La procédure d'identification consiste à rechercher un modèle mathématique adéquat pour un système donné à partir de données expérimentales et de connaissances disponibles a priori. La majorité des techniques ont été développées sous l'hypothèse d'un signal d'entrée parfaitement connu. Or, dans certains cas, celui-ci est également mesuré avec un capteur, et sa connaissance est autant sujette à erreur que celle de la sortie. C'est cette dernière situation où l'entrée et la sortie du système sont entachées de bruits -- nommée identification de modèles avec des erreurs en les variables (EIV) - qui est étudiée.<br />Le chapitre d'introduction permet de motiver l'intérêt porté aux modèles EIV. Le problème est ensuite formellement posé, avant la mise en évidence de quelques-unes des difficultés qui lui sont inhérentes.<br />Le second chapitre traite de l'identification de modèles à temps discret, et est lui-même divisé en deux parties. La première partie s'intéresse aux méthodes utilisant les statistiques d'ordre deux. Après avoir exposé les principales méthodes existantes, une présentation unifiée des méthodes de compensation du biais de l'estimateur des moindres carrés est donnée. Différents estimateurs fondés sur la technique de la variable instrumentale sont ensuite proposés. La seconde partie du chapitre porte sur les méthodes ayant recours aux statistiques d'ordre supérieur. Après un rapide état de l'art, les estimateurs des moindres carrés et des moindres carrés itératifs fondés sur l'équation du modèle, vérifiée par les cumulants, sont présentés. Enfin, le chapitre se conclut par l'obtention de l'expression de la matrice de covariance asymptotique de l'estimateur des moindres carrés fondés sur les cumulants d'ordre trois, proposé auparavant.<br />Le chapitre trois traite de l'identification de modèles EIV à temps continu. Si l'identification de modèles EIV à temps discret a fait l'objet de nombreux travaux au cours des dernières années, le cas des modèles à temps continu n'a en revanche été que très peu étudié. Après avoir exposé l'intérêt particulier des méthodes directes d'identification de modèles à temps continu, un état de l'art est dressé, au cours duquel nous présentons sur les rares méthodes existantes. Des estimateurs ayant recours aux cumulants d'ordre trois et d'ordre quatre sont ensuite proposés. Ils permettent en particulier de s'affranchir des hypothèses structurelles sur les bruits en entrée et en sortie, et par conséquent de traiter le cas général de bruit colorés (et même mutuellement corrélés) en entrée et en sortie.

La séparation de sources consiste à extraire des signaux appelés sources à partir seulement de mélanges observés de ces signaux appelés observations. De nombreuses approches ont été brièvement présentées dans ce manuscrit. La plupart de ces approches exploite l'hypothèse d'indépendance des sources.<br />Dans cette thèse, nous avons considéré le cas des mélanges linéaires convolutifs. Nous proposons de calculer les contributions des sources sur les capteurs afin d'optimiser la procédure de séparation.<br />L'estimation des contributions dans les observations est réalisée grâce à un critère quadratique optimisé par un filtre de Wiener. Ensuite, nous étudions deux approches de séparation de sources. <br />La première utilise l'information mutuelle comme critère d'indépendance et la seconde dite fonction de contraste est basée sur les statistiques d'ordre quatre. L'utilisation des contributions des sources sur les capteurs dans la phase de séparation nous permet de proposer deux algorithmes de séparation, qui constituent deux généralisations d'algorithmes classiques.

Nous nous intéressons à la déconvolution aveugle de signaux bruités et plus précisément de signaux d'imagerie sismique. Pour réaliser l'inversion, nous souhaitons effectuer une sélection des statistiques d'ordre supérieur adaptées à la distribution du signal à déconvoluer. Pour cela, nous nous appuyons sur l'hypothèse de blancheur ou de non-gaussianité. Nous proposons une approche avec le taux d'information mutuelle comme mesure de blancheur et une autre basée sur la non-gaussianité du signal de sortie mesurée par la néguentropie. Après le développement d'algorithmes dans le domaine temporel et fréquentiel, nous caractérisons l'influence sur les critères du bruit additif présent sur les données. Nous démontrons que l'hypothèse de non-gaussianité est plus robuste à la présence d'un bruit additif sur les données blanc et gaussien. Cette approche permet pour des données synthétiques et réelles un très bon compromis entre la qualité de la déconvolution et l'amplification du bruit.

