Syftet med projektet var att ta fram en ny cykelbelysning för att höja cyklisters säkerhet och förenkla trafikregler samt utförandet av signalering. Genom en nulägesanalys av befintliga produkter, elektronikkomponenter och slutanvändarnas uttalanden kunde kundbehov tas fram. Därefter rangordnades kundbehoven och en funktionslista tillsammans med en produktspecifikation kunde verkställas. Med dem som grund utfördes en idégenerering med flera olika lösningskoncept där ett val gjordes baserat på en Kesselringmatris. Det vinnande konceptet var ett par pedaler med integrerad belysning. Genom en accelerometer fungerar pedalen som en bromslykta och med hjälp av en extern kontroll kan körriktningsvisare sättas igång som projiceras på marken. Elektriciteten som behövs till pedalernas belysning genereras när cyklisten roterar pedalaxeln via en generator. Som slutsats uppfylldes projektets mål men mer arbete behöver göras kring projektets avgränsningar för en färdig produkt. / The purpose of the project was to develop a new bicycle light in order to improve cyclists’ safety and to make it easier for them to follow traffic regulations. Using a status analysis of existing products, electronics and the end users statements the customer needs could be documented. Then the needs were ranked and a function list together with a product specification was produced. With them as a base the brainstorming could begin where multiple concept solutions were made and one of them chosen as a winner through a Kesselring matrix. The winning concept was a pair of pedals with integrated lighting. With the help of an accelerometer the pedal worked as a brake light and with an external control system turn signals could be turned on and were projected on the ground. The electricity needed for the pedals light system is generated when the user rotates the pedal axis with the help of a generator. As a conclusion all the project goals were fulfilled but more work needs to be done regarding the projects limitations for a complete production ready product.

No description available.

International Telemetering Conference Proceedings / October 23-26, 2000 / Town & Country Hotel and Conference Center, San Diego, California / Range to an orbiting satellite from a ground reference point (ground station) can be determined by measuring the round trip time for a waveform transmitted to the satellite and returned to the ground station (Turnaround Ranging) and more recently by using the Global Positioning System (GPS). This paper first summarizes and compares the two approaches. The paper then describes and analyzes a new turn-around ranging system which uses a flexible ranging waveform that provides spectral compatibility with existing Military, NASA, and Commercial satellite uplink/downlink signals.

published_or_final_version / Transport Studies / Master / Master of Arts

Chez les espèces où mâles et femelles portent des traits voyants et élaborés, les traits observés chez les femelles peuvent être des sous-produits non-fonctionnels de la sélection sexuelle exercée sur les traits mâles ou alors être directement soumis à la sélection. Cette thèse a eu pour objectif de tester l'hypothèse de sélection sexuelle chez les femelles de Mésange bleue (Cyanistes caeruleus) sur trois traits présents chez le mâle et la femelle : (1) la coloration structurelle UV/bleue de la tête, (2) la coloration jaune basée sur les caroténoïdes de la poitrine et (3) l'agressivité. Pour cela, nous avons testé expérimentalement (1) le lien entre les traits colorés et le transfert de composants potentiellement bénéfiques dans les ufs, (2) la condition-dépendance des traits colorés, (3) l'utilisation de la coloration du plumage dans les interactions femelle-femelle et (4) le lien entre l'agressivité des femelles et leur investissement dans la reproduction. Enfin, nous avons exploré le rôle potentiel des couleurs femelles dans le choix de partenaires mâle en testant le lien entre la couleur UV/bleue des femelles et le nombre de jeunes issus de copulations hors couple et l'appariement selon la couleur bleue et jaune dans notre population. Nos résultats suggèrent (1) qu'il existe un lien entre la qualité maternelle et la coloration de leur plumage, (2) que les couleurs UV/bleues et jaune du plumage sont conditions-dépendants, (3) que les UV/bleus de la tête sont utilisés comme badge de statut dans les interactions femelle-femelle, (4) qu'il pourrait exister un compromis entre l'agressivité femelle et son investissement dans la reproduction et (5) qu'il existe un potentiel choix mutuel de partenaires basés sur les couleurs. Au final, cette thèse a ainsi permis de mettre en évidence que chez une espèce où mâles et femelles sont ornementés, les traits colorés femelles ont le potentiel d'évoluer sous l'effet direct de la sélection sexuelle. / In mutually ornamented species, female conspicuous traits could be non-functional by-products of sexual selection