Search

This paper presents a technique to reinforce a proprioceptive system of indoor pedestrian location, assisted by a camera,embedded in a phone. A YOLOv5 neural network is trained to detect landmarks present in the images. The main contributionof this paper is to allow the system to identify false positives by introducing geometric and spatial constraints drawn from thebuilding map. This is accomplished by a Particle Filter with management of particles in groups validating or not the detection in amulti-hypothesis mode., Ce papier présente une technique pour renforcer un système proprioceptif de localisation piétonne en intérieur, assisté par une caméra, embarqué dans un téléphone. Un réseau de neurones YOLOv5 est entraîné pour détecter des amers présents dans les images. La principale contribution de ce papier est de permettre au système d'identifier les faux positifs en introduisant des contraintes géométriques et spatiales tirées de la carte du bâtiment. Ceci est accompli par un Filtre Particulaire avec gestion des particules en groupe validant ou non la détection dans un mode multi-hypothèses.

The aim of the thesis is to implement a data assimilation scheme in the hydro-biogeochemical model ProSe, in order to assimilate continuous measurements of dissolved oxygen in the water column and to determine the temporal evolution of the physiological properties of the communities of living species. First, a new parallel version of ProSe, ProSe-P, is developed coupling the three packages: hydrodynamic, transport and biogeochemical (C-RIVE). Second, a sensitivity analysis of the C-RIVE model allows the identification of a limited number of influentiel parameters controlling the dissolved oxygen concentrations. Based on the selection, a particle filtering algorithm is implemented in order to assimilate sequentially the high frequency oxygen data. The coupling ProSe-P-particle filtre, ProSe-PA is then applied on a synthetic case to tune the numerical settings for the data assimilation and to test the efficiency of the particle filter in river water quality models. Finally, the continuous measurements of dissolved oxygen of the year 2011 in the Seine River are assimilated by ProSe-PA. The results show that ProSe-PA improves significantly the simulation of the dissolved oxygen concentrations, especially the dynamics of algal blooms periods and the fast chute of O2 for the critical periods. This application to the real oxygen data reveals however some limits of the developed approach, especially the sensitivity to the boundary conditions. Some ideas are proposed to improve the performances of ProSe-PA.; Cette thèse a pour objectif d'implémenter un schéma d'assimilation de données dans le modèle hydro-biogéochimique ProSe, afin d’assimiler les mesures en continu d’oxygène dissous de la colonne d’eau et de déterminer l’évolution temporelle des propriétés physiologiques des communautés vivantes. Dans un premier temps, une nouvelle version parallélisée de ProSe, ProSe-P, est développée en couplant les librairies hydraulique, de transport et biogéochimique (C-RIVE). Dans un deuxième temps, une analyse de sensibilité du module C-RIVE permet d'identifier un nombre restreint de paramètres influençant fortement les concentrations en oxygène dissous. Basé sur cette sélection, un algorithme de filtrage particulaire est implémenté afin d'assimiler séquentiellement les données haute fréquence d'oxygène dissous. Le couple ProSe-P-filtre particulaire, ProSe-PA, est ensuite appliqué sur un cas synthétique afin d'identifier les paramètres numériques pertinents et de valider l'efficacité du filtre particulaire pour les modèles de qualité de l'eau en rivière. Enfin, les mesures en continu d'O2 dissous de l'année 2011 en Seine sont assimilées par ProSe-PA. Les résultats montrent que ProSe-PA améliore significativement la simulation des concentrations en oxygène dissous, notamment les dynamiques alguales et les chutes d'oxygène pendant les périodes de crise. L'application aux données réelles révèle cependant les limites de l'approche développée, notamment la sensibilité aux conditions aux limites. Plusieurs pistes sont proposées afin d'améliorer les performances de ProSe-PA.

The aim of the thesis is to implement a data assimilation scheme in the hydro-biogeochemical model ProSe, in order to assimilate continuous measurements of dissolved oxygen in the water column and to determine the temporal evolution of the physiological properties of the communities of living species. First, a new parallel version of ProSe, ProSe-P, is developed coupling the three packages: hydrodynamic, transport and biogeochemical (C-RIVE). Second, a sensitivity analysis of the C-RIVE model allows the identification of a limited number of influentiel parameters controlling the dissolved oxygen concentrations. Based on the selection, a particle filtering algorithm is implemented in order to assimilate sequentially the high frequency oxygen data. The coupling ProSe-P-particle filtre, ProSe-PA is then applied on a synthetic case to tune the numerical settings for the data assimilation and to test the efficiency of the particle filter in river water quality models. Finally, the continuous measurements of dissolved oxygen of the year 2011 in the Seine River are assimilated by ProSe-PA. The results show that ProSe-PA improves significantly the simulation of the dissolved oxygen concentrations, especially the dynamics of algal blooms periods and the fast chute of O2 for the critical periods. This application to the real oxygen data reveals however some limits of the developed approach, especially the sensitivity to the boundary conditions. Some ideas are proposed to improve the performances of ProSe-PA.; Cette thèse a pour objectif d'implémenter un schéma d'assimilation de données dans le modèle hydro-biogéochimique ProSe, afin d’assimiler les mesures en continu d’oxygène dissous de la colonne d’eau et de déterminer l’évolution temporelle des propriétés physiologiques des communautés vivantes. Dans un premier temps, une nouvelle version parallélisée de ProSe, ProSe-P, est développée en couplant les librairies hydraulique, de transport et biogéochimique (C-RIVE). Dans un deuxième temps, une analyse de sensibilité du module C-RIVE permet d'identifier un nombre restreint de paramètres influençant fortement les concentrations en oxygène dissous. Basé sur cette sélection, un algorithme de filtrage particulaire est implémenté afin d'assimiler séquentiellement les données haute fréquence d'oxygène dissous. Le couple ProSe-P-filtre particulaire, ProSe-PA, est ensuite appliqué sur un cas synthétique afin d'identifier les paramètres numériques pertinents et de valider l'efficacité du filtre particulaire pour les modèles de qualité de l'eau en rivière. Enfin, les mesures en continu d'O2 dissous de l'année 2011 en Seine sont assimilées par ProSe-PA. Les résultats montrent que ProSe-PA améliore significativement la simulation des concentrations en oxygène dissous, notamment les dynamiques alguales et les chutes d'oxygène pendant les périodes de crise. L'application aux données réelles révèle cependant les limites de l'approche développée, notamment la sensibilité aux conditions aux limites. Plusieurs pistes sont proposées afin d'améliorer les performances de ProSe-PA.

Data assimilation is the mathematical discipline which gathers all the methods designed to improve the knowledge of the state of a dynamical system using both observations and modelling results of this system. In the geosciences, data assimilation it mainly applied to numerical weather prediction. It has been used in operational centres for several decades, and it has significantly contributed to the increase in quality of the forecasts.Ensemble methods are powerful tools to reduce the dimension of the data assimilation systems. Currently, the two most widespread classes of ensemble data assimilation methods are the ensemble Kalman filter (EnKF) and the particle filter (PF). The success of the EnKF in high-dimensional geophysical systems is largely due to the use of localisation. Localisation is based on the assumption that correlations between state variables in a dynamical system decrease at a fast rate with the distance. In this thesis, we have studied and improved localisation methods for ensemble data assimilation.The first part is dedicated to the implementation of localisation in the PF. The recent developments in local particle filtering are reviewed, and a generic and theoretical classification of local PF algorithms is introduced, with an emphasis on the advantages and drawbacks of each category. Alongside the classification, practical solutions to the difficulties of local particle filtering are suggested. The local PF algorithms are tested and compared using twin experiments with low- to medium-order systems. Finally, we consider the case study of the prediction of the tropospheric ozone using concentration measurements. Several data assimilation algorithms, including local PF algorithms, are applied to this problem and their performances are compared.The second part is dedicated to the implementation of covariance localisation in the EnKF. We show how covariance localisation can be efficiently implemented in the deterministic EnKF using an augmented ensemble. The proposed algorithm is tested using twin experiments with a medium-order model and satellite-like observations. Finally, the consistency of the deterministic EnKF with covariance localisation is studied in details. A new implementation is proposed and compared to the original one using twin experiments with low-order models, L’assimilation de données est la discipline permettant de combiner des observations d’un système dynamique avec un modèle numérique simulant ce système, l'objectif étant d'améliorer la connaissance de l'état du système. Le principal domaine d'application de l'assimilation de données est la prévision numérique du temps. Les techniques d'assimilation sont implémentées dans les centres opérationnels depuis plusieurs décennies et elles ont largement contribué à améliorer la qualité des prédictions. Une manière efficace de réduire la dimension des systèmes d'assimilation de données est d'utiliser des méthodes ensemblistes. La plupart de ces méthodes peuvent être regroupées en deux classes~: le filtre de Kalman d'ensemble (EnKF) et le filtre particulaire (PF). Le succès de l'EnKF pour des problèmes géophysiques de grande dimension est largement dû à la localisation. La localisation repose sur l'hypothèse que les corrélations entre variables d'un système dynamique décroissent très rapidement avec la distance. Dans cette thèse, nous avons étudié et amélioré les méthodes de localisation pour l'assimilation de données ensembliste. La première partie est dédiée à l'implémentation de la localisation dans le PF. Nous passons en revue les récents développements concernant la localisation dans le PF et nous proposons une classification théorique des algorithmes de type PF local. Nous insistons sur les avantages et les inconvénients de chaque catégorie puis nous proposons des solutions pratiques aux problèmes que posent les PF localisés. Les PF locaux sont testés et comparés en utilisant des expériences jumelles avec des modèles de petite et moyenne dimension. Finalement, nous considérons le cas de la prédiction de l'ozone troposphérique en utilisant des mesures de concentration. Plusieurs algorithmes, dont des PF locaux, sont implémentés et appliqués à ce problème et leurs performances sont comparées.La deuxième partie est dédiée à l'implémentation de la localisation des covariances dans l'EnKF. Nous montrons comment la localisation des covariances peut être efficacement implémentée dans l'EnKF déterministe en utilisant un ensemble augmenté. L'algorithme obtenu est testé au moyen d'expériences jumelles avec un modèle de moyenne dimension et des observations satellitaires. Finalement, nous étudions en détail la cohérence de l'EnKF déterministe avec localisation des covariances. Une nouvelle méthode est proposée puis comparée à la méthode traditionnelle en utilisant des simulation jumelles avec des modèles de petite dimension

