L'objet de la thèse est la détection électromagnétique non-itérative de petits objets enfouis. Le problème direct de diffraction est abordé en utilisant une formule asymptotique rigoureuse du champ diffracté par des inclusions dont la taille caractéristique est petite devant la longueur d'onde de leur illumination dans le milieu d'enfouissement. La prise en compte de la diffraction multiple dans le cas de deux inclusions sphériques est abordée grâce à un tenseur de polarisation spécifique qui est calculé dans un système approprié de coordonnées bisphériques. Le modèle de Foldy-Lax est aussi utilisé afin de prendre en compte le couplage entre plusieurs inclusions. Les simulations numériques montrent que cet effet de couplage ne peut être ressenti qu'en leurs voisinages immédiats. Une configuration d'enfouissement en demi-espace est aussi étudiée en détail. Les dyades de Green alors nécessaires sont calculées de manière exacte par "force brutale" numérique. Puis trois méthodes approchées de calcul des intégrales de Sommerfeld qui sont impliquées sont proposées, les simulations montrant qu'elles font gagner un temps de calcul significatif dans le calcul de ces dyades, tout en étant de précision convenable. La prise en compte du couplage entre une sphère et l'interface est aussi investiguée grâce à un tenseur de polarisation adéquat en coordonnées bisphériques (de facto, une des deux sphères dégénère en cette interface). A chaque fois, les champs diffractés simulés par la méthode asymptotique sont comparés à des champs obtenus par la méthode dite des dipôles couplés (CDM). Les résultats montrent que la méthode asymptotique fournit des valeurs du champ diffracté satisfaisantes tant que les tailles des inclusions restent assez petites devant la longueur d'onde. L'algorithme d'imagerie MUSIC est quant à lui utilisé pour détecter ces inclusions à partir de leur matrice de réponse multistatique (MSR) collectée via un réseau plan d'extension limitée de dipôles émetteurs-récepteurs idéaux. L'analyse des valeurs et des vecteurs singuliers de la matrice MSR montre qu'il existe une différence entre les données calculées par la méthode asymptotique et celles calculées par la méthode CDM. Mais cette différence ne persiste pas si l'on considère des données bruitées, même à relativement faible niveau de bruit. Dans les deux cas, MUSIC permet une estimation fiable de la position des inclusions, la notion de "super-localisation" étant en particulier discutée. Une méthode est par ailleurs proposée afin de détecter l'angle d'inclinaison d'un ellipsoïde incliné enfoui.

Abstract The focus of this thesis is to study direction of arrival (DoA) estimation algorithms for reconfigurable leaky-wave antennas and advanced antenna arrays. Directional antennas can greatly improve the spectrum reuse, interference avoidance, and object and people localization. DoA estimation algorithms have also been shown to be useful for applications such as positioning for user tracking and location-based services in wireless local area networks (WLANs). The main goal is to develop novel DoA estimation algorithms for both advanced antenna arrays and composite right/left-handed (CRLH) leaky-wave antennas (LWAs). The thesis introduces novel modifications to existing DoA estimation algorithms and shows how these can be modified for real-time DoA estimation using both antenna types. Three modified DoA estimation algorithms for CRLH-LWAs are presented: 1) modified multiple signal classification (MUSIC), 2) power pattern cross-correlation (PPCC), and 3) adjacent power pattern ratio (APPR). Additionally, the APPR algorithm is also applied to advanced antenna arrays. The thesis also presents improvements to the modified MUSIC and APPR algorithms. The complexity of the algorithms is reduced by selecting a smaller number of received signals from different directions. The results show that the selection of the radiation patterns is very important and that the proposed algorithms can successfully estimate the DoA, even in a real-world environment. Based on the results, this thesis provides a good starting point for future research of DoA estimation algorithms to enhance the performance of future-generation wireless networks and the accuracy of localization. / Tiivistelmä Tässä väitöskirjassa tutkitaan suunnanestimointialgoritmeja uudelleen konfiguroituville vuotoaaltoantenneille (LWA, leaky wave antenna) ja kehittyneille antenniryhmille. Suuntaavilla antenneilla voidaan parantaa huomattavasti spektrin uudelleen käyttöä ja esineiden ja ihmisten sijaintipaikannusta sekä pienentää häiriöitä. Suunnanestimointialgoritmit ovat myös osoittautuneet hyödylliseksi esimerkiksi seuranta- ja sijaintipaikannuspalvelusovelluksille langattomissa lähiverkoissa. Työn päätavoite on kehittää uusia suunnanestimointialgoritmeja sekä kehittyneille antenniryhmille että vuotoaaltoantenneille (composite right/left-handed (CRLH) LWA). Työssä osoitetaan, miten olemassa olevia suunnanestimointialgoritmeja voidaan muokata uudella tavalla, jotta ne soveltuisivat molemmille antennityypeille reaaliaikaiseen suunnanestimointiin. Vuotoaaltoantennille on kehitetty kolme erilaista suunnanestimointialgoritmia: 1) muunneltu MUSIC- (multiple signal classification), 2) säteilykyvioiden tehojen ristikorrelaatio- (PPCC, power pattern cross correlation) ja 3) vierekkäisten säteilykuvioiden tehosuhdealgoritmi (APPR, adjacent power pattern ratio). APPR-algoritmia on myös käytetty kehittyneelle antenniryhmälle. Työssä esitetään myös parannuksia muunnelluille MUSIC- ja APPR-algoritmeille. Algoritmien kompleksisuutta voidaan pienentää valitsemalla vähemmän vastaanotettuja signaaleja. Tulokset osoittavat, että signaalien valinta on hyvin tärkeää ja ehdotetut algoritmit estimoivat onnistuneesti saapuvan signaalin suunnan todellisessa mittausympäristössä. Yhteenvetona voidaan sanoa, että tämä väitöstyö on hyvä lähtökohta suunnanestimointialgoritmitutkimukselle, jonka tavoitteena on parantaa tulevien sukupolvien langattomien verkkojen suorituskykyä ja paikannuksen tarkkuutta.

This diploma thesis deals with the design and implementation of an electronic module for acoustic detection. The module has the task of detecting a predetermined acoustic signals through them learned classification model. The module is used mainly for security purposes. To identify and classify the proposed model using machine learning techniques. Given the possibility of retraining for a different set of sounds, the module becomes a universal sound detector. With acoustic sound using the digital MEMS microphone, for which it is designed and implemented conversion filter. The resulting system is implemented into firmware microcontroller with real time operating system. The various functions of the system are realized with regard to the possible optimization (less powerful MCU or battery power). The module transmits the detection results of the master station via Ethernet network. In the case of multiple modules connected to the network to create a distributed system, which is designed for precise time synchronization using PTP protocol defined by the IEEE-1588 standard.