Search

This thesis focuses on the design, implementation and evaluation of a portable EEG neurofeedback system to help manage stress for the general public. Such a system allows users to learn to modulate their mental states through brain plasticity phenomena. However, several factors can complicate this learning, such as a lower signal-to-noise ratio of the EEG acquired by dry electrodes, contamination by artefacts or the definition of relevant parameters from the EEG signals. In order to optimize this neural feedback, my thesis first proposes a statistical method to ensure the quality of the acquired EEG signals, as well as a corrective method of artefacts, in order to extract a relevant measure of EEG activity reflecting the individual's stress or relaxation level. The development of a neurofeedback index that is relevant and adapted to the user is also proposed. Following the algorithmic constitution of such a system, the neurofeedback learning characteristics could be studied. In particular, I show that intersession learning seems to be taking place and that in stressed subjects, brain changes occur in the alpha band during the rest phases. Finally, through these methodological aspects, software integration and longitudinal analysis, this thesis constitutes the fundamental building blocks of an automatic recommendation system adapted to the user. Such a system would allow a personal follow-up of users in order to propose a preventive strategy for stress management., Cette thèse porte sur la conception, l’implémentation et l’évaluation d’un système de neurofeedback EEG portable, d’aide à la gestion du stress, à destination du grand public. Un tel système permet aux utilisateurs d’apprendre à moduler leurs états mentaux par des phénomènes de plasticité cérébrale. Cependant, plusieurs facteurs peuvent compliquer cet apprentissage, comme un plus faible rapport signal sur bruit de l'EEG acquis par des électrodes sèches, la contamination par des artefacts ou encore la définition de paramètres pertinents à partir des signaux EEG. Afin d’optimiser ce retour neuronal, ma thèse propose d’abord une méthode statistique permettant de s’assurer de la qualité des signaux EEG acquis, ainsi qu’une méthode corrective d’artefacts, afin de pouvoir extraire une mesure pertinente de l’activité EEG reflétant le niveau de stress ou de relaxation de l’individu. Le développement d’un indice de neurofeedback pertinent et adapté à l’utilisateur est également proposé. A la suite de la constitution algorithmique d’un tel système, les caractéristiques d'apprentissage par neurofeedback ont pu être étudiées. En particulier, je montre qu'un apprentissage intersession semble se mettre en place et que chez les sujets stressés, des changements cérébraux s'opèrent dans la bande alpha durant les phases de repos. Finalement, par ces aspects méthodologiques, d’intégration logicielle et d’analyse longitudinale, cette thèse constitue les briques fondamentales d’un système de recommandation automatique adapté à l’utilisateur. Un tel système permettrait un suivi personnel des utilisateurs afin de leur proposer une stratégie préventive pour la gestion du stress.

Multivariate time series are the standard tool for describing and analysing measurements from multiple sensors during an experiment. In this work, we discuss different aspects of such representations that are invariant to transformations occurring in practical situations. The main source of inspiration for our investigations are experiments with neural signals from electroencephalography (EEG), but the ideas that we present are amenable to other kinds of time series. The first invariance that we consider concerns the dimensionality of the multivariate time series. Very often, signals recorded from neighbouring sensors present strong statistical dependency between them. We present techniques for disposing of the redundancy of these correlated signals and obtaining new multivariate time series that represent the same phenomenon but in a smaller dimension. The second invariance that we treat is related to time series describing the same phenomena but recorded under different experimental conditions. For instance, signals recorded with the same experimental apparatus but on different days of the week, different test subjects, etc. In such cases, despite an underlying variability, the multivariate time series share certain commonalities that can be exploited for joint analysis. Moreover, reusing information already available from other datasets is a very appealing idea and allows for “data-efficient” machine learning methods. We present an original transfer learning procedure that transforms these time series so that their statistical distributions become aligned and can be pooled together for further statistical analysis. Finally, we extend the previous case to when the time series are obtained from different experimental conditions and also different experimental setups. A practical example is having EEG recordings from subjects executing the same cognitive task but with the electrodes positioned differently. We present an original method that transforms these multivariate time series so that they become compatible in terms of dimensionality and also in terms of statistical distributions. We illustrate the techniques described above on EEG epochs recorded during brain- computer interface (BCI) experiments. We show examples where the reduction of the multivariate time series does not affect the performance of statistical classifiers used to distinguish their classes, as well as instances where our transfer learning and dimension-matching proposals provide remarkable results on classification in cross-session and cross-subject settings. For exploring the invariances presented above, we rely on a framework that parametrizes the statistics of the multivariate time series via Hermitian positive definite (HPD) matrices. We manipulate these matrices by considering them in a Riemannian manifold in which an adequate metric is chosen. We use concepts from Riemannian geometry to define notions such as geodesic distance, center of mass, and statistical classifiers for time series. This approach is rooted on fundamental results of differential geometry for Hermitian positive definite matrices and has links with other well established areas in applied mathematics, such as information geometry and signal processing.; L’utilisation de séries temporelles multi-variées est une procédure standard pour décrire et analyser des mesures enregistrées par plusieurs capteurs au cours d’une expérience. Dans ce travail, nous discutons certains aspects de ces représentations temporelles, invariants aux transformations qui peuvent se produire en situations pratiques. Nos recherches s’inspirent en grande partie d’expériences neurophysiologiques reposant sur l’enregistrement de l’activité cérébrale au moyen de l'électroencéphalographie (EEG), mais les idées que nous présentons ne sont pas restreintes à ce cas particulier et peuvent s’étendre à d'autres types de séries temporelles. La première invariance sur laquelle nous portons notre attention est celle de la dimensionnalité des séries temporelles multi-variées. Bien souvent, les signaux enregistrés par des capteurs voisins présentent une forte dépendance statistique entre eux. Nous introduisons donc l’utilisation de techniques permettant d’éliminer la redondance des signaux corrélés et d’obtenir de nouvelles représentations du même phénomène en dimension réduite. La deuxième invariance que nous traitons est liée à des séries temporelles qui décrivent le même phénomène mais sont enregistrées dans des conditions expérimentales différentes. Par exemple, des signaux enregistrés avec le même appareil expérimental, mais à différents jours de la semaine ou sur différents sujets, etc. Dans de tels cas, malgré une variabilité sous-jacente, les séries temporelles multi-variées partagent certains points communs qui peuvent être exploités par une analyse conjointe. En outre, la réutilisation des informations déjà disponibles à partir d'autres jeux de données est une idée très séduisante et permet l’utilisation de méthodes d'apprentissage automatiques dites «data-efficient». Nous présentons une procédure originale d’apprentissage par transfert qui transforme les séries temporelles de telle sorte que leurs distributions statistiques soient alignées et puissent être regroupées pour une analyse statistique plus poussée. Enfin, nous étendons le cas précédent au contexte où les séries temporelles sont obtenues à partir de différentes conditions expérimentales et de différentes configurations d’enregistrement de données. Nous présentons une méthode originale qui transforme ces séries temporelles multi-variées afin qu'elles deviennent compatibles en termes de dimensionnalité et de distributions statistiques. Nous illustrons les techniques citées ci-dessus en les appliquant à des signaux EEG enregistrés dans le cadre d’expériences d’interface cerveau-ordinateur (BCI). Nous montrons sur plusieurs exemples, avec des simulations et des données réelles, que la réduction de dimension - judicieusement choisie - de la série temporelle multi-variée n’affecte pas les performances de classifieurs statistiques utilisés pour déterminer la classe des signaux, et que notre méthode de transfert d'apprentissage et de compatibilité de dimensionnalité apporte des améliorations remarquables en matière de classification inter-sessions et inter-sujets. Pour explorer les invariances présentées ci-dessus, nous nous appuyons sur l’utilisation de matrices Hermitiennes définies positives (HPD) afin de décrire les statistiques des séries temporelles multi-variées. Nous manipulons ces matrices en considérant qu’elles reposent dans une variété Riemannienne pour laquelle une métrique adéquate est choisie. Nous utilisons des concepts issus de la géométrie Riemannienne pour définir des notions telles que la distance géodésique, le centre de masse ou encore les classifieurs statistiques de séries temporelles. Cette approche repose sur les résultats fondamentaux de la géométrie différentielle pour les matrices Hermitiennes définies positives et est liée à d'autres domaines bien établis en mathématiques appliquées, tels que la géométrie de l'information et le traitement du signal.