The applications of radar techniques to the urban environment constitute an emerging subject. One of the main difficulties is related to the complexity of the propagation environment induced by the buildings present in the scene. Indeed, the presence of these buildings generates on the one hand shadow areas within which a target is not in line of sight, and on the other hand, many multipaths produced by reflections and diffractions on the surrounding surfaces. Classically, these multipaths are often seen as an inconvenience, limiting radar detection capabilities. However, these multipaths can also be exploited to the advantage of the radar to detect and locate targets located in the shadow areas (target in NLOS). The objective of this thesis work is therefore to develop signal processing methods allowing the detection and localization of a target located in shadow areas in urban environment and to apply these techniques for detecting and locating a target in NLOS from realistic or even real signals. For this, we first proposed two solutions for detection and localization of a target by exploiting multipath information. In a second step, we developed two particle filters to track a target in urban environment in the presence of multipaths. These algorithms have been applied to real data and showed promising results: even with an approximate knowledge of the geometry of the scene, it has been possible to detect, locate and track a target by exploiting only the information on multipath delays.; Les applications des techniques radar au milieu urbain constituent un domaine émergent. Une des difficultés principales est liée à la complexité du milieu de propagation induit par les bâtiments présents dans la scène. En effet, la présence de ces bâtiments génère d’une part des zones d’ombre à l’intérieur desquelles une cible n’est pas en visibilité directe, et d’autre part de nombreux multi-trajets produits par les possibles réflexions et diffractions sur les surfaces environnantes. Ces multi-trajets sont souvent vus comme une gêne, limitant les capacités de détection en radar. Or ils peuvent aussi être exploités à l’avantage du radar afin de détecter et localiser des cibles situées dans les zones d’ombre (cible en NLOS). L’objectif de ce travail de thèse est donc la mise en place de méthodes de traitement du signal permettant la détection et la localisation d’une cible en NLOS en milieu urbain et l’application de ces techniques pour détecter et localiser une cible en NLOS à partir de signaux réels. Pour cela, nous avons proposé dans un premier temps deux solutions pour la détection et la localisation de la cible en exploitant les multi-trajets. Dans un deuxième temps, nous avons développé deux filtres particulaires pour pister une cible en milieu urbain en présence de multi-trajets. Ces algorithmes ont été appliqués aux données réelles issues d’une expérimentation et ont montré des résultats prometteurs : même avec une connaissance approximative de la géométrie de la scène, il a été possible de détecter, localiser et suivre une cible en exploitant uniquement l’information fournie par les retards des multi-trajets.

La combinaison d'une résonance magnétique à un appareil de radiothérapie externe ouvre la possibilité de visualiser la tumeur durant la totalité d'un traitement sans soumettre le patient à une dose de radiation ionisante supplémentaire due à l'imagerie. Cette nouvelle génération de traitements de radiothérapie, les traitements guidés par résonance magnétique, a récemment vu le jour et redéfinira la mentalité même de planification des soins. Cette thèse vise à la conception d'un algorithme de suivi en temps réel de tumeurs mobiles dans le contexte d'une telle technologie. Un filtre particulaire, une méthode Monte Carlo séquentielle, est utilisé pour accomplir ce but. Le premier objectif consiste à créer un algorithme de contour automatique et de suivi en temps réel de tumeurs pulmonaires sur des images sagittales provenant d'une séquence dynamique acquise sur une résonance magnétique 1.5 T. La preuve de concept est effectuée sur quatre patients atteints d'un cancer du poumon de stade précoce. Le second objectif de l'étude vise au développement d'un algorithme de prédiction de mouvement de tumeurs pulmonaires. Celui-ci a été évalué sur sept patients provenant du même protocole de recherche. Finalement, le dernier objectif de ce doctorat porte sur la généralisation de l'algorithme de suivi afin de pouvoir l'appliquer à l'ensemble de tumeurs mobiles du corps humain. Une étude de la robustesse et l'exactitude du suivi est effectuée pour diverses anatomies et évaluée sur des images de qualités variées acquises sur une panoplie d'appareils, dont l'IRM-linac. Moyennée sur un total de 24 acquisitions provenant de huit patients et cinq volontaires, l'erreur de suivi est (1.1 +/- 0.4) mm. Les résultats de cette thèse doctorale placent ce travail comme un candidat potentiel aux traitements guidés par résonance magnétique., The combination of a magnetic resonance (MR) with an external beam radiation therapy machine opens the possibility of visualizing the tumor during the whole treatment without subjecting the patient to an additional dose of ionizing radiation due to imaging. This new generation of radiotherapy treatments, MR-guided treatments, has recently emerged and will redefine the mentality of treatment planning itself. This thesis aims at the development of an algorithm for real-time tracking of mobile tumors in the context of such a technology. This is accomplished using a particle filter, which is a sequential Monte Carlo method. The first objective is to create an algorithm for automatically contouring and tracking lung tumors on sagittal images of a dynamic sequence acquired on a 1.5 T MR. The proof of concept is carried out on four patients with early-stage lung cancers. The second goal of the study is to develop a lung tumor motion prediction algorithm. It is evaluated on seven patients from the same research protocol. Finally, the last project of this doctorate involves the generalization of the tracking algorithm in order to apply it to mobile tumors of the human body. The assessment of the robustness and the accuracy of the tracking is carried out for diversified anatomies and evaluated on images of various qualities acquired on a panoply of systems, including the MR-linac. Out of a total of 24 acquisitions obtained in eight patients and five volunteers, the tracking error is (1.1 0.4) mm. The conclusions of this doctoral thesis place this work as a potential candidate for MR-guided treatments in regards to real-time tracking and motion prediction algorithms.

La problèmatique d’estimation des paramètres des modèles à volatilité stochastique par maximisation directe de la vraisemblance est adressée. À cet effet, nous présentons un algorithme approximant numériquement le filtre optimal à partir de la méthodologie proposée par Kitagawa (1987) pour la résolution du problème de filtrage dans les systèmes non-linéaires et/ou non-gaussiens. Nous montrons que cet algorithme consiste à exécuter le filtre d’Hamilton (le filtre d’Hamilton offre une solution optimale au problème de filtrage pour un modèle à chaîne de Markov cachée) sur une discrétisation de la variable latente continue. La solution proposée améliore considérablement le temps de calcul et produit des résultats au moins aussi bons que les approches de référence dans le domaine. Par la suite, nous présentons et démontrons une généralisation de cet algorithme au cas des modèles à volatilité stochastique incorporant un effet de levier et des sauts. Plusieurs études Monte Carlo et empiriques sont réalisées pour évaluer la qualité de l’approche dans l’approximation de la log-vraisemblance et l’estimation des paramètres des différents modèles à volatilité stochastique. Nous présentons aussi une comparaison de cette approche à celle par filtre particulaire continu., The problem of estimating the parameters of stochastic volatility models by direct maximisation of the likelihood is addressed. To this end, we present an algorithm that numerically approximates the optimal filter from the methodology proposed by Kitagawa (1987) for solving the filtering problem in non-linear and/or non-Gaussian systems. We show that this algorithm corresponds to running the Hamilton filter (the Hamilton filter offers an optimal solution to the filtering problem for a hidden Markov model on a finite state space) on a discretization of the continuous latent variable. The proposed solution significantly improves the computation time and produces results at least as good as stateof-the-art approaches in the field. Subsequently, we present and demonstrate a generalization of this algorithm in the case of stochastic volatility models incorporating leverage and jumps. Several Monte Carlo and empirical studies are conducted to evaluate the quality of the approach for approximating the log-likelihood and estimating the parameters. We also present a comparison of this approach to the continuous particle filter approach.

