Cette thèse s'intéresse aux réseaux bayésiens, aux filtres particulaires et à leur application aux communications numériques. Tout d'abord, nous donnons une construction rigoureuse et très générale des réseaux bayésiens et nous présentons l'algorithme de propagation de croyance dans ce contexte. Puis, nous introduisons un nouveau type de filtre particulaire, appelé "filtre particulaire à échantillonnage global", et nous constatons en effectuant des simulations numériques que ce nouvel algorithme se compare favorablement à l'état de l'art. Nous utilisons ensuite le filtrage particulaire pour calculer de façon approchée certains messages de l'algorithme de propagation de croyance. Nous obtenons ainsi un nouvel algorithme, combinant propagation de croyance et filtrage particulaire, que nous avons appelé "algorithme de turbo-filtrage particulaire». Enfin, nous utilisons ces différentes techniques afin de concevoir de façon méthodique un récepteur de communications numériques.

Un défi majeur de la Robotique aujourd'hui est sans doute celui du robot personnel. Un objectif sous-jacent est de permettre à un robot mobile de naviguer de manière autonome dans un environnement de grandes dimensions en présence de public. Lors de son évolution, le robot doit pouvoir détecter et prendre en compte la présence d'humains dans son voisinage, par exemple pour les éviter, leur céder le passage, faciliter ou sécuriser leurs déplacements. Cependant, pour une interaction active, le robot doit également être capable de percevoir et d'interpréter leurs postures, leurs démarches ou leurs gestes. Dans ce but, nous souhaitons mettre en place un système de suivi visuel des mouvements humains à partir des caméras embarquées sur le robot. Une représentation 3D fruste de l'enveloppe corporelle est proposée à partir de considérations biomécaniques et anthropomorphes. La démarche consiste alors à recaler ce modèle dans les images obtenues en exploitant plusieurs indices visuels 2D (contours, couleur, mouvements) complétés par une reconstruction 3D éparse de la scène. Pour estimer les paramètres de situation et de configuration du modèle 3D, nous exploitons les techniques de filtrage particulaire, bien connues en suivi visuel. Des évolutions de l'algorithme générique de filtrage sont cependant envisagées afin de répondre plus efficacement au problème posé et de satisfaire des contraintes temporelles cohérentes avec le contexte applicatif. Afin d'aborder les problèmes de manière graduelle, deux contextes sont étudiés. Le premier, de type robotique ubitquiste, repose sur l'utilisation de caméras d'ambiance fixes proposant des points de vue différents et complémentaires de la scène à étudier. Le second, de type robotique mobile, exploite des caméras stéréoscopiques embarquées sur le robot.Ce travail a été effectué au sein du groupe Robotique Action Perception (RAP) du LAAS-CNRS.

Les chutes des personnes âgées à domicile présentent un problème important à cause de leur fréquence et de leurs conséquences médicales, psychologiques et économiques. Pour cela, l'idée d'une prévention des chutes s'avère nécessaire pour réduire leur nombre et leurs conséquences indésirables. Cette idée constitue la motivation principale des projets ANR PARAChute et Predica dont le but est de détecter une dérive vers la chute chez les personnes âgées à domicile. Ce travail de thèse s'inscrit dans le cadre de ce projet et a comme objectif de concevoir un système d'analyse de la marche qui devrait s'intégrer dans la méthode à proposer pour évaluer un risque de chute chez la personne âgée. Une étude des approches déjà adoptées pour évaluer l'équilibre dynamique d'une personne nous a permis d'identifier un certain nombre de paramètres et de tests validés comme étant pertinents pour la détection d'un risque de chute. Or, ces approches s'appuient sur des tests cliniques effectués par les gériatres ou sur l'utilisation de capteurs portables encombrants d'où la nécessité de développer un nouvel outil autonome et non encombrant pour extraire ces paramètres. Notre solution a été de concevoir un système de suivi 3D complet du mouvement humain, capable de nous fournir les positions de quelques points clé du corps durant la marche et à partir desquelles nous pouvons évaluer les paramètres recherchés. Le système de suivi développé utilise des images vidéo obtenues à l'aide d'un caméscope numérique grand public et ne nécessite pas l'intervention d'un opérateur ou l'usage de marqueurs portables. N'utilisant aucun modèle temporel de marche notre méthode est générique et simple. Elle est fondée sur un modèle 3D virtuel humanoïde et sur un nouvel algorithme de filtrage particulaire que nous avons développé dans le but d'estimer la configuration la plus probable de ce modèle vis à vis de l'image vidéo du corps réel. En raison de la nature non gaussienne et multimodale des densités de probabilité impliquées, l'usage d'une approche particulaire était nécessaire. L'algorithme développé, appelé 'Interval Particle Filtering' (IPF), réorganise l'espace de recherche des configurations probables du modèle virtuel d'une façon déterministe, efficace et optimisée. Dans le but de réduire la complexité de cet algorithme, une version factorisée utilisant les réseaux bayésiens dynamiques a été ensuite proposée. Cette version améliorée profite de la Rapport de thèse de Jamal Saboune 1 Résumé modélisation de la marche en une chaîne cinématique pour factoriser la construction du vecteur d'état et la fonction d'observation. En terme de reconstruction 3D, les résultats obtenus à l'aide de notre système de suivi sont assez satisfaisants. La comparaison des valeurs des paramètres recherchés, calculées à partir des positions 3D fournies par un système de référence et par l'algorithme (IPF), montre une erreur moyenne de mesure de 5%. Une étude du suivi longitudinal chez les personnes âgées sera alors nécessaire pour choisir les paramètres qui permettent de déceler une évolution vers un risque de chute chez les personnes âgées.