ITSC 2019, IEEE Intelligent Transportation Systems Conference, Auckland, NOUVELLE-ZELANDE, 27-/10/2019 - 30/10/2019; The ERSAT GGC project introduces the concept of virtual balises for train localization, which avoids investment and maintenance costs of physical balises. Since this concept relies on the matching of train positions to balise positions stored in a database, it is dependent on placing virtual balises in track areas with unimpeded GNSS reception. One factor majorly contributing to the distortion of GNSS signals is the non-line-of-sight (NLOS) scenario where the direct path between a satellite and the receiver on the train is blocked. As these NLOS situations result in deflections or the total absence of GNSS signals, this paper proposes a system to identify obstacles occluding the visibility of satellites above the tracks traversed by a train. This is achieved by video recording the sky from the roof of the train and segmenting the images into sky and non-sky regions. The line-of-sight status of individual satellites is found through projecting the known satellite locations into the segmented images. Consequently, the information whether a satellite is located in a sky or non-sky segment of the image allows for a determination of the GNSS performance at any observed track area.

Non-invasive measurement of intracranial pressure (ICP) has been a research topic for decades, as invasive methods carry risks of hemorrhages and infections. Non-invasive monitoring by cochlear responses has been suggested as a reliable method. One of the most common solutions considered in these methods is the Distortion Products of Otoacoustic Emissions (DPOAE). The DPOAE measurement is quick and simple, as it only requires sending a sound stimulation and recording the cochlear acoustic response using a single probe (such as an earphone). The DPOAE phase shift is the parameter that allows us to monitor the ICP variations. As this is a relative measure, it is necessary to have an individual reference that should not be changed during or between measurements. In addition, the age of the patient influences the DPOAE levels which generally reduce with aging. They are also fragile and very sensitive to the acoustic environment, especially the noise from the patient. This work first presents the development of a signal processing method based on signal distribution analysis for automatic identification and rejection of noisy sections, in order to improve the robustness of the signal extraction from acoustic background noise. The developed method was compared to the rejection thresholds based on operator visual analysis (standard method). The results indicated a statistically lower noise level and more stable signals when using the automatic method. A second study presents a probe positioning and air leak detection technique (AFPS), based on the frequency response analysis of the pressure measured in the external ear canal after wideband stimulation. In this study, a tilt table was used to induce a slight variation in the ICP in four positions (60°, 0°, -20° and again 60°) into two series of measurements. We analyzed the reproducibility between the two tests and the effects on the test results of probe displacement and air leakage when they were identified. These analyses indicated that the AFPS is able to correctly classify the signals according to the occurrence of air leaks or probe movement. In the last experiment, both techniques (automatic rejection and AFPS) were adapted to be used in real time, to identify and correct any problems before or during the test. We compared the modified device and the commercial device in two test sessions, so that each device was used for both ears. In each session, three tests were performed (T1, T2 and T3), each with five values recorded for each of the three positions (45°, 0° "lying down" and -10°). These three tests were performed to allow the analysis of the reproducibility of the measurements, without and with a probe replacement effect, and its accuracy (expressed as the standard deviation of the differences). The AFPS increases robustness, providing more consistent values in all analyses, especially if the probe is repositioned. Automatic rejection reduces the variability between the five measurements taken for the same position, thus increasing the stability and accuracy of the responses.; La mesure non invasive de la pression intracrânienne (PIC) est un sujet de recherche depuis des décennies, car les méthodes invasives comportent des risques d’hémorragies et d’infections. La surveillance non invasive par des réponses cochléaires a été suggérée comme étant une mesure fiable. Une des réponses couramment analysées dans ces méthodes est celle des produits de distorsion acoustique (PDA). La mesure du PDA est rapide et simple, car il suffit d'envoyer une stimulation sonore et d'enregistrer la réponse acoustique produit par les cellules ciliées externes à l'aide d'une seule sonde (comme une oreillette) dans le conduit auditif externe. Le déphasage du PDA est le paramètre qui nous permet de surveiller les variations de la PIC. Comme il s'agit d'une mesure relative, il est nécessaire de disposer d'une référence individuelle qui ne devrait pas être modifiée pendant ou entre les mesures. Cependant, les phases sont sensibles au positionnement de la sonde et (même de légères) variations de l'impédance de l'oreille. De plus, l’âge du patient influence les niveaux du PDA qui réduisent généralement avec le vieillissement. Ils sont aussi fragiles et très sensibles à l’environnement acoustique, en particulier le bruit généré par le patient. Le présent travail présente initialement le développement d'une méthode de traitement du signal basée sur l'analyse de la distribution du signal pour l'identification et la réjection automatique des sections bruyantes, afin d'améliorer la robustesse de l'extraction du signal du bruit de fond acoustique. La méthode mise au point a été comparée à la rejection de sections sur la base de seuils déterminés par l'opérateur à l'aide de l'analyse visuelle du spectre du signal (méthode standard). Les résultats ont indiqué un niveau de bruit statistiquement inférieur et des signaux plus stables lors de l'utilisation de la méthode automatique. Une deuxième étude présente une technique de détection du positionnement des sondes et des fuites d'air (AFPS), en utilisant l'analyse de la réponse en fréquence de la pression mesurée dans le conduit auditif externe après une stimulation large bande. Dans cette étude une table d'inclinaison a été utilisée pour induire une légère variation de la PIC dans quatre positions (60°, 0°, -20° et encore 60°) en deux séries de mesures. Nous avons analysé la reproductibilité entre les deux essais et les effets sur les résultats du test du déplacement de la sonde et des fuites d’air quand elles étaient identifiées. Ces analyses ont indiqué que la méthode AFPS est en mesure de classer correctement les signaux en fonction de la présence de fuites d'air ou du déplacement de la sonde. Pour la dernière expérience, les deux techniques (rejection automatique et AFPS) ont été adaptées pour être utilisées en temps réel, permettant d'identifier et de corriger les problèmes éventuels avant ou pendant le test. Nous avons comparé l'appareil modifié et l'appareil commercial en deux séances d'essai, de sorte que chaque appareil a été utilisé pour les deux oreilles. Dans chaque séance, trois tests ont été effectués (T1, T2 et T3), chacun avec cinq valeurs enregistrées pour chacune des trois positions (45°, 0° "position couchée" et -10°). Les trois tests ont été effectués afin de permettre l'analyse de la reproductibilité des mesures, sans et avec l’effet du remplacement de sonde, et sa précision (exprimée par l'écarttype des différences). La méthode AFPS augmente la robustesse, fournissant des valeurs plus cohérentes dans toutes les analyses, surtout en cas de repositionnement de la sonde. La réjection automatique réduit la variabilité entre les cinq mesures prises pour la même position, augmentant ainsi la stabilité et la précision des réponses.

