Cette thèse apporte des solutions clés à deux problèmes omniprésents dans les réseaux de capteurs sans fil, à savoir la précision des mesures acquises dans les régions à faible couverture et la dimensionnalité sans cesse grandissante des données collectées. La première contribution de cette thèse est l’amélioration de la couverture de l'espace à surveiller par le biais de la mobilité des capteurs. Nous avons recours aux méthodes à noyaux en apprentissage statistique pour modéliser un phénomène physique tel que la diffusion d’un gaz. Nous décrivons plusieurs schémas d'optimisation pour améliorer les performances du modèle résultant. Nous proposons plusieurs scénarios de mobilité des capteurs. Ces scénarios définissent d'une part l'ensemble d'apprentissage du modèle et d'autre part le capteur mobile. La seconde contribution de cette thèse se situe dans le contexte de la réduction de la dimensionnalité des données collectées par les capteurs. En se basant sur l'analyse en composantes principales, nous proposons à cet effet des stratégies adaptées au fonctionnement des réseaux de capteurs sans fil. Nous étudions également des problèmes intrinsèques aux réseaux sans fil, dont la désynchronisation entre les nœuds et la présence de bruits de mesures et d’erreurs de communication. Des solutions adéquates avec l'approche Gossip et les mécanismes de lissage sont proposées. L'ensemble des techniques développées dans le cadre de cette thèse est validé sur un réseau de capteurs sans fil qui estime le champ de diffusion d’un gaz / This thesis investigates two major problems that are challenging the wireless sensor networks (WSN): the measurements accuracy in the regions with a low density of sensors and the growing volume of data collected by the sensors. The first contribution of this thesis is to enhance the collected measurements accuracy, and hence to strengthen the monitored space coverage by the WSN, by means of the sensors mobility strategy. To this end, we address the estimation problem in a WSN by kernel-based machine learning methods, in order to model some physical phenomenon, such as a gas diffusion. We propose several optimization schemes to increase the relevance of the model. We take advantage of the sensors mobility to introduce several mobility scenarios. Those scenarios define the training set of the model and the sensor that is selected to perform mobility based on several mobility criteria. The second contribution of this thesis addresses the dimensionality reduction of the set of collected data by the WSN. This dimensionality reduction is based on the principal component analysis techniques. For this purpose, we propose several strategies adapted to the restrictions in WSN. We also study two well-known problems in wireless networks: the non-synchronization problem between nodes of the network, and the noise in measures and communication. We propose appropriate solutions with Gossip-like algorithms and smoothing mechanisms. All the techniques developed in this thesis are validated in a WSN dedicated to the monitoring of a physical species leakage such as the diffusion of a gas

Le but de cette thèse est de proposer des méthodes d'étude et des modèles pour l'analyse des signaux sociaux dans un contexte d'interaction en exploitant à la fois des techniques issues du traitement du signal et de la reconnaissance des formes.Tout d'abord, une méthode non supervisée permettant de mesurer l'imitation entre deux partenaires en termes de délai et de degré est proposée en étudiant uniquement des données gestuelles. Dans un premier temps, des points d'intérêts spatio-temporels sont détectés afin de sélectionner les régions les plus importantes des vidéos. Ils sont ensuite décrits à l'aide d'histogrammes pour permettre la construction de modèles sac-de-mots dans lesquels l'information spatiale est réintroduite. Le degré d'imitation et le délai entre les partenaires sont alors estimés de manière continue grâce à une corrélation-croisée entre les deux modèles sac-de-mots.La deuxième partie de cette thèse porte sur l'extraction automatique d'indices permettant de caractériser des interactions de groupe. Après avoir regroupé tous les indices couramment employés dans la littérature, nous avons proposé l'utilisation d'une factorisation en matrice non négative. En plus d'extraire les indices les plus pertinents, celle-ci a permis de regrouper automatiquement et de manière non supervisée des meetings en 3 classes correspondant aux trois types de leadership tels que définis par les psychologues.Enfin, la dernière partie se focalise sur l'extraction non supervisée d'indices permettant de caractériser des groupes. La pertinence de ces indices, par rapport à des indices ad-hoc provenant de l'état de l'art, est ensuite validée dans une tâche de reconnaissance des rôles. / In a social interaction, we adapt our behavior to our interlocutors. Studying and understanding the underlying mecanisms of this adaptation is the center of Social Signal Processing. The goal of this thesis is to propose methods of study and models for the analysis of social signals in the context of interaction, by exploiting both social processing and pattern recognition techniques. First, an unsupervised method allowing the measurement of imitation between two partners in terms of delay and degree is proposed, only using gestual data. Spatio-temporal interest point are first detected in order to select the most important regions of videos. Then they are described by histograms in order to construct bag-of-words models in which spatial information is reintroduced. Imitation degree and delay between partners are estimated in a continuous way thanks to cross-correlation between the two bag-of-words models. The second part of this thesis focus on the automatic extraction of features permitting to characterizing group interactions. After regrouping all features commonly used in literature, we proposed the utilization of non-negative factorization. More than only extracting the most pertinent features, it also allowed to automatically regroup, and in an unsupervised manner, meetings in three classes corresponding to three types of leadership defined by psychologists. Finally, the last part focus on unsupervised extraction of features permitting to characterize groups. The relevance of these features, compared to ad-hoc features from state of the art, is then validated in a role recognition task.

