Dans de nombreux pays, le taux de mortalité des motocyclistes est beaucoup plus élevé que celui des autres conducteurs de véhicules. Parmi de nombreux autres facteurs, les collisions arrière des motocyclettes contribuent fortement à ces décès de motards. Les systèmes de détection de collision peuvent être utilisés pour minimiser ces accidents mortels. Cependant, la plupart des systèmes de détection de collision existants n'identifient pas le type de danger potentiel auquel sont exposés les motocyclistes. Chaque système d'alerte de collision utilise une technique de détection de collision distincte, ce qui limite ses performances et rend impératif l'étude de son efficacité. Malheureusement, aucun travail de ce type n'a été signalé dans ce domaine particulier pour les motocyclistes. Par conséquent, il est important d'étudier la réponse physiologique du motocycliste contre ces systèmes d'alerte de collision. Dans cette recherche, une méthode de détection et de classification des véhicules approchant par l'arrière est présentée. Pour la détection de collision, une approche basee vision et la technique basee sur le son ont été utilisées. Pour les techniques visuelles et acoustiques, des caractéristiques d'apparence et de spectre de puissance ont été utilisées, respectivement, pour détecter le véhicule qui s'approche à l'extrémité arrière de la motocyclette. En ce qui concerne la classification des véhicules, seule une technique acoustique est utilisée; un spectre de puissance acoustique et des caractéristiques énergétiques sont utilisés pour classer les véhicules qui approchent. Deux types d'ensembles de données, à savoir des ensembles de données acquises durant ce travail (obtenues en plaçant une caméra à l'arrière d'une motocyclette) et des ensembles de données disponibles telechargeables (pour la détection visuelle et pour la classification audio des véhicules) sont utilisés pour la validation. La méthodologie proposée a permis de détecter et de classer les véhicules pour des ensembles de données acquises durent cette these. De même, pour les ensembles de données disponibles , le taux positif vrai le plus élevé et le taux de détection faux le plus faible ont été atteints par rapport aux méthodes de l etat de l art. En outre, une étude physiologique basée sur le potentiel lié à l'événement (ERP) a été réalisée sur les motocyclistes afin d'étudier leurs réponses vis-à-vis du système d'alerte de collision arrière. Deux types d'avertissements auditifs (c'est-à-dire verbal et buzzer) sont utilisés pour ce système d'avertissement. Pour étudier la réponse des motocyclistes, les composantes N1, N2, P3 et N400 ont été extraits des données d'électroencéphalographie (EEG). Ces systèmes d avertissement ont montré des effets positifs au niveau des neuronal sur les motocyclistes et réduisent leur temps de réaction et les ressources attentionnelles nécessaires pour traiter correctement la cible. En résumé, le système d'avertissement de collision par l'arrière proposé avec des avertissements verbaux auditifs augmente considérablement la vigilance du motocycliste et peut être utile pour éviter les scénarios possibles de collision arrière. / In many countries, motorcyclist fatality rate is much higher than that of other vehicle drivers. Among many other factors, motorcycle rear-end collisions are also contributing to these biker fatalities. Collision detection systems can be used to minimize these fatalities. However, most of the existing collision detection systems do not identify the type of potential hazard faced by motorcyclists. Every collision warning system used a distinctive collision detection technique, which limits its performance and makes it imperative to study its effectiveness. Unfortunately, no such work has been reported in that particular domain for motorcyclists. Therefore, it is important to study the physiological response of the motorcyclist against these collision warning systems. In this research, a rear end vehicle detection and classification method is presented for motorcyclists. For collision detection, vision technique and acoustic technique have been used. For visual and acoustic techniques, appearance features and power spectrum have been used, respectively, to detect the approaching vehicle at the rear end of the motorcycle. As for the vehicle classification, only an acoustic technique is utilized; an acoustic power spectrum and energy features are used to classify the approaching vehicles. Two types of datasets which are comprised of self-recorded datasets (obtained by placing a camera at the rear end of a motorcycle) and online datasets (for vision-based vehicle detection and for audio based vehicle classification techniques) are used for validation. Proposed methodology successfully detected and classified the vehicle for self-recorded datasets. Similarly, for online datasets, the higher true positive rate and less false detection rate has been achieved as compared to the existing state of the art methods. Moreover, an event-related potential (ERP) based physiological study has been performed on motorcyclists to investigate their responses towards the rear end collision warning system. Two types of auditory warnings (i.e., verbal and buzzer) are used for this warning system. To study the response of the motorcyclists, the N1, N2, P3, and N400 components have been extracted from the Electroencephalography (EEG) data. These introduced systems have shown positive effects at neural levels on motorcyclists and reduce their reaction time and attentional resources required for processing the target correctly. In summary, the proposed rear-end collision warning system with auditory verbal warnings significantly increases the alertness of the motorcyclist and can be helpful to avoid the possible rear-end collision scenarios.