Non-invasive measurement of intracranial pressure (ICP) has been a research topic for decades, as invasive methods carry risks of hemorrhages and infections. Non-invasive monitoring by cochlear responses has been suggested as a reliable method. One of the most common solutions considered in these methods is the Distortion Products of Otoacoustic Emissions (DPOAE). The DPOAE measurement is quick and simple, as it only requires sending a sound stimulation and recording the cochlear acoustic response using a single probe (such as an earphone). The DPOAE phase shift is the parameter that allows us to monitor the ICP variations. As this is a relative measure, it is necessary to have an individual reference that should not be changed during or between measurements. In addition, the age of the patient influences the DPOAE levels which generally reduce with aging. They are also fragile and very sensitive to the acoustic environment, especially the noise from the patient. This work first presents the development of a signal processing method based on signal distribution analysis for automatic identification and rejection of noisy sections, in order to improve the robustness of the signal extraction from acoustic background noise. The developed method was compared to the rejection thresholds based on operator visual analysis (standard method). The results indicated a statistically lower noise level and more stable signals when using the automatic method. A second study presents a probe positioning and air leak detection technique (AFPS), based on the frequency response analysis of the pressure measured in the external ear canal after wideband stimulation. In this study, a tilt table was used to induce a slight variation in the ICP in four positions (60°, 0°, -20° and again 60°) into two series of measurements. We analyzed the reproducibility between the two tests and the effects on the test results of probe displacement and air leakage when they were identified. These analyses indicated that the AFPS is able to correctly classify the signals according to the occurrence of air leaks or probe movement. In the last experiment, both techniques (automatic rejection and AFPS) were adapted to be used in real time, to identify and correct any problems before or during the test. We compared the modified device and the commercial device in two test sessions, so that each device was used for both ears. In each session, three tests were performed (T1, T2 and T3), each with five values recorded for each of the three positions (45°, 0° "lying down" and -10°). These three tests were performed to allow the analysis of the reproducibility of the measurements, without and with a probe replacement effect, and its accuracy (expressed as the standard deviation of the differences). The AFPS increases robustness, providing more consistent values in all analyses, especially if the probe is repositioned. Automatic rejection reduces the variability between the five measurements taken for the same position, thus increasing the stability and accuracy of the responses.; La mesure non invasive de la pression intracrânienne (PIC) est un sujet de recherche depuis des décennies, car les méthodes invasives comportent des risques d’hémorragies et d’infections. La surveillance non invasive par des réponses cochléaires a été suggérée comme étant une mesure fiable. Une des réponses couramment analysées dans ces méthodes est celle des produits de distorsion acoustique (PDA). La mesure du PDA est rapide et simple, car il suffit d'envoyer une stimulation sonore et d'enregistrer la réponse acoustique produit par les cellules ciliées externes à l'aide d'une seule sonde (comme une oreillette) dans le conduit auditif externe. Le déphasage du PDA est le paramètre qui nous permet de surveiller les variations de la PIC. Comme il s'agit d'une mesure relative, il est nécessaire de disposer d'une référence individuelle qui ne devrait pas être modifiée pendant ou entre les mesures. Cependant, les phases sont sensibles au positionnement de la sonde et (même de légères) variations de l'impédance de l'oreille. De plus, l’âge du patient influence les niveaux du PDA qui réduisent généralement avec le vieillissement. Ils sont aussi fragiles et très sensibles à l’environnement acoustique, en particulier le bruit généré par le patient. Le présent travail présente initialement le développement d'une méthode de traitement du signal basée sur l'analyse de la distribution du signal pour l'identification et la réjection automatique des sections bruyantes, afin d'améliorer la robustesse de l'extraction du signal du bruit de fond acoustique. La méthode mise au point a été comparée à la rejection de sections sur la base de seuils déterminés par l'opérateur à l'aide de l'analyse visuelle du spectre du signal (méthode standard). Les résultats ont indiqué un niveau de bruit statistiquement inférieur et des signaux plus stables lors de l'utilisation de la méthode automatique. Une deuxième étude présente une technique de détection du positionnement des sondes et des fuites d'air (AFPS), en utilisant l'analyse de la réponse en fréquence de la pression mesurée dans le conduit auditif externe après une stimulation large bande. Dans cette étude une table d'inclinaison a été utilisée pour induire une légère variation de la PIC dans quatre positions (60°, 0°, -20° et encore 60°) en deux séries de mesures. Nous avons analysé la reproductibilité entre les deux essais et les effets sur les résultats du test du déplacement de la sonde et des fuites d’air quand elles étaient identifiées. Ces analyses ont indiqué que la méthode AFPS est en mesure de classer correctement les signaux en fonction de la présence de fuites d'air ou du déplacement de la sonde. Pour la dernière expérience, les deux techniques (rejection automatique et AFPS) ont été adaptées pour être utilisées en temps réel, permettant d'identifier et de corriger les problèmes éventuels avant ou pendant le test. Nous avons comparé l'appareil modifié et l'appareil commercial en deux séances d'essai, de sorte que chaque appareil a été utilisé pour les deux oreilles. Dans chaque séance, trois tests ont été effectués (T1, T2 et T3), chacun avec cinq valeurs enregistrées pour chacune des trois positions (45°, 0° "position couchée" et -10°). Les trois tests ont été effectués afin de permettre l'analyse de la reproductibilité des mesures, sans et avec l’effet du remplacement de sonde, et sa précision (exprimée par l'écarttype des différences). La méthode AFPS augmente la robustesse, fournissant des valeurs plus cohérentes dans toutes les analyses, surtout en cas de repositionnement de la sonde. La réjection automatique réduit la variabilité entre les cinq mesures prises pour la même position, augmentant ainsi la stabilité et la précision des réponses.