In this thesis we are interested in designing a mobile robot able to analyze the behavior and movement of a a person in indoor and cluttered environment. Our goal is to equip the robot by visual perception capabilities of the human posture to better analyze situations that require understanding of person with which the robot interacts, or detect risk situations such as falls or analyze motor skills of the person. Motion capture in a dynamic and crowded environment raises multiple challenges such as learning the background of the environment and extracting the silhouette that can be partially observable when the person is in hidden places. These difficulties make motion capture difficult. Most of existing methods assume that the scene is static and the person is always fully visible by the camera. These approaches are not able to work in such realitsit conditions. In this thesis, We propose a new motion capture system capable of tracking a person in realistic world conditions. Our approach uses a 3D occupancy grid with a hidden Markov model to continuously learn the changing background of the scene and to extract silhouette of the person, then a hierarchical particle filtering algorithm is used to reconstruct the posture. We propose a novel occlusion management algorithm able to identify and discards hidden body parts of the person from process of the pose estimation. We also proposed a new database containing RGBD images with ground truth data in order to establish a new benchmark for the assessment of motion capture systems in a real environment with occlusions. The ground truth is obtained from a motion capture system based on high-precision marker with eight infrared cameras. All data is available online. The second contribution of this thesis is the development of a new visual odometry method to localize an RGB-D camera mounted on a robot moving in a dynamic environment. The major difficulty of the localization in a dynamic environment, is that mobile objects in the scene induce additional movement that generates outliers pixels. These pixels should be excluded from the camera motion estimation process in order to produce accurate and precise localization. We thus propose an extension of the dense localization method based on the optical flow method to remove outliers pixels using the RANSAC algorithm.; Dans cette thèse nous intéressons à la conception d'un robot mobile capable d’analyser le comportement et le mouvement d’une personne en environnement intérieur et encombré, par exemple le domicile d’une personne âgée. Plus précisément, notre objectif est de doter le robot des capacités de perception visuelle de la posture humaine de façon à mieux maîtriser certaines situations qui nécessitent de comprendre l’intention des personnes avec lesquelles le robot interagit, ou encore de détecter des situations à risques comme les chutes ou encore d’analyser les capacités motrices des personnes dont il a la garde. Le suivi de la posture dans un environnement dynamique et encombré relève plusieurs défis notamment l'apprentissage en continue du fond de la scène et l'extraction la silhouette qui peut être partiellement observable lorsque la personne est dans des endroits occultés. Ces difficultés rendent le suivi de la posture une tâche difficile. La majorité des méthodes existantes, supposent que la scène est statique et la personne est toujours visible en entier. Ces approches ne sont pas adaptées pour fonctionner dans des conditions réelles.Nous proposons, dans cette thèse, un nouveau système de suivi capable de suivre la posture de la personne dans ces conditions réelles. Notre approche utilise une grille d'occupation avec un modèle de Markov caché pour apprendre en continu l'évolution de la scène et d'extraire la silhouette, ensuite un algorithme de filtrage particulaire hiérarchique est utilisé pour reconstruire la posture. Nous proposons aussi un nouvel algorithme de gestion d'occlusion capable d'identifier et d'exclure les parties du corps cachées du processus de l'estimation de la pose. Finalement, nous avons proposé une base de données contenant des images RGB-D avec la vérité-terrain dans le but d'établir une nouvelle référence pour l'évaluation des systèmes de capture de mouvement dans un environnement réel avec occlusions. La vérité-terrain est obtenue à partir d'un système de capture de mouvement à base de marqueur de haute précision avec huit caméras infrarouges. L'ensemble des données est disponible en ligne. La deuxième contribution de cette thèse, est le développement d'une méthode de localisation visuelle à partir d'une caméra du type RGB-D montée sur un robot qui se déplace dans un environnement dynamique. En effet, le système de capture de mouvement que nous avons développé doit équiper un robot se déplaçant dans une scène. Ainsi, l'estimation de mouvement du robot est importante pour garantir une extraction de silhouette correcte pour le suivi. La difficulté majeure de la localisation d'une caméra dans un environnement dynamique, est que les objets mobiles de la scène induisent un mouvement supplémentaire qui génère des pixels aberrants. Ces pixels doivent être exclus du processus de l'estimation du mouvement de la caméra. Nous proposons ainsi une extension de la méthode de localisation dense basée sur le flux optique pour isoler les pixels aberrants en utilisant l'algorithme de RANSAC.

A gps signal es modulated by a carrier and is spreaded by a pseudo random code. Its power, which is carried below the level of noise, can't be directly measured. Conventional estimators literature using the statistical parameters of the maximum of the correlation, obtained after despreading of the signal to measure the received signal strength. These estimators require a long period of integration to be precise. Moreover, they do not take into account the effect of the Doppler frequency and the number of visible satellites on the statistical maximum of the correlation. These disruptive effects falsify the estimated value of C/N0 and limit the applications of the reflectometry. This thesis proposes an estimator of the signal to noise ratio own to each satellite, from a GPS L1 signal. To present this estimator, we have adopted a two-step approach. it is assumed in the first stage that the GPS signal is digitized on 1 bit, and sets a function relating the amplitude of the signal received to maximum correlation knowing the parameters of the GPS signal which are : the Doppler frequency and the phase shift of the received signal. indeed, the signal to noise ratio is a relative measure, and to estimate the signal amplitude is assumed that the noise is white, Gaussian, centered and unit variance. The proposed function is highly non-linear. We propose in a second step a dynamic estimator of the signal amplitude, which uses the non-linear state filter and the observations of the maximum correlation. Two filters are assessed in this case the Unscented Kalman filter and a particle filter., Un signal GPS est modulé par une porteuse et est étalé par un code pseudo aléatoire. Sa puissance, qui est portée en dessous du niveau du bruit, ne peut pas être directement mesurée. Les estimateurs classiques de la littérature utilisent les paramètres statistiques du maximum de la corrélation, obtenus après le désétalement du signal pour mesurer la puissance du signal reçu. Ces estimateurs nécessitent une longue période d'intégration pour être précis. De plus, ils ne tiennent pas compte de l'effet de la fréquence Doppler et du nombre de satellites visibles sur la statistique du maximum de la corrélation. Ces effets perturbateurs faussent l'estimation de la valeur C/N0 et limitent les applications qui utilisent cette grandeur telle que la réflectométrie des signaux GNSS. Ce travail de thèse propose un estimateur du rapport signal à bruit propre à chaque satellite, à partir d'un signal GPS L1. Pour présenter cet estimateur, nous avons adopté une approche en deux étapes. On suppose dans la première étape que le signal GPS est numérisé sur 1 bit, et on établit une fonction reliant l'amplitude du signal reçu au maximum de corrélation. Cette fonction non linéaire est déduite de l'architecture radio du récepteur GPS et des paramètres du signal qui sont : la fréquence Doppler et le déphasage du signal reçu. En effet, le rapport signal à bruit est une mesure relative, et pour pouvoir estimer l'amplitude du signal, on suppose que le bruit est blanc, gaussien, centré et de variance unitaire. La fonction proposée étant fortement non linéaire, nous proposons dans une deuxième étape, un estimateur dynamique de l'amplitude du signal, qui utilise le filtrage d'état non linéaire et les observations du maximum de la corrélation. Deux filtres sont évalués à cet effet ; le friltrage de Kalman sans parfum et le filtrage particulaire.

The development of new energy converters, more efficient and environment friendly, such as fuelcells, tends to accelerate. Nevertheless, their large scale diffusion supposes some guaranties in termsof safety and availability. A possible solution to do so is to develop Prognostics and HealthManagement (PHM) on these systems, in order to monitor and anticipate the failures, and torecommend the necessary actions to extend their lifetime. In this spirit, this thesis deals with theproposal of a prognostics approach based on particle filtering dedicated to PEMFCs.The reasoning focuses first on setting a formalization of the working framework and theexpectations. This is pursued by the development of a physic-based modelling enabling a state ofhealth estimation and its evolution in time. The state estimation is made thanks to particle filtering.Different variants of filters are considered on the basis of the literature and new proposals adaptedto PHM are proposed and compared to existing ones. State of health estimates given by the filter areused to predict the future state of the system and its remaining useful life. All the proposals arevalidated on four datasets from PEMFC following different mission profiles. The results show goodperformances for predictions and remaining useful life estimates before failure.; Le développement de nouveaux convertisseurs d’énergie, plus efficients et plus respectueux de l’environnement, tels que les piles à combustibles, tend à s’accélérer. Leur diffusion à grande échelle suppose cependant des garanties en termes de sécurité et de disponibilité. Une solution possible pour ce faire est de développer des solutions de Prognostics and Health Management (PHM) de ces systèmes, afin de mieux les surveiller, anticiper les défaillances et recommander les actions nécessaires à l’allongement de leur durée de vie. Dans cet esprit, cette thèse porte sur la proposition d’une approche de pronostic dédiée aux piles à combustibles de types PEMFC à l’aide de filtrage particulaire.Le raisonnement s’attache tout d’abord à mettre en place une formalisation du cadre de travail ainsi que des exigences de mise en. Ceci se poursuit par le développement d’un modèle basé sur la physique permettant une estimation d’état de santé et de son évolution temporelle. L’estimation d’état est réalisée grâce à du filtrage particulaire. Différentes variantes de filtres sont considérées sur la base d’une de la littérature et de nouvelles propositions adaptées au PHM sont formulées et comparées à celles existantes. Les estimations d’état de santé fournies par le processus de filtrages ont utilisées pour réaliser des prédictions de l’état de santé futur du système, puis de sa durée devie résiduelle. L’ensemble des propositions est validé sur 4 jeux de données obtenus sur des PEMFC suivant des profils de mission variés. Les résultats montrent de bonnes performances de prédictions et d’estimations de durée de vie résiduelle avant défaillance.

Land surface temperature (LST) is one of the most important meteorologicalvariables giving access to water and energy budgets governing the Biosphere-Atmosphere continuum. To better monitor vegetation and energy states, we need hightemporal and spatial resolution measures of LST because its high variability in spaceand time.Despite the growing availability of Thermal Infra-Red (TIR) remote sensing LSTproducts, at different spatial and temporal resolutions, both high spatial resolution(HSR) and high temporal resolution (HTR) TIR data is still not possible because ofsatellite resolutions trade-off : the most frequent LST products being low spatial resolution(LSR) ones.It is therefore necessary to develop methods to estimate HSR/HTR LST from availableTIR LSR/HTR ones. This solution is known as "downscaling" and the presentthesis proposes a new approach for downscaling LST based on Data Assimilation (DA)methods. The basic idea is to constrain HSR/HTR LST dynamics, simulated by a dynamicalmodel, through the minimization of their respective aggregated LSTs discrepancytoward LSR observations, assuming that LST is homogeneous at the land cover typescale inside the LSR pixel.Our method uses a particle smoother DA method implemented in a land surfacemodel : SETHYS model (Suivie de l’Etat Hydrique de Sol). The proposed approach hasbeen firstly evaluated in a synthetic framework then validated using actual TIR LSTover a small area in South-East of France. Meteosat LST time series were downscaledfrom 5km to 90m and validated with ASTER HSR LST over one day. The encouragingresults conducted us to expand the study area and consider a larger assimilation periodof seven months. The downscaled Meteosat LSTs were quantitatively validated at1km of spatial resolution (SR) with MODIS data and qualitatively at 30m of SR withLandsat7 data. The results demonstrated good performances with downscaling errorsless than 2.5K at MODIS scale (1km of SR).; La température des surfaces continentales (LST) est une variable météorologiquetrès importante car elle permet l’accès aux bilans d’énergie et d’eau ducontinuum Biosphère-Atmosphère. Sa haute variabilité spatio-temporelle nécessite desmesures à haute résolution spatiale (HRS) et temporelle (HRT) pour suivre au mieuxles états hydriques du sol et des végétations.La télédétection infrarouge thermique (IRT) permet d’estimer la LST à différentesrésolutions spatio-temporelles. Toutefois, les mesures les plus fréquentes sont souventà basse résolution spatiale (BRS). Il faut donc développer des méthodes pour estimerla LST à HRS à partir des mesures IRT à BRS/HRT. Cette solution est connue sous lenom de désagrégation et fait l’objet de cette thèse.Ainsi, une nouvelle approche de désagrégation basée sur l’assimilation de données(AD) est proposée. Il s’agit de contraindre la dynamique des LSTs HRS/HRT simuléespar un modèle en minimisant l’écart entre les LST agrégées et les données IRT àBRS/HRT, sous l’hypothèse d’homogénéité de la LST par type d’occupation des sols àl’échelle du pixel BRS. La méthode d’AD choisie est un lisseur particulaire qui a étéimplémenté dans le modèle de surface SETHYS (Suivi de l’Etat Hydrique du Sol).L’approche a été évaluée dans une première étape sur des données synthétiques etvalidée ensuite sur des données réelles de télédétection sur une petite région au Sud-Est de la France. Des séries de températures Météosat à 5 km de résolution spatialeont été désagrégées à 90m et validées sur une journée à l’aide de données ASTER.Les résultats encourageants nous ont conduit à élargir la région d’étude et la périoded’assimilation à sept mois. La désagrégation des produits Météosat a été validée quantitativementà 1km à l’aide de données MODIS et qualitativement à 30m à l’aide dedonnées Landsat7. Les résultats montrent de bonnes performances avec des erreursinférieures à 2.5K sur les températures désagrégées à 1km.

