèvement par filtration des HAP particulaires sous conditions contrôlées.Les analyses ont été réalisées par chromatographie liquide couplée à un détecteur UV et un fluorimètre dans le cas des HAP, et à un spectromètre de masse à temps de vol pour les autres espèces. L’extraction par fluide pressurisé a été optimisée à l’aide de plans d’expériences. Les méthodes ont été validées sur des matrices complexes (matériaux de référence et/ou particules réelles). Les niveaux de concentrations ont pu être suivis sur des échantillons collectés sur un site urbain de fond à Douai et des variations saisonnières pour un certain nombre de composés ont été observées, en cohérence avec la littérature.Les artéfacts de désorption et de réactivité vis à vis de polluants atmosphériques (O3, NO2) de HAP adsorbés sur des particules réelles ont été étudiés au sein d’un dispositif expérimental développé au laboratoire simulant un prélèvement par filtration. L’ampleur et la variabilité de ces artéfacts en fonction des conditions environnementales (température, humidité relative) et de la concentration en polluants ont été mesurées. / This thesis – dealing with the chemical characterization of organic matter in fine atmospheric particles – consisted of the two following objectives: (i) the development of analytical methods to identify and quantify some organic compounds: long-chain mono- and dialkanoic acids, polycyclic aromatic hydrocarbons (PAHs) and their nitrated and oxygenated derivatives;(ii) the study of possible sampling artefacts while collecting particulate PAHs on filters under controlled conditions.The analyses were carried out by liquid chromatography coupled to a UV detector and a fluorimeter for PAHs, and a time-of-flight mass spectrometer for the other species. Pressurized liquid extraction methods were optimized using experimental design. The proposed methods were validated on complex matrices (standard reference materials and/or real samples). Concentration levels could be monitored for particles collected in an urban background site in Douai and seasonal trends consistent with literature data have been observed.Sampling artefacts linked to desorption and reactivity towards atmospheric pollutants (O3, NO2) for particulate PAHs present in real samples have been investigated using an experimental device to simulate filter sampling. The magnitude and the variability of these artefacts have been measured as a function of environmental conditions (temperature, relative humidity) and pollutant concentrations.

Les modèles de chaînes de Markov cachées ou plus généralement ceux de Feynman-Kac sont aujourd'hui très largement utilisés. Ils permettent de modéliser une grande diversité de séries temporelles (en finance, biologie, traitement du signal, ...) La complexité croissante de ces modèles a conduit au développement d'approximations via différentes méthodes de Monte-Carlo, dont le Markov Chain Monte-Carlo (MCMC) et le Sequential Monte-Carlo (SMC). Les méthodes de SMC appliquées au filtrage et au lissage particulaires font l'objet de cette thèse. Elles consistent à approcher la loi d'intérêt à l'aide d'une population de particules définies séquentiellement. Différents algorithmes ont déjà été développés et étudiés dans la littérature. Nous raffinons certains de ces résultats dans le cas du Forward Filtering Backward Smoothing et du Forward Filtering Backward Simulation grâce à des inégalités de déviation exponentielle et à des contrôles non asymptotiques de l'erreur moyenne. Nous proposons également un nouvel algorithme de lissage consistant à améliorer une population de particules par des itérations MCMC, et permettant d'estimer la variance de l'estimateur sans aucune autre simulation. Une partie du travail présenté dans cette thèse concerne également les possibilités de mise en parallèle du calcul des estimateurs particulaires. Nous proposons ainsi différentes interactions entre plusieurs populations de particules. Enfin nous illustrons l'utilisation des chaînes de Markov cachées dans la modélisation de données financières en développant un algorithme utilisant l'Expectation-Maximization pour calibrer les paramètres du modèle exponentiel d'Ornstein-Uhlenbeck multi-échelles

Cette thèse s'intéresse aux réseaux bayésiens, aux filtres particulaires et à leur application aux communications numériques. Tout d'abord, nous donnons une construction rigoureuse et très générale des réseaux bayésiens et nous présentons l'algorithme de propagation de croyance dans ce contexte. Puis, nous introduisons un nouveau type de filtre particulaire, appelé "filtre particulaire à échantillonnage global", et nous constatons en effectuant des simulations numériques que ce nouvel algorithme se compare favorablement à l'état de l'art. Nous utilisons ensuite le filtrage particulaire pour calculer de façon approchée certains messages de l'algorithme de propagation de croyance. Nous obtenons ainsi un nouvel algorithme, combinant propagation de croyance et filtrage particulaire, que nous avons appelé "algorithme de turbo-filtrage particulaire». Enfin, nous utilisons ces différentes techniques afin de concevoir de façon méthodique un récepteur de communications numériques.