We have revisited and developed an analytical model of the interaction between the gravitational waves and the Earth in terms of normal modes excitation. We have first reevaluated the induced response for a spherical, radially heterogeneous and non-rotating model to monochromatic gravitational wave sources in terms of radial displacement at the Earth’s surface. Then we have developed a new analytical solution for a rotating elliptical model with lateral heterogeneities. We have considered sources of the gravitational waves that are the double white-dwarf binary systems. We have shown that for both models the only normal modes that are being excited are the quadrupole ones. The final responses highly depend on the gravitational wave frequencies, the largest response being at resonance with a normal mode. However, the detection of these elusive signals in gravimetric and seismological data is very difficult due to large environmental noise present in the data, even after using some signal processing techniques like the matched filtering. There are ten orders of magnitude difference between the calculated Earth’s normal modes response and the ambient noise level. Finally, we have highlighted some limitation of the signal processing techniques used for the search and analysis of the weak signals. In particular, some biases can be introduced when using different station distributions at the surface of the globe in the frame of normal mode studies.; Nous avons révisé et développé une modélisation analytique de l’interaction des ondes gravitationnelles avec la Terre en termes d’excitation des modes propres. Nous avons, dans un premier temps, réévalué la réponse d’une Terre sphérique, sans rotation et radialement stratifiée à des sources d’ondes gravitationnelles monochromatiques en termes de déplacement radial induit à la surface. Nous avons ensuite développé une nouvelle solution pour une Terre en rotation, ellipsoïdale et latéralement hétérogène. Nous avons considéré comme sources d’ondes gravitationnelles les systèmes binaires de naines blanches. Dans les deux cas, les seuls modes propres qui sont excités sont les modes quadripolaires. La réponse finale dépend fortement de la fréquence de l’onde gravitationnelle, la plus grande excitation étant à résonance avec des modes propres. Cependant, la détection de ces faibles signaux dans des données gravimétriques ou sismologiques est très difficile de par la présence d’un bruit trop élevé dans ces observations et ce même après l’utilisation de techniques de traitement du signal, comme le filtrage adaptatif. La réponse de la Terre en termes d’excitation des modes propres est dix ordres de grandeur plus faible que le niveau de bruit ambiant sur Terre. Finalement, nous avons mis en évidence certaines limites d’outils de traitement du signal utilisés pour la recherche et l’analyse de petits signaux. En particulier, la distribution des stations à la surface du globe peut introduire des biais dans l’étude des modes propres.

EMC Europe 2019, European Conference on Electromagnetic Compatibility, Barcelone, ESPAGNE, 02-/09/2019 - 06/09/2019; This paper presents an analyze of the susceptibility of the LTE physical layer in presence of jamming signals. Commercial jammers are often characterized by the frequency bands that they cover. The jamming signal is generally a frequency-sweeping signal which sweeps quickly and periodically the frequency band, with a fixed sweep period (SP). According to the jammer model, the frequency band, the power and the sweep period can be different. In this communication, we study the potential impact of a jamming signal according to its power and its sweep period in order to analyse the disturbing mechanisms. The quality of the LTE uplink is analyzed through the measurements of three parameters: Error Vector Magnitude (EVM), Occupied BandWidth (OBW) and Adjacent Channel Leakage-power Ratio (ACLR).

GRETSI 2019, 27ème Colloque francophone de traitement du signal et des images, Lille, FRANCE, 26-/08/2019 - 29/08/2019; Dans ce travail, nous avons évalué les performances d'un algorithme de classification adaptative et en ligne (SAKM auto-adaptatif Kernel Machine) pour la reconnaissance automatique et en ligne d'attaques sur des communications Wi-Fi (protocole 802.11n). Les résultats présentés ici font partie d'un projet plus vaste portant sur la surveillance du système sans fil. Les ondes radio sont faciles à écouter. En raison de l'évolution rapide des attaques disponibles, l'utilisation de l'algorithme d'apprentissage ne peut pas couvrir toutes les configurations. Le clustering en ligne construit des modèles évolutifs sans connaissance des différents cas à différencier. Il est donc bien adapté à ce type de problématique. Basé sur les méthodes de noyau SVM, l'algorithme SAKM utilise une procédure d'apprentissage adaptatif rapide pour prendre en compte les variations dans le temps.