This thesis is devoted to the inference of context-dependent evolutionary models of DNA sequences, and is specifically focused on the RN95+YPR class of stochastic models. This class of models is based on the reinforcement of some substitution rates depending on the local context, which introduces dependence phenomena between sites in the evolution of the DNA sequence. Because of these dependencies, the direct computation of the likelihood of the observed sequences involves high-dimensional matrices, and is usually infeasible. Through encodings specific to the RN95+YpR class, we highlight new spatial dependence structures for these models, which are related to the evolution of DNA sequences throughout their evolutionary history. This enables the use of particle filter algorithms, developed in the context of hidden Markov models, in order to obtain consistent approximations of the likelihood. Another type of approximation of the likelihood, based on composite likelihoods, is also introduced. These approximation methods for the likelihood are implemented in a C++ program. They are applied on simulated data to empirically investigate some of their properties, and on genomic data, especially for comparison of evolutionary models, Cette thèse est consacrée à l'inférence de modèles stochastiques d'évolution de l'ADN avec dépendance au contexte, l'étude portant spécifiquement sur la classe de modèles stochastiques RN95+YpR. Cette classe de modèles repose sur un renforcement des taux d'occurrence de certaines substitutions en fonction du contexte local, ce qui introduit des phénomènes de dépendance dans l'évolution des différents sites de la séquence d'ADN. Du fait de cette dépendance, le calcul direct de la vraisemblance des séquences observées met en jeu des matrices de dimensions importantes, et est en général impraticable. Au moyen d'encodages spécifiques à la classe RN95+YpR, nous mettons en évidence de nouvelles structures de dépendance spatiales pour ces modèles, qui sont associées à l'évolution des séquences d'ADN sur toute leur histoire évolutive. Ceci rend notamment possible l'utilisation de méthodes numériques particulaires, développées dans le cadre des modèles de Markov cachés, afin d'obtenir des approximations consistantes de la vraisemblance recherchée. Un autre type d'approximation de la vraisemblance, basé sur des vraisemblances composites, est également introduit. Ces méthodes d'approximation de la vraisemblance sont implémentées au moyen d'un code en C++. Elles sont mises en œuvre sur des données simulées afin d'étudier empiriquement certaines de leurs propriétés, et sur des données génomiques, notamment à des fins de comparaison de modèles d'évolution

This PHD thesis concerns the analysis of gestures, especially the characteri-zation and the recognition of gestures. The analysis of gestural data is a research field which involves Human-Machine communication, video management and signal processing fields. The main contribution of this PHD thesis is the design and implementation of a hybrid Markov system for sequential data recognition. The recognition task typically combines two tasks : segmentation and classification. Therefore, the proposed hybrid model combines the ability of modeling and segmentation of HiddenMarkov Models and the ability of local discrimination of Conditional Random Fields. We applied this hybrid system to the recognition of gesture sequences in videos in the context of one-shot-learning. The interesting recognition performance achieved in the context of the competition of ChaLearn show the advantage of the proposed approach for the context of learning with few examples. The recognition task requires a step of data characterization. In the context of gesture characterization, we propose two contributions. The first contribution is an improvement of local tracking of the dominant hand in a gesture with particle filters. This improvement is mainly based on a penalisation, computed with optical flow method, of the estimator and an automatic vocabulary reference generation. The second contribution is a method of global characterization of a gesture that we call the "gesture signature". The gesture signature describes the location, velocity and orientation of the global movement in a gesture combining velocity information calculated with optical flow method., Cette thèse concerne l’analyse de gestes, et plus particulièrement la caractérisation et la reconnaissance de gestes. L’analyse des données gestuelles est un axe de recherche impliquant les domaines de la communication Homme-Machine, de gestion des documents vidéo et du traitement du signal.La contribution principale de notre travail de thèse est l’étude, la conception et la mise en œuvre d’un système markovien hybride pour la reconnaissance de données séquentielles. La tâche de reconnaissance combine classiquement deuxtâches : la segmentation et la classification. Le modèle hybride proposé combine ainsi la capacité de modélisation et de segmentation des Modèles de Markov Cachés et la capacité de discrimination locale des Champs Aléatoires onditionnels.Nous avons appliqué ce système hybride à la reconnaissance des séquences de gestes dans des vidéos, dans le cadre applicatif de l’apprentissage avec un seul exemple. Les bonnes performances de reconnaissance obtenues dans le contexte de la compétition ChaLearn montrent l’intérêt de l’approche proposée pour l’apprentissage avec peu de données.La tâche de reconnaissance nécessite une étape de caractérisation des données. Dans le cadre de la caractérisation des gestes, nous proposons deux contributions. La première contribution est une amélioration du suivi local de la main domi-nante dans un geste avec les filtres particulaires. Cette amélioration est basée principalement sur une pénalisation issue des flots optiques de l’estimateur, et une génération automatique d’un vocabulaire de référence. La deuxième contribution est la proposition d’une méthode de caractérisation globale du geste que nous appelons une « signature du geste ». La signature du geste décrit la localisation, la vélocité et l’orientation du mouvement global dans un geste en combinantdes informations de vitesse calculée avec les flots optiques.

The probability hypothesis density (PHD) methodology is widely used by the research community for the purposes of multiple object tracking. This problem consists in the recursive state estimation of several targets by using the information coming from an observation process. The purpose of this paper is to investigate the potential of the PHD filters for real-time traffic state estimation. This investigation is based on a Cell Transmission Model (CTM) coupled with the PHD filter. It brings a novel tool to the state estimation problem and allows to estimate the densities in traffic networks in the presence of measurement origin uncertainty, detection uncertainty and noises. In this work, we compare the PHD filter performance with a particle filter (PF), both taking into account the measurement origin uncertainty and show that they can provide high accuracy in a traffic setting and real-time computational costs. The PHD filtering framework opens new research avenues and has the abilities to solve challenging problems of vehicular networks.

Mobile robotics is a growing field. One important research area is Simultaneous Localization And Mapping (SLAM). Algorithms commonly used in SLAM are generally expensive in terms of computing power. The current trend towards miniaturization imposes to restrict the embedded processing units. All these observations lead us to integrate SLAM algorithms on dedicated architectures suitable for embedded systems.The first work was to define an architecture for a mobile robot to localize itself. This architecture must satisfy some constraints, including the real-time, small dimensions and low power consumption. The optimized implementation of a SLAM algorithm, using the best architectural characteristics of the system (capacity of processors, multi-core implementation, SIMD instructions or parallelization on heterogeneous architecture), has demonstrated the ability to design embedded systems for SLAM applications in the context of Hardware-Software codesign.A second approach has been explored with the aim of designing a system based on a reconfigurable architecture (FPGA-based) for a highly parallel architecture dedicated to SLAM. The defined architecture was evaluated using a HIL (Hardware in the Loop) methodology.The main SLAM algorithms use the probabilistic theories, they do not guarantee their localization results. A SLAM algorithm based on interval analysis is defined to guarantee the overall results. Several algorithmic improvements are then proposed. A comparison with probabilistic algorithms highlighted the robustness of the approach.This thesis put forward two main contributions. The first is to affirm the importance of the hardware software codesign to solve the problem of SLAM with real-time constraint. The second is the definition of a new algorithm to ensure the results of localization and mapping.; La robotique mobile est un domaine en plein essor. L'un des domaines de recherche consiste à permettre à un robot de cartographier son environnement tout en se localisant dans l'espace. Les techniques couramment employées de SLAM (Simultaneous Localization And Mapping) restent généralement coûteuses en termes de puissance de calcul. La tendance actuelle vers la miniaturisation des systèmes impose de restreindre les ressources embarquées. L'ensemble de ces constatations nous ont guidés vers l'intégration d'algorithmes de SLAM sur des architectures adéquates dédiées pour l’embarqué.Les premiers travaux ont consisté à définir une architecture permettant à un robot mobile de se localiser. Cette architecture doit respecter certaines contraintes, notamment celle du temps réel, des dimensions réduites et de la faible consommation énergétique.L’implantation optimisée d’un algorithme (EKF-SLAM), en utilisant au mieux les spécificités architecturales du système (capacités des processeurs, implantation multi-cœurs, calcul vectoriel ou parallélisation sur architecture hétérogène), a permis de démontrer la possibilité de concevoir des systèmes embarqués pour les applications SLAM dans un contexte d’adéquation algorithme architecture. Une seconde approche a été explorée ayant pour objectif la définition d’un système à base d’une architecture reconfigurable (à base de FPGA) permettant la conception d'une architecture fortement parallèle dédiée au SLAM. L'architecture définie a été évaluée en utilisant une méthodologie HIL (Hardware in the Loop).Les principaux algorithmes de SLAM sont conçus autour de la théorie des probabilités, ils ne garantissent en aucun cas les résultats de localisation. Un algorithme de SLAM basé sur la théorie ensembliste a été défini garantissant l'ensemble des résultats obtenus. Plusieurs améliorations algorithmiques sont ensuite proposées. Une comparaison avec les algorithmes probabilistes a mis en avant la robustesse de l’approche ensembliste.Ces travaux de thèse mettent en avant deux contributions principales. La première consiste à affirmer l'importance d'une conception algorithme-architecture pour résoudre la problématique du SLAM. La seconde est la définition d’une méthode ensembliste permettant de garantir les résultats de localisation et de cartographie.