Cette thèse propose de nouveaux outils adaptés à l'analyse des réseaux : sociaux, de transport, de neurones, de protéines, de télécommunications... Ces réseaux, avec l'essor de certaines technologies électroniques, informatiques et mobiles, sont de plus en plus mesurables et mesurés ; la demande d'outils d'analyse assez génériques pour s'appliquer à ces réseaux de natures différentes, assez puissants pour gérer leur grande taille et assez pertinents pour en extraire l'information utile, augmente en conséquence. Pour répondre à cette demande, une grande communauté de chercheurs de différents horizons scientifiques concentre ses efforts sur l'analyse des graphes, des outils mathématiques modélisant la structure relationnelle des objets d'un réseau. Parmi les directions de recherche envisagées, le traitement du signal sur graphe apporte un éclairage prometteur sur la question : le signal n'est plus défini comme en traitement du signal classique sur une topologie régulière à n dimensions, mais sur une topologie particulière définie par le graphe. Appliquer ces idées nouvelles aux problématiques concrètes d'analyse d'un réseau, c'est ouvrir la voie à une analyse solidement fondée sur la théorie du signal. C'est précisément autour de cette frontière entre traitement du signal et science des réseaux que s'articule cette thèse, comme l'illustrent ses deux principales contributions. D'abord, une version multiéchelle de détection de communautés dans un réseau est introduite, basée sur la définition récente des ondelettes sur graphe. Puis, inspirée du concept classique de bootstrap, une méthode de rééchantillonnage de graphes est proposée à des fins d'estimation statistique. / This thesis describes new tools specifically designed for the analysis of networks such as social, transportation, neuronal, protein, communication networks... These networks, along with the rapid expansion of electronic, IT and mobile technologies are increasingly monitored and measured. Adapted tools of analysis are therefore very much in demand, which need to be universal, powerful, and precise enough to be able to extract useful information from very different possibly large networks. To this end, a large community of researchers from various disciplines have concentrated their efforts on the analysis of graphs, well define mathematical tools modeling the interconnected structure of networks. Among all the considered directions of research, graph signal processing brings a new and promising vision : a signal is no longer defined on a regular n-dimensional topology, but on a particular topology defined by the graph. To apply these new ideas on the practical problems of network analysis paves the way to an analysis firmly rooted in signal processing theory. It is precisely this frontier between signal processing and network science that we explore throughout this thesis, as shown by two of its major contributions. Firstly, a multiscale version of community detection in networks is proposed, based on the recent definition of graph wavelets. Then, a network-adapted bootstrap method is introduced, that enables statistical estimation based on carefully designed graph resampling schemes.