This document summarizes the scientific route that I have followed since 2003 to develop my research activities on the issue of muscular redundancy. Throughout my career, I have deepened this subject by focusing on the functional roles of agonist/antagonist co-contraction and on the central nervous mechanisms controlling antagonist muscles activity during voluntary and involuntary contractions in man, with the aims to optimize motor performance in the healthy subject and to improve motor function in the brain or spinal cord injured subjects. To address this issue, my scientific works shifted from a strictly biomechanical approach to a multidisciplinary multimodal approach at the intersection of biomechanics, neuroscience and signal processing. The main research topics that I have developed relate to musculoskeletal modeling of muscular redundancy, to the study of the factors of modulation of healthy and pathological agonist/antagonist co-contraction, to the study of the cerebral correlates of antagonist muscles activity, and finally to the contribution of cortico-muscular and intermuscular interactions to the control of agonist/antagonist co-contraction. By pursuing the original approach in which I am engaged in the field of neuro-biomechanics, this work will deepen the analysis of co-contraction through a broader definition and an open vision to new scientific fields. It will also contribute to a better understanding of the functional role and the mechanisms involved in the control of muscular redundancy from both a fundamental and clinical perspective.; Ce document est la synthèse du cheminement scientifique que j’ai suivi depuis 2003 pour développer mes activités de recherche sur la question de la redondance musculaire. Tout au long de mon parcours, j’ai approfondi ce sujet en m’intéressant aux rôles fonctionnels de la co-contraction agoniste / antagoniste et aux mécanismes nerveux centraux de contrôle de l’activité musculaire antagoniste lors de contractions volontaires et involontaires chez l’homme, avec des visées dans les domaines entrecroisés de l’optimisation de la performance motrice chez le sujet sain et l’amélioration de la fonction motrice chez le patient cérébro- ou médullo-lésé. Pour traiter cette question, ma démarche scientifique m’a fait passer d’une approche strictement biomécanique à une approche multimodale réellement pluridisciplinaire au croisement de la biomécanique, des neurosciences et du traitement du signal. Les principales thématiques de recherche que j’ai développées concernent la modélisation musculo-squelettique de la redondance musculaire, l’étude des facteurs de modulation de la co-contraction agoniste / antagoniste saine et pathologique, l’étude des corrélats cérébraux de l’activité des muscles antagonistes, et enfin la contribution des interactions cortico-musculaires et intermusculaires au contrôle de la co-contraction agoniste / antagoniste. En poursuivant la démarche originale dans laquelle je m’inscris dans le domaine de la neuro-biomécanique, ces travaux approfondiront l’analyse de la co-contraction à travers une définition élargie et une vision ouverte à de nouveaux champs scientifiques. Ils contribueront également à mieux comprendre le rôle fonctionnel et les mécanismes impliqués dans le contrôle de la redondance musculaire dans une double perspective fondamentale et clinique.

The scientific topic of sound source separation (SSS) aims at decomposing audio signals into their constitutive components, e.g. separate singing voice from background music or from background noise. In the case of very old and degraded historical recordings, SSS strongly extends classical denoising methods by being able to account for complex signal or noise patterns and achieve efficient separation where traditional approaches fail.It is classic in signal processing to model the observed signal as the sum of desired signals. If we adopt a probabilistic model, it is preferable that law of the additive processes is stable by summation. The Gaussian process notoriously satisfies this condition. It admits useful statistical operators as the covariance and the mean. The existence of those moments allows to provide a statistical model for SSS. However, Gaussian process has difficulty to deviate from its mean. This drawback limits signal dynamics and may cause unstable inference methods. On the contrary, non-Gaussianα−stable processes are stable under addition, and permit the modeling of signals with considerable dynamics. For the last few decades, α-stable theory have raised mathematical challenges and have already been shown to be effective in filtering applications. This class of processes enjoys outstanding properties, not available in the Gaussian case. A major asset for signal processing is the unique spatial representation of a multivariate α−stable vector, controlled by a so-called spectral measure and a deterministic vector.The spectral measure provides information on the global energy coming from all space directions while the vector localizes the centroid of the probability density function. It shows its usefulness for the socalled independent component analysis (ICA) topic and the SSS. However, those models are only linear instantaneous mixture and do not consider the frequency domain.This thesis introduces several α-stables models, with the aim of extending them in several directions. First, we propose an extension of single-channel α−stable filtering theory to a multichannel one. In particular, a novel spatial representation forα−stable vectors is proposed. Secondly, we develop α−stable models for denoising where each component could admit a different α. This hybrid model provides a rigorous explanation of some heuristic Wiener filters outlined in the 1980s. We also describe how the α−stable theory yields a new method for audio source localization. We use the spectral measure resulting from the spatial representation of α−stable vectors. In practice, it leads to determine whether a source is active at a specific location. Our work consisted in investigating the α-stable theory for signal processing and developing several models for a wide range of applications. The models introduced in this thesis could also be extend to more signal processing tasks. We could use our mutivariate α−stable models to dereverberation or SSS. Moreover, the localization algorithm is implementable for room geometry estimation; Le sujet scientifique de la séparation de sources sonores (SSS) vise à décomposer les signaux audio en leurs éléments constituants, par exemple en séparant la voix du chanteur principal de son accompagnement musical ou du bruit de fond. Dans le cas d’enregistrements historiques très anciens et très dégradés, la SSS étend de manière significative les méthodes classiques de débruitage en permettant de prendre en compte des motifs complexes de signal et de bruit et de réaliser efficacement la séparation, là où les approches traditionnelles sont tenues en échec.En traitement du signal audio, le signal observé est souvent supposé être égal à la somme des signaux que nous souhaitons obtenir. Dans le cadre d’une modélisation probabiliste, il est alors primordial que les processus stochastiques préservent leur loi par sommation. Le processus le plus employé et vérifiant cette stabilité est le processus gaussien. Comparé aux autres processus α−stables vérifiant la même stabilité, les processus gaussiens ont la particularité d’admettre des outils statistiques facilement interprétables comme la moyenne et la covariance. L’existence de ces moments permet d’esquisser des méthodes statistiques en SSS et plus généralement, en traitement du signal. La faiblesse de ces processus réside néanmoins dans l’incapacité à s’écarter trop loin de leurs moyennes. Cela limite la dynamique des signaux modélisables et peut provoquer des instabilités dans les méthodes d’inférence considérées.Les processus α−stables non-gaussiens soulèvent des défis mathématiques et ont déjà démontré leur efficacité dans des applications de filtrage et en terme algorithmique. En dépit de non-existence d’une forme analytique des densités de probabilités, les processus α−stables jouissent de résultats non valables dans le cas gaussien. Par exemple, un vecteur α−stable non-gaussien admet une représentation spatiale unique. En résumé, le comportement d’une distribution multivariée α−stable est contrôlé par deux opérateurs. Une mesure dite «spectrale» informant sur l’énergie globale venant de chaque direction de l’espace et un vecteur localisant le centroïde de sa densité de probabilité. Cette représentation spatiale a notamment montré son efficacité dans le cas de la SSS pour la célèbre analyse en composantes indépendantes (ACI). Les modèles pour cette ACI α−stable ne sont cependant proposés que dans le cas de mélanges linéaires instantanés. Par conséquent, l’information dans le domaine fréquentiel est omise pour ce type de mélange.Ce mémoire de thèse introduit différents modèles α−stables d’un point de vue théorique et les développe dans plusieurs directions. Nous proposons notamment une extension de la théorie de filtrage α−stable monocanal au cas multicanal. En particulier, une nouvelle représentation spatiale pour les vecteurs α−stables est adoptée. Nous développons en outre un modèle de débruitage où le bruit et la parole découlent de distributions α−stables mais ayant un exposant caractéristique α différent. La valeur d’α permet de contrôler la stationnarité de chaque source. Grâce à ce modèle hybride, nous avons également déduit une explication rigoureuse sur des filtrages de Wiener heuristiques esquissés dans les années 80. Une autre partie de ce manuscrit décrit en outre comment la théorie α−stable permet de fournir une méthode pour la localisation de sources sonores. Pour ce faire, nous employons la représentation spatiale d’un vecteur α−stable non-gaussien afin d’exploiter sa mesure spectrale. En pratique, elle nous permet d’en déduire si une source est active à un endroit précis de l’espace.Au final, nos travaux ont consisté à étudier la théorie α−stable pour le traitement du signal. Nous avons abouti à de nombreux modèles pour un large panel d’applications. En dehors des quelques applications que nous avons déjà considérées, nous pouvons étendre les modèles multicanaux α−stables à la déréverbération ou à la SSS. Quant au modèle sur la localisation des sources sonores, il pourrait être employé afin de déterminer la géométrie d’une salle.