acting on male traits or could be directly under selection. The aim of this PhD was to test the hypothesis of sexual selection in Blue tit (Cyanistes caeruleus) females on three traits present in both males and females: (1) the structural coloration of the UV/blue crown, (2) the yellow chest coloration based on carotenoids and (3) aggressiveness. To do so, we experimentally tested (1) the links between plumage coloration and the transfer of potentially beneficial components in egg yolks, (2) the condition-dependence of the plumage coloration, (3) the use of the plumage coloration in female-female interactions and (4) the link between female aggressiveness and investment in reproduction. Finally, we explored the role of female plumage coloration in male mate choice by testing the link between female UV/blue crown coloration and the n umber of extra-pair young in the nest and by estimating whether the individuals were assortatively mated in respect of their yellow and blue coloration in the studied population. Our results suggest that (1) there is a link between female plumage coloration and maternal quality, (2) plumage UV/blue and yellow coloration is condition-dependant, (3) the UV/blue crown is used as a badge of status in female-female interactions, (4) there could be a trade-off between female aggressiveness and female investment in reproduction and (5) there is a potential mutual mate choice based on both coloration. So, this PhD supports the hypothesis that in a mutually ornamented species, female ornaments are potentially under direct sexual selection.

Endometriosis is an oestrogen-dependent gynaecological condition defined as the presence of endometrial tissue outside the uterus cavity. The condition is predominantly found in women in their reproductive years, and associated with significant pelvic and abdominal chronic pain and infertility. The disease is believed to affect approximately 33% of women by a recent study. Currently, surgical intervention, often laparoscopic surgery, is the gold standard for diagnosing the disease and it remains an effective and common treatment method for all stages of endometriosis. Magnetic resonance imaging (MRI) of the patient is performed before surgery in order to locate any endometriosis lesions and to determine whether a multidisciplinary surgical team meeting is required. In this dissertation, our goal is to use image processing techniques to aid surgical planning. Specifically, we aim to improve quality of the existing images, and to automatically detect bladder endometriosis lesion in MR images as a form of bladder wall thickening. One of the main problems posed by abdominal MRI is the sparse anisotropic frequency sampling process. As a consequence, the resulting images consist of thick slices and have gaps between those slices. We have devised a method to fuse multi-view MRI consisting of axial/transverse, sagittal and coronal scans, in an attempt to restore an isotropic densely sampled frequency plane of the fused image. In addition, the proposed fusion method is steerable and is able to fuse component images in any orientation. To achieve this, we apply the Riesz transform for image decomposition and reconstruction in the frequency domain, and we propose an adaptive fusion rule to fuse multiple Riesz-components of images in different orientations. The adaptive fusion is parameterised and switches between combining frequency components via the mean and maximum rule, which is effectively a trade-off between smoothing the intrinsically noisy images while retaining the sharp delineation of features. We first validate the method using simulated images, and compare it with another fusion scheme using the discrete wavelet transform. The results show that the proposed method is better in both accuracy and computational time. Improvements of fused clinical images against unfused raw images are also illustrated. For the segmentation of the bladder wall, we investigate the level set approach. While the traditional gradient based feature detection is prone to intensity non-uniformity, we present a novel way to compute phase congruency as a reliable feature representation. In order to avoid the phase wrapping problem with inverse trigonometric functions, we devise a mathematically elegant and efficient way to combine multi-scale image features via geometric algebra. As opposed to the original phase congruency, the proposed method is more robust against noise and hence more suitable for clinical data. To address the practical issues in segmenting the bladder wall, we suggest two coupled level set frameworks to utilise information in two different MRI sequences of the same patients - the T2- and T1-weighted image. The results demonstrate a dramatic decrease in the number of failed segmentations done using a single kind of image. The resulting automated segmentations are finally validated by comparing to manual segmentations done in 2D.