Les systèmes de vélos en libre-service sont devenus des éléments indispensables dans les offres de transport urbain des grandes villes mondiales. À partir des données que ces systèmes génèrent, il est possible d'avoir une caractérisation fine de l'utilisation du vélo en milieu urbain, tant sur des problématiques traitant du domaine des transports que des aspects socio-économiques. Comme pour de nombreux domaines profitant de la récente abondance en données permises par les technologies actuelles de communication et de stockage de l'information, les enjeux actuels résident dans le développement de méthodes d'analyse de données efficaces et adaptées aux systèmes étudiés. Cette thèse se propose de répondre à cette problématique, à la fois par des développements méthodologiques et par une application à des données réelles issues du système de vélos en libre-service Vélo'v à Lyon.Le système Vélo'v peut se représenter sous la forme d'un réseau, décrivant un ensemble de relations entre les différentes stations. Cette représentation, valable également pour de nombreux systèmes, permet l'utilisation d'outils pour décrire la structure du réseau basés sur la théorie des graphes. Néanmoins, la prise en compte d'une dynamique temporelle dans l'évolution des systèmes nécessite d'étendre l'analyse à des réseaux temporels, dont la structure évolue au cours du temps. Le parallèle avec le domaine du traitement du signal, dont le but est l'analyse de signaux temporels, amène à considérer des connexions entre la description de l'évolution d'un réseau temporel et celle d'un signal. Ces travaux proposent de considérer une dualité entre les réseaux temporels et les signaux, de sorte que l'analyse dans le domaine des signaux, à l'aide des outils du traitement du signal, permet de caractériser le réseau temporel correspondant.Cette méthodologie, à la frontière entre le traitement du signal et l'analyse des réseaux, est tout d'abord justifiée par l'étude du système Vélo'v, en comparant différentes approches d'analyse de données et les apports de la représentation sous la forme de réseau temporel. Une méthode d'étiquetage des noeuds d'un graphe est ensuite discutée, permettant d'ouvrir la voie vers une dualité entre réseaux et signaux. Cette dualité est étendue aux réseaux temporels, pour lesquels une méthode d'extraction automatique des structures pertinentes au cours du temps est proposée, à travers la décomposition des signaux correspondants. / Bike-sharing systems have become essential elements in urban transportation systems of many world's big cities. Thanks to the data generated by these systems, it is possible to obtain a precise characterization of urban cycling, both in terms of transportation and socio-economic aspects. Taking advantage of the recent abundance of data allowed by the current technology, the challenges lie in the development of efficient data analysis method, adapted to these systems. This PhD thesis proposes some answers to this issue, first by methodological developments and second by studying real-world data obtained from the bike-sharing system in Lyon, called Vélo'v.The Vélo'v system can be represented as a network, describing a set of relations between the stations spread over the city. This representation, used for many systems, enables the use of tools from network theory to measure the network structure and understand the underlying mechanisms. Nevertheless, taking into account the dynamic evolution of the structure requires an extension of the classical tools to the temporal case. Parallels between this problem and the field of signal processing can be done, and opens the way to the consideration of connections between the description of the dynamics of temporal networks and those of signals. This work introduces a duality between temporal networks and signals, such that the analysis of the signals using the classical tools of signal processing helps to the characterization of the structure of the corresponding network.This methodology, at the juncture between signal processing and network analysis, is first justified by the study of the Vélo'v network, by comparing different data analysis method and the representation of the system as a temporal network. Then, a method to relabel the vertices of the graph according to the topology of the network is discussed, opening up a duality between networks and signals. This duality is then extended to temporal networks: The analysis of the spectral properties of the signals are studied through a fully automated extraction method, enabling the decomposition of relevant network structure over time.

Dans le cadre de la maintenance conditionnelle, l'analyse vibratoire temporelle repose sur 50 ans d'expérience et jouit, de fait, d'une représentativité importante dans le secteur éolien. Cette analyse, appliquée sous des conditions de fonctionnement non stationnaires, fait néanmoins preuve d'un manque de précision dans la détection de défauts mécaniques. Afin de synchroniser l'échantillonnage avec les défauts des éléments tournants de la ligne d'arbre, il est alors nécessaire de s'appuyer sur une discrétisation angulaire du vecteur d'information. L'objet de cette étude est le développement d'un outil de surveillance disposant de cette qualité et s'appuyant sur les variations que présente la vitesse instantanée de la machine tournante pour évaluer l'état des éléments tournants. La vitesse angulaire instantanée, associée à l'analyse spectrale, est assujettie à des perturbations dont les origines sont identifiées et les influences quantifiées. Ainsi, il est envisageable de dimensionner un système de mesure en fonction des caractéristiques de la chaîne cinématique sous surveillance. Ce document propose également plusieurs outils de traitement originaux qui permettent, sous des conditions de fonctionnement non stationnaires, d'améliorer suffisamment l'observation pour que l'utilisation d'un seul capteur soit envisageable pour assurer