A guided wave-based structural health monitoring (SHM) system aims at determining the integrity of a wide variety of plate-like structures, including aircraft fuselages, pipes, tanks etc. It relies on a sparse array of piezoelectric transducers for guided waves (GWs) excitation and sensing. With a number of benefits, these waves are standing out among other methods as a promising method for the inspection of large structures. They can propagate on significant distances with small attenuation while being sensitive to surface and subsurface defects.This thesis presents studies conducted with the purpose of developing such a GWs-based SHM system that is capable of efficient defect detection, localization and sizing aeronautical plate-like structures made of aluminum and composite materials. Simulation and data-driven approaches are presented for determining principal characteristics of propagating GWs, namely modal group and phase velocities, 3D Green's functions etc. in structures of interest. They are then used for GWs signals processing in order to compute images representing the integrity of studied structures. This work also provides a comprehensive overview of DAS, MV and Excitelet defect imaging algorithms, determines their performance using statistical analysis of an extensive dataset of simulated guided waves imaging (GWI) results and proposes a method for sparse defect imaging.While defect detection and localization are straightforward from the image analysis, the defect sizing is a more complex problem due to its high dimensionality and non-linearity. It is demonstrated that this problem can be solved by means of machine learning methods, relying on an extensive database of simulated GWI results. Aforementioned defect imaging methods are baseline demanding. They are efficient under stationary operational conditions but vulnerable to environmental variations, especially to the temperature fluctuation.Finally, this work presents studies on the robustness of GWI methods against thermal effects, and a defect detection model capable of analyzing deteriorated GWI results is proposed. Different techniques for thermal effects compensation are reviewed, and improvements are proposed. Their effectiveness is validated for aluminum plates but further improvements are required to translate these techniques to composite plates.; Un système SHM par ondes guidées a pour but d'évaluer l'intégrité d'une grande variété de structures fines, telles que les fuselages d'avions, les tuyaux, les réservoirs, etc. Un tel système est basé sur un réseau de capteurs piézoélectriques pour l'excitation et la mesure des ondes guidées. Cette méthode de SHM par ondes guidées est prometteuse pour l'inspection de structures de grande taille, ces ondes se propageant sur de grandes distances avec peu d'atténuation, tout en étant sensibles aux défauts surfaciques et subsurfaciques.Cette thèse présente les travaux menés dans le but de développer un système de SHM par ondes guidées capable de détecter, localiser et dimensionner efficacement les défauts dans des structures aéronautiques assimilables à des plaques, en matériaux composites ou en aluminium. Des simulations et des méthodes d'apprentissage sont utilisées pour déterminer les caractéristiques principales des ondes guidées propagées, notamment les vitesses de phase et de groupe ainsi que la fonction de Green 3D. Celles-ci sont ensuite utilisées pour traiter les signaux des ondes guidées afin de produire des images représentant l'intégrité des structures étudiées. Ce travail comprend également une étude approfondie des algorithmes d'imagerie DAS, MV et Excitelet, les plus prometteurs parmi ceux de la littérature, une évaluation de leurs performances par analyse statistique sur une grande base de données de résultats de simulations d'imagerie par ondes guidées et propose une méthode d'imagerie parcimonieuse.Alors que la détection et la localisation des défauts à partir de l'analyse des images est aisée, le dimensionnement du défaut est un problème plus complexe en raison de sa forte dimensionnalité et de sa non-linéarité. Il est démontré que ce problème peut être résolu par des méthodes d'apprentissage automatique sur une grande base de données de résultats de simulations d'imagerie par ondes guidées. Ces méthodes d'imagerie nécessitent cependant une référence, mesurée sur la structure dans un état supposé sain. Elles sont efficaces dans des conditions opérationnelles stationnaires mais sont sensibles aux variations de l'environnement et notamment aux fluctuations de température.Ce travail présente donc l'étude de la robustesse face aux effets thermiques des méthodes d'imagerie par ondes guidées et propose un modèle de détection de défauts capable d'analyser des résultats d'imagerie détériorés. Plusieurs techniques de compensation des effets thermiques sont étudiées et des améliorations sont proposées. Leur efficacité est validée pour les plaques d'aluminium mais des améliorations supplémentaires sont nécessaires pour les étendre aux plaques de composites.

