L'anémométrie laser à effet Doppler (ALD), dont l'utilisation est très répandue en mécanique des fluides, peut aussi être utilisée pour la mesure de vitesse particulaire acoustique. La nature vectorielle de cette grandeur permet de caractériser les champs à structure complexe ce qui autorise, par exemple, l'étude de phénomènes acoustiques au voisinage de parois vibrantes ou de discontinuités géométriques. L'ALD offre, pour ce type de problème, le double avantage de présenter une bonne résolution spatiale de la mesure et de ne perturber que faiblement le champ à explorer.<br />Le Laboratoire d'Acoustique de l'Université du Maine est équipé d'un banc de mesure conçu pour la mesure de vitesse acoustique. Depuis près de huit ans, les recherches se sont orientées vers la validation expérimentale de cette technique ainsi que vers l'élaboration de méthodes de traitement des signaux propres à extraire la vitesse particulaire dans un contexte de traitement différé et avec l'hypothèse d'un signal Doppler d'amplitude constante. Cependant, pour que l'ALD soit exploitable efficacement il est indispensable de concevoir un système de mesure, simple d'utilisation, permettant d'accéder rapidement à la vitesse acoustique et prenant en compte la nature variable de l'amplitude du signal Doppler.<br />L'objectif de cette étude est donc de proposer des méthodes de traitement du signal adaptées à l'estimation de la vitesse particulaire acoustique, dans le cas d'une excitation sinusoïdale, et de définir une architecture matérielle et logicielle indispensable à cette mesure. Celle-ci s'opère à partir des composantes en phase et en quadrature du signal Doppler ramenées en bande de base à l'aide d'un dispositif de démodulation analogique spécialement développé pour cette application. Trois estimateurs sont alors proposés : le premier est basé sur le calcul de la dérivée de la phase du signal Doppler. Sa principale vocation consiste à initialiser une deuxième méthode d'estimation basée sur la recherche du maximum de vraisemblance. Le filtrage de Kalman étendu constitue la troisième méthode explorée. Enfin, les formes analytiques, approchées mais précises, des bornes de Cramer-Rao montrent l'influence des paramètres du problème sur la qualité des estimations. Par la suite, des simulations statistiques de Monte-Carlo permettent d'évaluer la qualité des trois méthodes. Une estimation sommaire des complexités algorithmiques des estimateurs complète également cette phase d'évaluation.<br />Enfin, la validation expérimentale des techniques d'estimation s'articule autour de deux expériences. Dans un premier temps, la mesure de la vitesse de déplacement sinusoïdale d'une pointe d'aiguille montée dans un pot vibrant permet de confronter les résultats obtenus par ALD à ceux que donne un vibromètre laser. Dans un second temps, la mesure de vitesses particulaires acoustiques rayonnées par un haut-parleur électrodynamique, est proposée. Les valeurs issues de la mesure en champ libre par ALD sont alors comparées à celles des vitesses de référence obtenues à l'aide de la méthode du doublet microphonique.