Cette thèse présente trois méthodes pour l’identification des rigidités des structures d’usage commun dans l’ingénierie civile, à partir de données dynamiques expérimentales. La première méthode est développée pour des structures composées pour portiques. La deuxième méthode proposée est appliquée à des structures constituées pour des poutres isostatiques. La troisième est une méthodologie d’estimation des rigidités en flexion (EI) et au cisaillement (GA/?) pour une structure constituée de murs dont les énergies de déformation en flexion et cisaillement peuvent être soit du même ordre de grandeur, soit l’une prépondérante par rapport à l’autre. Pour chaque méthode, des simulations numériques sont effectuées pour identifier les dommages structuraux ou les variations des rigidités, en termes de localisation et de magnitude de ces dommages. L'incidence et l'impact des erreurs et bruits sur les valeurs estimées des rigidités structurales sont analysés. Les méthodologies sont également appliquées pour localiser des dommages mécaniques ou des réductions de section sur modèles de laboratoire. A partir des concepts dynamiques de base et considérant une typologie donnée de structure, la thèse développe les concepts et formulations permettant d’identifier les rigidités résiduelles des structures considérées. Les méthodes peuvent être aisément mises en oeuvre pour déterminer les éventuels dommages (localisation et intensité) qui peuvent affecter une structure, par exemple après un séisme. Peu de mesures sont requises à cet effet : des essais de vibration libre et du matériel peu onéreux de mesures sont amplement suffisants dans le cas particulier des structures étudiées / This thesis presents three methods to estimate and locate damage in framed buildings, simply-supported beams and cantilever structures, based on experimental measurements of their fundamental vibration modes. Numerical simulations and experimental essays were performed to study the effectiveness of each method. A numerical simulation of a multi-storey framed building, a real bridge and a real chimney were carried out to study the effectiveness of the methodologies in identifying damage. The influence of measurement errors and noise in the modal data was studied in all cases. To validate the experimental effectiveness of the damage estimation methods, static and dynamics tests were performed on a framed model, a simply supported beam, and a cantilever beam in order to determine the linear behavior changes due to the increase of the level of damage. The structural identification algorithms during this thesis were based on the knowledge type of the stiffness matrix or flexibility matrix to reduce the number of modal shapes and required coordinates for the structural assessment. The methods are intended to develop tools to produce a fast response and support for future decision procedures regarding to structures widely used, by excluding experimental information, thereby allowing a cost reduction of extensive and specific testing

Le contenu généré dans les médias sociaux comme Twitter permet aux utilisateurs d'avoir un aperçu rétrospectif d'évènement et de suivre les nouveaux développements dès qu'ils se produisent. Cependant, bien que Twitter soit une source d'information importante, il est caractérisé par le volume et la vélocité des informations publiées qui rendent difficile le suivi de l'évolution des évènements. Pour permettre de mieux tirer profit de ce nouveau vecteur d'information, deux tâches complémentaires de recherche d'information dans les médias sociaux ont été introduites : la génération de résumé rétrospectif qui vise à sélectionner les tweets pertinents et non redondant récapitulant "ce qui s'est passé" et l'envoi des notifications prospectives dès qu'une nouvelle information pertinente est détectée. Notre travail s'inscrit dans ce cadre. L'objectif de cette thèse est de faciliter le suivi d'événement, en fournissant des outils de génération de synthèse adaptés à ce vecteur d'information. Les défis majeurs sous-jacents à notre problématique découlent d'une part du volume, de la vélocité et de la variété des contenus publiés et, d'autre part, de la qualité des tweets qui peut varier d'une manière considérable. La tâche principale dans la notification prospective est l'identification en temps réel des tweets pertinents et non redondants. Le système peut choisir de retourner les nouveaux tweets dès leurs détections où bien de différer leur envoi afin de s'assurer de leur qualité. Dans ce contexte, nos contributions se situent à ces différents niveaux : Premièrement, nous introduisons Word Similarity Extended Boolean Model (WSEBM), un modèle d'estimation de la pertinence qui exploite la similarité entre les termes basée sur le word embedding et qui n'utilise pas les statistiques de flux. L'intuition sous- jacente à notre proposition est que la mesure de similarité à base de word embedding est capable de considérer des mots différents ayant la même sémantique ce qui permet de compenser le non-appariement des termes lors du calcul de la pertinence. Deuxièmement, l'estimation de nouveauté d'un tweet entrant est basée sur la comparaison de ses termes avec les termes des tweets déjà envoyés au lieu d'utiliser la comparaison tweet à tweet. Cette méthode offre un meilleur passage à l'échelle et permet de réduire le temps d'exécution. Troisièmement, pour contourner le problème du seuillage de