Cette etude traite de l'utilisation de methodes de filtrage pour du suivi dans des sequences d'images. Ces algorithmes reposent sur une representation du systeme dynamique par une chaine de Markov cachee, decrite par une loi dynamique et une vraisemblance des donnees. Pour construire une methode generale, une loi dynamique estimee sur les images est consideree. Ce choix met en evidence les limitations du modele simple de chaine de Markov cachee, qui ne decrit pas la dependance des elements du systeme aux images.<br />Nous proposons d'abord une modelisation originale du probleme. Celle-ci rend les images explicites et permet de construire des algorithmes sans information a priori. Les filtres associes a cette nouvelle representation sont derives sur la base des filtres classiques, en considerant un conditionnement par rapport a la sequence. Il est egalement presente comment ce nouveau schema permet de considerer des modeles simples, pour lesquels la fonction d'importance optimale est disponible.<br />Ensuite, nous nous interessons a la validation pratique de la modelisation proposee sur une application de suivi de points caracteristiques. Les systemes mis en oeuvre sont entierement estimes sur la sequence. Ils associent des mesures de similarite a une dynamique definie a partir d'un mouvement instantane estime par une methode differentielle robuste. Afin de controler l'importance des differents elements du systeme, les matrices de covariance de bruit des modeles sont estimees. Trois algorithmes de suivi de points sont ainsi construits et valides sur de nombreuses sequences reelles. Enfin, cette approche est etendue au suivi de motifs plans textures. Le modele considere introduit une information geometrique par homographie et amene a un algorithme robuste aux occultations totales.

Le travail de cette thèse s'inscrit dans le domaine de l'utilisation de la vision pour la réalisation de tâches robotiques et concerne plus particulièrement les aspects de poursuite de cible par asservissement visuel. <br />Nous nous sommes intéressé au cas d'objets mobiles, et plus particulièrement à l'estimation du mouvement de ces objets, nécessaire pour une exécution satisfaisante des tâches de poursuite. La qualité de poursuite est en effet grandement améliorée grâce à une estimation robuste du mouvement. Pour réaliser l'estimation, nous proposons une approche nouvelle, basée sur l'aspect adaptatif du filtrage de Kalman. Contrairement au filtre classique de Kalman, ce filtre n'utilise aucun modèle ni connaissance a priori. La représentation d'état est adaptée en permanence en fonction des observations courantes pour représenter au mieux la dynamique du système. Il s'agit d'une approche modulaire à modèle multiple. Plusieurs filtres sont utilisés et la probabilité pour chacun de calculer l'estimation optimale est déterminée par apprentissage. Un réseau de neurones, sur cette base statistique, supervise l'ensemble des filtres et permet de compenser le caractère non stationnaire des mouvements de l'objet mobile. <br />Les informations visuelles estimées servent à contrôler les déplacements du robot. Des extensions de la carte auto-organisatrice de Kohonen à sorties supervisées servent à approximer la transformation sensori-motrice du système robot-vision. La relation apprise se trouve dès lors à l'origine de la loi de commande du robot. L'apprentissage est entièrement réalisé en contexte, en exploitant les corrélations sensori-motrices durant les mouvements des robots. <br />Les méthodes présentées dans cette thèse ont été validées en simulation et par des expérimentations réalisées sur une plate-forme robotique réelle.

L'objectif de ce mémoire est de développer et d'étudier un nouveau type de filtre particulaire appelé le filtre de Kalman-particulaire à noyaux (KPKF). Le KPKF modélise la densité conditionnelle de l'état comme un mélange de gaussiennes centrées sur les particules et ayant des matrices de covariance de norme petite. L'algorithme du KPKF utilise une correction de l'état de type Kalman et une correction de type particulaire modifiant les poids des particules. Un nouveau type de ré-échantillonnage permet de préserver la structure de cette mixture. Le KPKF combine les avantages du filtre particulaire régularisé en terme de robustesse et du filtre de Kalman étendu en terme de précision. Cette nouvelle méthode de filtrage a été appliquée au recalage de navigation inertielle d'un aéronef disposant d'un radio altimètre. Les résultats obtenus montrent que le KPKF fonctionne pour de grandes zones d'incertitude initiale de position.