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Les signaux transitoires, de par leur unicité, sont très difficiles à caractériser. Ils se rencontrent partout et sont généralement le reflet d'un phénomène physique très complexe traduisant de nombreuses informations telles que le signal à l'origine, les effets de la propagation dans le milieu considéré et aussi les effets induits par les capteurs. Ils peuvent aussi bien correspondre à un phénomène de communication entre animaux, qu'être le reflet d'un défaut dans un système électrique ou hydraulique par exemple. Tout ceci rend leur étude très difficile, mais aussi primordiale. De nombreuses techniques en traitement du signal ont été développées ces dernières années pour les étudier: elles reposent souvent sur des approches statistiques, des approches projectives sur différents dictionnaires et des techniques auto-adaptatives. Toutes ces méthodes présentent des avantages et des inconvénients, puisqu'elles permettent souvent de les détecter correctement, néanmoins leur caractérisation à des fins de classification et de discrimination reste compliquée. Cette thèse s'inscrit dans cette optique et propose de nouvelles approches d'étude des transitoires. Après un rapide descriptif des techniques d'étude des signaux transitoires, ce travail s'intéressera dans un premier temps à la représentation des signaux ayant des composantes fréquentielles variant très rapidement. De manière générale l'utilisation des distributions généralisées à temps complexe présente un cadre d'analyse adéquat, mais il est limité aux signaux possédant une bande passante étroite, nous proposons dans une première partie d'étendre cette utilisation à des signaux possédant une bande passante plus large en appliquant un changement d'échelle des signaux. Une deuxième partie s'intéressera davantage à l'extraction de signaux à modulation de phase dans le contexte d'un mélange de bruit non-stationnaire et d'autres signaux cohérents. Ceci sera effectué par des opérateurs de warping couplé à des techniques de débruitage basée sur la compression de données. Le troisième chapitre s'intéressera aux techniques guidées par les données basées sur la représentation des signaux en diagrammes de phase. La contribution principale porte sur la diversité des lags qui permet en effet de mettre en évidence les effets des opérateurs de temps-échelles, mais aussi de modification d'amplitude entre des signaux. Nous développerons donc des méthodes permettant de mettre en évidence ces propriétés. Finalement, les travaux présentés dans les premiers chapitres seront développés dans le cadre de quatre domaines applicatifs qui sont : la segmentation d'ECG, la caractérisation de transitoires électriques, un cas d'acoustique passive et l'étude de signaux acoustiques en milieu immergé. Nous terminerons enfin par une conclusion et quelques perspectives de travail. / For their uniqueness, transient are really difficult to characterize. They are met everywhere and are generally the result of very complex physical phenomena that contain a lot of information such as the transient at its origin, the effect of the propagation through the medium and the effects induced by the transducers. They can correspond to communication between mammals as well as being the reflection of a fault in electrical or hydraulic networks for instance. Hence their study is of great importance even though it is quite complicated. Numerous signal processing methods have been developed in the last decades: they often rely on statistical approaches, linear projections of the signal onto dictionaries and data-driven techniques. All those methods have pros and cons since they often provide good detections, nevertheless their characterization for classification and discrimination purposes remains complicated. In this spirit, this thesis proposes new approaches to study transients. After a brief overview of the existing methods, this work first focuses on the representation of signals having tight-varying time-frequency components. Generally, general complex-time distributions present a proper framework to study them but remain limited to narrow band signals. In a first part, we propose to overcome this limitation in the case of signals with a spread time-frequency variation. This method is based on the compression of the signal's spectrum to a bandwidth that ensures the efficiency of the technique. A second part then focuses on the extraction of nonlinear modulation phase signals in the context of nonstationary noise and other coherent signals. This is performed with warping operators and compressive sensing reconstruction techniques. The third chapter then focuses on data-driven methods based on the representation of the signal in phase space. The main contribution takes advantage of the lag diversity that enables to highlight time scale transformations as well as amplitude modifications between transients. Hence, we develop different techniques enabling to highlight those properties. Finally, works presented in the first chapters are developed in applicative contexts such as: ECG segmentation, electrical transient characterization, a passive acoustic configuration and the study of acoustic signals in an immerse environment. We then end up by some conclusions and perspectives for future works.