pertinence, nous utilisons un classificateur binaire qui prédit la pertinence. L'approche proposée est basée sur l'apprentissage supervisé adaptatif dans laquelle les signes sociaux sont combinés avec les autres facteurs de pertinence dépendants de la requête. De plus, le retour des jugements de pertinence est exploité pour re-entrainer le modèle de classification. Enfin, nous montrons que l'approche proposée, qui envoie les notifications en temps réel, permet d'obtenir des performances prometteuses en termes de qualité (pertinence et nouveauté) avec une faible latence alors que les approches de l'état de l'art tendent à favoriser la qualité au détriment de la latence. Cette thèse explore également une nouvelle approche de génération du résumé rétrospectif qui suit un paradigme différent de la majorité des méthodes de l'état de l'art. Nous proposons de modéliser le processus de génération de synthèse sous forme d'un problème d'optimisation linéaire qui prend en compte la diversité temporelle des tweets. Les tweets sont filtrés et regroupés d'une manière incrémentale en deux partitions basées respectivement sur la similarité du contenu et le temps de publication. Nous formulons la génération du résumé comme étant un problème linéaire entier dans lequel les variables inconnues sont binaires, la fonction objective est à maximiser et les contraintes assurent qu'au maximum un tweet par cluster est sélectionné dans la limite de la longueur du résumé fixée préalablement. / User-generated content on social media, such as Twitter, provides in many cases, the latest news before traditional media, which allows having a retrospective summary of events and being updated in a timely fashion whenever a new development occurs. However, social media, while being a valuable source of information, can be also overwhelming given the volume and the velocity of published information. To shield users from being overwhelmed by irrelevant and redundant posts, retrospective summarization and prospective notification (real-time summarization) were introduced as two complementary tasks of information seeking on document streams. The former aims to select a list of relevant and non-redundant tweets that capture "what happened". In the latter, systems monitor the live posts stream and push relevant and novel notifications as soon as possible. Our work falls within these frameworks and focuses on developing a tweet summarization approaches for the two aforementioned scenarios. It aims at providing summaries that capture the key aspects of the event of interest to help users to efficiently acquire information and follow the development of long ongoing events from social media. Nevertheless, tweet summarization task faces many challenges that stem from, on one hand, the high volume, the velocity and the variety of the published information and, on the other hand, the quality of tweets, which can vary significantly. In the prospective notification, the core task is the relevancy and the novelty detection in real-time. For timeliness, a system may choose to push new updates in real-time or may choose to trade timeliness for higher notification quality. Our contributions address these levels: First, we introduce Word Similarity Extended Boolean Model (WSEBM), a relevance model that does not rely on stream statistics and takes advantage of word embedding model. We used word similarity instead of the traditional weighting techniques. By doing this, we overcome the shortness and word mismatch issues in tweets. The intuition behind our proposition is that context-aware similarity measure in word2vec is able to consider different words with the same semantic meaning and hence allows offsetting the word mismatch issue when calculating the similarity between a tweet and a topic. Second, we propose to compute the novelty score of the incoming tweet regarding all words of tweets already pushed to the user instead of using the pairwise comparison. The proposed novelty detection method scales better and reduces the execution time, which fits real-time tweet filtering. Third, we propose an adaptive Learning to Filter approach that leverages social signals as well as query-dependent features. To overcome the issue of relevance threshold setting, we use a binary classifier that predicts the relevance of the incoming tweet. In addition, we show the gain that can be achieved by taking advantage of ongoing relevance feedback. Finally, we adopt a real-time push strategy and we show that the proposed approach achieves a promising performance in terms of quality (relevance and novelty) with low cost of latency whereas the state-of-the-art approaches tend to trade latency for higher quality. This thesis also explores a novel approach to generate a retrospective summary that follows a different paradigm than the majority of state-of-the-art methods. We consider the summary generation as an optimization problem that takes into account the topical and the temporal diversity. Tweets are filtered and are incrementally clustered in two cluster types, namely topical clusters based on content similarity and temporal clusters that depends on publication time. Summary generation is formulated as integer linear problem in which unknowns variables are binaries, the objective function is to be maximized and constraints ensure that at most one post per cluster is selected with respect to the defined summary length limit.

