Notre travail a porté sur l'application des filtres de Kalman et des estimateurs fréquentiels pour l'estimation de la vitesse des machines électriques. La finalité de cette approche est la maîtrise du coût algorithmique des algorithmes de commande avec ou sans capteur mécanique.<br /><br />La mise en œuvre d'un filtre de Kalman estimant le flux et la vitesse des machines asynchrones est généralement effectuée dans sa formulation matricielle, excessivement gourmande en temps de calcul. Pour cette raison, nous avons modifié la méthode de conception de ce filtre étendu, que nous avons nommé filtre de Kalman à état virtuel. La réduction très importante du coût algorithmique de ce nouveau filtre justifie son application dans les variateurs de vitesse de faible puissance où le coût de revient des cartes électroniques est conséquent. Il est également possible de conserver les équations traditionnelles du filtrage de Kalman tout en réduisant la complexité algorithmique. Pour cela, nous avons appliqué le filtrage de Kalman à deux niveaux et à deux périodes d'échantillonnage pour l'estimation de la vitesse mécanique.<br /><br />Nous avons également optimisé le réglage des paramètres du filtre de Kalman. La dynamique de l'estimateur est réglée en fonction de la dynamique des grandeurs régulées, des bruits de mesure et des incertitudes paramétriques. Ce réglage permet de rendre l'estimateur robuste aux variations paramétriques et d'éviter des instabilités lorsque les estimations sont incluses dans les boucles de régulation (pour les systèmes non-linéaires).<br /><br />Pour ne pas être soumis aux incertitudes paramétriques du moteur, le contenu spectral des courants statoriques consommés peut être analysé grâce à des estimateurs de vitesse à faible coût algorithmique. Les résultats expérimentaux obtenus avec une machine à courant continu et une machine asynchrone montrent que l'estimation de la vitesse est excellente en régime permanent. Cependant, les fonctionnements à basse vitesse et la capacité de poursuite ne sont pas aussi performants que ceux d'estimateurs construits à partir du modèle dynamique de la machine. L'interconnexion de deux estimateurs complémentaires, un estimateur fréquentiel et un estimateur basé sur le modèle dynamique, a été mise en œuvre pour palier aux inconvénients de chacun. Cette stratégie de pilotage a été testée expérimentalement avec succès pour une commande sans capteur mécanique d'une machine à courant continu.

Ce travail est consacré aux problèmes d’estimation paramétriques, aux tests d’hypothèses et aux tests d’ajustement pour les processus de Poisson non homogènes.Tout d’abord on a étudié deux modèles ayant chacun deux sauts localisés par un paramètre inconnu. Pour le premier modèle la somme des sauts est positive. Tandis que le second a un changement de régime et constant par morceaux. La somme de ses deux sauts est nulle. Ainsi pour chacun de ces modèles nous avons étudié les propriétés asymptotiques de l’estimateur bayésien (EB) et celui du maximum de vraisemblance(EMV). Nous avons montré la consistance, la convergence en distribution et la convergence des moments. En particulier l’estimateur bayésien est asymptotiquement efficace. Pour le second modèle nous avons aussi considéré le test d’une hypothèse simple contre une alternative unilatérale et nous avons décrit les propriétés asymptotiques (choix du seuil et puissance ) du test de Wald (WT)et du test du rapport de vraisemblance généralisé (GRLT).Les démonstrations sont basées sur la méthode d’Ibragimov et Khasminskii. Cette dernière repose sur la convergence faible du rapport de vraisemblance normalisé dans l’espace de Skorohod sous certains critères de tension des familles demesure correspondantes.Par des simulations numériques, les variances limites nous ont permis de conclure que l’EB est meilleur que celui du EMV. Lorsque la somme des sauts est nulle, nous avons développé une approche numérique pour le EMV.Ensuite on a considéré le problème de construction d’un test d’ajustement pour un modèle avec un paramètre d’échelle. On a montré que dans ce cas, le test de Cramer-von Mises est asymptotiquement ”parameter-free” et est consistent. / This work is devoted to the parametric estimation, hypothesis testing and goodnessof-fit test problems for non homogenous Poisson processes. First we consider two models having two jumps located by an unknown parameter.For the first model the sum of jumps is positive. The second is a model of switching intensity, piecewise constant and the sum of jumps is zero. Thus, for each model, we studied the asymptotic properties of the Bayesian estimator (BE) andthe likelihood estimator (MLE). The consistency, the convergence in distribution and the convergence of moments are shown. In particular we show that the BE is asymptotically efficient. For the second model we also consider the problem of asimple hypothesis testing against a one- sided alternative. The asymptotic properties (choice of the threshold and power) of Wald test (WT) and the generalized likelihood ratio test (GRLT) are described.For the proofs we use the method of Ibragimov and Khasminskii. This method is based on the weak convergence of the normalized likelihood ratio in the Skorohod space under some tightness criterion of the corresponding families of measure.By numerical simulations, the limiting variances of estimators allows us to conclude that the BE outperforms the MLE. In the situation where the sum of jumps is zero, we developed a numerical approach to obtain the MLE.Then we consider the problem of construction of goodness-of-test for a model with scale parameter. We show that the Cram´er-von Mises type test is asymptotically parameter-free. It is also consistent.