La compréhension du fonctionnement cérébral passe par l'étude des relations entre les structures cérébrales et les fonctions cognitives qu'elles implémentent. Les études en activation, qui permettent d'obtenir, grâce aux techniques de neuroimagerie fonctionnelle, des données sur l'activité cérébrale pendant l'accomplissement d'une tâche cognitive, visent à étudier ces liens. Ces études, ainsi que de nombreux travaux chez l'animal, suggèrent que le support neurologique des fonctions cognitives est constitué de réseaux à grande échelle d'aires corticales et de régions sous-corticales interconnectées. Cependant, la mise en correspondance simple entre réseaux activés et tâche accomplie est insuffisante pour comprendre comment l'activation découle du traitement de l'information par le cerveau. De plus, le traitement cérébral est très complexe, et les mesures fournies par la neuroimagerie sont incomplètes, indirectes, et de natures différentes, ce qui complique grandement l'interprétation des données obtenues. Un outil de modélisation explicite des mécanismes de traitement et de propagation de l'information cérébrale dans les réseaux à grande échelle est nécessaire pour palier ces défauts et permettre l'interprétation des mesures de l'activité cérébrale en termes de traitement de l'information. Nous proposons ici un formalisme original répondant à ces objectifs et aux contraintes imposées par le système à modéliser, le cerveau. Il est basé sur une approche graphique causale et probabiliste, les réseaux bayésiens dynamiques, et sur une représentation duale de l'information. Nous considérons le cerveau comme un ensemble de régions fonctionnelles anatomiquement interconnectées, chaque région étant un centre de traitement de l'information qui peut être modélisé par un noeud du réseau bayésien. L'information manipulée dans le formalisme au niveau d'un noeud est l'abstraction du signal généré par l'activité de la population neuronale correspondante. Ceci nous conduit à représenter l'information cérébrale sous la forme d'un couple numérique/symbolique, permettant de tenir compte respectivement du niveau d'activation et de la configuration des neurones activés. Ce travail se situe dans le prolongement d'un projet visant à développer une approche causale originale pour la modélisation du traitement de l'information dans des réseaux cérébraux à grande échelle et l'interprétation des données de neuroimagerie. L'aspect causal permet d'exprimer explicitement des hypothèses sur le fonctionnement cérébral. Notre contribution est double. Au niveau de l'intelligence artificielle, l'utilisation de variables aléatoires labellisées dans des réseaux bayésiens dynamiques nous permet de définir des mécanismes d'apprentissage non-supervisés originaux. Sur le plan des neurosciences computationnelles, nous proposons un nouveau formalisme causal, plus adapté à la représentation du fonctionnement cérébral au niveau des réseaux d'aires que les réseaux de neurones formels, et présentant plus de plausibilité biologique que les autres approches causales, en particulier les réseaux causaux qualitatifs.

Le filtre de Kalman étendu singulier évolutif (SEEK) et sa variante interpolée, appelée SEIK, ont été implémentés et testés avec succès dans plusieurs modèles océaniques. Cependant, ces deux filtres restent chers pour une océanographie opérationnelle. L'objectif principal de notre travail est de développer des formes dégradées des filtres SEEK et SEIK qui sont moins couteux mais aussi performants. Notre approche consiste essentiellement à simplifier l'évolution de la base de correction des filtres SEEK et SEIK, qui est la partie la plus chère de ces deux filtres. Pour améliorer les performances de nos filtres dans les périodes instables du modèle, nous introduisons tout d'abord les notions d'analyse EOFs locales et mixte dans le but d'augmenter la représentativité de la base de correction. Cela nous amène à construire une nouvelle variante du filtre SEEK avec une base de correction semi-évolutive partiellement locale. Nous présentons ensuite plusieurs schémas de réglage adaptatif des paramètres du filtre SEEK. Nous terminons enfin par une comparaison entre les performances des filtres SEEK et ROEK pour montrer l'intérêt de l'évolution de la base de correction, ce dernier étant aussi introduit pour compenser le caractère non-évolutif de la base EOFs locale. Nous avons implémenté tous nos filtres dans une configuration réaliste du modèle OPA dans l'océan Pacifique tropical. Leurs performances ont été étudiées avec des expériences jumelles. Le filtre SEIK est utilisé comme une référence pour la comparaison. Les résultats de ces expériences montrent que nos nouveaux filtres sont aussi performants que le filtre SEIK, mais peuvent être de 2 à 10 fois plus rapides.

