Les neurones interagissent à travers leur potentiel de membrane qui a en général une évolution temporelle complexe due aux nombreuses entrées synaptiques irrégulières reçues. Cette évolution est mieux décrite en termes probabilistes, en raison de ces entrées irrégulières ou «bruit synaptique». L'évolution temporelle du potentiel de membrane est stochastique mais aussi déterministe: stochastique, car conduite par des entrées synaptiques qui arrivent de façon aléatoire dans le temps, et déterministe, car un neurone biologique a une évolution temporelle très similaire quand soumis à une même séquence d'entrées synaptiques. Nous étudions les propriétés statistiques d'un modèle simplifié de neurone soumis à des entrées à taux variable d'où en résulte l'évolution non-stationnaire du potentiel de membrane. Nous considérons un modèle passif de membrane neuronale, sans mécanisme de décharge neuronale, soumis à des entrées à courant ou à conductance sous la forme d'un processus de «shot noise». Les fluctuations du potentiel de membrane sont aussi modélisées par un processus stochastique similaire, de «shot noise» filtré. Nous avons analysé les propriétés statistiques de ces processus dans le cadre des transformations de processus ponctuels de Poisson. Des propriétés de ces transformations sont dérivées les statistiques non-stationnaires du processus. Nous obtenons ainsi des expressions analytiques exactes pour les moments et cumulants du processus filtré dans le cas général des taux d'entrée variables. Ce travail ouvre de nombreuses perspectives pour l'analyse de neurones dans les conditions in vivo, en présence d'entrées synaptiques intenses et bruitées. / Neurons interact through their membrane potential that generally has a complex time evolution due to numerous irregular synaptic inputs received. This complex time evolution is best described in probabilistic terms due to this irregular or "noisy" activity. The time evolution of the membrane potential is therefore both stochastic and deterministic: it is stochastic since it is driven by random input arrival times, but also deterministic, since subjecting a biological neuron to the same sequence of input arrival times often results in very similar membrane potential traces. In this thesis, we investigated key statistical properties of a simplified neuron model under nonstationary input from other neurons that results in nonstationary evolution of membrane potential statistics. We considered a passive neuron model without spiking mechanism that is driven by input currents or conductances in the form of shot noise processes. Under such input, membrane potential fluctuations can be modeled as filtered shot noise currents or conductances. We analyzed the statistical properties of these filtered processes in the framework of Poisson Point Processes transformations. The key idea is to express filtered shot noise as a transformation of random input arrival times and to apply the properties of these transformations to derive its nonstationary statistics. Using this formalism we derive exact analytical expressions, and useful approximations, for the mean and joint cumulants of the filtered process in the general case of variable input rate. This work opens many perspectives for analyzing neurons under in vivo conditions, in the presence of intense and noisy synaptic inputs.

Face à la croissance exponentielle des réseaux mobiles très haut débit, les opérateurs de téléphonie mobile se sont lancé dans le déploiement des réseaux dits hiérarchiques (HetNet), composés par des sous-réseaux avec des caractéristiques divergentes en termes de type des cellules déployées et des technologies d’accès radio utilisées. Avec ce caractère hétérogène des réseaux cellulaire, l’exploitation de ces derniers devienne de plus en plus compliquée et coûteuse impliquant le déploiement, la configuration et la reconfiguration de stations de base et d’équipements de différentes caractéristiques. Ainsi, l’intégration dans les réseaux HetNet de fonctionnalités d’auto-configuration automatisant et simplifiant l’exploitation des réseaux deviennent une demande forte des opérateurs. Cette thèse a pour objectif l’étude et le développement de solutions de gestion dynamique de l’équilibrage de charges entre les différentes couches composant un même HetNet, pour une expérience utilisateur (QoE) améliorée. Dans ce contexte, une classe des algorithmes d’équilibrage de charges dite ‘équilibrage de charges par adaptation dynamique des paramètres de la procédure de handover’ est étudiée. Pour commencer, nous développons un modèle théorique basé sur des solutions et des outils de la géométrie stochastique et incorporant le caractère hétérogène des réseaux cellulaires. Ensuite nous exploitons ce modèle pour introduire des algorithmes d’adaptation des paramètres de handover basés sur la maximisation de la puissance reçue et du rapport signal/brouillage plus bruit (SINR). Nous exploitons ces résultats pour implémenter et étudier, par simulation à évènements discrets, des algorithmes d’équilibrage de charges dans le contexte des réseaux LTE HetNet auto-organisés basés sur les spécifications 3GPP. Ces travaux soulignent l’importance de l’équilibrage de charges afin de booster les performances des réseaux cellulaires en termes de débit global transmis, perte de paquets de données et utilisation optimisée des ressources radio. / High demands on mobile networks provide a fresh opportunity to migrate towardsmulti-tier deployments, denoted as heterogeneous network (HetNet), involving a mix of cell types and radio access technologies working together seamlessly. In this context, network optimisation functionalities such as load balancing have to be properly engineered so that HetNet benefit are fully exploited. This dissertation aims to develop tractable frameworks to model and analyze load balancing dynamics while incorporating the heterogeneous nature of cellular networks. In this context we investigate and analyze a class of load balancingstrategies, namely adaptive handover based load balancing strategies. These latter were firstly studied under the general heading of stochastic networks using independent and homogeneous Poisson point processes based network model. We propose a baseline model to characterize rate coverage and handover signalling in K-tier HetNet with a general maximum power based cell association and adaptive handover strategies. Tiers differ in terms of deployment density and cells characteristics (i.e. transmit power, bandwidth, and path loss exponent). One of the main outcomes is demonstrating the impact of offloading traffic from macro- to small-tier. This impact was studied in terms of rate coverage and HO signalling. Results show that enhancement in rate coverage is penalized by HO signalling overhead. Then appropriate algorithms of LB based adaptive HO are designed and their performance is evaluated by means of extensive system level simulations. These latter are conducted in 3GPP defined scenarios, including representation of mobility procedures in both connectedstate. Simulation results show that the proposed LB algorithms ensure performance enhancement in terms of network throughput, packet loss ratio, fairness and HO signalling.