Ces travaux de thèse s'inscrivent dans le cadre du projet européen CommRob impliquant des partenaires académiques et industriels. Le but du projet est la conception d'un robot compagnon évoluant en milieu structuré, dynamique et fortement encombré par la présence d'autres agents partageant l'espace (autres robots, humains). Dans ce cadre, notre contribution porte plus spécifiquement sur la perception multimodale des usagers du robot (utilisateur et passants). La perception multimodale porte sur le développement et l'intégration de fonctions perceptuelles pour la détection, l'identification de personnes et l'analyse spatio-temporelle de leurs déplacements afin de communiquer avec le robot. La détection proximale des usagers du robot s'appuie sur une perception multimodale couplant des données hétérogènes issues de différents capteurs. Les humains détectés puis reconnus sont alors suivis dans le flot vidéo délivré par une caméra embarquée afin d'en interpréter leurs déplacements. Une première contribution réside dans la mise en place de fonctions de détection et d'identification de personnes depuis un robot mobile. Une deuxième contribution concerne l'analyse spatio-temporelle de ces percepts pour le suivi de l'utilisateur dans un premier temps, de l'ensemble des personnes situées aux alentours du robot dans un deuxième temps. Enfin, dans le sens des exigences de la robotique, la thèse comporte deux volets : un volet formel et algorithmique qui tire pertinence et validation d'un fort volet expérimental et intégratif. Ces développements s'appuient sur notre plateforme Rackham et celle mise en oeuvre durant le projet CommRob.

Cette thèse considère le problème de la détection de rupture de modèle dans des systèmes dynamiques complexes. L'objectif est de mettre au point des méthodes statistiques capables de détecter le plus rapidement possible un changement de paramètre dans le modèle décrivant le système, tout en gardant un faible taux de fausses alarmes. Ce type de méthode s'applique à la détection d'anomalie ou de défaillance sur de nombreux systèmes (système de navigation, contrôle de qualité...).<br />Les méthodes développées ici prennent en compte les caractéristiques des procédés de dépollution biologique, qui constituent l'application principale de ce travail. Ainsi, la mise au point d'une procédure, de type CUSUM, construite à partir des estimations des vraisemblances conditionnelles permet de traiter, d'une part, le cas où une partie du modèle est inconnue en utilisant une approche non paramétrique pour estimer cette partie, et d'autre part, le cas fréquemment rencontré en pratique où le système est observé indirectement. Pour ce deuxième cas, des approches de type filtrage particulaire sont utilisées.<br />Des résultats d'optimalité sont établies pour les approches proposées. Ces approches sont ensuite appliquées à un problème réel, un bioréacteur de retraitement des eaux usées.

No description available.