Par le caractère hétérogène des sols présents en surface, le dimensionnement et la construction de fondations demandent une bonne connaissance du comportement mécanique du sol et de sa variabilité spatiale. Les essais in-situ constituent dans ce domaine des outils précieux et parmi eux, les plus couramment utilisés à travers le monde, les pénétromètres dynamiques représentent une part prépondérante. Toutefois, ils ne permettent d'obtenir que quelques informations sur le sol, plus particulièrement la résistance de pointe. Par ailleurs, la réduction importante en taille et en coût des capteurs et de l'instrumentation associée permet à l'heure actuelle de mesurer des phénomènes physiques ayant lieu dans des conditions de travail singulières, inconcevables il y a quelques années. C'est dans cette esprit qu'a été développé ce travail à partir de l'essai de pénétration dynamique Panda. L'objectif de ce travail étant de concevoir et de développer de manière simple et économique un pénétromètre dynamique équipé de différents capteurs permettant d'une part d'obtenir la résistance de pointe et d'autre part de déterminer des paramètres supplémentaires gouvernant le comportement en déformation du sol mis en jeu pendant l'enfoncement du cône. Pour ce faire nous avons retenu une méthodologie de travail pluridisciplinaire : analytique, expérimentale et numérique MED.

De nos jours, les opérations chirurgicales sont impossibles à imaginer sans anesthésie générale, qui implique la perte de conscience, l'immobilité, l'amnésie et l'analgésie. La compréhension des mécanismes sous-jacents de chacun de ces effets garantit un traitement médical bien contrôlé. Cette thèse se concentre sur l'effet analgésique de l'anesthésie générale, précisément, sur la réaction du patient aux stimuli nociceptifs. Nous étudions également les différences des réactions entre différents médicaments anesthésiques. L'étude a été effectuée sur un ensemble de données constituées de 230 signaux EEG : enregistrements pré- et post-incision obtenus sur 115 patients qui ont reçu du desflurane et du propofol. La première phase de l'étude comprend l'analyse spectrale de puissance, qui est une méthode très répandue dans le traitement du signal. L'information spectrale a été décrite en ajustant l'activité de fond, qui exhibe un comportement $1/f$, aux estimations de la densité spectrale de puissance des signaux d'EEG et en mesurant la puissance contenue dans des bandes delta et alpha par rapport à la puissance de l'activité de fond. Une autre amélioration a été réalisée par l'expansion des spectres avec des informations de temps en raison de la nature non stationnaire observée dans les signaux EEG. Pour obtenir les représentations temps-fréquence des signaux nous appliquons trois méthodes différentes: scalogramme (basé sur la transformée en ondelettes continue), spectrogramme classique, et réaffectation de spectrogramme. Celle-ci permet d'améliorer la lisibilité d'une représentation temps-fréquence en réaffectant l'énergie contenue dans le spectrogramme à des positions plus précises. Par la suite, les spectrogrammes obtenus ont été utilisés pour la reconstruction de l'espace de phase, pour l'analyse récurrence et pour sa quantification par une mesure de complexité. L'analyse de récurrence permet de décrire et visualiser les dynamiques récurrentes d'un système et de découvrir des motifs structurels contenus dans les données. Ici, les diagrammes de récurrence ont été utilisés comme réécriture de grammaire pour transformer le signal original en une séquence symbolique, où chaque symbole représente un certain état du système. Trois mesures de complexité différentes sont alors calculées à partir de ces séquences symboliques afin de les utiliser comme éléments de classification. Enfin, en combinant les caractéristiques obtenues avec l'analyse spectrale de puissance et avec l'analyse symbolique de récurrence, nous effectuons la classification des données en utilisant deux méthodes de classification~: l'analyse discriminante linéaire et les machines à vecteurs de support. La classification a été effectuée sur des problèmes à deux classes, la distinction entre les signaux EEG pré- / post-incision, ainsi qu'entre les deux différents médicaments anesthésiques, desflurane et propofol. / Nowadays, surgical operations are impossible to imagine without general anesthesia, which involves loss of consciousness, immobility, amnesia and analgesia. Understanding mechanisms underlying each of these effects guarantees well-controlled medical treatment. This thesis focuses on analgesia effect of general anesthesia, more specifically, on patients reaction to nociceptive stimuli. We also study differences in the reaction between different anesthetic drugs. The study was conducted on dataset consisting of 230 EEG signals: pre- and post-incision recordings obtained form 115 patients, who received desflurane and propofol. The first stage of the study comprise power spectral analysis, which is a widespread approach in signal processing. Spectral information was described by fitting the background activity, that exposes $1/f$ behavior, to power spectral density estimates of the EEG signals and measuring power contained in delta and alpha bands relatively to the power of background activity. A further improvement was done