la surveillance de la ligne d'arbre dans sa totalité. Ces outils mettent en exergue la dualité temporelle angulaire de la surveillance de machines tournantes et tirent parti des conditions de fonctionnement non stationnaires par la connaissance de la vitesse instantanée. Les procédés d'acquisition combinés aux outils de traitement sont mis à l'épreuve sur plusieurs banc d'essais. Sensible au degrés de désalignement, au type de défaut d'engrènement et à la gravité d'un écaillage, la vitesse angulaire instantanée est dorénavant une alternative confirmée à la surveillance vibratoire, même angulaire. Une vaste campagne de mesures a été lancée en parallèle et en continu sur une éolienne dans l'objectif ambitieux de mettre en place un procédé de pronostic. Les diverses conditions de fonctionnement sont prises en compte par une approche statistique permettant d'utiliser avantageusement leurs influences sur les mesures qui en sont issues. Ces travaux constituent une première étape dans la réalisation d'un modèle de surveillance multi-niveau adapté aux machines à fonctionnement variable dont les éoliennes sont un parfait exemple de complexité. / The overall background for the thesis is the need to develop new methods for monitoring machines subject to nonstationary operating conditions of speed and load, as typified by wind turbines. This has become particularly important because of the increasing prevalence of wind turbines for the sustainable supply of electrical power. Because of the cost of installing and maintaining wind turbines, often situated in remote areas and increasingly used off-shore, it has become imperative to use the most up-to-date monitoring methods to avoid unforeseen failure. For the same reason there has been a tendency to increase the size of individual units, but this gives problems for the transmissions used to convert the low speed input at a fraction of a Hz to the speed of conventional generators in the range 16-30 Hz or so. The power delivered by a turbine is proportional to the square of its diameter, but the input torque is proportional to the cube, and a large part of the cost of the gearbox is related to the torque. Anecdotally, this appears to have resulted in a situation where many transmissions are failing in a shorter time than their design life, and this means not only that their design must be improved, but also that they must be monitored more closely than many other machines, to detect and diagnose incipient faults at the earliest possible stage. The thesis seeks to help to redress the situation by proposing a number of innovative methods to improve the detection and diagnosis of faults in machines with variable speed and load, and especially wind turbine transmissions, not only to make the monitoring more efficient, but also more economical.

La Spectroscopie et l'Imagerie Spectroscopique de Résonance Magnétique (ISRM) jouent un rôle émergent parmi les outils cliniques, en donnant accès, d'une manière complètement non-invasive, aux concentrations des métabolites in vivo. Néanmoins, les inhomogénéités du champ magnétique, ainsi que les courants de Foucault, produisent des distorsions significatives de la forme de raie des spectres, induisant des conséquences importantes en termes de biais lors de l'estimation des concentrations. Lors des traitements post-acquisition, cela est habituellement traité à l'aide des méthodes de pré-traitement, ou bien par l'introduction de fonctions analytiques plus complexes. Cette thèse se concentre sur la prise en compte de distorsions arbitraires de la forme de raie, dans le cas des méthodes qui utilisent une base de métabolites comme connaissance a priori. L'état de l'art est évalué, et une nouvelle approche est proposée, fondée sur l'adaptation de l'amortissement de la base des métabolites au signal acquis. La forme de raie présumée commune à tous les métabolites est estimée et filtrée à l'aide de la méthode LOWESS. L'approche est validée sur des signaux simulés, ainsi que sur des données acquises in vitro. Finalement, une deuxième approche novatrice est proposée, fondée sur l'utilisation des propriétés spectrales de la forme de raie commune. Le nouvel estimateur est testé seul, mais aussi associé avec l'estimateur classique de maximum de vraisemblance, démontrant une réduction significative du biais dans le cas des signaux à haut rapport signal-sur-bruit. / Magnetic Resonance Spectroscopy (MRS) and Spectroscopic Imaging (MRSI) play an emerging role in clinical assessment, providing in vivo estimation of disease markers while being non-invasive and applicable to a large range of tissues. However, static magnetic field inhomogeneity, as well as eddy currents in the acquisition hardware, cause important distortions in the lineshape of acquired NMR spectra, possibly inducing significant bias in the estimation of metabolite concentrations. In the post-acquisition stage, this is classically handled through the use of pre-processing methods to correct the dataset lineshape, or through the introduction of more complex analytical model functions. This thesis concentrates on handling arbitrary lineshape distortions in the case of quantitation methods that use a metabolite basis-set as prior knowledge. Current approaches are assessed, and a novel approach is proposed, based on adapting the basis-set lineshape to the measured signal.Assuming a common lineshape to all spectral components, a new method is derived and implemented, featuring time domain local regression (LOWESS) filtering. Validation is performed on synthetic signals as well as on in vitro phantom data. Finally, a completely new approach to MRS quantitation is proposed, centred on the use of the compact spectral support of the estimated common lineshape. The new metabolite estimators are tested alone, as well as coupled with the more common residual-sum-of-squares MLE estimator, significantly reducing quantitation bias for high signal-to-noise ratio data.