L'erreur de prédiction d'une trajectoire avion peut être expliquée par différents facteurs. Les incertitudes associées à la prévision météorologique sont l'un d'entre-eux. Qui plus est, l'erreur de prévision de vent a un effet non négligeable sur l'erreur de prédiction de la position d'un avion. En regardant le problème sous un autre angle, il s'avère que les avions peuvent être utilisés comme des capteurs locaux pour estimer l'erreur de prévision de vent. Dans ce travail nous décrivons ce problème d'estimation à l'aide de plusieurs processus d'acquisition d'un même champ aléatoire. Quand ce champ est homogène, nous montrons que le problème est équivalent à plusieurs processus aléatoires évoluant dans un même environnement aléatoire pour lequel nous donnons un modèle de Feynman-Kac. Nous en dérivons une approximation particulaire et fournissons pour les estimateurs obtenus des résultats de convergence. Quand le champ n'est pas homogène mais qu'une décomposition en sous-domaine homogène est possible, nous proposons un modèle différent basé sur le couplage de plusieurs processus d'acquisition. Nous en déduisons un modèle de Feynman-Kac et suggérons une approximation particulaire du flot de mesure. Par ailleurs, pour pouvoir traiter un trafic aérien, nous développons un modèle de prédiction de trajectoire avion. Finalement nous démontrons dans le cadre de simulations que nos algorithmes peuvent estimer les erreurs de prévisions de vent en utilisant les observations délivrées par les avions le long de leur trajectoire. / Aircraft trajectory prediction error can be explained by different factors. One of them is the weather forecast uncertainties. For example, the wind forecast error has a non negligible impact on the along track accuracy for the predicted aircraft position. From a different perspective, that means that aircrafts can be used as local sensors to estimate the weather forecast error. In this work we describe the estimation problem as several acquisition processes of a same random field. When the field is homogeneous, we prove that they are equivalent to random processes evolving in a random media for which a Feynman-Kac formulation is done. Then we give a particle-based approximation and provide convergence results of the ensuing estimators. When the random field is not homogeneous but can be decomposed in homogeneous sub-domains, a different model is proposed based on the coupling of different acquisition processes. From there, a Feynman-Kac formulation is derived and its particle-based approximation is suggested. Furthermore, we develop an aircraft trajectory prediction model. Finally we demonstrate on a simulation set-up that our algorithms can estimate the wind forecast errors using the aircraft observations delivered along their trajectory.