Robots are artificial agents that can act in humans' world thanks to perception, action and reasoning capacities. In particular, robots companion are designed to share with humans the same physical and communication spaces in performing daily life collaborative tasks and aids. In such a context, interactions between humans and robots are expected to be as natural and as intuitive as possible. One of the most natural ways is based on gestures and reactive body motions. To make this friendly interaction possible, a robot companion has to be endowed with one or more capabilities allowing him to perceive, to recognize and to react to human gestures. This PhD thesis has been focused on the design and the development of a gesture recognition system that can be exploited in a human-robot interaction context. This system includes (1) a limbs-tracking algorithm that determines human body position during movements and (2) a higher-level module that recognizes gestures performed by human users. New contributions were made in both topics. First, a new approach is proposed for visual tracking of upper-body limbs. Analyzing human body motion is challenging, due to the important number of degrees of freedom of the articulated object modeling the upper body. To circumvent the computational complexity, each limb is tracked with an Annealed Particle Filter and the different filters interact through Belief Propagation. 3D human body is described as a graphical model in which the relationships between the body parts are represented by conditional probability distributions. Pose estimation problem is thus formulated as a probabilistic inference over a graphical model, where the random variables correspond to the individual limb parameters (position and orientation) and Belief Propagation messages ensure coherence between limbs. Secondly, we propose a framework allowing emblematic gestures detection and recognition. The most challenging issue in gesture recognition is to find good features with a discriminant power (to distinguish between different gestures) and a good robustness to intrinsic gestures variability (the context in which gestures are expressed, the morphology of the person, the point of view, etc.). In this work, we propose a new arm's kinematics normalization scheme reflecting both the muscular activity and arm's appearance when a gesture is performed. The obtained signals are first segmented and then analyzed by two machine learning techniques: Hidden Markov Models and Support Vector Machines. The two methods are com- pared in a 5 classes emblematic gestures recognition task. Both systems show good performances with a minimalistic training database regardless to performer's anthropometry, gender, age or pose with regard to the sensing system. The work presented here has been done within the framework of a PhD thesis in joint supervision between the "Pierre et Marie Curie" University (ISIR laboratory, Paris) and the University of Genova (IIT-Tera department) and was labeled by the French-Italian University.; Les robots sont des agents artificiels qui peuvent agir dans le monde des humains grâce aux capacités de perception. Dans un contexte d'interaction homme-robot, les humains et les robots partagent le même espace de communication. En effet, les robots compagnons sont censés communiquer avec les humains d'une manière naturelle et intuitive: l'une des façons les plus naturelles est basée sur les gestes et les mouvements réactifs du corps. Pour rendre cette interaction la plus conviviale possible, un robot compagnon doit, donc, être doté d'une ou plusieurs capacités lui permettant de percevoir, de reconnaître et de réagir aux gestes humains. Cette thèse a été focalisée sur la conception et le développement d'un système de reconnaissance gestuelle dans un contexte d'interaction homme-robot. Ce système comprend un algorithme de suivi permettant de connaître la position du corps lors des mouvements et un module de niveau supérieur qui reconnaît les gestes effectués par des utilisateurs humains. De nouvelles contributions ont été apportées dans les deux sujets. Tout d'abord, une nouvelle approche est proposée pour le suivi visuel des membres du haut du corps. L'analyse du mouvement du corps humain est difficile, en raison du nombre important de degrés de liberté de l'objet articulé qui modélise la partie supérieure du corps. Pour contourner la complexité de calcul, chaque membre est suivi avec un filtre particulaire à recuit simulé et les différents filtres interagissent grâce à la propagation de croyance. Le corps humain en 3D est ainsi qualifié comme un modèle graphique dans lequel les relations entre les parties du corps sont représentées par des distributions de probabilité conditionnelles. Le problème d'estimation de la pose est donc formulé comme une inférence probabiliste sur un modèle graphique, où les variables aléatoires correspondent aux paramètres des membres individuels (position et orientation) et les messages de propagation de croyance assurent la cohérence entre les membres. Deuxièmement, nous proposons un cadre permettant la détection et la reconnaissance des gestes emblématiques. La question la plus difficile dans la reconnaissance des gestes est de trouver de bonnes caractéristiques avec un pouvoir discriminant (faire la distinction entre différents gestes) et une bonne robustesse à la variabilité intrinsèque des gestes (le contexte dans lequel les gestes sont exprimés, la morphologie de la personne, le point de vue, etc). Dans ce travail, nous proposons un nouveau modèle de normalisation de la cinématique du bras reflétant à la fois l'activité musculaire et l'apparence du bras quand un geste est effectué. Les signaux obtenus sont d'abord segmentés et ensuite analysés par deux techniques d'apprentissage : les chaînes de Markov cachées et les Support Vector Machine. Les deux méthodes sont comparées dans une tâche de reconnaissance de 5 classes de gestes emblématiques. Les deux systèmes présentent de bonnes performances avec une base de données de formation minimaliste quels que soient l'anthropométrie, le sexe, l'âge ou la pose de l'acteur par rapport au système de détection. Le travail présenté ici a été réalisé dans le cadre d'une thèse de doctorat en co-tutelle entre l'Université "Pierre et Marie Curie" (ISIR laboratoire, Paris) et l'Université de Gênes (IIT - Tera département) et a été labelisée par l'Université Franco-Italienne.

Today, the GNSS are largely present in the transport field. Currently, the scientific community aims to develop transport applications with a high accuracy, availability and integrity. These systems offer a continuous positioning service. Performances are defined by the system parameters but also by signal environment propagation. The atmosphere propagation characteristics are well known. However, it is more difficult to anticipate and analyze the impact of the propagation environment close to the antenna which can be composed, for instance, of urban obstacles or vegetation.Since several years, the LEOST and the LAGIS research axes are driven by the understanding of the propagation environment and its use as supplementary information to help the GNSS receiver to be more pertinent. This approach aims to reduce the number of sensors in the localisation system, and consequently reduces its complexity and cost. The work performed in this thesis is devoted to provide more realistic pseudorange error models and reception channel model. After, a step of observation error characterization, several pseudorange error models have been proposed. These models are the finite gaussian mixture model and the Dirichlet process mixture. The model parameters are then estimated jointly with the state vector containing position by using adapted filtering solution like the Rao-Blackwellized particle filter. The noise model evolution allows adapting to an urban environment and consequently providing a position more accurate.Each step of this work has been tested and evaluated on simulation data and real data.; Les GNSS sont désormais largement présents dans le domaine des transports. Actuellement, la communauté scientifique désire développer des applications nécessitant une grande précision, disponibilité et intégrité.Ces systèmes offrent un service de position continu. Les performances sont définies par les paramètres du système mais également par l’environnement de propagation dans lequel se propagent les signaux. Les caractéristiques de propagation dans l’atmosphère sont connues. En revanche, il est plus difficile de prévoir l’impact de l’environnement proche de l’antenne, composé d’obstacles urbains. L’axe poursuivit par le LEOST et le LAGIS consiste à appréhender l’environnement et à utiliser cette information en complément de l’information GNSS. Cette approche vise à réduire le nombre de capteurs et ainsi la complexité du système et son coût. Les travaux de recherche menés dans le cadre de cette thèse permettent principalement de proposer des modélisations d'erreur de pseudodistances et des modélisations de l'état de réception encore plus réalistes. Après une étape de caractérisation de l’erreur, plusieurs modèles d’erreur de pseudodistance sont proposés. Ces modèles sont le mélange fini de gaussiennes et le mélange de processus de Dirichlet. Les paramètres du modèle sont estimés conjointement au vecteur d’état contenant la position grâce à une solution de filtrage adaptée comme le filtre particulaire Rao-Blackwellisé. L’évolution du modèle de bruit permet de s'adapter à l’environnement et donc de fournir une localisation plus précise. Les différentes étapes des travaux réalisés dans cette thèse ont été testées et validées sur données de simulation et réelles.

