Dans cette thèse, le comportement d'un modèle mathématique permettant de transcrire la dynamique neuronale est étudié : le système de FitzHugh-Nagumo. En particulier, nous nous intéressons au caractère aléatoire d'ouverture et de fermeture des canaux ioniques d'un neurone qui reçoit ou non un stimulus. Ce caractère aléatoire de la dynamique neuronale est considéré, dans notre modèle, comme un bruit. Dans un premier temps, le comportement du modèle de FitzHugh-Nagumo a été caractérisé au voisinage de la bifurcation d'Andronov-Hopf qui traduit la transition entre l'état d'activation et l'état de repos du neurone. Classiquement, un neurone positionné à l'état de repos ne produit aucun potentiel d'action. Cependant, il a été montré un phénomène pour lequel une quantité appropriée de bruit permet la production de potentiels d'action des plus réguliers : la résonance cohérente. Le deuxième effet observé lors de simulations numériques permet au neurone d'améliorer la détection et l'encodage d'un signal subliminal : il s'agit de la résonance stochastique. De plus, cette thèse s'inscrit dans un contexte électronique puisqu'en plus de simuler numériquement le système de FitzHugh-Nagumo, les résultats de simulations ont également été confirmés en réalisant un circuit électronique. En effet, nous avons reproduit la dynamique non linéaire du système de FitzHugh-Nagumo à l'aide de ce circuit électronique. Cela a permis de mettre en évidence expérimentalement les deux phénomènes de résonance cohérente et de résonance stochastique pour lesquelles le bruit peut avoir une influence constructive sur le comportement de notre circuit électronique. / We study the nonlinear FitzHugh-Nagumo model witch describes the dynamics of excitable neural element. It is well known that this system exhibits three different possible responses. Indeed, the system can be mono-stable, oscillatory or bistable. In the oscillatory regime, the system periodically responds by generating action potential. By contrast, in the mono-stable state the system response remains constant after a transient. Under certain conditions, the system can undergo a bifurcation between the stable and the oscillatory regime via the so called Andronov-Hopf bifurcation. In this Phd thesis, we consider the FitzHugh-Nagumo model in the stable state, that is set near the Andronov-Hopf bifurcation. Moreover, we take into account the contribution of noise witch can induces two phenomena coherence resonance and stochastic resonance. First, without external driving, we show the effect of coherence resonance since a critical noise level enhances the regularity of the system response. Another numerical investigation reports how noise can allow to detect a subthreshold deterministic signal applied to the system. In this case, an appropriate amount of noise maximizes the signal to noise ratio reveling the stochastic resonance signature. Besides this numerical studies, we have also built a non linear circuit simulating the FitzHugh-Nagumo model under the presence of noise. This circuit has allowed to confirm experimentally the numerical observation of stochastic resonance and coherence resonance. Therefor, this electronic circuit contributes a framework for further experimental investigation in the field of neural sciences to better understand the role of noise in neural encoding.

Les travaux de cette thèse portent sur l’estimation et la commande décentralisée des systèmes de grande dimension. L’objectif est de développer des capteurs logiciels pouvant produire une estimation fiable des variables nécessaires pour la stabilisation des systèmes non linéaires interconnectés. Une décomposition d’un tel système de grande dimension en un ensemble de n sous-systèmes interconnectés est primordiale. Ensuite, en tenant compte de la nature du sous-système ainsi que les fonctions d’interconnexions, des lois de commande décentralisées basées observateurs ont été synthétisées. Chaque loi de commande est associée à un sous-système qui permet de le stabiliser localement, ainsi la stabilité du système global est assurée. L’existence d’un observateur et d’un contrôleur stabilisant le système dépend de la faisabilité d’un problème d’optimisation LMI. La formulation LMI, basée sur l’approche de Lyapunov, est élaborée par l’utilisation de principe de DMVT sur la fonction d’interconnexion non linéaire supposée bornée et incertaine. Ainsi des conditions de synthèse non restrictives sont obtenues. Des méthodes de synthèse de loi de commande décentralisée basée observateur ont été proposées pour les systèmes non linéaires interconnectés dans le cas continu et dans le cas discret. Des lois de commande robuste H1 décentralisées sont élaborées pour les systèmes non linéaires interconnectés en présence de perturbations et des incertitudes paramétriques. L’efficacité et la validation des approches présentées sont testées sur un modèle de réseaux électriques composé de trois générateurs interconnectés / This thesis focuses on the decentralized estimation and control for large scale systems. The objective is to develop software sensors that can produce a reliable estimate of the variables necessary for the interconnected nonlinear systems stability analysis. A decomposition of a such large system into a set of n interconnected subsystems is paramount for model simplification. Then, taking into account the nature of the subsystem as well as the interconnected functions, observer-based decentralized control laws have been synthesized. Each control law is associated with a subsystem which allows it to be locally stable, thus the stability of the overall system is ensured. The existence of an observer and a controller gain matrix stabilizing the system depends on the feasibility of an LMI optimization problem. The LMI formulation, based on Lyapunov approach, is elaborated by applying the DMVT technique on the nonlinear interconnection function, assumed to be bounded and uncertain. Thus, non-restrictive synthesis conditions are obtained. Observer-based decentralized control schemes have been proposed for nonlinear interconnected systems in the continuous and discrete time. Robust Hinfini decentralized controllers are provided for interconnected nonlinear systems in the presence of perturbations and parametric uncertainties. Effectiveness of the proposed schemes are verified through simulation results on a power systems with interconnected machines

La connectivité fonctionnelle cérébrale peut être caractérisée par l'évolution temporelle de la corrélation entre les signaux enregistrés dans des régions spatialement distribuées. Ici, nous proposons une comparaison exhaustive et quantitative pour juger des performances de différentes classes de méthodes pour l'estimation de cette connectivité. Basés sur plusieurs modèles de simulation, les résultats montrent que les performances sont fortement dépendantes des caractéristiques des signaux, aucune méthode ne surpassant les autres dans toutes les situations. La nature non stationnaire et oscillatoire des activités des populations neuronales, nous a amené à proposer un estimateur Temps-Fréquence de relation. La comparaison objective de ce nouvel estimateur avec un estimateur plus classique, basé sur la fonction de cohérence, montre qu'il peut conduire à de meilleures performances. Sur des données réelles, les résultats indiquent que cet estimateur peut augmenter la lisibilité de la représentation TF de la relation et peut ainsi améliorer l'interprétation des relations entre signaux EEG.