by expanding spectra with time information due to observed non-stationary nature of EEG signals. To obtain time-frequency representations of the signals we apply three different methods: scalogram (based on continuous wavelet transform), conventional spectrogram, and spectrogram reassignment. The latter allows to ameliorate readability of a time-frequency representation by reassigning energy contained in spectrogram to more precise positions. Subsequently, obtained spectrograms were used as phase space reconstruction in recurrence analysis and its quantification by complexity measure. Recurrence analysis allows to describe and visualize recurrent dynamics of a system and discover structural patterns contained in the data. Here, recurrence plots were used as rewriting grammar to turn an original signal into a symbolic sequence, where each symbol represents a certain state of the system. After computing three different complexity measures of resulting symbolic sequences they are used as features for classification. Finally, combining features obtained with power spectral analysis and recurrence symbolic analysis, we perform classification of the data using two classification methods: linear discriminant analysis and support vector machines. Classification was carried out on two-class problem, distinguishing between pre-/post-incision EEG signals, as well as between two different anesthetic drugs, desflurane and propofol.

Cette thèse introduit une nouvelle méthode d'analyse de signaux, appelée SCSA, basée sur une quantification semi-classique. L'idée principale de la SCSA consiste à interpréter un signal en forme d'impulsions comme un puits de potentiel pour une particule semi-classique et à le représenter par les niveaux d'énergie discrets associés donnés par le spectre discret d'un opérateur de Schrödinger. La SCSA est une première étape vers une approximation par solitons (potentiels sans réflexion), qui définit une représentation parcimonieuse du signal, intéressante pour des applications en traitement du signal, par exemple la compression de données. Ce travail propose aussi un algorithme numérique pour l'estimation de signaux par la SCSA et présente les résultats de l'analyse des signaux de pression artérielle par cette méthode. En plus de la reconstruction satisfaisante de ces signaux, la SCSA introduit de nouveaux indices qui semblent véhiculer des informations physiologiques importantes.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Cette thèse propose une méthode d'analyse des signaux triphasés pour la surveillance d'état des systèmes électromécaniques. La méthode proposée repose sur l'utilisation de la transformée en composantes symétriques instantanées et d'outils simples de traitement du signal pour détecter les défauts électriques et mécaniques dans de tels systèmes. Les avantages de cette approche triphasée par rapport à une approche monophasée pour la surveillance d'état sont étudiés en détail. Tout d'abord, pour les défauts électriques, l'utilisation de la transformée triphasée permet de séparer les composantes symétriques et asymétriques, et facilite ainsi la détection d'un déséquilibre électrique. Ensuite, pour les défauts mécaniques, l'approche par transformée en composantes symétriques permet de travailler dans des espaces avec un meilleur rapport signal à bruit. En effet, en appliquant le même traitement à la fois en monophasé et en triphasé sur les composantes symétriques, on observe que certains défauts mécaniques ne sont détectables qu’en utilisant la séquence positive des composantes symétriques. La méthodologie complète et les algorithmes pour calculer les indicateurs de défaut pour les défauts électriques et mécaniques sont donnés et les résultats sont validés sur signaux synthétiques et expérimentaux. En termes d'application, l'accent est mis sur la surveillance d'état des composants de turbines éoliennes. Toutefois, le procédé proposé peut être appliqué à des systèmes électromécaniques en général et peut facilement être étendu à des systèmes polyphasés. / This thesis proposes a three-phase electrical signals analysis method for condition monitoring of electromechanical systems. The proposed method relies on the use of instantaneous symmetrical components (ISCs) transform and simple signal processing tools to detect both electrical and mechanical faults in such systems. The advantages of using this three-phase approach for condition monitoring instead of single-phase ones are thoroughly detailed. Firstly, for electrical faults the use of the three-phase transform separates the balanced and unbalanced components thus making electrical unbalance detection easier. Secondly, for mechanical faults the ISCs approach has better signal-to-noise ratio (SNR). Indeed, by applying the same processing to both single-phase and ISCs, some mechanical faults are only detectable using the positive-sequence ISC. The complete methodology and algorithms to compute fault indicators for both electrical and mechanical faults are given and the results are validated using synthetic and experimental signals. In terms of application, the focus was on condition monitoring of wind turbine components. However, the proposed method can be applied on electromechanical systems in general and can easily be extended to poly-phase systems.