Rainfall-Runoff modelling belongs to the major tools for flood forecasting, as it allows to reach longer lead times than by many other methods. The hydrological community has developed numerous data assimilation techniques in order to improve on the forecast quality. In this study, we compared many methods which aim at updating a Rainfall-Runoff model at an hourly time step with lead times from one hour to a few days. All the tested techniques assimilate the streamflow measured at the catchment outlet. They update the model's states, parameters or outputs. Some are deterministic while others are probabilistic. This study highlighted the interaction between the structure of the hydrological model and the updates, both characterized by different dynamics. Hence considering the model as a whole seems more effective than considering it as the juxtaposition of a hydrological model followed by an updating procedure.We therefore advocate taking into account the updating techniques to be applied to the model when identifying its structure and calibrating it. The model which provides the best forecasts combines a hydrological structure and two updating methods. The flowchart is almost identical to the one optimized for the daily time step. The first update modifies one key model state, while the second one is an articifial neural network which predicts the remaining model error. This combination has been tested over a large data set of French watersheds. Its predictive performances are robust and compare favourably with those of other flood forecasting models., La modélisation hydrologique Pluie - Débit compte parmi les outils incontournables pour prévoir les crues, car elle permet d'atteindre des horizons plus lointains que de nombreuses autres méthodes. Pour tenter d'améliorer la qualité des prévisions, les hydrologues ont proposé de nombreuses approches d'assimilation de données. Cette thèse s'intéresse à un modèle Pluie - Débit fonctionnant au pas de temps horaire. Elle propose une comparaison de nombreuses méthodes de mise-à-jour de ce modèle par l'assimilation de la donnée de débit observé à l'exutoire du bassin versant, dans le but de fournir des prévisions de crue à des horizons allant de quelques heures à quelques jours. Les mises-à-jour étudiées portent sur les paramètres du modèle, ses états et ses sorties. Certaines sont déterministes, d'autres probabilistes. Ce travail a permis de mettre en avant l'interaction qui existe entre la structure du modèle hydrologique et les mises-à-jour. Ces deux éléments se caractérisent par des dynamiques temporelles différentes. Nos résultats plaident pour que le modèle soit considéré comme un tout et non comme la juxtaposition d'un modèle hydrologique et d'une procédure de mise-à-jour. Il nous paraît préférable d'optimiser la structure et de caler le modèle en tenant compte des mises-à-jour qui seront appliquées. Le modèle donnant les meilleures prévisions associe une structure hydrologique très proche de celle obtenue au pas de temps journalier et deux mises-à-jour du modèle, l'une modifiant un état crucial du modèle, l'autre corrigeant ses sorties par un réseau de neurones artificiels. Cette combinaison a été évaluée à l'aide d'une sélection de critères de performance adaptés à l'objectif du modèle, sur un vaste ensemble de bassins versants français. Ses performances sont robustes et se comparent favorablement à d'autres modèles de prévision.

This thesis is concerned with the data assimilation methods which combine the dynamical model with the observations. We present the well-known methods: statistical interpolation, variational data assimilation methods and sequential data assimilation methods. We are particularly interested in the Ensemble Kalman Filter (EnKF) which is more and more used in the oceanographic applications. The Ensemble Kalman Filter has been initially proposed as approximation of the Kalman filter in the case of linear Gaussian model of huge dimension, it has been then extended for the non linear Gaussian models. Very little is known about its asymptotic behaviour, whereas the particle filters have a well understood convergence to the Bayesian filter. We prove the convergence of the EnKF, as the number of ensemble elements increases to infinity. In the linear case, the limit of the empirical distribution of the ensemble elements is the usual (Gaussian distribution associated with the) Kalman filter. In the more general case where the state equation is locally Lipschitz continuous with at most polynomial growth at infinity, this limit differs from the usual Bayesian filter. We present the simulation results on a simple linear Gaussian model and on the Lorenz model, where we compare the performance of the EnKF and the particle filter, as the number of ensemble elements is small and as it increases to infinity., Cette thèse porte sur les méthodes d'assimilation de données, qui consistent à combiner des informations provenant d'un modèle dynamique avec des observations. Nous présentons des méthodes d'assimilation les plus connues: l'interpolation statistique, les méthodes variationnelles d'assimilation de données et les méthodes séquentielles d'assimilation de données. Nous nous intéressons particulièrement au filtre de Kalman d'ensemble qui est de plus en plus utilisé dans les applications océanographiques. Le filtre de Kalman d'ensemble a été proposé initialement comme une approximation du filtre de Kalman pour les modèles linéaires gaussiens de grande dimension, il a ensuite été étendu au cas du modèle non linéaire gaussien. Il existe très peu de résultats théoriques sur les propriétés asymptotiques du filtre de Kalman d'ensemble, alors qu'il est connu que le filtre particulaire converge vers le filtre bayésien optimal quand le nombre de particules tend vers l'infini. Nous démontrons dans cette thèse que, quand le nombre d'éléments tend vers l'infini, dans le cas où la fonction du modèle dynamique est continue et localement lipschitzienne avec un accroissement au plus polynomial à l'infini, les éléments du filtre de Kalman d'ensemble convergent vers les éléments indépendants et identiquement distribués selon une loi qui diffère de la loi a posteriori du filtre bayésien optimal dans le cas général. Dans le cas du modèle linéaire gaussien, cette loi asymptotique n'est autre que la loi a posteriori du filtre de Kalman. Nous présentons aussi des résultats de simulations du filtre de Kalman d'ensemble et du filtre particulaire sur un modèle linéaire gaussien simple et sur le modèle de Lorenz afin de comparer la performance des deux filtres à l'asymptotique et aussi dans le cas où le nombre d'éléments d'ensemble est faible.

In the context of visual navigation in an open and dynamic environment, obstacle detection play a major role. In this thesis, we are interested in the characterization of obstacles by the Time To Collision (TTC). We showed that this TTC can be computed directly in an image by using the characteristic scale. Next, we developed a detector and a tracker invariant to change of scale and well adapted to urban environments. This detector can extract regions of interest called “ridge segments” corresponding to contrasted and elongated shapes in the image. The tracking of such structures is based on a particles filter and allows the calculation of the scale in order to estimate the TTC. At last, we studied two applications for visual navigation such as automatic stopping of vehicle and a Bayesian reactive obstacles avoidance system.; Dans un contexte de navigation visuelle en environnement ouvert et dynamique, la détection d'obstacles constitue un élément indispensable. Dans cette thèse, nous nous intéressons à la caractérisation des obstacles par le temps avant collision (TTC). Ayant montré que ce TTC peut être calculé directement dans une image à l'aide de l'échelle intrinsèque, nous avons mis au point un détecteur ainsi qu'un algorithme de suivi invariant au changement d'échelle et adapté à un environnement urbain. Ce détecteur permet d'extraire des régions d'intérêt appelées segments de crête correspondant à des formes contrastées et rectilignes dans l'image. Le suivi de ces régions d'intérêt est fondé sur un filtre à particules et permet de mesurer la variation d'échelles afin d'estimer le TTC. Enfin, nous avons étudié deux applications de navigation visuelle d'un véhicule telles que l'arrêt du véhicule avant collision et un système d'évitement réactif d'obstacles bayésien.

In the context of visual navigation in an open and dynamic environment, obstacle detection play a major role. In this thesis, we are interested in the characterization of obstacles by the Time To Collision (TTC). We showed that this TTC can be computed directly in an image by using the characteristic scale. Next, we developed a detector and a tracker invariant to change of scale and well adapted to urban environments. This detector can extract regions of interest called “ridge segments” corresponding to contrasted and elongated shapes in the image. The tracking of such structures is based on a particles filter and allows the calculation of the scale in order to estimate the TTC. At last, we studied two applications for visual navigation such as automatic stopping of vehicle and a Bayesian reactive obstacles avoidance system.; Dans un contexte de navigation visuelle en environnement ouvert et dynamique, la détection d'obstacles constitue un élément indispensable. Dans cette thèse, nous nous intéressons à la caractérisation des obstacles par le temps avant collision (TTC). Ayant montré que ce TTC peut être calculé directement dans une image à l'aide de l'échelle intrinsèque, nous avons mis au point un détecteur ainsi qu'un algorithme de suivi invariant au changement d'échelle et adapté à un environnement urbain. Ce détecteur permet d'extraire des régions d'intérêt appelées segments de crête correspondant à des formes contrastées et rectilignes dans l'image. Le suivi de ces régions d'intérêt est fondé sur un filtre à particules et permet de mesurer la variation d'échelles afin d'estimer le TTC. Enfin, nous avons étudié deux applications de navigation visuelle d'un véhicule telles que l'arrêt du véhicule avant collision et un système d'évitement réactif d'obstacles bayésien.

A hybrid navigation system combines several positioning means so as to achieve a greater accuracy, availability, and reliability. This study focuses on the association of an inertial navigation system, an on-board radar-altimeter and a digital terrain elevation model. The target application is autonomous aircrafts (UAVs, long-range missiles). The problem consists in combining the inertial data and radio-altimeter measurements in an optimal way. The problem can be expressed as a non-linear filtering operation. The non-linearity is due to the arbitrary shape of the terrain. In this thesis, we propose to assess the performances of the particle filtering algorithm. Although particle filtering is still little used in industrial application because of its heavy computation requirements, it arouses a growing interest as the processors constantly rise in performance. This study describes both the application context (principle of inertial navigation, model of inertial sensor errors, description of commonly used algorithms, principle of radar-altimeter measurements) and the theoretical aspects of particle filtering. It highlights the potential advantages of particle filtering algorithm over the classical ones (grid filtering, extended Kalman filter, unscented Kalman filter). The knowledge acquired on several variants of the particle filter (Rao-blackwellized particle filter, Gaussian particle filter) leads to solutions that meet at best the application constraints., Un système de navigation hybridée associe plusieurs moyens de positionnement afin d'augmenter la précision, la disponibilité, et la fiabilité de l'information délivrée. Cette thèse se focalise sur l'association d'une centrale inertielle et de mesures radio-altimétriques pour la navigation des aéronefs (drones, missiles). La problématique consiste à fusionner de manière optimale les informations inertielles et les mesures du radio-altimètre. Ce problème se formule comme une opération de filtrage non-linéaire, la non-linéarité résultant du profil arbitraire du terrain survolé. On se propose dans le cadre de la thèse d'évaluer les performances de l'algorithme de filtrage particulaire. Cet algorithme, bien qu'encore très peu utilisé pour des applications industrielles à cause de la lourdeur des calculs qu'il engendre, suscite un intérêt croissant avec l'augmentation constante des capacités de calcul des processeurs. Cette étude s'est concentrée à la fois sur le contexte applicatif (principe de la navigation inertielle, modélisation des imperfections des senseurs inertiels, description des algorithmes actuellement utilisés, principe de la mesure radio-altimétrique) et sur la théorie du filtrage particulaire. Ceci a permis de préciser les apports potentiels du filtrage particulaire par rapport aux autres algorithmes plus classiques (filtre à grille, filtre de Kalman étendu, unscented Kalman filter). L'expérience acquise sur les différentes variantes du filtre particulaire a permis de proposer des solutions satisfaisant au mieux le cahier des charges imposé par le contexte applicatif.