Cette thèse explore le comportement quantique des appareils de mesure avec des illustrations en optique quantique. Il s'agit de la première étude des propriétés quantiques de mesures effectuées par n'importe quel type d'appareil de mesure. Nous montrons que les propriétés quantiques d'une mesure, comme son caractère projectif ou non-classique, ne peuvent être révélées que par les états quantiques d'une approche inhabituelle de la physique quantique : l'approche rétrodictive. Cette approche consiste à faire des rétro-prédictions sur les préparations d'états conduisant à un certain résultat de mesure, contrairement à l'approche prédictive avec laquelle nous faisons habituellement des prédictions sur les résultats d'une expérience. En précisant les fondations mathématiques de l'approche rétrodictive, nous mettons en évidence une procédure générale de reconstruction des états quantiques de cette approche : les états rétrodictés. Nous avons réalisé ces reconstructions pour des détecteurs de photons uniques, très utilisés dans les protocoles de cryptographie quantique par exemple. Il s'agit de la première tomographie d'états quantiques entièrement fondée sur l'approche rétrodictive et des choix de préparation, contrairement aux reconstructions habituelles basées sur des résultats de mesure. Ces tomographies nous ont permis d'étudier expérimentalement l'influence du bruit sur les propriétés quantiques des mesures effectuées par ces détecteurs, en particulier leur transition d'un comportement fortement quantique vers un comportement plus classique. Enfin, nous proposons un détecteur d'états " chat de Schrödinger " de la lumière qui sont des superpositions d'états quasi-classiques de la lumière. Dans une version moderne d'une expérience de pensée imaginée par Eugène Wigner en 1961, un tel dispositif permettrait à " l'Ami de Wigner " de détecter un chat de Schrödinger, contrairement à l'œil humain dont nous précisons certaines propriétés quantiques. Nous généralisons l'usage d'un tel détecteur non-classique à un protocole d'estimation de paramètre, entièrement fondé sur l'approche rétrodictive et des choix de préparation. Une telle procédure permettrait de réaliser des estimations optimales, en atteignant la limite de Cramér-Rao quantique, qui est un enjeu très actuel de la métrologie quantique.

Cette thèse porte sur l'étude des techniques d'estimation Bayesienne non-linéaire, et leur applications aux problèmes de synchronisation pour des systèmes de communication par satellite, ainsi qu'au calcul des bornes Bayesiennes pour le problème de synchronisation suréchantillonné. D'abord, on présente le filtrage de Kalman et les méthodes particulaires, et l'on propose une nouvelle vue d'ensemble des méthodes déterministes. Ensuite, on établie la modélisation pour le probléme de la synchronisation fractionnée dans des systémes satellite, et l'on calcule la borne de Cramér-Rao Bayesienne pour le probléme d'estimation de phase, et la borne de Cramér-Rao hybride pour le probléme d'estimation conjointe de phase et d'offset de fréquence. Dans un deuxième temps, on applique les méthodes de filtrage (Kalman, particulaires et déterministes) aux problèmes d'estimation de phase, d'estimation conjointe de phase et d'offset de fréquence, d'estimation de délai et d'estimation de phase avec des bruits non-Gaussiens. Les méthodes proposées ont montré de bonnes performances pour nos problèmes de synchronisation. On présente aussi dans cette thèse, trois études liées aux travaux principaux. Le premier concerne l'estimation conjointe des gains complexes et du délai dans un canal de Rayleigh à variations lentes pour des signaux CPM. Le deuxième présente l'utilisation des méthodes déterministes pour la localisation avec un réseau de capteurs. Et finalement, le troisième présente le couplage GNSS/INS ultra précis et une solution déterministes à cette problèmatique.

L'objectif de cette thèse est de proposer différents modèles généralisant le modèle classique des chaînes de Markov cachées à bruit indépendant couramment utilisé en inférence bayésienne de signaux. Les diverses extensions de ce modèle visent à l'enrichir et à prendre en compte différentes propriétés du signal, comme le caractère non gaussien du bruit, ou la nature semi-markovienne du signal caché. Dans un problème d'inférence bayésienne, nous disposons de deux processus aléatoires X et Y , on observe la réalisation y de Y et nous estimons la réalisation cachée x de X. Le lien existant entre les deux processus est modélisé par la distribution de probabilité p(x, y). Dans le modèle classique des chaînes de Markov cachées à bruit indépendant, la distribution p(x) est celle d'une chaîne de Markov et la distribution p(y|x) est celle de marginales indépendantes conditionnellement à x. Bien que ce modèle puisse être utilisé dans de nombreuses applications, il ne parvient pas à modéliser toutes les situations de dépendance. Le premier modèle que nous proposons est de type “chaînes de Markov triplet”, on considère ainsi un troisième processus U tel que le triplet (X, U, Y ) soit une chaîne de Markov. Dans le modèle proposé, ce processus auxiliaire modélise la semi-markovianité de X ; on parvient ainsi à prendre en compte la non markovianité éventuelle du processus caché. Dans un deuxième modèle, nous considérons des observations à dépendance longue et nous proposons un algorithme d'estimation original des paramètres de ce modèle. Nous étudions par ailleurs différents modèles prenant en compte simultanément la semi-markovianité des données cachées, la dépendance longue dans les observations ou la non stationnarité des données cachées. Enfin, la nature non nécessairement gaussienne du bruit est prise en compte via l'introduction des copules. L'intérêt des différents modèles proposés est également validé au travers d'expérimentations. Dans la dernière partie de cette thèse, nous étudions également comment la segmentation obtenue par une méthode bayésienne peut être utilisée dans la détection de cibles dans le signal radar. Le détecteur original que nous implémentons utilise la différence de statistiques entre un signal recu et les signaux recus de son voisinage. Le détecteur ainsi implémenté s'avère donner de meilleurs résultats en présence de fort bruit que le détecteur habituellement utilisé en traitement radar.

