Le travail présenté dans cette thèse a pour objectif de proposer et d'évaluer les performances de différentes techniques de suppression de bruit impulsif de type asynchrone adaptées aux transmissions sur courants porteurs en lignes (CPL) indoor. En effet, outre les caractéristiques physiques spécifiques à ce type de canal de transmission, le bruit impulsif asynchrone reste la contrainte sévère qui pénalise les systèmes CPL en terme de QoS. Pour remédier aux dégradations dues aux bruits impulsifs asynchrones, les techniques dites de retransmission sont souvent très utilisées. Bien qu'elles soient efficaces, ces techniques de retransmission conduisent à une réduction de débit et à l'introduction de délais de traitement supplémentaires pouvant être critiques pour des applications temps réel. Par ailleurs, plusieurs solutions alternatives sont proposées dans la littérature pour minimiser l'impact du bruit impulsif sur les transmissions CPL. Cependant, le nombre de techniques, qui permettent d'obtenir un bon compromis entre capacité de correction et complexité d'implantation reste faible pour les systèmes CPL. Dans ce contexte, nous proposons dans un premier temps d'utiliser un filtre linéaire adaptatif : le filtre de Widrow, nommé aussi ADALINE (ADAptive LInear NEuron), que nous utilisons comme méthode de débruitage pour les systèmes CPL. Pour améliorer les performances du débruitage effectué à l'aide d'ADALINE, nous proposons d'utiliser un réseau de neurones (RN) non linéaire comme méthode de débruitage. Le réseau de neurones est un bon outil qui est une généralisation de la structure du filtre ADALINE. Dans un deuxième temps, pour améliorer les performances du débruitage par un réseau de neurones, nous proposons un procédé d'annulation du bruit impulsif constitué de deux algorithmes : EMD (Empirical Mode Decomposition) associé à un réseau de neurones de type perceptron multicouches. L'EMD effectue le prétraitement en décomposant le signal bruité en signaux moins complexes et donc plus facilement analysables. Après quoi le réseau de neurones effectue le débruitage. Enfin, nous proposons une méthode d'estimation du bruit impulsif utilisant la méthode GPOF (Generalized Pencil Of Function). L'efficacité des deux méthodes, EMD-RN et la technique utilisant l'algorithme GPOF, est évaluée en utilisant une chaîne de simulation de transmission numérique compatible avec le standard HPAV.

Le travail présenté dans cette thèse a pour objectif de proposer et d'évaluer les performances de différentes techniques de suppression de bruit impulsif de type asynchrone adaptées aux transmissions sur courants porteurs en lignes (CPL) indoor. En effet, outre les caractéristiques physiques spécifiques à ce type de canal de transmission, le bruit impulsif asynchrone reste la contrainte sévère qui pénalise les systèmes CPL en terme de QoS. Pour remédier aux dégradations dues aux bruits impulsifs asynchrones, les techniques dites de retransmission sont souvent très utilisées. Bien qu'elles soient efficaces, ces techniques de retransmission conduisent à une réduction de débit et à l’introduction de délais de traitement supplémentaires pouvant être critiques pour des applications temps réel. Par ailleurs, plusieurs solutions alternatives sont proposées dans la littérature pour minimiser l'impact du bruit impulsif sur les transmissions CPL. Cependant, le nombre de techniques, qui permettent d'obtenir un bon compromis entre capacité de correction et complexité d'implantation reste faible pour les systèmes CPL. Dans ce contexte, nous proposons dans un premier temps d'utiliser un filtre linéaire adaptatif : le filtre de Widrow, nommé aussi ADALINE (ADAptive LInear NEuron), que nous utilisons comme méthode de débruitage pour les systèmes CPL. Pour améliorer les performances du débruitage effectué à l'aide d'ADALINE, nous proposons d'utiliser un réseau de neurones (RN) non linéaire comme méthode de débruitage. Le réseau de neurones est un bon outil qui est une généralisation de la structure du filtre ADALINE. Dans un deuxième temps, pour améliorer les performances du débruitage par un réseau de neurones, nous proposons un procédé d'annulation du bruit impulsif constitué de deux algorithmes : EMD (Empirical Mode Decomposition) associé à un réseau de neurones de type perceptron multicouches. L'EMD effectue le prétraitement en décomposant le signal bruité en signaux moins complexes et donc plus facilement analysables. Après quoi le réseau de neurones effectue le débruitage. Enfin, nous proposons une méthode d'estimation du bruit impulsif utilisant la méthode GPOF (Generalized Pencil Of Function). L'efficacité des deux méthodes, EMD-RN et la technique utilisant l'algorithme GPOF, est évaluée en utilisant une chaîne de simulation de transmission numérique compatible avec le standard HPAV. / The aim of our thesis is to propose and to evaluate the performances of some asynchronous impulsive noise mitigation techniques for transmission over indoor power lines. Indeed, besides the particular physical properties that characterize this transmission channel type, asynchronous impulsive noise remains the difficult constraint to overcome on power lines communications (PLC). Usually, the impact of asynchronous impulsive disturbances over power lines is partly compensated by means of retransmission mechanisms. However, the main drawbacks of the use of retransmission solutions for impulsive noise mitigation are the bitrate loss and the induced time delays that may be prohibitive for real-time services. Although several other countering strategies are proposed in the literature, only very few of them have a good compromise between correction capability and implementing complexity for PLC systems. In this context, we proposed an adaptive linear filter, the Widrow filter, also known as ADALINE (Adaptive LInear neurons), as a denoising method for PLC systems. To improve the performance of the denoising method using ADALINE, we proposed to use a neural network (NN) as a nonlinear denoising method. The neural network is a good generalization of the ADALINE filter. In a second step, to improve the performances of denoising by NN, we proposed a combined denoising method based on EMD (Empirical Mode Decomposition) and MLPNN (Multi Layer Perceptron Neural Network). The noised signal is pre-processed by EMD which decomposes it into signals less complex and therefore more easily analyzed. Then the MLPNN denoises it. Finally, we proposed an asynchronous impulsive noise estimation method using the GPOF method (Generalized Pencil Of Function). The performances of the two methods, EMD-MLPNN and GPOF technique, are evaluated using a PLC transmission chain compatible with the HPAV standard.