Cette thèse se compose de deux parties. La première traite du codage et du décodage des codes espace-temps par blocs, dans le cas où ni l'émetteur ni le récepteur n'ont d'informations sur le canal. Nous étudions une famille particulière de codes obtenus à travers une fonction non linéaire appelée fonction exponentielle. Cette partie est formée de quatre chapitres. Dans le chapitre 2, nous reportons le modèle du canal, des rappels de mathématique et les résultats déjà connus dans la littérature sur les codes espace-temps non cohérents. Dans le chapitre 3, nous approfondissons les codes obtenus par la fonction exponentielle, en expliquant l'interprétation géométrique de la procédure de codage et en résolvant des problèmes ouverts sur ce sujet. Dans le chapitre 4, nous proposons un nouveau décodeur simplifié dans le cas d'une antenne à l'émission et de plusieurs antennes à la réception. Une discussion sur la complexité et les paramètres du décodeur est fournie, ainsi que des simulations et des comparaisons avec d'autres propositions. Dans le chapitre 5, nous abordons le cas général à plusieurs antennes à l'émission et nous proposons deux décodeurs simplifiés, ainsi qu'une discussion sur leurs paramètres et leurs complexités. Des simulations des performances et des comparaisons sont également présentées. La deuxième partie de la thèse est formée par le chapitre 6, qui traite de la décomposition des signaux CPM en impulsions PAM. La CPM est une modulation non linéaire: obtenir une description linéaire du signal peut donc être intéressant pour simplifier le projet de codes et de récepteurs pour ces systèmes. Une conclusion finale clôt le travail.

Dans cette étude, on cherche à résoudre un problème qui est au cœur de toute théorie de la perception : celui de l'invariance perceptive. Plus précisément, on cherche à modéliser les mécanismes neurophysiologiques qui sous-tendent l'acquisition de cette propriété fondamentale du système perceptif, qui consiste à "reconnaître" l'invariance de certaines qualités des objets dans l'environnement, malgré la diversité de formes que peut présenter l'information que le système en reçoit. Le point de départ est essentiellement neurophysiologique. A partir de la description du comportement et de l'organisation des neurones dans différentes régions du cerveau, spécialement des neurones impliqués dans la perception visuelle, on définit la notion de répertoire, qui va être le concept de base de notre modèle. Un répertoire est conçu comme le support neuronal de toute activité perceptive ; muni de deux variétés différentielles, la variété réceptrice et la variété effectrice, il est composé d'éléments qui représentent les unités fonctionnelles de notre modèle. Les données psychologiques et neurophysiologiques sur les capacités d'adaptation et d'apprentissage du système nerveux nous conduisent à définir une dynamique de renforcement sur les répertoires. Cette dynamique consiste en des modifications des poids des éléments du répertoire, c'est-à-dire de leur contribution à son comportement global. On démontre alors que, dans des conditions convenables, le répertoire va se stabiliser sous l'effet du renforcement et s'adapter aux contraintes environnementales auxquelles il est soumis. La théorie mathématique utilisée pour faire cette démonstration est celle des processus de Markov telle qu'elle a été développée par Norman (1972) pour les modèles d'apprentissage. On s'intéresse particulièrement à certains types de répertoires (répertoires disjoints et répertoires à renforcement sélectif) pour lesquels les processus stochastiques d'apprentissage se ramènent, en première approximation, à des processus dynamiques déterministes. On discute alors des points forts et des faiblesses du modèle, en comparant ses performances d'une part à la réalité biologique qu'il est censé représenter et d'autre part à d'autres types de modélisation qui ont pu être proposés. On essaie ensuite d'appliquer le modèle à la résolution du problème posé : on prouve que la stabilisation de répertoires bien choisis permet de rendre compte de l'acquisition d'invariants perceptifs impliqués dans des comportements sensori-moteurs simples. Au passage, on est amené à se poser le problème de la stabilisation de* systèmes de répertoires et on le résout en partie. Enfin, on essaie de généraliser ces résultats à des processus perceptifs plus complexes, ce qui nous conduit à lier la notion d'invariants perceptifs à celle d'action de groupes de Lie sur des variétés et l'on montre l'intérêt de cette approche dont la première formulation remonte à Poincaré (1902, 1905).