A hybrid navigation system combines several positioning means so as to achieve a greater accuracy, availability, and reliability. This study focuses on the association of an inertial navigation system, an on-board radar-altimeter and a digital terrain elevation model. The target application is autonomous aircrafts (UAVs, long-range missiles). The problem consists in combining the inertial data and radio-altimeter measurements in an optimal way. The problem can be expressed as a non-linear filtering operation. The non-linearity is due to the arbitrary shape of the terrain. In this thesis, we propose to assess the performances of the particle filtering algorithm. Although particle filtering is still little used in industrial application because of its heavy computation requirements, it arouses a growing interest as the processors constantly rise in performance. This study describes both the application context (principle of inertial navigation, model of inertial sensor errors, description of commonly used algorithms, principle of radar-altimeter measurements) and the theoretical aspects of particle filtering. It highlights the potential advantages of particle filtering algorithm over the classical ones (grid filtering, extended Kalman filter, unscented Kalman filter). The knowledge acquired on several variants of the particle filter (Rao-blackwellized particle filter, Gaussian particle filter) leads to solutions that meet at best the application constraints., Un système de navigation hybridée associe plusieurs moyens de positionnement afin d'augmenter la précision, la disponibilité, et la fiabilité de l'information délivrée. Cette thèse se focalise sur l'association d'une centrale inertielle et de mesures radio-altimétriques pour la navigation des aéronefs (drones, missiles). La problématique consiste à fusionner de manière optimale les informations inertielles et les mesures du radio-altimètre. Ce problème se formule comme une opération de filtrage non-linéaire, la non-linéarité résultant du profil arbitraire du terrain survolé. On se propose dans le cadre de la thèse d'évaluer les performances de l'algorithme de filtrage particulaire. Cet algorithme, bien qu'encore très peu utilisé pour des applications industrielles à cause de la lourdeur des calculs qu'il engendre, suscite un intérêt croissant avec l'augmentation constante des capacités de calcul des processeurs. Cette étude s'est concentrée à la fois sur le contexte applicatif (principe de la navigation inertielle, modélisation des imperfections des senseurs inertiels, description des algorithmes actuellement utilisés, principe de la mesure radio-altimétrique) et sur la théorie du filtrage particulaire. Ceci a permis de préciser les apports potentiels du filtrage particulaire par rapport aux autres algorithmes plus classiques (filtre à grille, filtre de Kalman étendu, unscented Kalman filter). L'expérience acquise sur les différentes variantes du filtre particulaire a permis de proposer des solutions satisfaisant au mieux le cahier des charges imposé par le contexte applicatif.

Knowing where a device or a person is in the environment becomes of major importance for applications providing services based on the position. The evolution of the technology and the advent of the GPS, lead to have a good estimate of the position of a mobile outside buildings. Even if GPS is dominating outdoor positioning, no technology flooded the indoor positioning market yet. Many WiFi networks are deployed inside buildings. Signal strength (RSS) information are present for the roaming inside the network. The RSS fingerprinting technique can determine the position of a mobile as long as a signal strength database (RSS coverage) is available.Time based techniques are less constraining than fingerprinting. The forthcoming IEEE.802.15.4a standard is to have positioning capabilities. A study on the possible positioning techniques is necessary to achieve sub-centimeter accuracies. The narrow impulses emitted provide to the system the capability of separating the different multipath at reception. Multipath is the main phenomena impeding time based positioning technique.Performances of positioning systems are often degraded by multi-path, measurement noises, etc. The Kalman filter and the particle filter are often used in estimation problems and can be limit the impact of the degradations. Sensor fusion is another approach to enhance performances. This is the next step to achieve a indoor globally positioning system. Novel architectures must be designed to make the technologies cooperate in order to annihilated theweaknesses of each single technology and deliver the best position in every situation.This work presents a novel approach for the WiFi indoor positioning by using mapping information while keeping a low complexity for the implementation on handheld devices. Then, UWB capabilities are explored and finally a reflection on sensor fusion is proposed.; Autant le GPS tend à s'imposer pour la localisation à l'extérieur des bâtiments, autant la situation est beaucoup plus ouverte pour la localisation à l'intérieur des bâtiments. De nombreux réseaux WiFi sont déployés dans les bâtiments. Ils diffusent des informations de puissance du signal permettant de remonter à la position d'un mobile. La technique du fingerprinting par puissance WiFi permet de localiser le mobile. Cependant, l'utilisation de cette technique de localisation requière une base de données correspondant à la couverture radio WiFi dans l'environnement.L'utilisation d'une technique de localisation basée sur des mesures temporelles est moins contraignante que le fingerprinting. L'émission d'impulsions radio très brèves confère à la technologie 802.15.4a un fort pouvoir séparateur des multi-trajets. Le phénomène de multi-trajets est la principale contrainte au déploiement d'une technologie de localisation par mesures temporelles. La détection du premier trajet est très importante.Des estimateurs comme le filtre de Kalman ou le filtre particulaire sont nécessaires pour limiter les effets des multi-trajets, des bruits de mesure, etc. Ces filtres peuvent aussi intégrer des informations de cartographie. Bien souvent, l'exploitation d'une seule technologie est insuffisante. La fusion d'informations de localisation est une étape supplémentaire pour améliorer la localisation. Des architectures de fusion robustes permettent de corriger les défauts de chacune des technologies pour conduire à un système plus robuste et plus précis en toutes circonstances.Ce travail présente une approche innovante pour la localisation WiFi avec l'exploitation de cartographie dans l'estimateur tout en gardant une faible complexité suivant la plate-forme de déploiement visée. L'exploration des capacités de la localisation par ULB est proposée dans un second temps, avant d'aborder une réflexion sur les méthodes de fusion multi-capteurs.

Knowing where a device or a person is in the environment becomes of major importance for applications providing services based on the position. The evolution of the technology and the advent of the GPS, lead to have a good estimate of the position of a mobile outside buildings. Even if GPS is dominating outdoor positioning, no technology flooded the indoor positioning market yet. Many WiFi networks are deployed inside buildings. Signal strength (RSS) information are present for the roaming inside the network. The RSS fingerprinting technique can determine the position of a mobile as long as a signal strength database (RSS coverage) is available.Time based techniques are less constraining than fingerprinting. The forthcoming IEEE.802.15.4a standard is to have positioning capabilities. A study on the possible positioning techniques is necessary to achieve sub-centimeter accuracies. The narrow impulses emitted provide to the system the capability of separating the different multipath at reception. Multipath is the main phenomena impeding time based positioning technique.Performances of positioning systems are often degraded by multi-path, measurement noises, etc. The Kalman filter and the particle filter are often used in estimation problems and can be limit the impact of the degradations. Sensor fusion is another approach to enhance performances. This is the next step to achieve a indoor globally positioning system. Novel architectures must be designed to make the technologies cooperate in order to annihilated theweaknesses of each single technology and deliver the best position in every situation.This work presents a novel approach for the WiFi indoor positioning by using mapping information while keeping a low complexity for the implementation on handheld devices. Then, UWB capabilities are explored and finally a reflection on sensor fusion is proposed., Autant le GPS tend à s'imposer pour la localisation à l'extérieur des bâtiments, autant la situation est beaucoup plus ouverte pour la localisation à l'intérieur des bâtiments. De nombreux réseaux WiFi sont déployés dans les bâtiments. Ils diffusent des informations de puissance du signal permettant de remonter à la position d'un mobile. La technique du fingerprinting par puissance WiFi permet de localiser le mobile. Cependant, l'utilisation de cette technique de localisation requière une base de données correspondant à la couverture radio WiFi dans l'environnement.L'utilisation d'une technique de localisation basée sur des mesures temporelles est moins contraignante que le fingerprinting. L'émission d'impulsions radio très brèves confère à la technologie 802.15.4a un fort pouvoir séparateur des multi-trajets. Le phénomène de multi-trajets est la principale contrainte au déploiement d'une technologie de localisation par mesures temporelles. La détection du premier trajet est très importante.Des estimateurs comme le filtre de Kalman ou le filtre particulaire sont nécessaires pour limiter les effets des multi-trajets, des bruits de mesure, etc. Ces filtres peuvent aussi intégrer des informations de cartographie. Bien souvent, l'exploitation d'une seule technologie est insuffisante. La fusion d'informations de localisation est une étape supplémentaire pour améliorer la localisation. Des architectures de fusion robustes permettent de corriger les défauts de chacune des technologies pour conduire à un système plus robuste et plus précis en toutes circonstances.Ce travail présente une approche innovante pour la localisation WiFi avec l'exploitation de cartographie dans l'estimateur tout en gardant une faible complexité suivant la plate-forme de déploiement visée. L'exploration des capacités de la localisation par ULB est proposée dans un second temps, avant d'aborder une réflexion sur les méthodes de fusion multi-capteurs.

We are interested in the addition of uncertainty in hidden Markov models. The inference is made in a Bayesian framework based on Monte Carlo methods. We consider multiple sensors that may switch between several states of work. An original jump model is developed for different kind of situations, including synchronous/asynchronous data and the binary valid/invalid case. The model/algorithm is applied to the positioning of a land vehicle equipped with three sensors. One of them is a GPS receiver, whose data are potentially corrupted due to multipaths phenomena.We consider the estimation of the probability density function of the evolution and observation noises in hidden Markov models. First, the case of linear models is addressed and MCMC and particle filter algorithms are developed and applied on three different applications. Then the case of the estimation of probability density functions in nonlinear models is addressed. For that purpose, time-varying Dirichlet processes are defined for the online estimation of time-varying probability density functions.; On s'intéresse à l'ajout d'incertitudes supplémentaires dans les modèles de Markov cachés. L'inférence est réalisée dans un cadre bayésien à l'aide des méthodes de Monte Carlo. Dans un cadre multicapteur, on suppose que chaque capteur peut commuter entre plusieurs états de fonctionnement. Un modèle à saut original est développé et des algorithmes de Monte Carlo efficaces sont présentés pour différents types de situations, prenant en compte des données synchrones/asynchrones et le cas binaire capteur valide/défaillant. Le modèle/algorithme développé est appliqué à la localisation d'un véhicule terrestre équipé de trois capteurs, dont un récepteur GPS, potentiellement défaillant à cause de phénomènes de trajets multiples. On s'intéresse ensuite à l'estimation de la densité de probabilité des bruits d'évolution et de mesure dans les modèles de Markov cachés, à l'aide des mélanges de processus de Dirichlet. Le cas de modèles linéaires est tout d'abord étudié, et des algorithmes MCMC et de filtrage particulaire sont développés. Ces algorithmes sont testés sur trois applications différentes. Puis le cas de l'estimation des densités de probabilité des bruits dans les modèles non linéaires est étudié. On définit pour cela des processus de Dirichlet variant temporellement, permettant l'estimation en ligne d'une densité de probabilité non stationnaire.