Ce travail a pour but de développer des outils statistiques pour l'étude du déclin cognitif général ou précédant le diagnostic de démence, à partir de données de cohorte en tenant compte du risque compétitif de décès et de la censure par intervalle. Le temps de démence est censuré par intervalle dans les études de cohortes car le diagnostic de démence ne peut être établi qu'à l'occasion des visites qui peuvent être espacées de plusieurs années. Ceci induit une sous-estimation du risque de démence à cause du risque compétitif de décès : les sujets déments sont à fort risque de mourir, et peuvent donc décéder avant la visite de diagnostic. Dans la première partie, nous proposons un modèle conjoint à classes latentes pour données longitudinales corrélées à un événement censuré par intervalle, en compétition avec le décès. Appliqué à la cohorte Paquid, ce modèle permet d'identifier des profils de déclin cognitif associés à des risques différents de démence et de décès. En utilisant cette méthodologie, nous comparons ensuite des modèles pronostiques dynamiques pour la démence, traitant la censure par intervalle, basés sur des mesures répétées de marqueurs cognitifs. Dans la seconde partie, nous conduisons une étude comparative afin de clarifier l'interprétation des estimateurs du maximum de vraisemblance des modèles mixtes et conjoints et estimateurs par équations d'estimation généralisées (GEE), couramment utilisés dans le contexte de données longitudinales incomplètes et tronquées par le décès. Les estimateurs de maximum de vraisemblance ciblent le changement individuel chez les individus vivants. Les estimateurs GEE avec matrice de corrélation de travail indépendante, pondérés par l'inverse de la probabilité d'être observé sachant que le sujet est vivant, ciblent la trajectoire moyennée sur la population des survivants à chaque âge. Ces résultats justifient l'utilisation des modèles conjoints dans l'étude de la démence, qui sont des outils prometteurs pour mieux comprendre l'histoire naturelle de la maladie / The purpose of this work is to develop statistical tools to study the general or the prediagnosis cognitive decline, while accounting for the selection by death and interval censoring. In cohort studies, the time-to-dementia-onset is interval-censored as the dementia status is assessed intermittently. This issue can lead to an under-estimation of the risk of dementia, due to the competing risk of death: subjects with dementia are at high risk to die and can thus die prior to the diagnosis visit. First, we propose a joint latent class illness-death model for longitudinal data correlated to an interval-censored time-to-event, competing with the time-to-death. This model is applied on the Paquid cohort to identify profiles of pre-dementia cognitive declines associated with different risks of dementia and death. Using this methodology, we compare dynamic prognostic models for dementia based on repeated measures of cognitive markers, accounting for interval censoring. Secondly, we conduct a simulation study to clarify the interpretation of maximum likelihood estimators of joint and mixed models as well as GEE estimators, frequently used to handle incomplete longitudinal data truncated by death. Maximum likelihood estimators target the individual change among the subjects currently alive. GEE estimators with independent working correlation matrix, weighted by the inverse probability to be observed given that the subject is alive, target the population-averaged change among the dynamic population of survivors. These results justify the use of joint models in dementia studies, which are promising statistical tools to better understand the natural history of dementia