La modélisation hydrologique Pluie - Débit compte parmi les outils incontournables pour prévoir les crues, car elle permet d'atteindre des horizons plus lointains que de nombreuses autres méthodes. Pour tenter d'améliorer la qualité des prévisions, les hydrologues ont proposé de nombreuses approches d'assimilation de données. Cette thèse s'intéresse à un modèle Pluie - Débit fonctionnant au pas de temps horaire. Elle propose une comparaison de nombreuses méthodes de mise-à-jour de ce modèle par l'assimilation de la donnée de débit observé à l'exutoire du bassin versant, dans le but de fournir des prévisions de crue à des horizons allant de quelques heures à quelques jours. Les mises-à-jour étudiées portent sur les paramètres du modèle, ses états et ses sorties. Certaines sont déterministes, d'autres probabilistes. Ce travail a permis de mettre en avant l'interaction qui existe entre la structure du modèle hydrologique et les mises-à-jour. Ces deux éléments se caractérisent par des dynamiques temporelles différentes. Nos résultats plaident pour que le modèle soit considéré comme un tout et non comme la juxtaposition d'un modèle hydrologique et d'une procédure de mise-à-jour. Il nous paraît préférable d'optimiser la structure et de caler le modèle en tenant compte des mises-à-jour qui seront appliquées. Le modèle donnant les meilleures prévisions associe une structure hydrologique très proche de celle obtenue au pas de temps journalier et deux mises-à-jour du modèle, l'une modifiant un état crucial du modèle, l'autre corrigeant ses sorties par un réseau de neurones artificiels. Cette combinaison a été évaluée à l'aide d'une sélection de critères de performance adaptés à l'objectif du modèle, sur un vaste ensemble de bassins versants français. Ses performances sont robustes et se comparent favorablement à d'autres modèles de prévision.

Les modèles aléatoires basés sur l'observation bruitée de diffusions discrétisées sont couramment utilisés en biologie ou en finance pour rendre compte de la présence d'erreur (ou bruit) entâchant la mesure d'un phénomène dont le comportement est dirigé par une équation différentielle stochastique. Deux questions statistiques sont liées à ces modèles : l'estimation d'un paramètre theta déterminant le comportement de la diffusion cachée, et le calcul du filtre optimal, ou d'une approximation. La première partie de cette thèse porte sur l'étude d'un modèle d'Ornstein-Uhlenbeck bidimensionnel partiellement observé et bruité, en lien avec l'estimation de paramètres de microvascularisation pour un modèle pharmacocinétique stochastique. Plusieurs résultats sur données médicales sont présentés. Dans la seconde partie, des estimateurs pour les paramètres de la diffusion cachée, sont obtenus dans un contexte de données haute fréquence, comme minima de fonctions de contraste ou comme zéros de fonctions d'estimation basées sur des moyennes locales d'observations bruitées. On montre en particulier la consistence et la normalité asymptotique de ces estimateurs. Enfin, la troisième partie étudie la tension de la suite des variances asymptotiques obtenues dans le théorème central limite associé à l'approximation particulaire du filtre et de la prédiction dans un modèle de Markov caché.