In this report, the aim is to develop and study a new particle filter called «The Kalman-Particle Kernel Filter (KPKF)». The KPKF represents the conditional density of the state as a mixture of n-dimensional gaussian densities each centered on a particle and having a small covariance matrix. The algorithm corrects the system state both by a Kalman-type correction and a particle-type correction, by changing the particle weights. In addition an original resampling method is performed to keep the appropriate properties of gaussian mixture. The KPKF combines advantages of the Regularized Particle Filter (RPF) in term of robustness and of the Extended Kalman Filter (EKF) in term of accuracy. This new method of filtering is applied to inertial navigation update of an aircraft equipped with a radar altimeter. The results show a good behaviour of the KPKF for a large initial uncertainty of the aircraft?s position.; L'objectif de ce mémoire est de développer et d'étudier un nouveau type de filtre particulaire appelé le filtre de Kalman-particulaire à noyaux (KPKF). Le KPKF modélise la densité conditionnelle de l'état comme un mélange de gaussiennes centrées sur les particules et ayant des matrices de covariance de norme petite. L'algorithme du KPKF utilise une correction de l'état de type Kalman et une correction de type particulaire modifiant les poids des particules. Un nouveau type de ré-échantillonnage permet de préserver la structure de cette mixture. Le KPKF combine les avantages du filtre particulaire régularisé en terme de robustesse et du filtre de Kalman étendu en terme de précision. Cette nouvelle méthode de filtrage a été appliquée au recalage de navigation inertielle d'un aéronef disposant d'un radio altimètre. Les résultats obtenus montrent que le KPKF fonctionne pour de grandes zones d'incertitude initiale de position.

Resume Les filtres particulaires sont actuellement les outils de filtrage de systeme non lineaire a temps discret les plus performants. Toutefois la presence de parametres inconnus dans les equations du systeme rend leur mise en œuvre delicate et compromet souvent leur convergence. Cette Note montre comment une estimation en ligne convergente de ces parametres peut etre obtenue simultanement a celles des variables d'etat a filtrer. Elle repose sur une methode d'estimation non parametrique de densites de probabilites conditionnelles par noyau de convolution, a partir de generations successives de particules du systeme. Pour citer cet article : V. Rossi, J.-P. Vila, C. R. Acad. Sci. Paris, Ser. I 340 (2005).

In this report, the aim is to develop and study a new particle filter called «The Kalman-Particle Kernel Filter (KPKF)». The KPKF represents the conditional density of the state as a mixture of n-dimensional gaussian densities each centered on a particle and having a small covariance matrix. The algorithm corrects the system state both by a Kalman-type correction and a particle-type correction, by changing the particle weights. In addition an original resampling method is performed to keep the appropriate properties of gaussian mixture. The KPKF combines advantages of the Regularized Particle Filter (RPF) in term of robustness and of the Extended Kalman Filter (EKF) in term of accuracy. This new method of filtering is applied to inertial navigation update of an aircraft equipped with a radar altimeter. The results show a good behaviour of the KPKF for a large initial uncertainty of the aircraft?s position., L'objectif de ce mémoire est de développer et d'étudier un nouveau type de filtre particulaire appelé le filtre de Kalman-particulaire à noyaux (KPKF). Le KPKF modélise la densité conditionnelle de l'état comme un mélange de gaussiennes centrées sur les particules et ayant des matrices de covariance de norme petite. L'algorithme du KPKF utilise une correction de l'état de type Kalman et une correction de type particulaire modifiant les poids des particules. Un nouveau type de ré-échantillonnage permet de préserver la structure de cette mixture. Le KPKF combine les avantages du filtre particulaire régularisé en terme de robustesse et du filtre de Kalman étendu en terme de précision. Cette nouvelle méthode de filtrage a été appliquée au recalage de navigation inertielle d'un aéronef disposant d'un radio altimètre. Les résultats obtenus montrent que le KPKF fonctionne pour de grandes zones d'incertitude initiale de position.

Detecting and tracking maritime or ground targets is one of the application fields for surveillance by airborne radar systems. In this specific context, the goal is to estimate the trajectories of one or more moving objects over time by using noisy radar measurements. However, several constraints have to be considered in addition to the problem of estimating trajectories:1. the number of objects inside the region of interest is unknown and may change over time,2. the measurements provided by the radar can arise from the environment and do not necessarily correspond to a mobile object; the phenomenon is called false detection,3. a measurement is not always available for each object; the phenomenon is called non-detection,4. the maneuverability depends on the surface targets.Concerning the three first points, random finite set models can be considered to simultaneously estimate the number of objects and their trajectories in a Bayesian formalism. To deal with the fourth constraint, a classification of the objects to be tracked can be useful. During this PhD thesis, we developped two adaptive approaches that take into account both principles.First of all, we propose a joint target tracking and classification method dedicated to an object with the presence of false detections. Our contribution is to incorporate a filter based on a Bernoulli random finite set. The resulting algorithm combines robustness to the false detections and the ability to classify the object. This classification can exploit the estimation of a discriminating parameter such as the target length that can be deduced from a target length extent measurement.The second adaptive approach presented in this PhD dissertation aims at tracking target groups whose movements are coordinated. Each group is characterized by a common parameter defining the coordination of the movements of its targets. However, the targets keep their own capabilities of maneuvering relatively to the group dynamics. Based on the random finite sets formalism, the proposed solution represents the multi-target multi-group configuration hierarchically. At the top level, the overall situation is modeled by a random finite set whose elements correspond to the target groups. They consist of the common parameter of the group and a multi-target random finite set. The latter contains the state vectors of the targets of the group whose number may change over time. The estimation algorithm developed is also organized hierarchically. A labeled multi-Bernoulli filter (LMB) makes it possible to estimate the number of groups, and for each of them, to obtain their probability of existence as well as their common parameter. For this purpose, the LMB filter interacts with a bank of multi-target filters working conditionally to a group hypothesis. Each multi-target filter estimates the number and state vectors of the objects in the group. This approach provides operational information on the tactical situation., La détection et le pistage de cibles de surface, maritimes ou terrestres, constituent l’un des champs d’application de la surveillance par radar aéroporté. Dans ce contexte spécifique, il s’agit d’estimer les trajectoires d’un ou de plusieurs objets mobiles au cours du temps à partir de mesures radar bruitées. Cependant, plusieurs contraintes s’additionnent au problème d’estimation des trajectoires :1. le nombre d’objets présents dans la région d’intérêt est inconnu et peut évoluer au cours du temps,2. les mesures fournies par le radar ne correspondent pas toutes à des objets mobiles car certaines sont dues à l’environnement ; il s’agit de fausses alarmes,3. une mesure n’est pas toujours disponible pour chaque objet à chaque instant ; il s’agit de non-détections,4. les cibles de surface peuvent être très diverses en termes de capacité de manoeuvre.Pour tenir compte des trois premières exigences, les modèles d’ensembles finis aléatoires peuvent être envisagés pour procéder aux estimations simultanées du nombre d’objets et de leur trajectoire dans un formalisme bayésien. Pour répondre à la quatrième contrainte, une classification des objets à pister peut s’avérer utile. Aussi, dans le cadre de cette thèse, nous nous intéressons à deux traitements adaptatifs qui intègrent ces deux principes.Tout d’abord, nous proposons une approche conjointe de pistage et de classification dédiée au cas d’un objet évoluant en présence de fausses alarmes. Notre contribution réside dans le développement d’un algorithme incorporant un filtre fondé sur un ensemble fini aléatoire de Bernoulli. L’algorithme résultant combine robustesse aux fausses alarmes et capacité à classer l’objet. Cette classification peut être renforcée grâce à l’estimation d’un paramètre discriminant comme la longueur, qui est déduite d’une mesure d’étalement distance.Le second traitement adaptatif présenté dans cette thèse est une technique de pistage de groupes de cibles dont les mouvements sont coordonnés. Chaque groupe est caractérisé par un paramètre commun définissant la coordination des mouvements de ses cibles. Cependant, ces dernières conservent une capacité de manoeuvre propre par rapport à la dynamique de groupe. S’appuyant sur le formalisme des ensembles finis aléatoires, la solution proposée modélise hiérarchiquement la configuration multi-groupes multi-cibles. Au niveau supérieur, la situation globale est représentée par un ensemble fini aléatoire dont les éléments correspondent aux groupes de cibles. Ils sont constitués du paramètredu groupe et d’un ensemble fini aléatoire multi-cibles. Ce dernier contient les vecteurs d’état des cibles du groupe dont le nombre peut évoluer au cours du temps. L’algorithme d’estimation développé est lui-aussi organisé de manière hiérarchique. Un filtre multi-Bernoulli labélisé (LMB) permet d’estimer le nombre de groupes, puis pour chacun d’entre eux, leur probabilité d’existence ainsi que leur paramètre commun. Pour ce faire, le filtre LMB interagit avec un banc de filtres multi-cibles qui opèrent conditionnellement à une hypothèse de groupe. Chaque filtre multi-cibles estime le nombre et les vecteurs d’état des objets du groupe. Cette approche permet de fournir à l’opérationnel des informations sur la situation tactique.