Le nouveau signal GPS L2C contient sur une même porteuse une voie pilote et une voie de données. Il est proposé dans cette thèse des opérateurs de fusion non-linéaire, pour estimer les décalages du code et les informations de retard de phase obtenus sur ces deux voies. De plus nous proposons une nouvelle architecture de poursuite basée sur des boucles ouvertes intégrant des estimateurs et détecteurs de ruptures conjoints. En effet, l'évolution du discriminant obtenu par une boucle de poursuite du code ouverte, est linéaire par morceaux. Nous proposons dans ce cas un estimateur de ruptures intégrant un nouvel opérateur de fusion non-linéaire qui utilise une information a priori sur le paramètre à estimer. Cette information a priori permet de diminuer la corrélation entre les différentes observations et ainsi de diminuer l'erreur quadratique moyenne des mesures fusionnées. La boucle de poursuite ouverte du retard de phase, fournit une mesure angulaire du déphasage du signal GPS reçu. Dans ce contexte nous avons étendu les techniques de fusion et de filtrage d'état Bayésien de la statistique linéaire à l'analyse des données circulaires pour l'estimation du déphasage. Nous proposons un nouvel opérateur de fusion angulaire, un filtre récursif circulaire et un estimateur de rupture de moyennes dans un processus circulaire stationnaire par morceaux. Les algorithmes proposés permettent de réaliser une intégration longue des valeurs cohérentes du discriminant et d'améliorer ainsi la localisation à la milliseconde d'un récepteur mobile.

Cette thèse a pour objet la construction d'estimateurs non-linéaires à base d'observateurs asymptotiques. Dans un premier temps nous développons un observateur destiné à estimer des concentrations en réactifs dans un réacteur de polymérisation du groupe TOTAL. Dans un deuxième temps, nous nous posons des questions d'ordre plus théorique sur l'utilisation des symétries dans la conception d'observateurs non-linéaires. Le réacteur que nous avons considéré est un réacteur de polymérisation haute pression qui produit des polymères de type plastique composés de deux ou trois monomères. L'estimation des concentrations en certains réactifs dans les différentes zones du réacteur repose sur la modélisation de la réaction. Le modèle consiste principalement un bilan de matière, d'énergie, et l'utilisation de modèles de cinétique chimique. Ensuite via les équations du modèle et les mesures de températures et débits, on remonte aux concentrations en temps réel. L'estimateur construit est non-linéaire, et la convergence repose sur une structure triangulaire. Cet estimateur a été installé et validé sur l'unité industrielle. La convergence de l'estimateur envisagé est indépendante du choix des unités dans lesquelles on écrit les bilans. Nous nous sommes interrogés sur la possibilité, quand on fait un observateur pour les concentrations, d'écrire des termes de correction indépendants des unités. A cet effet nous avons considéré un exemple plus académique : un réacteur chimique exothermique, pour lequel on mesure les températures et les débits, et où la cinétique chimique est d'ordre 1. On veut estimer certaines concentrations, et l'on souhaite que les propriétés de convergence soient indépendantes des unités. Cette étude a montré qu'une approche basée sur les symétries pouvait suggérer des termes de correction nonlinéaires puis des changements de variables propices à l'étude de la convergence globale, pour des observateurs dont la forme est du type observateur de Luenberger ou filtre Kalman Etendu. Ensuite, nous avons développé une méthode générale pour écrire de manière systématique les termes de corrections qui préservent les symétries. La contribution théorique principale de la thèse est de donner une méthode pour construire tous les termes de corrections non-linéaires qui préservent les symétries. On remet ensuite en perspective la notion d'erreur entre l'état et son estimée en proposant la notion d'erreur invariante. La dynamique de cette erreur invariante possède alors des propriétés fort intéressantes. En particulier, elle est indépendante de la trajectoire du système pour un système invariant à gauche sur un groupe de Lie. On applique alors cette nouvelle théorie des observateurs invariants à principalement trois exemples, un réacteur chimique pour lequel on construit un observateur globalement convergent, un exemple de voiture non-holonome où l'on construit un observateur presque globalement convergent, et un exemple emprunté au domaine de la navigation inertielle aidée par des mesures de vitesse pour lequel on obtient la convergence locale autour de toute trajectoire et tel que le comportement global de l'erreur est indépendant de la trajectoire et des entrées. Bien que nous n'ayons abordé en détail que les situations où la dimension du groupe reste inférieure à celle de l'état, il est très naturel d'envisager de traiter avec une approche analogue des cas plus généraux. Tel est l'objet de la dernière partie de la thèse avec quatre exemples. La synthèse d'observateur réduit pour une classe de système Lagrangien dont on mesure la position : le groupe de transformation est celui des changements de coordonnées sur l'espace de configuration. Les modèles de type Saint-Venant qui interviennent dans les modèles océanographiques : l'espace d'état est de dimension infinie car les modèles sont à base d'équations aux dérivées partielles. La fusion de données en navigation inertielle avec comme mesure une image et donc une sortie de dimension infinie. Enfin, l'estimation paramétrique d'un système quantique à deux états où la dimension du groupe est un peu plus grande que celle de l'état.