Cette thèse présente une approximation fine de la densité de longues sous-suites d'une marche aléatoire conditionnée par la valeur de son extrémité, ou par une moyenne d'une fonction de ses incréments, lorsque sa taille tend vers l'infini. Dans le domaine d'un conditionnement de type grande déviation, ce résultat généralise le principe conditionnel de Gibbs au sens où il décrit les sous suites de la marche aléatoire, et non son comportement marginal. Une approximation est aussi obtenue lorsque l'événement conditionnant énonce que la valeur terminale de la marche aléatoire appartient à un ensemble mince, ou gros, d'intérieur non vide. Les approximations proposées ont lieu soit en probabilité sous la loi conditionnelle, soit en distance de la variation totale. Deux applications sont développées; la première porte sur l'estimation de probabilités de certains événements rares par une nouvelle technique d'échantillonnage d'importance; ce cas correspond à un conditionnement de type grande déviation. Une seconde application explore des méthodes constructives d'amélioration d'estimateurs dans l'esprit du théorème de Rao-Blackwell, et d'inférence conditionnelle sous paramètre de nuisance; l'événement conditionnant est alors dans la gamme du théorème de la limite centrale. On traite en détail du choix effectif de la longueur maximale de la sous suite pour laquelle une erreur relative maximale fixée est atteinte par l'approximation; des algorithmes explicites permettent la mise en oeuvre effective de cette approximation et de ses conséquences.

Les avancements des technologies de l'information et des systèmes de communication ont permis le développement d'une grande variété d'applications et de services de géolocalisation. Les systèmes de positionnement par satellites figurent parmi les solutions principales de localisation. Dans des environnements difficiles (par exemples, les canyons urbains ou à l'intérieur des bâtiments), ces solutions ne fournissent pas une bonne précision, ou même deviennent indisponibles. Afin d'offrir des solutions de localisation précises et disponibles quelque soit l'environnement, les systèmes de communication sans fil ont été utilisés, où plusieurs paramètres topo-dépendants des signaux transmis peuvent être mesurés et exploités (par exemple, le temps d'arrivée (ToA), la puissance du signal reçu (RSS)). Dans ce travail, la localisation dans les systèmes sans fil est étudié d¿un point de vue traitement statistique du signal, et en explorant deux axes. Le premier axe concerne la localisation coopérative appliquée aux réseaux ad-hoc, où les différents n¿uds effectuent des mesures de distance par paire (c.à.d. ToA ou RSS) afin d'estimer simultanément leurs positions. Les conditions de solvabilité unique sont étudiées en s'appuyant sur les deux approches de la rigidité graphique et la programmation semi-définie, et ainsi les conditions d'identifiabilité sont déduites. Les solutions d'estimation de la position sont considérées en se concentrant sur l'estimation probabiliste et son application dans des champs aléatoires de Markov et ce en utilisant l¿algorithme de propagation de croyance non-paramétrique (NBP). Le deuxième axe concerne la poursuite des terminaux mobiles en se basant sur des mesures RSS. Ces mesures sont affectées par un phénomène de masquage (shadowing). L'amélioration apportée à la précision de positionnement par la connaissance des cartes de shadowing est étudiée. La solution classique pour l'obtention de ces cartes est le fingerprinting, qui peut être coûteux en temps de collecte de mesures. Des solutions sont développées afin de surmonter ces difficultés. Plusieurs solutions sont proposées et étudiées par des simulations de Monte Carlo pour différents scénarios d'application et de déploiement, et plusieurs résultats théoriques et pratiques sont obtenus.