Une atmosphère saine est un besoin élémentaire pour le bien être et la santé humaine. La matière particulaire en suspension (Particle Matter, PM) est bien connue pour avoir un impact significatif sur la santé. Les mesures de PM2.5 et PM10 au niveau du sol reflètent l’influence de la dynamique de la couche limite et du mélange des aérosols locaux ou advectés sur de grandes distances. Le lien entre épaisseur optique en aerosol (aerosol optical thickness, AOT) et PM dépend de la relation entre propriétés optiques et massiques et de la distribution verticale des particules dans l’atmosphère. Nous présentons 3 expériences de terrain dédiées à la caractérisation des aérosols de pollution dans le Nord de la France: la première lors d’un évenement de pollution printanier sur Lille, la seconde durant un événement de pollution hivernal sur Dunkerque et la troisième durant des occurrences de brise de mer sur le littoral Dunkerquois. Nous avons utilisé 2 systèmes Lidar différents, le premier dans le visible (532 nm) et le second dans l’UV (355 nm); un photomètre solaire automatique et des mesures de PM2.5 et PM10 par TEOM. L’altitude supérieure de la couche de mélange (Mixed boundary layer, MBL) est détectée par Lidar et nous avons été capable de suivre le développement classique de la couche limite convective ainsi que des décroissances brutales d’altitude de la MBL dues à la brise de mer. Les profils d’extinction aérosols ont été estimés en utilisant un rapport Lidar de 67 sr à 532 nm à Lille, 77 sr à 532 nm et 30 sr à 355 nm à Dunkerque. Nous avons analysé l’impact du transport grande échelle de masses d’air polluée, du développement convectif de la MBL et du développement de la cellule de brise de mer sur les profils verticaux d’extinction en aérosols. Le signal Lidar dans les premières centaines de mètres est très bien corrélé (coefficient de corrélation supérieur à 0.9) avec les concentrations massiques mesurées au sol dans tous les cas. Il est également montré que l’introduction de la hauteur de la MBL permet une meilleure détermination des PM à partir de l’épaisseur optique. / Clean air is considered to be a basic requirement for human health and well-being. Particulate matter is known to have a significant impact on health. The variability of Particle Matter (PM2.5 and PM10) concentrations recorded at ground-level is influenced by the boundary layer dynamics, local emissions, and advection and mixing of large scale transported aerosols. The link between columnar aerosol optical thickness (AOT) and ground-level PM depends on the relationship between mass and optical properties and on the vertical distribution of aerosols in the atmosphere. We present three field experiments dedicated to the characterization of pollution aerosols in the North of France: the first one during a spring pollution episode in metropolitan area of Lille (50.61°N, 3.14°E), the second one during a winter pollution episode in the industrial coastal city of Dunkerque (51°04'N; 2°38'E) and the third one during summer sea breezes on coastal area of Dunkerque. We have used 2 different Lidar systems, one in the UV (355 nm) and the other one in the visible (532 nm), an automatic sun photometer, and PM2.5 and PM10 measurements with TEOM. The mixed layer (MBL) top altitude is detected from the Lidar signal and we were able to monitor the classical diurnal evolution of the convective continental boundary as well as short-time decreases in the MBL height due to sea breeze occurrences. The aerosol extinction profiles were estimated using a Lidar ratio of 67 sr at 532 nm in Lille, and 77 sr at 532 nm and 30 sr at 355 m in Dunkerque. We have analyzed the impact of long range transport of polluted air masses, convective development of the MBL, and sea breeze development on the vertical profile of aerosol extinction coefficient. The Lidar signal in the first few hundred meters is well correlated (correlation coefficient above 0.9) with the PM concentrations in all cases. It is found that introducing the Lidar derived MBL height enable a better estimation of PM from measured AOT. Clean air is considered to be a basic requirement for human health and well-being. Particulate matter is known to have a significant impact on health. The variability of Particle Matter (PM2.5 and PM10) concentrations recorded at ground-level is influenced by the boundary layer dynamics, local emissions, and advection and mixing of large scale transported aerosols. The link between columnar aerosol optical thickness (AOT) and ground-level PM depends on the relationship between mass and optical properties and on the vertical distribution of aerosols in the atmosphere. We present three field experiments dedicated to the characterization of pollution aerosols in the North of France: the first one during a spring pollution episode in metropolitan area of Lille (50.61°N, 3.14°E), the second one during a winter pollution episode in the industrial coastal city of Dunkerque (51°04'N; 2°38'E) and the third one during summer sea breezes on coastal area of Dunkerque. We have used 2 different Lidar systems, one in the UV (355 nm) and the other one in the visible (532 nm), an automatic sun photometer, and PM2.5 and PM10 measurements with TEOM. The mixed layer (MBL) top altitude is detected from the Lidar signal and we were able to monitor the classical diurnal evolution of the convective continental boundary as well as short-time decreases in the MBL height due to sea breeze occurrences. The aerosol extinction profiles were estimated using a Lidar ratio of 67 sr at 532 nm in Lille, and 77 sr at 532 nm and 30 sr at 355 m in Dunkerque. We have analyzed the impact of long range transport of polluted air masses, convective development of the MBL, and sea breeze development on the vertical profile of aerosol extinction coefficient. The Lidar signal in the first few hundred meters is well correlated (correlation coefficient above 0.9) with the PM concentrations in all cases. It is found that introducing the Lidar derived MBL height enable a better estimation of PM from measured AOT.