Le contrôle en temps réel des locaux climatisés requiert la connaissance de modèles de la distribution de température et du champ de vitesse. Des modèles complets, basés sur les codes CFD, donnent accès à ces informations, mais sont incompatibles avec des applications en temps réel. Ainsi, un modèle d'ordre réduit est nécessaire. Cette étude propose de réduire la taille d'un modèle CFD en adoptant, dans un premier temps, l'hypothèse d'un champ de vitesse fixé, ce qui permet de ne résoudre que l'équation de conservation de l'énergie. Puis, mis sous forme d'un système d'état, la décomposition orthogonale aux valeurs propres est utilisée pour réduire son ordre. Cette méthode est appliquée au cas d'un local équipé d'un ventilo-convecteur. La forme de système d'état du modèle réduit ainsi obtenu permet, par application de la théorie moderne du contrôle, d'estimer la température dans la zone d'occupation sans mesure directe, et ainsi de l'intégrer dans une boucle fermée de contrôle. Plusieurs contrôleurs sont comparés avec pour point commun d'être synthétisés sur le principe du modèle interne basé sur la connaissance d'un modèle d'ordre réduit de l'air du local.

Ce travail porte sur les aspects numériques de la décomposition en ondelettes et quelques applications aux tourbillons océaniques ainsi qu'a l'estimation de densité de probabilité. On présente une synthèse des différents types de transformée en ondelettes. Nous proposons une étude de régularité et de décroissance a l'infini des ondelettes complexes progressives issues d'ondelettes réelles. On s'intéresse au calcul numérique de la transformée en ondelettes dans les cas unidimensionnels et bidimensionnels. Les aspects de l'implémentation, à l'aide de la fft (fast Fourier transform), de l'algorithme général de la transformée en ondelettes sont présentés. Nous montrons une application de l'analyse par ondelettes a des signaux électriques industriels ainsi qu'a des tourbillons océaniques engendres par un modèle numérique du gulf stream. On introduit une approche originale d'analyse spectrale locale par ondelettes fondée sur l'utilisation de la transformée en ondelettes continue. Nous présentons également une methode de filtrage numérique par ondelettes orthogonales qui permet d'extraire une structure spécifique dans un signal. La dernière partie est relative a l'application des ondelettes a l'estimation de densité de probabilité. Nous développons un algorithme de calcul efficace, fonde sur l'utilisation des ondelettes a support compact de Daubechies, pour construire un estimateur d'une densité inconnue de probabilité