Depuis maintenant une vingtaine d'années, l'essor des télécommunications numériques a généré toute une panoplie de méthodes dites de déconvolution aveugle. Celles-ci permettent de séparer les différentes composantes d'un produit de convolution sans en avoir aucune connaissance a priori. L'objectif de ce travail de thèse a été d'étudier leurs modalités d'applications à la sismologie, afin notamment, d'estimer la fonction source du mouvement sismique ou les effets de site. L'adaptation de la déconvolution à phase minimale au signal de coda, nous a permis d'identifier les fonctions sources de deux types d'évènements sismiques : l'explosion sous-marine du Kursk (12/08/2000), d'une part et le séisme de Rambervillers (22/02/2003, Ml=5.4) d'autre part. Nous avons ainsi pu estimer respectivement la profondeur, la charge de l'explosion ainsi que la durée et le moment sismique du séisme. Grâce à cette méthode, nous avons montré qu'il est aussi possible d'estimer les effets de site en différentes stations du RAP pourtant séparées de plusieurs dizaines de kilomètres. Nous avons ensuite appliqué les méthodes de déconvolution aveugle par statistique d'ordre supérieur aux signaux de coda stationnarisés du séisme de Rambervillers. Ces méthodes ont l'avantage de supprimer l'hypothèse de phase minimale, contraignante et théoriquement non justifiée en sismologie. La fonction source obtenue grâce à la tricorrélation moyennée sur l'ensemble du réseau, est très similaire à celle obtenue après déconvolution par fonction de Green Empirique. Les exemples traités montrent que les méthodes développées ici sont très prometteuses et mériteraient d'être appliquées à de nombreux autres jeux de données.

Cette étude propose une nouvelle méthode pour estimer l'angle et la distance afin de localiser des objets reposants sur le fond ou enfouis dans les sédiments marins. L'originalité de cette méthode réside en l'estimation simultanée de l'angle et la distance dans un environnement bruité et en présence de signaux corrélés. Les statistiques d'ordre supérieur ont été utilisées pour pallier au problème du bruit et ceci en formant la matrice des cumulants pour chaque fréquence. Ensuite, un lissage fréquentiel est appliqué pour former la matrice des cumulants focalisée afin d'estimer le sous-espace signal cohérent. C'est ce dernier traitement qui permet de décorréler les signaux. Ainsi, pour estimer les paramètres des objets, la matrice interspectrale est remplacée par la matrice des cumulants focalisée et le modèle du champ acoustique diffusé est utilisé au lieu du modèle d'onde plane dans la méthode MUSIC (MUltiple SIgnal Classification). D'autre part, les déphasages des signaux dus aux déformations de l'antenne ont été estimés en utilisant l'algorithme DIRECT (DIviding RECTangles). Les performances de cette méthode ont été évaluées sur des données réelles mesurées dans une cuve expérimentale où plusieurs objets ont été enfouis sous le sable. La méthode proposée est supérieure en terme de performances comparée aux méthodes classiques. Cette supériorité est vérifiée qu'elle que soit la position de l'objet, champ lointain ou de champ proche de l'antenne. Les bons résultats de la localisation des objets sont encourageants et très prometteurs.

Les principales contributions de cette thèse concernent l'identification à temps continu des systèmes par modèles non entiers dans un contexte à erreurs en les variables. Deux classes de méthodes sont développées : la première classe est fondée sur les statistiques d'ordre trois et la deuxième est fondée sur les statistiques d'ordre quatre. Dans chaque classe, deux cas différents sont distingués : le premier cas suppose que tous les ordres de dérivation non entiers sont connus a priori et seuls les coefficients de l'équation différentielle non entière sont estimés en utilisant les estimateurs fondés sur les statistiques d'ordre supérieur. Le deuxième cas suppose que les ordres de dérivation sont commensurables à un ordre nu estimé au même titre que les coefficients de l'équation différentielle non entière par des techniques d'optimisation non linéaire combinées aux estimateurs fondés sur les cumulants d'ordre trois et quatre. Des exemples de simulation numérique illustrent les développements théoriques. Des applications pratiques sur la modélisation du phénomène de diffusion de chaleur dans un barreau d'Aluminium et sur la modélisation d'un système électronique ont montré la pertinence des méthodes développées. / This thesis deals with continuous-time system identification by fractional models in the EIV context. Two classes of methods are developed : the first class is based on third-order statistics and the second one is based on fourth-order statistics. Firstly, all differentiation orders are known a priori and only the coefficients of the differential equation are estimated using the developed algorithms based on higher-order statistics. Then, they are extended to estimate both the fractional differential equation coefficients and the commensurate order. Simulation examples display the theoretical developments on system identification in the EIV context. A practical application for modeling heat transfer phenomena in an aluminium rod and for modeling an electronic real system have shown the efficiency of the developed methods.

Les principales contributions de cette thèse concernent l'identification à temps continu des systèmes par modèles non entiers dans un contexte à erreurs en les variables. Deux classes de méthodes sont développées : la première classe est fondée sur les statistiques d'ordre trois et la deuxième est fondée sur les statistiques d'ordre quatre. Dans chaque classe, deux cas différents sont distingués : le premier cas suppose que tous les ordres de dérivation non entiers sont connus a priori et seuls les coefficients de l'équation différentielle non entière sont estimés en utilisant les estimateurs fondés sur les statistiques d'ordre supérieur. Le deuxième cas suppose que les ordres de dérivation sont commensurables à un ordre nu estimé au même titre que les coefficients de l'équation différentielle non entière par des techniques d'optimisation non linéaire combinées aux estimateurs fondés sur les cumulants d'ordre trois et quatre. Des exemples de simulation numérique illustrent les développements théoriques. Des applications pratiques sur la modélisation du phénomène de diffusion de chaleur dans un barreau d'Aluminium et sur la modélisation d'un système électronique ont montré la pertinence des méthodes développées.