Recognition of physical and mental responses to stress is important for stress assessment and management as its negative effects in health can be prevented or reduced. Wearable technology, mainly using electroencephalogram (EEG), provides information such as tracking fitness activity, disease detection, and monitoring neurologicalstates of individuals. However, the recording of EEG signals from a wearable device is inconvenient, expensive, and uncomfortable during normal daily activities. This study introduces the application of tensor decomposition of non-EEG data for visualizing and classifying neurological statuses with application to human stress recognition. The multimodal dataset of non-EEG physiological signals publicly available from the PhysioNet database was used for testing the proposed method. To visualize the biosignals in a low dimensional feature space, the multi-way factorization technique known as the PARAFAC was applied for feature extraction. Results show visualizations that well separate the four groups of neurological statuses obtained from twenty healthy subjects. The extracted features were then used for pattern classification. Two statistical classifiers, which are the multinomial logit regression(MLR) and linear discriminant analysis (LDA), were implemented. The results show that the MLR and LDA can identify the four neurological statuses with accuracies of 95% and 98.8%, respectively. This study suggests the potential application of tensor decomposition for the analysis of physiological measurements collected from multiple sensors. Moreover, the proposed study contributes to the advancement of wearable technology for human stress monitoring. With tensor decomposition of complex multi-sensor or multi-channel data, simple classification techniques can be employed to achieve similar results obtained using sophisticated machine-learning techniques.

Les systèmes de navigation par satellites GNSS ne cessent d’évoluer et ils sont déjà utilisés dans de nombreuses applications. Avec la venue des nouveaux systèmes Galileo et BeiDou ainsi que la modernisation des systèmes GPS et GLONASS, de nouveaux satellites ainsi que de nombreuses nouvelles fréquences et de nouveaux signaux feront leur apparition dans les prochaines années et qui vont encore ouvrir la porte à d’innombrables nouvelles applications. L’évolution rapide de la téléphonie mobile nécessite une meilleure exploitation des systèmes de navigation et de positionnement dans les environnements urbains.Jusqu'à maintenant, les signaux de navigation GPS ne peuvent pas être bien captés dans les environnements urbains. Les niveaux des signaux y sont très faibles et il est presque impossible d’acquérir et de poursuivre les signaux de façon autonome à cause de l'importance des obstacles. De plus, le positionnement à l’intérieur et dans les environnements urbains sont aussi soumis aux problèmes de multi-trajets, de masquage, d’interférences et de brouillages. Dans ces conditions, il faut pouvoir traiter des signaux très dégradés ou très courts qui ne permettent pas au récepteur d’effectuer le processus de poursuite. Ainsi, cela nous conduit à la nécessité de repenser l'architecture du récepteur GNSS pour les applications modernes.Ce projet de thèse consiste à développer de nouvelles méthodes et architectures de récepteur GNSS de haute sensibilité et robuste aux dégradations des signaux tout en concevant de nouveaux algorithmes intégrés dans un récepteur GNSS hybride capable de fonctionner dans les environnements urbains profonds ou « intérieurs ».La méthodologie prévoit l’utilisation de la nouvelle approche de « détection collective (CD) » ou « acquisition collaborative ». L'approche collaborative qui traite tous les signaux multi-satellites ouvre une solution intéressante. De nombreuses techniques existent dans la littérature pour résoudre les problèmes de positionnement dans les environnements urbains, mais nous proposons la nouvelle approche de détection collective en raison de sa performance en tant que méthode de positionnement direct et méthode d'acquisition de haute sensibilité, par l'application de la détection vectorielle de tous les satellites visibles. En effet, la bonne combinaison des valeurs de corrélation de plusieurs satellites peut réduire le niveau de C/N0 requis des signaux satellites par les algorithmes standards de traitement (acquisition et poursuite) qui ne peuvent pas être acquis individuellement mais permettent de contribuer de manière constructive à une solution collective de positionnement pour chaque utilisateur. L’objectif est de détecter collaborativement les satellites. La combinaison de différents signaux GNSS peut considérablement augmenter la sensibilité