Cette thèse présente l'étude probabiliste et statistique approfondie des modèles bilinéaires à temps discret. On étudie ces modèles à partir de différentes approches (discrète, markovienne). On trouve tout d'abord une présentation globale des modèles non linéaires, la description des outils probabilistes utiles à l'étude des modèles non linéaires, ainsi qu'une présentation des modèles bilinéaires à partir de simulations permettant de mettre en évidence leurs principales caractéristiques trajectorielles. L'approche markovienne s'avère beaucoup plus puissante que l'approche directe. Nous démontrons l'existence d'une représentation markovienne sous la forme d'un modèle polynomial affine en l'état; nous donnons des critères pour la minimalité et l'inversibilité de ces représentations. Sur le plan statistique, nous avons montre la convergence presque sure des estimateurs des moindres carrés. D'autres estimateurs sont aussi envisagés permettant de mettre en place des tests d'adéquation de modèles. Certains travaux de l'auteur (huit articles) ont été publiés et sont regroupés dans l'annexe.

L'objectif de cette thèse consiste étudier et approfondir des techniques d'estimation de la densité et de classification dans des espaces de dimension élevée. Nous avons choisi de structurer notre travail en trois parties.<br /><br />La première partie, intitulée compléments sur les histogrammes modifiés, est composée de deux chapitres consacrés l'étude d'une famille d'estimateurs non paramétriques de la densité, les histogrammes modifiés, connus pour posséder de bonnes propriétés de convergence au sens des critères de la théorie de l'information. Dans le premier chapitre, ces estimateurs sont envisagés comme des systèmes dynamiques espace d'états de dimension infinie. Le second chapitre est consacré l'étude de ces estimateurs pour des dimensions suprieures un.<br /><br />La deuxième partie de la thèse, intituleé méthodes combinatoires en estimation de la densité, se divise en deux chapitres. Nous nous intéressons dans cette partie aux performances distance finie d'estimateurs de la densité sélectionnés à l'intérieur d'une famille d'estimateurs candidats, dont le cardinal n'est pas nécessairement fini. Dans le premier chapitre, nous étudions les performances de ces méthodes dans le cadre de la sélection des différents paramètres des histogrammes modifiés. Nous poursuivons, dans le deuxième chapitre, par la sélection d'estimateurs à noyau dont le paramètre de lissage s'adapte localement au point d'estimation et aux données.<br /><br />Enfin, la troisième et dernière partie, plus appliquée et indépendante des précédentes, présente une nouvelle méthode permettant de classer des courbes partir d'une décomposition des observations dans des bases d'ondelettes.

Le thème de nos travaux porte sur la statistique des processus à longue mémoire, pour lesquels nous proposons et validons des outils statistiques issus de l'analyse par ondelettes. Ces dernières années ces méthodes pour estimer le paramètre de mémoire sont devenues très populaires. Cependant, les résultats théoriques validant rigoureusement les estimateurs pour les modèles semi paramétriques classiques à longue mémoire sont récents (cf. les articles de E. Moulines, F. Roueff et M. Taqqu depuis 2007). Les résultats que nous proposons dans cette thèse s'inscrivent directement dans le prolongement de ces travaux. Nous avons proposé une procédure de test pour détecter des ruptures sur la densité spectrale généralisée. Dans le domaine des ondelettes, le test devient un test de ruptures sur la variance des coefficients d'ondelettes. Nous avons ensuite développé un algorithme de calcul rapide de la matrice de covariance des coefficients d'ondelettes. Deux applications de cet algorithme sont proposées , d'une part pour l'estimation de d et d'autre part pour améliorer le test proposé dans le chapitre précédent. Pour finir, nous avons étudié les estimateurs robustes robustes du paramètre de mémoire d dans le domaine des ondelettes. en se basant sur trois estimateurs de la variance des coefficients d'ondelettes à une échelle. La contribution majeure de ce chapitre est le théorème central limite obtenu pour les trois estimateurs de d dans le cadre des processus gaussiens M(d).