A guided wave-based structural health monitoring (SHM) system aims at determining the integrity of a wide variety of plate-like structures, including aircraft fuselages, pipes, tanks etc. It relies on a sparse array of piezoelectric transducers for guided waves (GWs) excitation and sensing. With a number of benefits, these waves are standing out among other methods as a promising method for the inspection of large structures. They can propagate on significant distances with small attenuation while being sensitive to surface and subsurface defects.This thesis presents studies conducted with the purpose of developing such a GWs-based SHM system that is capable of efficient defect detection, localization and sizing aeronautical plate-like structures made of aluminum and composite materials. Simulation and data-driven approaches are presented for determining principal characteristics of propagating GWs, namely modal group and phase velocities, 3D Green's functions etc. in structures of interest. They are then used for GWs signals processing in order to compute images representing the integrity of studied structures. This work also provides a comprehensive overview of DAS, MV and Excitelet defect imaging algorithms, determines their performance using statistical analysis of an extensive dataset of simulated guided waves imaging (GWI) results and proposes a method for sparse defect imaging.While defect detection and localization are straightforward from the image analysis, the defect sizing is a more complex problem due to its high dimensionality and non-linearity. It is demonstrated that this problem can be solved by means of machine learning methods, relying on an extensive database of simulated GWI results. Aforementioned defect imaging methods are baseline demanding. They are efficient under stationary operational conditions but vulnerable to environmental variations, especially to the temperature fluctuation.Finally, this work presents studies on the robustness of GWI methods against thermal effects, and a defect detection model capable of analyzing deteriorated GWI results is proposed. Different techniques for thermal effects compensation are reviewed, and improvements are proposed. Their effectiveness is validated for aluminum plates but further improvements are required to translate these techniques to composite plates.; Un système SHM par ondes guidées a pour but d'évaluer l'intégrité d'une grande variété de structures fines, telles que les fuselages d'avions, les tuyaux, les réservoirs, etc. Un tel système est basé sur un réseau de capteurs piézoélectriques pour l'excitation et la mesure des ondes guidées. Cette méthode de SHM par ondes guidées est prometteuse pour l'inspection de structures de grande taille, ces ondes se propageant sur de grandes distances avec peu d'atténuation, tout en étant sensibles aux défauts surfaciques et subsurfaciques.Cette thèse présente les travaux menés dans le but de développer un système de SHM par ondes guidées capable de détecter, localiser et dimensionner efficacement les défauts dans des structures aéronautiques assimilables à des plaques, en matériaux composites ou en aluminium. Des simulations et des méthodes d'apprentissage sont utilisées pour déterminer les caractéristiques principales des ondes guidées propagées, notamment les vitesses de phase et de groupe ainsi que la fonction de Green 3D. Celles-ci sont ensuite utilisées pour traiter les signaux des ondes guidées afin de produire des images représentant l'intégrité des structures étudiées. Ce travail comprend également une étude approfondie des algorithmes d'imagerie DAS, MV et Excitelet, les plus prometteurs parmi ceux de la littérature, une évaluation de leurs performances par analyse statistique sur une grande base de données de résultats de simulations d'imagerie par ondes guidées et propose une méthode d'imagerie parcimonieuse.Alors que la détection et la localisation des défauts à partir de l'analyse des images est aisée, le dimensionnement du défaut est un problème plus complexe en raison de sa forte dimensionnalité et de sa non-linéarité. Il est démontré que ce problème peut être résolu par des méthodes d'apprentissage automatique sur une grande base de données de résultats de simulations d'imagerie par ondes guidées. Ces méthodes d'imagerie nécessitent cependant une référence, mesurée sur la structure dans un état supposé sain. Elles sont efficaces dans des conditions opérationnelles stationnaires mais sont sensibles aux variations de l'environnement et notamment aux fluctuations de température.Ce travail présente donc l'étude de la robustesse face aux effets thermiques des méthodes d'imagerie par ondes guidées et propose un modèle de détection de défauts capable d'analyser des résultats d'imagerie détériorés. Plusieurs techniques de compensation des effets thermiques sont étudiées et des améliorations sont proposées. Leur efficacité est validée pour les plaques d'aluminium mais des améliorations supplémentaires sont nécessaires pour les étendre aux plaques de composites.

Journée thématique "Sécurité des systèmes électroniques et communicants" du GDR ondes, Paris, FRANCE, 21-/05/2019 - 21/05/2019; Dans de nombreux domaines, les réseaux de communication ou informatiques comportent à la fois des sections filaires et sans fil. Ici, on s'intéresse à la partie sans fil qui peut être victime d'attaques ciblées, visant du déni de service en empêchant la bonne réception des signaux de communication ou bien des attaques « man-in-the-loop » visant à intercepter des informations. Dans cette communication, nous présentons des travaux qui se basent sur l'analyse de l'activité électromagnétique pour détecter de telles attaques sur un réseau Wi-Fi IEEE 802.11n. L'approche repose sur l'analyse de données spectrales par technique de classification.

International audience; L'objectif de ce projet est de développer des outils basés sur une technique d'analyse automatique d'extraits musicaux que nous avons développée et qui permet de caractériser les qualités sonores perçues sur des échantillons de courtes durées, à l'échelle de quelques secondes. Cette analyse est à la fois une analyse spectrale et temporelle et permet de caractériser un extrait sonore du point de vue du timbre global perçu à court terme ainsi que des variations au cours du temps de son flux énergétique. Elle représente sa signature sonore à un moment donné.Différentes mesures ont être réalisées sur des signatures et permettent d'établir des similitudes, des distances entre les signatures d'un même morceau de musique ou en comparant des musiques différentes. En opérant sur des corpus de référence et en réalisant des apprentissages automatiques, nous cherchons à réaliser différentes applications, concernant l'analyse musicologique, les recommandations pour le streaming et l'élaboration de nouvelles techniques de synthèse sonore.

WTS 2019, Wireless Telecommunications Symposium, New-York, ETATS-UNIS, 09-/04/2019 - 12/04/2019; In this paper, a cyclostationarity based algorithm is proposed for the estimation of key parameters of Universal Filtered Multicarrier (UFMC) waveform. They include the symbol duration, the filter length, the number of subbands and their size as well as the number of subcarriers. The performance of the proposed algorithm under low Signal to Noise Ratio (SNR) in multipath channel is assessed through simulations. Furthermore, the performance under different processing time using different parameters are also compared. The proposed algorithm require no a priori knowledge of the received signal, making it very suitable in the context of cognitive radio, either for spectrum monitoring or communication signal demodulation. To the best of the authors knowledge, this paper is the first work proposing an algorithm for blind estimation of UFMC parameters.

International audience

URSI AP-RASC 2019, Asia Pacific Radio Science Conference, New Delhi, INDE, 09-/03/2019 - 15/03/2019; Attacks by Jamming on wireless communication network can provoke Denial of Services. According to the communication system which is affected, the consequences can be more or less critical. In this paper, we propose to develop an algorithm which could be implemented at the reception stage of a communication terminal in order to detect the presence of jamming signals. The work is performed on Wi-Fi communication signals and demonstrates the necessity to have a specific signal processing at the reception stage to be able to detect the presence of jamming signals.