Les travaux présentés dans ce mémoire entrent dans le cadre de la réduction des coûts de production des circuits RF. En effet, la démocratisation de ces appareils pousse les industriels à chercher de nouvelles solutions afin de produire, à bas prix, ces circuits RF. Le test représentant une large partie du coût de ces produits, l'objectif de cette thèse a donc été de proposer une stratégie originale permettant d'effectuer l'analyse de signaux modulés à l'aide d'un équipement de test numérique faible coût. Tout d'abord, le manuscrit dresse un tableau général du test industriel et présente un éventail des solutions proposées dans la littérature pour réduire le coût du test des circuits RF, ainsi que des exemples d'utilisation du concept de " level-crossing ", méthode choisie pour effectuer la capture puis la reconstruction des signaux analogiques et RF. Les principes de base utilisés pour la reconstruction de signaux analogiques à partir d'informations temporelles sont ensuite abordés. L'élément clé des algorithmes de reconstruction est la détermination des instants de passage du signal par un seuil de tension prédéterminé. De cette information, il est ensuite possible de déterminer la phase, la fréquence et l'amplitude du signal observé. La suite est consacrée à l'analyse de signaux modulés. Dans un premier temps sur des modulations élémentaires, puis sur des schémas de modulations plus complexes, basés sur des cas d'étude concrets. Le travail se termine en abordant la prise en compte des non-idéalités de la chaîne d'acquisition. Il s'agit en particulier d'étudier l'impact de ces non-idéalités pour élaborer des algorithmes visant à compenser les erreurs résultantes.

Ce travail se situe dans le cadre de la surveillance de systèmes homme-machine, où l'opérateur humain est un élément de décision dans la boucle. Ce type de systèmes nécessite une surveillance automatisée globale temps-réel, incluant la détection d'incidents techniques et de défaillances humaines. Partant de l'hypothèse que la partie technologique travaille " correctement " et/ou qu'elle est surveillée par un système de diagnostic, nous nous centrons sur la partie opérateur humain, la plus critique à surveiller. Nous présentons un système de diagnostic appliqué à la surveillance du conducteur automobile à partir d'informations fournies par des capteurs embarqués dans le véhicule. Les travaux ont été développés dans le cadre du projet Européen AWAKE et le projet national " facteurs de dégradation de la vigilance et de la sécurité dans les transports " de PREDIT.<br />Nous proposons une stratégie générale de système temps-réel pour la surveillance du niveau de vigilance du conducteur (dynamique lente) et la surveillance du niveau de risque lié à la situation actuelle de conduite (dynamique instantanée), à travers :<br />* L'analyse temporelle et fréquentielle des signaux mécaniques (mesures de performance) par ondelettes et filtres, pour en extraire des caractéristiques dynamiques, statistiques et fréquentielles sur la dégradation de la conduite,<br />* L'apprentissage par SVM, méthode pour laquelle nous avons développé des stratégies d'implémentation adaptées pour un apprentissage en ligne et pour des problèmes de grande taille,<br />* La fusion par FIS, afin de profiter de l'expertise humaine et produire un diagnostic sur le niveau de risque lié à la sortie de la voie de circulation.<br />* La validation d'une telle approche à travers des EEG et EOG (mesures physiologiques) et des autoévaluations (mesures subjectives).<br />Nous appliquons cette méthodologie à diverses expériences des programmes AWAKE et PREDIT réalisées sur des simulateurs ou des démonstrateurs.