L’objectif principal de cette thèse est de développer des méthodologies statistiques adaptées au traitement de données issues de processus stochastiques et plus précisément de processus de Cox.Les problématiques étudiées dans cette thèse sont issues des trois domaines statistiques suivants : les tests non paramétriques, l’estimation non paramétrique à noyaux et l’estimation minimax.Dans un premier temps, nous proposons, dans un cadre fonctionnel, des statistiques de test pour détecter la nature Poissonienne d’un processus de Cox.Nous étudions ensuite le problème de l’estimation minimax de la régression sur un processus de Poisson ponctuel. En se basant sur la décomposition en chaos d’Itô, nous obtenons des vitesses comparables à celles atteintes pour le cas de la régression Lipschitz en dimension finie.Enfin, dans le dernier chapitre de cette thèse, nous présentons un estimateur non-paramétrique de l’intensité d’un processus de Cox lorsque celle-ci est une fonction déterministe d’un co-processus. / The main purpose of this thesis is to develop statistical methodologies for stochastic processes data and more precisely Cox process data.The problems considered arise from three different contexts: nonparametric tests, nonparametric kernel estimation and minimax estimation.We first study the statistical test problem of detecting wether a Cox process is Poisson or not.Then, we introduce a semiparametric estimate of the regression over a Poisson point process. Using Itô’s famous chaos expansion for Poisson functionals, we derive asymptotic minimax properties of our estimator.Finally, we introduce a nonparametric estimate of the intensity of a Cox process whenever it is a deterministic function of a known coprocess.

Dans la modélisation et l'évaluation des performances de la communication cellulaire sans fil, la géométrie stochastique est largement appliquée afin de fournir des solutions plus efficaces et plus précises. Le processus ponctuel de Poisson homogène (H-PPP), est le processus ponctuel le plus largement utilisé pour modéliser les emplacements spatiaux des stations de base (BS) en raison de sa facilité de traitement mathématique et de sa simplicité. Pour les fortes corrélations spatiales entre les emplacements des stations de base, seuls les processus ponctuels (PP) avec inhibitions et attractions spatiales peuvent être utiles. Cependant, le temps de simulation long et la faible aptitude mathématique rendent les PP non-Poisson non adaptés à l'évaluation des performances au niveau du système. Par conséquent, pour surmonter les problèmes mentionnés, nous avons les contributions suivantes dans cette thèse: Premièrement, nous introduisons une nouvelle méthodologie de modélisation et d’analyse de réseaux cellulaires de liaison descendante, dans laquelle les stations de base constituent un processus ponctuel invariant par le mouvement qui présente un certain degré d’interaction entre les points. L'approche proposée est basée sur la théorie des PP inhomogènes de Poisson (I-PPP) et est appelée approche à double amincissement non homogène (IDT). L’approche proposée consiste à approximer le PP initial invariant par le mouvement avec un PP équivalent constitué de la superposition de deux I-PPP conditionnellement indépendants. Les inhomogénéités des deux PP sont créées du point de vue de l'utilisateur type ``centré sur l'utilisateur''. Des conditions suffisantes sur les paramètres des fonctions d'amincissement qui garantissent une couverture meilleure ou pire par rapport au modèle de PPP homogène de base sont identifiées. La précision de l'approche IDT est justifiée à l'aide de données empiriques sur la distribution spatiale des stations de base. Ensuite, sur la base de l’approche IDT, une nouvelle expression analytique traitable du rapport de brouillage moyen sur signal (MISR) des réseaux cellulaires où les stations de base présentent des corrélations spatiales est introduite. Pour les PP non-Poisson, nous appliquons l'approche IDT proposée pour estimer les performances des PP non-Poisson. En prenant comme exemple le processus de points β-Ginibre ( β -GPP), nous proposons de nouvelles fonctions d’approximation pour les paramètres clés dans l’approche IDT afin de modéliser différents degrés d’inhibition spatiale et de prouver que MISR est constant en densification de réseau. Nous prouvons que la performance MISR dans le cas β-GPP ne dépend que du degré de répulsion spatiale, c'est-à-dire β , quelles que soient les densités de BS. Les nouvelles fonctions d'approximation et les tendances sont validées par des simulations numériques.Troisièmement nous étudions plus avant la méta-distribution du SIR à l’aide de l’approche IDT. La méta-distribution est la distribution de la probabilité de réussite conditionnelle compte