Cette thèse aborde des problématiques d'estimation et de détection supervisée en imagerie hyperspectrale, appliquées ici aux environnements côtiers. Des modèles bathymétriques de réflectance sont utilisés afin de représenter l'influence de la colonne d'eau sur la lumière incidente. Différents paramètres sont dits optiquement actifs et agissent sur le spectre de réflectance (phytoplancton, matière organique dissoute colorée...). Nous proposons d'adopter une nouvelle approche statistique pour estimer ces paramètres, traditionnellement retrouvés par inversion des modèles physiques. Différentes méthodes telles que l'estimation du maximum de vraisemblance et du maximum a posteriori, ainsi que le calcul des bornes de Cramér-Rao, sont implémentées avec succès sur les données synthétiques et réelles. Par ailleurs, nous adaptons les filtres supervisés couramment utilisés au contexte de la détection de cibles immergées. Dans le cas où les paramètres caractéristiques de la colonne d'eau sont inconnus, nous développons un nouveau filtre issu du test du rapport de vraisemblance généralisé permettant la détection sans aucune connaissance a priori sur ces paramètres.

Cette thèse est consacrée au problème d'estimation bayésienne pour le filtrage statistique, dont l'objectif est d'estimer récursivement des états inconnus à partir d'un historique d'observations, dans un modèle stochastique donné. Les modèles stochastiques considérés incluent principalement deux grandes classes de modèles : les modèles de Markov cachés et les modèles de Markov à sauts conditionnellement markoviens. Ici, le problème est abordé sous sa forme générale dans la mesure où nous considérons le problème du filtrage mono- et multi objet(s), ce dernier étant abordé sous l'angle de la théorie des ensembles statistiques finis et du filtre " Probability Hypothesis Density ". Tout d'abord, nous nous intéressons à l'importante classe d'approximations que constituent les algorithmes de Monte Carlo séquentiel, qui incluent les algorithmes d'échantillonnage d'importance séquentiel et de filtrage particulaire auxiliaire. Les boucles de propagation mises en jeux dans ces algorithmes sont étudiées et des algorithmes alternatifs sont proposés. Les algorithmes de filtrage particulaire dits " localement optimaux ", c'est à dire les algorithmes d'échantillonnage d'importance avec densité d'importance conditionnelle optimale et de filtrage particulaire auxiliaire pleinement adapté sont comparés statistiquement, en fonction des paramètres du modèle donné. Ensuite, les méthodes de réduction de variance basées sur le théorème de Rao-Blackwell sont exploitées dans le contexte du filtrage mono- et multi-objet(s) Ces méthodes, utilisées principalement en filtrage mono-objet lorsque la dimension du vecteur d'état à estimer est grande, sont dans un premier temps étendues pour les approximations Monte Carlo du filtre Probability Hypothesis Density. D'autre part, des méthodes de réduction de variance alternatives sont proposées : bien que toujours basées sur le théorème de Rao-Blackwell, elles ne se focalisent plus sur le caractère spatial du problème mais plutôt sur son caractère temporel. Enfin, nous abordons l'extension des modèles probabilistes classiquement utilisés. Nous rappelons tout d'abord les modèles de Markov couple et triplet dont l'intérêt est illustré à travers plusieurs exemples pratiques. Ensuite, nous traitons le problème de filtrage multi-objets, dans le contexte des ensembles statistiques finis, pour ces modèles. De plus, les propriétés statistiques plus générales des modèles triplet sont exploitées afin d'obtenir de nouvelles approximations de l'estimateur bayésien optimal (au sens de l'erreur quadratique moyenne) dans les modèles à sauts classiquement utilisés; ces approximations peuvent produire des estimateurs de performances comparables à celles des approximations particulaires, mais ont l'avantage d'être moins coûteuses sur le plan calculatoire