Un défi majeur de la Robotique aujourd'hui est sans doute celui du robot personnel, capable de rendre service à l'Homme. De nombreux travaux de recherche dans le domaine sont axés sur le développement de robots autonomes destinés à évoluer dans des environnements de grandes dimensions en présence de public. Cette perspective pose naturellement le problème de l'interaction et de la relation entre l'Homme et le robot. En effet, lors de sa navigation, le robot doit être capable de détecter et de prendre en compte de manière explicite la présence de personnes dans son voisinage pour les éviter ou leur céder le passage, le but étant de faciliter et de sécuriser leur déplacements. De plus, il doit disposer de capacités d'interaction telles que la reconnaissance de gestes permettant à l'Homme de communiquer avec lui. Cette thèse porte plus spécifiquement sur la détection et le suivi de personnes ainsi que la reconnaissance de gestes élémentaires à partir du flot vidéo d'une caméra couleur embarquée sur le robot. Le filtrage particulaire est très adapté à ce contexte. Il permet de s'affranchir de toute hypothèse restrictive quant aux distributions de probabilités entrant en jeu dans la caractérisation du problème. De plus, ce formalisme permet de combiner/fusionner aisément différentes sources de mesures. Malgré ce constat, la fusion de données par filtrage particulaire nous semble assez peu exploitée et souvent confinée à un nombre relativement restreint de primitives visuelles. Nous proposons différents schémas de filtrage, où l'information visuelle est prise en compte dans les fonctions d'importance et de vraisemblance au moyen de primitives forme, couleur et mouvement image. Nous évaluons alors quelles combinaisons de primitives visuelles et d'algorithmes de filtrage répondent au mieux aux modalités d'interaction envisagées pour notre robot "guide de musée", qui est censé interpeller les visiteurs, interagir avec eux et les guider. Notre dernière contribution porte sur la reconnaissance de gestes symboliques permettant de communiquer avec le robot. Une stratégie de filtrage particulaire efficace est proposée afin de suivre et reconnaître simultanément des configurations de la main et des dynamiques gestuelles dans le flot vidéo.

Cette thèse porte sur l'application des techniques de filtrage statistiques au radar passif. L'objectif de cette thèse est d'adapter les méthodes à somme de gaussiennes et les méthodes particulaires pour la détection et/ou la poursuite dans un contexte multi-cible. Nous nous intéressons aux problématiques liées à des cibles fortement manoeuvrantes à rapport signal sur bruit pouvant être très faible. En guise d'application, la radio FM et la télévision numérique DVB-T seront exploitées comme sources d'opportunité par le système de localisation passive. Dans un premier temps, cette thèse récapitule l'état de l'art dans le domaine du radar passif, du filtrage statistique et des approches conventionnelles de pistage radar à base de données seuillées. Dans un deuxième temps, cette thèse explore l'apport du filtrage particulaire en radar passif. Avec une modélisation convenable du problème de poursuite d'une cible sous la forme d'un système dynamique non-linéaire, nous montrons comment le filtrage particulaire, appliqué sur les sorties bruitées (non-seuillées) du corrélateur, améliore les performances en terme de poursuite par rapport aux approches conventionnelles. Une extension au cas multi-cible est également traitée. L'ingrédient essentiel de l'algorithme proposé est l'intégration d'un système de synchronisation de l'instant d'échantillonnage du corrélateur (et le cas échéant de la fréquence de corrélation) qui permet à l'algorithme particulaire de compenser automatiquement la dynamique des cibles. Dans un troisième temps, nous exposons un nouveau système de détection/poursuite multi cible basé sur le filtrage bayésien avec la méthodologie "track-before-detect". Ce système est implémenté par une approximation à base de somme de gaussiennes ou une approximation à base de filtrage particulaire. Nous proposons également une technique d'annulation successive d'interférence qui permet de gérer la présence de lobes secondaires importants. Des simulations utilisant un signal radio FM, ont permis de confirmer le potentiel du système de détection/poursuite proposé.

