Dans les sociétés occidentales, la proportion de personnes âgées est en croissance. Une des conséquences de cette évolution est l'augmentation de la prévalence des maladies dégénératives qui se traduisent souvent par l'apparition d'une déficience cognitive. Dans un contexte de ressources limitées dans les services de santé, et afin de préserver au maximum la qualité de vie de ces personnes, le maintien à domicile est une solution qui doit être privilégiée. Ceci ne peut se faire qu'en assurant un niveau d'autonomie et de sécurité suffisant dans le milieu de vie de ces personnes. Le laboratoire DOMUS vise à apporter des solutions à ce problème en concevant une maison intelligente qui peut à la fois assister ses occupants et préserver leur qualité de vie. Évidemment, l'aptitude à surveiller correctement les activités de l'occupant, et ainsi de lui fournir l'aide pertinente, dépend grandement de l'information sur la position de la personne à l'intérieur de l'habitat intelligent. Ce mémoire propose une solution afin de localiser l'occupant grâce au filtrage bayésien et à un réseau de capteurs anonymes disséminés à l'intérieur de la maison. Le système de localisation est conçu pour une personne unique dans la maison. Il peut cependant être utilisé en conjonction avec d'autres systèmes de localisation dans le cas où plusieurs personnes sont présentes. La solution est fonctionnelle dans des conditions réelles. Une expérimentation est conçue afin d'estimer avec précision sa performance et d'évaluer sa robustesse. L'expérimentation consiste en un scénario de routine quotidienne pensé pour maximiser les mouvements de l'occupant dans la maison en des activités pertinentes. Il a été exécuté par 14 sujets, un sujet à la fois. Les résultats sont satisfaisants: la précision du système excède 85% et est indépendante du profil de l'occupant. Le système fonctionne en temps réel et se comporte bien en présence de bruit.

Bon nombre de problèmes d’ingénierie requièrent l’estimation de l’état de systèmes dynamiques. La modélisation de l’espace des états du système est faite à travers un vecteur d’état qui contient toutes informations utiles pour la description du système. Les problèmes d’estimation d’état sont aussi connus comme problèmes inverses non stationnaires. Ils sont d'un grand intérêt dans de nombreuses applications pratiques, afin de produire une estimation séquentielle des variables souhaitées, à partir de modèles stochastiques et de mesures expérimentales. Ceci dans le but d’optimiser statistiquement l’erreur. Ce travail a pour objectif d’appliquer des méthodes de Filtres à Particules à des thermiques et de combustion. Ces algorithmes sont appliqués successivement à un problème de conduction de chaleur, à un problème de solidification et finalement à un problème de propagation d’incendies. / Many areas of engineering require state estimation of dynamic systems. State relevant information to describe the desired system. The state estimation problems are also known as transient inverse problems. They are of great interest in many practical applications, in order to produce sequential estimates of the desired variables through stochastic models and experimental measurements, in such a way that the error is statistically minimized. In this work we solve state estimation problems with the Bayesian class of particle filters, in heat transfer and combustion. These algorithms havebeen applied to problems of one-dimensional transient heat conduction, solidification and fire propagation.

La perception de l'environnement constitue un prérequis fondamental pour l'extension des systèmes d'assistance actuels aux situations complexes de conduite induites par le milieu urbain. En particulier, le nombre et la dynamique des acteurs de la circulation rendent la poursuite multicible peu fiable, et par conséquent le contrôle du véhicule impossible. Cette thèse présente une représentation alternative de l'environnement du véhicule, qui évite les prises de décision prématurées de la poursuite multicible. Nous utilisons pour cela les grilles d'occupation de manière originale. En particulier ces grilles portent sur l'espace d'état des acteurs de la circulation (position et vitesse relative au véhicule), et sont égocentrées. L'absence de notion d'objet en tant que tel dans les grilles d'occupation permet de contourner les difficultés de la poursuite multi-objet. Un filtrage temporel inspiré des filtres bayésiens est également ajouté à l'estimation des grilles pour prendre en compte la dynamique de la scène. Le document illustre de manière incrémentale les qualités de notre représentation sur de nombreux exemples. Nous commençons par illustrer l'estimation statique de grille, lorsqu'un puis plusieurs capteurs fournissent une unique puis plusieurs observations. Par statique, nous entendons sans prise en compte de la dynamique temporelle de la scène. L'estimation dynamique est ensuite illustrée en suivant la même progression. Enfin, l'intérêt de cette représentation dans le contexte automobile est montrée par l'implémentation d'un algorithme d'évitement de collisions sur le Cycab. Le contrôle du Cycab est alors effectué sans qu'aucune décision sur les objets n'ait été prise.