Le présent travail traite de problèmes particuliers en traitement de signal soulevés par l'holographie digitale. Le premier chapitre présente l'holographie et l'holographie digitale. Le deuxième chapitre aborde le problème des artéfacts apparaissant sur le bord des hologrammes lorsque ceux-ci sont propagés numériquement. Le troisième chapitre propose une méthode automatique pour éliminer la phase de fond d'un hologramme. Le quatrième chapitre montre comment améliorer la visibilité des hologrammes en supprimant les objets diffractants. Le cinquième chapitre expose un logiciel d'aide à l'analyse des hologrammes enregistrés dans le temps. On montre la capacité du logiciel à effectuer du tracking d'objets en trois dimensions à posteriori. Le sixième chapitre traite de la reconnaissance de forme dans les hologrammes, le problème de la reconnaissance de particules micrométriques est abordé. Des conclusions et perspectives terminent le travail. / Doctorat en sciences appliquées / info:eu-repo/semantics/nonPublished

Pour les mesures de débit et de volume d’hydrocarbures, les débitmètres à ultrasons se distinguent de par leur caractère non intrusif, ce qui réduit les pertes de charge. La plupart des débitmètres à temps de transit affichent des précisions influencées par les conditions d’écoulement. Pour utiliser ce principe en transactions commerciales, les recommandations stipulent : une linéarité < ± 0,20 %, une répétabilité < ± 0,02 % et une incertitude (coefficient d’étalonnage) < ± 0,027 %. Ce dispositif offre de réels avantages s’il permet de réduire le nombre de transducteurs ultrasonores et conserve son aspect non intrusif. Cela a amené à l’examen du projet sous ses angles hydrodynamique et acoustique. La thèse s’articule autour de deux axes liés. Le premier a comme objectif de déterminer les différentes méthodes de configuration de cordes et de reconstruction de profils de vitesse, pour déterminer une configuration optimale de l’instrument. À partir des résultats d’analyse de profils, un prototype de débitmètre a été développé et utilisé dans l’étude acoustique et expérimentale. Les signaux enregistrés en conditions réelles ont servi de base au développement d’une technique novatrice de mesure par temps de transit. / For measurements of flow and volume of liquid hydrocarbons, ultrasonic flowmeters distinguish themselves by their nonintrusive character, which reduces pressure losses. Most transit-time ultrasonic flowmeters have an accuracy which is influenced by the flow profile conditions. In order to be able to use this principle for custody transfer applications, the recommendations stipulate: a linearity < ± 0.20 %, a repeatability < ± 0.02 %, an uncertainty (calibration factor) < ± 0.027 %).This mechanism offers real advantages if it works with a reduced number of ultrasonic transducers and preserves its nonintrusive properties. These conditions have led to the examination of this project from the hydrodynamic and acoustic angles.This thesis is focuses on two linked areas. The first aims to identify the various configurations of paths and the reconstruction of the velocity profile, in order to determine an optimal configuration for the flowmeter. From the results of the profile analysis, a prototype of flowmeter was developed and used in the experimental phase. The recorded signals in real conditions were used as a basis for the development of an innovative method of transit-time measurement.

Cette thèse s’inscrit dans le domaine de la conception et de la réalisation de systèmes intelligents, associés à une technologie de capteurs sol. Elle vise à concevoir un outil automatisé et intelligent destiné à détecter principalement les chutes de personnes âgées en milieu hospitalier, afin de fournir une information supplémentaire au personnel soignant. Premièrement, les différentes technologies de capteurs appliquées aux revêtements de sol ont été étudiées. Parmi les technologies recensées, les capteurs piézoélectriques planaires en polymères ont été retenus pour l’élaboration du système intelligent. Ensuite, la caractérisation de la solution technique retenue a permis de définir les conditions et limites d’utilisation du capteur. Les aspects de robustesse et de durabilités ont été évalués à l’aide de méthodes développées à ces effets. Enfin, des algorithmes de détection ont été développés en vue de détecter les chutes, les pas et la présence de personnes sur des surfaces délimitées par le système. Des stratégies de classification basées sur la corrélation de Pearson, des algorithmes d’apprentissages ou des algorithmes à seuils ont été utilisés. / This thesis is part of the field of design and elaboration of smart systems combined with a flooring sensor technology. The main objective deal with the design of an automated and smart tool to detect falls of elderly people in hospitals or nursing homes, in order to provide additional information to healthcare workers. First, various sensor technologies applied to floor covering have been studied. Among the technologies identified, piezoelectric planar polymer sensors have been chosen for the development of the smart system. Then, the characterization of the validated technical solution allows to define conditions and limits of use of the sensor. The robustness and durability were evaluated using methods that were specifically developed to address these aspects. Finally, detection algorithms have been developed to detect falls, footsteps and presence of people on our sensors. Classification strategies based on Pearson’s correlation, machine learning algorithms or threshold based algorithm have been used.

