Cette thèse traite de l'estimation d'un canal de communication radio-mobile multi-bond. La communication entre l'émetteur et le récepteur est ainsi faite par l'intermédiaire de relais (de type « Amplify and-Forward ») en série. Les différents éléments (émetteurs, relais, récepteurs) peuvent être fixes ou mobiles. Chaque lien de communication (chaque bond) est modélisé par un canal de Rayleigh à évanouissements plats, avec un spectre Doppler issu de deux environnements possibles de diffusion : en deux dimensions (2D, amenant le spectre en U de Jakes), ou en trois dimensions (3D, amenant un spectre Doppler plat). L'objectif majeur de la thèse est l'estimation dynamique du canal global issue de la cascade des différents liens. A cette fin, la cascade de canaux est approchée par une modèle auto-régressif du premier ordre (AR (1)), et l'estimation est réalisée à l'aide d'un algorithme standard, le filtre de Kalman. La méthode couramment utilisée dans la littérature pour fixer le paramètre du modèle AR(1) est basée sur un critère de « corrélation matching » (CM). Cependant, nous montrons que pour des canaux à variations lentes, un autre critère basé sur la minimisation de la variance asymptotique (MAV) de la sortie du filtre de Kalman est plus approprié. Pour les deux critères, CM et MAV, cette thèse donne une justification analytique en fournissant des formules approchées de la variance d'estimation par le filtre de Kalman, ainsi que du réglage optimal du paramètre du modèle AR(1). Ces formules analytiques sont données en fonctions des fréquences Doppler et du rapport signal sur bruit, pour les environnements de diffusion 2D et 3D, quel que soit le nombre et le type de bonds (fixe-mobile ou mobile-mobile). Les résultats de simulations montrent un gain considérable en termes de l'erreur quadratique moyenne (MSE) de l'estimateur de canal bien réglé, en particulier pour le scénario le plus courant de canal à évanouissements lents. / This thesis deals with the estimation of the multihop Amplify-and-Forward relay communications. The various objects (transmitter, relays, receivers) can be fixed or mobile. Each link is modeled by a flat fading Rayleigh channel, with a Doppler spectrum resulting from two-dimensional (2D, leading to the U-shape Dopller spectrum) or three-dimensional (3D, leading to a flat Doppler spectrum) scattering environments. The cascade of channel hops is approximated by a first-order autoregressive (AR(1)) model and is tracked by a standard estimation algorithm, the Kalman Filter (KF). The common method used in the literature to tune the parameter of the AR(1) model is based on a Correlation Matching (CM) criterion. However, for slow fading variations, another criterion based on the off-line Minimization of the Asymptotic Variance (MAV) of the KF is shown to be more appropriate. For both the CM and MAV criteria, this thesis gives analytic justification by providing approximated closed-form expressions of the estimation variance in output of the Kalman filter, and of the optimal AR(1) parameter. The analytical results are calculated for given Doppler frequencies and Signal-to-Noise Ratio for both scattering environments, whatever the number and type of transmission hops (Fixed-to-Mobile or Mobile-to-Mobile). The simulation results show a considerable gain in terms of the Mean Square Error (MSE) of the well tuned Kalman-based channel estimator, especially for the most common scenario of slow-fading channel.

Dans ce travail de thèse, on s'intéresse é l'emploi de techniques de traitement de signal de systèmes de communication MIMO (Multiple Input Multiple Output) pour des applications aux réseaux de capteurs sans fil. Les contraintes énergétiques de cette classe de réseau font appel à des topologies particulières et le réseau peut être perçu comme étant un ensemble de grappes de nœuds capteurs. Ceci ouvre la porte à des techniques avancées de communication de type MIMO. Dans un premier temps, les différents aspects caractérisant les réseaux de capteurs sans fil sont introduits. Puis, les efforts engagés pour optimiser la conservation de l'énergie dans ces réseaux sont résumés. Les concepts de base de systèmes MIMOs sont abordés dans le deuxième chapitre et l'exploration par voie numérique de différentes pistes de la technologie MIMO sont exposées. Nous nous intéressons à des techniques de diversité de polarisation dans le cadre de milieux de communication riches en diffuseurs. Par la suite, des méthodes de type beamforming sont proposées pour la localisation dans les réseaux de capteurs sans fil. Le nouvel algorithme de localisation est présenté et les performances sont évaluées. Nous identifions la configuration pour la communication inter-grappes qui permet pour les meilleurs compromis entre énergie et efficacité spectrale dans les réseaux de capteurs sans fil. Finalement, nous envisageons la technique de sélection de nœuds capteurs afin de réduire la consommation de l'énergie dans le réseau de capteur sans fil. / The aim of this work is to study from a signal processing point of view the use of MIMO (Multiple Input Multiple Output) communication systems for algorithms dedicated to wireless sensor networks. We investigate energy-constrained wireless sensor networks and we focus on cluster topology of the network. This topology permits for the use of MIMO communication system model. First, we review different aspects that characterize the wireless sensor network. Then, we introduce the existing strategies for energy conservation in the network. The basic concepts of MIMO systems are presented in the second chapter and numerical results are provided for evaluating the performances of MIMO techniques. Of particular interest, polarization diversity over rich scattering environment is studied. Thereafter, beamforming approach is proposed for the development of an original localization algorithm in wireless sensor network. The novel algorithm is described and performances are evaluated by simulation. We determine the optimal system configuration between a pair of clusters that permits for the highest capacity to energy ratio in the fourth chapter. The final chapter is devoted to sensor nodes selection in wireless sensor network. The aim of using such technique is to make energy conservation in the network.