d'acquisition du récepteur. Malgré les avantages de cette approche, elle présente également des inconvénients tels que la charge de calcul élevée en raison du grand nombre de points candidats dans le domaine position/biais d’horloge. Ainsi, le travail proposé dans cette thèse consiste à réduire la complexité du CD en optimisant la recherche de points candidats dans le domaine position/biais d’horloge. Enfin, l'objectif est d'appliquer l'approche de détection collective au positionnement GNSS coopératif pour la navigation moderne dans des environnements difficiles. Pour cela, des algorithmes d'exploitation optimale des ressources du récepteur en sélectionnant les meilleurs satellites ou la station de référence seront développés selon certains critères tels que le niveau du rapport signal sur bruit (C/N_0), l’angle d’élévation des satellites ainsi que la configuration géométrique des satellites visibles. L’objectif final est de proposer une nouvelle architecture de récepteur cognitif de haute sensibilité permettant de recevoir de façon optimale les nouveaux signaux GNSS. / GNSS satellite navigation systems are constantly evolving and have been already used in many applications. With the advent of the new systems Galileo and BeiDou as well as the modernization of GPS and GLONASS systems, new satellites and numerous new frequencies and signals will appear in the coming years and will open door to countless new applications that are currently impossible. The rapid evolution of mobile telephony and personal navigation devices (PND) requires better use of navigation systems in non-ideal environments, especially the need for positioning in deep urban area. On the one hand, users are waiting for a high positioning accuracy, because of the proximity to various points of interest. On the other hand, urban environment brings specific difficulties in receiving GNSS signals.GNSS navigation signals cannot be properly captured in urban and "indoor" environments. Signal levels are very low and it is almost impossible to acquire and track signals autonomously because of the strong attenuation of signals due to obstacles. In addition, indoor and urban positioning are also subject to multipath problems, masking, interference and jamming. Under these conditions, we must be able to process highly degraded or very short signals that do not allow the receiver to go through the tracking process. Thus, this leads us to the need to rethink the architecture of GNSS receiver for modern applications.This thesis project consists of developing new GNSS methods and architectures of high sensitivity and robustness to signal degradations and designing new algorithms integrated into a hybrid GNSS receiver capable of operating in deep urban environments.The methodology involves the use of the new concept of “Collective Detection (CD)”, also called “collaborative acquisition”. The collaborative approach that treats multi-satellite signals all together opens an interesting solution. Many techniques exist in the literature to solve the problems of positioning in urban environments, but we propose the new Collective Detection approach because of its performance as both a Direct Positioning method, providing a coarse position/clock-bias solution directly from acquisition, and High-Sensitivity acquisition method, by application of vector detection of all satellites in view. Indeed, the correct combination of the correlation values of several satellites can reduce the required Carrier-to-Noise Ratio (C/N_0) level of the satellite signals which cannot be acquired individually by standard signal processing (acquisition and tracking) but make it possible to use them constructively to a positioning solution. The combination of different GNSS signals can considerably increase the acquisition sensitivity of the receiver. Despite the advantages of this approach, it also has drawbacks such as the high computational burden because of the large number of candidate points in the position/clock-bias domain. Thus, the work proposed in this thesis consists of reducing the complexity of the CD by optimizing the search for candidate points in position/clock-bias domain. Finally, the goal is to apply the CD approach to Cooperative GNSS Positioning for modern navigation in harsh environments. For that, algorithms for optimally exploiting receiver resources by selecting the best satellites or the reference station will be developed according to certain criteria such as the C/N_0 level, the elevation angle, and the geometric configuration of the visible satellites. The ultimate goal is to propose a design of a new smart receiver “High Sensitivity Cognitive GNSS Receiver (HS-CGR)” to optimally receive and process GNSS signals.