Les modèles de chaînes de Markov cachées ou plus généralement ceux de Feynman-Kac sont aujourd'hui très largement utilisés. Ils permettent de modéliser une grande diversité de séries temporelles (en finance, biologie, traitement du signal, ...) La complexité croissante de ces modèles a conduit au développement d'approximations via différentes méthodes de Monte-Carlo, dont le Markov Chain Monte-Carlo (MCMC) et le Sequential Monte-Carlo (SMC). Les méthodes de SMC appliquées au filtrage et au lissage particulaires font l'objet de cette thèse. Elles consistent à approcher la loi d'intérêt à l'aide d'une population de particules définies séquentiellement. Différents algorithmes ont déjà été développés et étudiés dans la littérature. Nous raffinons certains de ces résultats dans le cas du Forward Filtering Backward Smoothing et du Forward Filtering Backward Simulation grâce à des inégalités de déviation exponentielle et à des contrôles non asymptotiques de l'erreur moyenne. Nous proposons également un nouvel algorithme de lissage consistant à améliorer une population de particules par des itérations MCMC, et permettant d'estimer la variance de l'estimateur sans aucune autre simulation. Une partie du travail présenté dans cette thèse concerne également les possibilités de mise en parallèle du calcul des estimateurs particulaires. Nous proposons ainsi différentes interactions entre plusieurs populations de particules. Enfin nous illustrons l'utilisation des chaînes de Markov cachées dans la modélisation de données financières en développant un algorithme utilisant l'Expectation-Maximization pour calibrer les paramètres du modèle exponentiel d'Ornstein-Uhlenbeck multi-échelles

Cette thèse porte sur l'application des techniques de filtrage statistiques au radar passif. L'objectif de cette thèse est d'adapter les méthodes à somme de gaussiennes et les méthodes particulaires pour la détection et/ou la poursuite dans un contexte multi-cible. Nous nous intéressons aux problématiques liées à des cibles fortement manoeuvrantes à rapport signal sur bruit pouvant être très faible. En guise d'application, la radio FM et la télévision numérique DVB-T seront exploitées comme sources d'opportunité par le système de localisation passive. Dans un premier temps, cette thèse récapitule l'état de l'art dans le domaine du radar passif, du filtrage statistique et des approches conventionnelles de pistage radar à base de données seuillées. Dans un deuxième temps, cette thèse explore l'apport du filtrage particulaire en radar passif. Avec une modélisation convenable du problème de poursuite d'une cible sous la forme d'un système dynamique non-linéaire, nous montrons comment le filtrage particulaire, appliqué sur les sorties bruitées (non-seuillées) du corrélateur, améliore les performances en terme de poursuite par rapport aux approches conventionnelles. Une extension au cas multi-cible est également traitée. L'ingrédient essentiel de l'algorithme proposé est l'intégration d'un système de synchronisation de l'instant d'échantillonnage du corrélateur (et le cas échéant de la fréquence de corrélation) qui permet à l'algorithme particulaire de compenser automatiquement la dynamique des cibles. Dans un troisième temps, nous exposons un nouveau système de détection/poursuite multi cible basé sur le filtrage bayésien avec la méthodologie "track-before-detect". Ce système est implémenté par une approximation à base de somme de gaussiennes ou une approximation à base de filtrage particulaire. Nous proposons également une technique d'annulation successive d'interférence qui permet de gérer la présence de lobes secondaires importants. Des simulations utilisant un signal radio FM, ont permis de confirmer le potentiel du système de détection/poursuite proposé. / The subject of this thesis is the application of statistical filtering techniques to passive radar. The objective of this thesis is to adapt Gaussian sum filtering and particle filtering methods to the detection and/or tracking in a multi-target context. Highly manoeuvring targets, at potentially very low signal-to-noise ratios, will be of particular interest. As an application, FM radio and terrestrial digital video broadcasting (DVB-T) will be exploited as illuminators of opportunity by the passive localization system. First, this thesis recapitulates the state-of-the-art in the domain of passive radar, statistical filtering and conventional radar tracking approaches based on the thresholded data. Second, this thesis explores the benefits of particle filtering in passive radar. With an appropriate modeling of the problem of target tracking as a non-linear dynamical system, we show how particle filtering, fed with the noisy unthresholded matched filter outputs, outperforms conventional tracking approaches. An extension to the multi-target case is also treated. The essential ingredient of the proposed algorithm is the inbuilt synchronization system of the correlator sampling instants (and potentially also of the correlation frequency), which allows the particle filter to compensate the dynamics of the targets automatically. Third, we present a new multi-target detection/tracking system, based on Bayesian filtering, using the track-before-detect methodology. This system is implemented with an approximation based on Gaussian sum filtering or an approximation based on particle filtering. We also propose a successive interference cancellation technique, which allows to handle the presence of large sidelobes. Simulations using FM radio confirmed the potential of the proposed detection/tracking system.