tenu du processus de points. Nous dérivons et comparons l'expression sous forme fermée pour le b-ème moment dans les cas PP H-PPP et non-Poisson. Le calcul direct de la fonction de distribution cumulative complémentaire (CCDF) pour la méta-distribution n'étant pas disponible, nous proposons une méthode numérique simple et précise basée sur l'inversion numérique des transformées de Laplace. L'approche proposée est plus efficace et stable que l'approche conventionnelle utilisant le théorème de Gil-Pelaez. La valeur asymptotique de la CCDF de la méta distribution est calculée dans la nouvelle définition de la probabilité de réussite. En outre, la méthode proposée est comparée à certaines autres approximations et limites, par exemple l’approximation bêta, les bornes de Markov et les liaisons de Paley-Zygmund. Cependant, les autres modèles et limites d'approximation sont comparés pour être moins précis que notre méthode proposée. / In the modeling and performance evaluation of wireless cellular communication, stochastic geometry is widely applied, in order to provide more efficient and accurate solutions. Homogeneous Poisson point process (H-PPP) with identically independently distributed variables, is the most widely used point process to model the spatial locations of base stations (BSs) due to its mathematical tractability and simplicity. For strong spatial correlations between locations of BSs, only point processes (PPs) with spatial inhibitions and attractions can help. However, the long simulation time and weak mathematical tractability make non-Poisson PPs not suitable for system level performance evaluation. Therefore, to overcome mentioned problems, we have the following contributions in this thesis: First, we introduce a new methodology for modeling and analyzing downlink cellular networks, where the base stations constitute a motion-invariant point process that exhibits some degree of interactions among the points. The proposed approach is based on the theory of inhomogeneous Poisson PPs (I-PPPs) and is referred to as inhomogeneous double thinning (IDT) approach. The proposed approach consists of approximating the original motion-invariant PP with an equivalent PP that is made of the superposition of two conditionally independent I-PPPs. The inhomogeneities of both PPs are created from the point of view of the typical user. The inhomogeneities are mathematically modeled through two distance-dependent thinning functions and a tractable expression of the coverage probability is obtained. Sufficient conditions on the parameters of the thinning functions that guarantee better or worse coverage compared with the baseline homogeneous PPP model are identified. The accuracy of the IDT approach is substantiated with the aid of empirical data for the spatial distribution of the BSs. Then, based on the IDT approach, a new tractable analytical expression of mean interference to signal ratio (MISR) of cellular networks where BSs exhibits spatial correlations is introduced.For non-Poisson PPs, we apply proposed IDT approach to approximate the performance of non-Poisson PPs. Taking β-Ginibre point process (β -GPP) as an example, we propose new approximation functions for key parameters in IDT approach to model different degree of spatial inhibition and we successfully prove that MISR for β -GPP is constant under network densification with our proposed approximation functions. We prove that of MISR performance under β-GPP case only depends on the degree of spatial repulsion, i.e., β , regardless of different BS densities. We also prove that with the increase of β or (given fixed γ or β respectively), the corresponding MISR for β-GPP decreases. The new approximation functions and the trends are validated by numerical simulations. Third, we further study meta distribution of the SIR with the help of the IDT approach. Meta distribution is the distribution of the conditional success probability given the point process. We derive and compare the closed-form expression for the b-th moment under H-PPP and non-Poisson PP case. Since the direct computation of the complementary cumulative distribution function (CCDF) for meta distribution is not available, we propose a simple and accurate numerical method based on numerical inversion of Laplace transforms. The proposed approach is more efficient and stable than the conventional approach using Gil-Pelaez theorem. The asymptotic value of CCDF of meta distribution is computed under new definition of success probability. Furthermore, the proposed method is compared with some other approximations and bounds, e.g., beta approximation, Markov bounds and Paley-Zygmund bound. However, the other approximation models and bounds are compared to be less accurate than our proposed method.