Les progrès dans la miniaturisation des transistors permettent de réaliser des circuits toujours plus performants. En contrepartie, dans le cas où il y a défaillance, l'analyse de ces circuits est plus délicate. L'étape de localisation du défaut est la plus critique de ce processus. En effet, il s'agit de rechercher des éléments de plusieurs dizaines de nanomètres sur une surface de plusieurs centimètres carrés.Les techniques optiques telles que l'émission de lumière dynamique (TRI) sont particulièrement pertinentes dans ce contexte. Celle-ci est basée sur l'acquisition et l'exploitation des photons émis par une structure CMOS lorsqu'il y a commutation. De par son principe physique, cet outil possède donc un effet invasif limité et est adaptée à l'analyse de défauts qui se manifestent lors d'une stimulation dynamique du composant. La complexité des circuits de technologies avancées a mis en évidence certains verrous physiques et technologiques qui peuvent compromettre les analyses réalisées à l'aide de cet outil. Ainsi, le faible rapport signal sur bruit, une résolution spatiale non nécessairement adaptée aux éléments étudiés et l’énorme quantité de données/signaux générés sont autant d'éléments qui contre-indiquent une approche d'analyse des acquisitions purement manuelle.Ces travaux de thèse ont pour objectif d’explorer les possibilités offertes par un traitement post-acquisition des observations, dans le but de résoudre ou contourner les problématiques susmentionnées. Cela permettra alors à l’expert de formuler un diagnostic plus précis. En définitive, il s'agit d’une extraction et d’une synthèse d’informations à partir de signaux de tailles importantes et fortement bruités. Dans cette optique, deux approches principales originales ont été développées. La première vise à établir la cartographie d’un paramètre électrique variant dans le temps et dans l'espace. En conséquence, elle fait appelle aux outils de traitements signaux de dimension 2D et 1D. La seconde approche est fondée sur l'utilisation d'outils de statistiques exploratoires. Plus précisément, il s’agit de la combinaison d’outils de classification non-supervisée et d’une étude statistique des classes résultantes dans l’optique d’une recherche d’évènements de commutation aux propriétés anormales (suggérant un lien du nœud considéré avec le défaut) ou d’émission manquante ou additionnelle (qui résultent d'une différence de comportement logique entre deux composants). Ces deux approches s'avèrent complémentaires puisque ce sont deux regards différents d’un même jeu d'observations et chacune apporte de nouvelles informations à l’expert. / Scaling progresses has the benefit of making chips always more powerful. On the other hand, when there is a failure, the analysis of such advanced devices has became more sensitive. The defect localization step of this process is the critical one. Indeed, the aim is to find transistors which dimensions range in several nanometers on a device which surface is several square centimeters.Optical techniques like dynamical photon emission, also named Time Resolved Imaging (TRI), have proved to fit in such context. The later is based on the acquisition and exploitation of photons emitted by a switching CMOS structure. Due to its physical bacground, this tool has a limited invasive effect and can be used to analyze defect generating faults during a dynamical stimulation of the device. The complexity of the chips manufactured in advanced technologies has brought out some physical and technical limitations which can jeopardize analysis performed with this tool. To be more specific, signal over noise ratio can be quite low, so as the spatial resolution compared to the studied structures. In addition, complex circuits require long test sequences, generating huge quantities of photons to analyse. As a conclusion, all of these phenomenon forbid a simple manual procedure if ones expect to extract the emission signature of the defect in such data.The work reported in this thesis aims to develop new approaches of processing at the post-acquisition level, in order to solve or workaround the various aforementioned issues. It will enable the analyst to formulate an even better and more precise diagnosis.The task consists in extracting and synthesizing the information available in large amount of noisy signals. With that superpose in mind, two main approaches have been studied and developed. The first one establish a mapping of one parameter the electrical signals varying through time and space inside the acquisition area. It is based on a mixture of signal processing tools for 2D 1D signals. The second approaches uses data mining. More precisely, it combines clustering to statistical analyses of the resulting classes in order to find an emission event which is unexpected or having unusual properties, suggesting a candidate for failure. These two processes are complementary as they bring different information to the analyst.