Mon travail de thèse s’est développé, pour le cas particulier des observations satellitales à partir de l’orbite géostationnaire. Le but général a été de caractériser la variabilité diurne des propriétés optiques inhérentes (i.e. les coefficients d‘atténuation et de rétrodiffusion particulaire, cp et bbp) et apparentes (i.e. la réflectance, R) des eaux océaniques (« forme » du cycle diurne, amplitude, variations saisonnières, causes). Ces propriétés optiques déterminent le signal qu’un instrument embarqué à bord d’un satellite peut observer. Cette étude est une étape préliminaire permettant de comprendre la physique du problème, avant de pouvoir évaluer la possibilité de quantifier cette variabilité diurne à partir des observations satellitaires. La variabilité diurne de cp et bbp est donc étudiée en fonction des saisons définies selon les conditions physico-trophiques: le mélange, le bloom, son déclin, et l’oligotrophie. cp et bbp sont caractérisés par un cycle diurne, augmentation le jour et diminution la nuit, confirmant les tendances générales connues. Ce phénomène se produit durant toutes les saisons avec une variabilité intra-saisonnière qui différencie les cycles de cp et bbp: cp montre une amplitude plus large durant le bloom, contrairement à bbp les minima de cp et bbp sont synchronisés tandis que les maxima de bbp sont atteints 3 à 6 h avant ceux de cp, sauf pendant le bloom. L’augmentation journalière de bbp se reflète dans les changements de R. Toutefois, les résultats ont montré que l’inversion ne permet pas de reproduire l’augmentation journalière de bbp de façon satisfaisante. Les techniques d’inversion existantes ne sont pas adaptées pour une utilisation à haute fréquence. / My thesis is developed for the particular case of satellites observations from geostationary orbit. The overall aim was to characterize the diel variability of water inherent (i.e. the particulate beam attenuation and backscattering coefficients, cp and bbp) and apparent (i.e. reflectance, R) optical properties (“shape”of diel cycle, amplitude, seasonal variations, origins). These properties determine the signal which is observed from sensor aboard satellite. This study is a preliminary step in understanding the physical problem, before assessing the possibility of quantifying the diel variability from satellite observations. Diel variability of cp and bbp is studied by season, as defined by physical and trophic conditions: mixing, bloom proliferation, its decline, and oligotrophy. Both cp and bbp are characterized by a diel cycle of daytime increase and nighttime decrease, confirming known general trends. This occurs across all seasons, but intra-seasonal variability differed between cp and bbp cycles: unlike bbp, cp show larger amplitude of diurnal variation during the bloom cp and bbp minima are synchronized while bbp minima are attained 3-6 h before those of cp, except during the bloom. Daily changes of R are consistent with the variations of bbp. Nevertheless, it is still difficult to reproduce the diurnal increase of bbp by inversion of R. The differences observed between in situ and modeled values of bbp suggest that the performance of inversion is degraded when it is used at high frequency.