Les méthodes de trajectographie conventionnelles par mesures d'angle supposent que la source est en mouvement rectiligne uniforme tandis que l'observateur est manoeuvrant. Dans cette thèse, nous remettons en cause cette hypothèse en proposant un autre modèle de cinématique de la source : le mouvement circulaire uniforme. Nous prouvons qu'une telle trajectoire est observable à partir d'un observateur en mouvement rectiligne uniforme. Puis, nous étudions l'apport de mesures additionnelles de fréquence ou la faisabilité de la trajectographie par mesures de distances. Le cas d'une source en mouvement rectiligne uniforme et d'un observateur manoeuvrant est étudié pour ce dernier type de mesures. Chaque cas donne lieu à une analyse de l'observabilité de la trajectoire de la source et à la mise au point de l'estimateur du maximum de vraisemblance. Nous montrons que ce dernier s'avère le plus souvent efficace.

This thesis deals with the problem of estimating the velocity of a mobile station (MS)in a mobile communication system using the instantaneous frequency (IF) of the received signal at the MS antenna. This estimate is essential for satisfactory handover performance, effective dynamic channel assignment, and optimisation of adaptive multiple access wireless receivers. Conventional methods for estimating the MS velocity are based either on the statistics of the envelope or quadrature components of the received signal. In chapter 4 of the thesis, we show that their performance deteriorates in the presence of shadowing. Other velocity estimators have also been proposed which require prior estimation of the channel or the average received power. These are generally difficult to obtain due to the non-stationary nature of the received signal. An appropriate window which depends on the unknown MS velocity must first be applied in order to accurately estimate the required quantities. Using the statistics of the IF of the received signal at the MS antenna given in chapter 3, new velocity estimators are proposed in chapter 4 of this thesis. The proposed estimators are based on the moments, zero-crossing rate, and covariance of the received IF. Since the IF of the received signal is not affected by any amplitude distortion, the proposed IF-based estimators are robust to shadowing and propagation path-loss. The estimators for the MS velocity in a macro- and micro-cellular system are presented separately. A macro-cell system can be considered as a special case of a micro-cell in which there is no line-of-sight component at the receiver antenna. It follows that those estimators which are derived for micro-cells can be used in a macro-cell as well. In chapter 4, we analyse the performance of the proposed velocity estimators in the presence of additive noise, non-isotropic scattering, and shadowing. We also prove analytically that the proposed velocity estimators outperform the existing methods in the presence of shadowing and additive noise. The proposed IF-based estimators need prior estimation of both the IF of the received signal and Ricean K-factor. The IF estimation in a typical wireless environment, can be considered as a special case of a general problem of IF estimation in the presence of multiplicative and additive noise. In chapter 5, we show that current time-frequency approaches to this problem which are based on the peak of a time-frequency distribution (TFD) of the signal, fail because of the special shape of the power spectral density of the multiplicative noise in a wireless environment. To overcome this drawback, the use of the first-order moment of a TFD is studied in chapter 5. Theoretical analysis and simulations show that the IF estimator based on the first-order moment of a TFD exhibits negligible bias when the signal-to-additive noise ratio is more than 10 dB. The Ricean K-factor is not only necessary for velocity estimation in micro-cells, but also is a measure of the severity of fading and a good indicator of the channel quality. Two new methods for estimating the Ricean K-factor based on the first two moments of the envelope of the received signal, are proposed in chapter 6. Performance analysis presented in chapter 6, prove that the proposed K estimators are robust to non-isotropic scattering. Theoretical analysis and simulations which are presented in chapters 4 and 7 of this thesis, prove that the proposed velocity and K estimators outperform existing estimators in the presence of shadowing and additive noise.