L'emploi de systèmes chaotiques pour la sécurisation de transmissions numériques est l'objectif principal de cette thèse. L'étude de la synchronisation chaotique a tout d'abord été réalisée par des méthodes d'estimation d'état avec un accent important sur la mise en place d'une nouvelle méthode de filtrage de Kalman polynomiale Exacte. Les performances sont ensuite évaluées, en considérant plusieurs critères (EQM, stabilité, consistence), par rapport à d'autres solutions de filtrage de Kalman (EKF, UKF). Une deuxième partie de l'étude concerne les structures de récepteurs adaptés aux systèmes de communication à porteuse chaotique (étalement par séquence chaotique directe). Pour les récepteurs à synchronisation chaotique on utilise des solutions de traitement en bande de base du signal reçu par estimation parallèle. Pour des applications sur des canaux réels difficiles, comme c'est le cas des transmissions acoustiques sous-marines, la synchronisation est réalisée par des méthodes classiques (boucle à verrouillage de retard). On introduit par la suite un nouveau schéma qui estime cette fois, la majorité des trajets énergétiques présents à l'entrée du récepteur. Ce schéma est obtenu en développant l'équation d'observation des coefficients du canal pondérés par la matrice d'auto-corrélation. Deux versions sont ainsi considérées : le cas des séquences d'étalement courtes et le cas des séquences longues. La dernière partie du document est dédiée à la présentation d'une méthode de compression originale qui utilise la dynamique symbolique chaotique ; celle-ci réalise le codage d'une séquence informationnelle sous la forme d'un intervalle de conditions initiales.

Pour assurer une énergie électrique de qualité et de façon permanente, il existe des systèmes électroniques d'alimentation spécifiques. Il s'agit des Alimentations Sans Interruptions (ASI). Une ASI comme tout autre système peut tomber en panne ce qui peut entrainer une perte de redondance. Cette perte induit une maintenance corrective donc une forme d'indisponibilité ce qui représente un coût. Nous proposons dans cette thèse de travailler sur deux composants parmi les plus sensibles dans les ASI à savoir les condensateurs électrolytiques et les batteries au plomb. Dans une première phase, nous présentons, les systèmes de surveillance existants pour ces deux composants en soulignant leurs principaux inconvénients. Ceci nous permet de proposer le cahier des charges à mettre en œuvre. Pour les condensateurs électrolytiques, nous détaillons les différentes étapes de caractérisation et de vieillissement ainsi que la procédure expérimentale de vieillissement standard accéléré et les résultats associés. D'autre part, nous présentons les résultats de simulation du système de surveillance et de prédiction de pannes retenu. Nous abordons la validation expérimentale en décrivant le système développé. Nous détaillons les cartes électroniques conçues, les algorithmes mis en œuvre et leurs contraintes d'implémentation respectifs pour une réalisation temps réel. Enfin, pour les batteries au plomb étanches, nous présentons les résultats de simulation du système de surveillance retenu permettant d'obtenir le SOC et le SOH. Nous détaillons la procédure expérimentale de vieillissement en cycles de charge et décharge de la batterie nécessaire pour avoir un modèle électrique simple et précis. Nous expliquons les résultats expérimentaux de vieillissement pour finir avec des propositions d'amélioration de notre système afin d'obtenir un SOH plus précis.

L'objectif de ce travail est d'estimer les apports d'une topographie dynamique moyenne (MDT) déduite des données gravimétriques GRACE, pour la reconstruction de la circulation océanique du Pacifique Tropical par assimilation de données.<br />Les récentes avancées de notre connaissance du géoïde nous ont conduit à étudier l'impact de l'utilisation d'un signal altimétrique absolu. Un modèle (OPA) de l'Océan Pacifique Tropical, où des observations in-situ et quasi-synoptiques sont disponibles (réseau TAO), et un filtre de Kalman en rang réduit (SEEK) ont été mis au point et utilisés dans différentes configurations. La première suppose une situation pré-GRACE et utilise une MDT artificielle. La deuxième utilise une MDT observée déduite du géoïde GRACE. Conjointement à l'altimétrie, les profils de température TAO sont assimilés.<br />Ce travail montre l'importance d'une bonne référence pour les résidus altimétriques. Le résultat le plus important concerne la capacité du système d'assimilation utilisant GRACE à mieux composer avec des données mixtes: satellites et in-situ. Ici, l'assimilation conjointe d'altimétrie et de données TAO est plus performante grâce à la meilleure compatibilité des données.<br />En outre, une analyse physique, qui considère l'apport de l'assimilation à l'amélioration de la représentation de la dynamique du Pacifique Tropical, a été conduite. L'originalité de ce travail est de montrer comment l'assimilation contribue à améliorer notre compréhension des mécanismes physiques en action dans ce bassin.<br />De manière intéressante et rétrospective, cette analyse révèle aussi une zone (8°N) où les données GRACE semblent avoir des faiblesses qu'il serait judicieux de corriger.