Les modèles de chaînes de Markov cachées ou plus généralement ceux de Feynman-Kac sont aujourd'hui très largement utilisés. Ils permettent de modéliser une grande diversité de séries temporelles (en finance, biologie, traitement du signal, ...) La complexité croissante de ces modèles a conduit au développement d'approximations via différentes méthodes de Monte-Carlo, dont le Markov Chain Monte-Carlo (MCMC) et le Sequential Monte-Carlo (SMC). Les méthodes de SMC appliquées au filtrage et au lissage particulaires font l'objet de cette thèse. Elles consistent à approcher la loi d'intérêt à l'aide d'une population de particules définies séquentiellement. Différents algorithmes ont déjà été développés et étudiés dans la littérature. Nous raffinons certains de ces résultats dans le cas du Forward Filtering Backward Smoothing et du Forward Filtering Backward Simulation grâce à des inégalités de déviation exponentielle et à des contrôles non asymptotiques de l'erreur moyenne. Nous proposons également un nouvel algorithme de lissage consistant à améliorer une population de particules par des itérations MCMC, et permettant d'estimer la variance de l'estimateur sans aucune autre simulation. Une partie du travail présenté dans cette thèse concerne également les possibilités de mise en parallèle du calcul des estimateurs particulaires. Nous proposons ainsi différentes interactions entre plusieurs populations de particules. Enfin nous illustrons l'utilisation des chaînes de Markov cachées dans la modélisation de données financières en développant un algorithme utilisant l'Expectation-Maximization pour calibrer les paramètres du modèle exponentiel d'Ornstein-Uhlenbeck multi-échelles / Hidden Markov chain models or more generally Feynman-Kac models are now widely used. They allow the modelling of a variety of time series (in finance, biology, signal processing, ...) Their increasing complexity gave birth to approximations using Monte-Carlo methods, among which Markov Chain Monte-Carlo (MCMC) and Sequential Monte-Carlo (SMC). SMC methods applied to particle filtering and smoothing are dealt with in this thesis. These methods consist in approximating the law of interest through a particle population sequentially defined. Different algorithms have already been developed and studied in the literature. We make some of these results more precise in the particular of the Forward Filtering Backward Smoothing and Forward Filtering Backward Simulation by showing exponential deviation inequalities and by giving non-asymptotic upper bounds to the mean error. We also introduce a new smoothing algorithm improving a particle population through MCMC iterations and allowing to estimate the estimator variance without further simulation. Part of the work presented in this thesis is devoted to the parallel computing of particle estimators. We study different interaction schemes between several particle populations. Finally, we also illustrate the use of hidden Markov chains in the modelling of financial data through an algorithm using Expectation-Maximization to calibrate the exponential Ornstein-Uhlenbeck multiscale stochastic volatility model

L'autonomie d'un engin aérospatial requière de disposer d'une boucle de navigation-guidage-pilotage efficace et sûre. Cette boucle intègre des filtres estimateurs et des lois de commande qui doivent dans certains cas s'accommoder de non-linéarités sévères et être capables d'exploiter des mesures ambiguës. De nombreuses approches ont été développées à cet effet et parmi celles-ci, les approches particulaires présentent l'avantage de pouvoir traiter de façon unifiée des problèmes dans lesquels les incertitudes d’évolution du système et d’observation peuvent être soumises à des lois statistiques quelconques. Cependant, ces approches ne sont pas exemptes de défauts dont le plus important est celui du coût de calcul élevé. D'autre part, dans certains cas, ces méthodes ne permettent pas non plus de converger vers une solution acceptable. Des adaptations récentes de ces approches, combinant les avantages du particulaire tel que la possibilité d'extraire la recherche d'une solution d'un domaine local de description et la robustesse des approches ensemblistes, ont été à l'origine du travail présenté dans cette thèse.Cette thèse présente le développement d’un algorithme d’estimation d’état, nommé le Box Regularised Particle Filter (BRPF), ainsi qu’un algorithme de commande, le Box Particle Control (BPC). Ces algorithmes se basent tous deux sur l’utilisation de mixtures de noyaux bornés par des boites (i.e., des vecteurs d’intervalles) pour décrire l’état du système sous la forme d’une densité de probabilité multimodale. Cette modélisation permet un meilleur recouvrement de l'espace d'état et apporte une meilleure cohérence entre la prédite et la vraisemblance. L’hypothèse est faite que les incertitudes incriminées sont bornées. L'exemple d'application choisi est la navigation par corrélation de terrain qui constitue une application exigeante en termes d'estimation d'état.Pour traiter des problèmes d’estimation ambiguë, c’est-à-dire lorsqu’une valeur de mesure peut correspondre à plusieurs valeurs possibles de l’état, le Box Regularised Particle Filter (BRPF) est introduit. Le BRPF est une évolution de l’algorithme de Box Particle Filter (BPF) et est doté d’une étape de ré-échantillonnage garantie et d’une stratégie de lissage par noyau (Kernel Regularisation). Le BRPF assure théoriquement une meilleure estimation que le BPF en termes de Mean Integrated Square Error (MISE). L’algorithme permet une réduction significative du coût de calcul par rapport aux approches précédentes (BPF, PF). Le BRPF est également étudié dans le cadre d’une intégration dans des architectures fédérées et distribuées, ce qui démontre son efficacité dans des cas multi-capteurs et multi-agents.Un autre aspect de la boucle de navigation–guidage-pilotage est le guidage qui nécessite de planifier la future trajectoire du système. Pour tenir compte de l'incertitude sur l'état et des contraintes potentielles de façon versatile, une approche nommé Box Particle Control (BPC) est introduite. Comme pour le BRPF, le BPC se base sur des mixtures de noyaux bornés par des boites et consiste en la propagation de la densité d’état sur une trajectoire jusqu’à un certain horizon de prédiction. Ceci permet d’estimer la probabilité de satisfaire les contraintes d’état au cours de la trajectoire et de déterminer la séquence de futures commandes qui maintient cette probabilité au-delà d’un certain seuil, tout en minimisant un coût. Le BPC permet de réduire significativement la charge de calcul. / State estimation and trajectory planning are two crucial functions for autonomous systems, and in particular for aerospace vehicles.Particle filters and sample-based trajectory planning have been widely considered to tackle non-linearities and non-Gaussian uncertainties.However, these approaches may produce erratic results due to the sampled approximation of the state density.In addition, they have a high computational cost which limits their practical interest.This thesis investigates the use of box kernel mixtures to describe multimodal probability density functions.A box kernel mixture is a weighted sum of basic functions (e.g., uniform kernels) that integrate to unity and whose supports are bounded by boxes, i.e., vectors of intervals.This modelling yields a more extensive description of the state density while requiring a lower computational load.New algorithms are developed, based on a derivation of the Box Particle Filter (BPF) for state estimation, and of a particle based chance constrained optimisation (Particle Control) for trajectory planning under uncertainty.In order to tackle ambiguous state estimation problems, a Box Regularised Particle Filter (BRPF) is introduced.The BRPF consists of an improved BPF with a guaranteed resampling step and a smoothing strategy based on kernel regularisation.The proposed strategy is theoretically proved to outperform the original BPF in terms of Mean Integrated Square Error (MISE), and empirically shown to reduce the Root Mean Square Error (RMSE) of estimation.BRPF reduces the computation load in a significant way and is robust to measurement ambiguity.BRPF is also integrated to federated and distributed architectures to demonstrate its efficiency in multi-sensors and multi-agents systems.In order to tackle constrained trajectory planning under non-Gaussian uncertainty, a Box Particle Control (BPC) is introduced.BPC relies on an interval bounded kernel mixture state density description, and consists of propagating the state density along a state trajectory at a given horizon.It yields a more accurate description of the state uncertainty than previous particle based algorithms.A chance constrained optimisation is performed, which consists of finding the sequence of future control inputs that minimises a cost function while ensuring that the probability of constraint violation (failure probability) remains below a given threshold.For similar performance, BPC yields a significant computation load reduction with respect to previous approaches.