URSI AP-RASC 2019, Asia Pacific Radio Science Conference, New Delhi, INDE, 09-/03/2019 - 15/03/2019; In order to offer on-board Internet access on trains a Wi-Fi and LTE connection are required. These communicationsystems have to take into account electromagnetic (EM) interferences present in the railway environment in the 2 GHz frequency band since this is a frequency band in which LTE and Wi-Fi operate. This paper presents a series of tests that were carried out to analyze the impact of measurement methods over the characterization of transient electromagnetic (EM) interferences above 2 GHz in a railway environment. Experimental results from two different setups are analyzed in the time and frequency domains.

National audience; Dans notre société moderne, où la technologie a envahi la vie de tous les jours, l’information devient essentielle. Le traitement du signal joue un rôle crucial pour mieux interpréter les observations reçues et extraire l’information pertinente et utile pour une décision quelle qu’en soit la finalité. De nos jours, le traitement des signaux et des systèmes trouve ses applications dans des domaines variés comme la surveillance, le numérique, l’automatisme, la santé, les télécommunications, la cyberdéfense, les capteurs intelligents, l’internet des objets, l’astronomie, la guerre électronique, la robotique, etc.Cet ouvrage présente d’une manière originale et didactique les concepts fondamentaux du traitement de signal en abordant plus d’une centaine de questions que les étudiants ou les personnes non-spécialistes de la discipline se posent. Armés d’une longue expérience dans l’enseignement supérieur et dans la recherche en France et à l’étranger, les auteurs apportent des éléments de réponse dans un langage clair, concis et mathématiquement accessible au public.Les concepts fondamentaux sont traités via des questions illustrées d’exemples, renforçant le bon sens physique et facilitant l’appréhension de notions trop souvent réputées ardues. L’ouvrage est ainsi rendu accessible au public le plus large : ingénieurs généralistes, étudiants préparant des DUT, BTS, diplômes d’ingénieurs, licences et masters scientifiques. Si l’exercice de dialectique qui consiste, pour convaincre, à proposer simultanément questions et réponses afférentes s’avère parfois réducteur, force est de constater que les auteurs ont su maintenir une très grande ouverture dans leur exposition qui devrait inciter beaucoup de dubitatifs du traitement du signal, de tous bords, à consulter leur ouvrage.

Today's challenges in the context of audio and acoustic signal processing inverse problems are multiform. Addressing these problems often requires additional appropriate signal models due to their inherent ill-posedness. This work focuses on designing and evaluating audio reconstruction algorithms. Thus, it shows how various sparse models (analysis, synthesis, plain, structured or “social”) are particularly suited for single or multichannel audio signal reconstruction. The core of this work notably identifies the limits of state-of-the-art methods evaluation for audio declipping and proposes a rigourous large-scale evaluation protocol to determine the more appropriate methods depending on the context (music or speech, moderately or highly degraded signals). Experimental results demonstrate substantial quality improvements for some newly considered testing configurations. We also show computational efficiency of the different methods and considerable speed improvements. Additionally, a part of this work is dedicated to the sound source localization problem. We address it with a “virtually supervised” machine learning technique. Experiments show with this method promising results on distance and direction of arrival estimation.; Dans le contexte général de la résolution de problèmes inverses en acoustique et traitement du signal audio les défis sont nombreux. Pour la résolution de ces problèmes, leur caractère souvent mal posé nécessite de considérer des modèles de signaux appropriés. Les travaux de cette thèse montrent sur la base d'un cadre algorithmique générique polyvalent comment les différentes formes de parcimonie (à l'analyse ou à la synthèse, simple, structurée ou sociale) sont particulièrement adaptées à la reconstruction de signaux sonores dans un cadre mono ou multicanal. Le cœur des travaux de thèse permet de mettre en évidence les limites des conditions d'évaluation de l'état de l'art pour le problème de désaturation et de mettre en place un protocole rigoureux d'évaluation à grande échelle pour identifier les méthodes les plus appropriées en fonction du contexte (musique ou parole, signaux fortement ou faiblement dégradés). On démontre des améliorations de qualité substantielles par rapport à l'état de l'art dans certains régimes avec des configurations qui n'avaient pas été précédemment considérées, nous obtenons également des accélérations conséquentes. Enfin, un volet des travaux aborde la localisation de sources sonores sous l'angle de l'apprentissage statistique « virtuellement supervisé ». On montre avec cette méthode des résultats encourageants sur l'estimation de directions d'arrivée et de distance.

Today's challenges in the context of audio and acoustic signal processing inverse problems are multiform. Addressing these problems often requires additional appropriate signal models due to their inherent ill-posedness. This work focuses on designing and evaluating audio reconstruction algorithms. Thus, it shows how various sparse models (analysis, synthesis, plain, structured or “social”) are particularly suited for single or multichannel audio signal reconstruction. The core of this work notably identifies the limits of state-of-the-art methods evaluation for audio declipping and proposes a rigourous large-scale evaluation protocol to determine the more appropriate methods depending on the context (music or speech, moderately or highly degraded signals). Experimental results demonstrate substantial quality improvements for some newly considered testing configurations. We also show computational efficiency of the different methods and considerable speed improvements. Additionally, a part of this work is dedicated to the sound source localization problem. We address it with a “virtually supervised” machine learning technique. Experiments show with this method promising results on distance and direction of arrival estimation.; Dans le contexte général de la résolution de problèmes inverses en acoustique et traitement du signal audio les défis sont nombreux. Pour la résolution de ces problèmes, leur caractère souvent mal posé nécessite de considérer des modèles de signaux appropriés. Les travaux de cette thèse montrent sur la base d'un cadre algorithmique générique polyvalent comment les différentes formes de parcimonie (à l'analyse ou à la synthèse, simple, structurée ou sociale) sont particulièrement adaptées à la reconstruction de signaux sonores dans un cadre mono ou multicanal. Le cœur des travaux de thèse permet de mettre en évidence les limites des conditions d'évaluation de l'état de l'art pour le problème de désaturation et de mettre en place un protocole rigoureux d'évaluation à grande échelle pour identifier les méthodes les plus appropriées en fonction du contexte (musique ou parole, signaux fortement ou faiblement dégradés). On démontre des améliorations de qualité substantielles par rapport à l'état de l'art dans certains régimes avec des configurations qui n'avaient pas été précédemment considérées, nous obtenons également des accélérations conséquentes. Enfin, un volet des travaux aborde la localisation de sources sonores sous l'angle de l'apprentissage statistique « virtuellement supervisé ». On montre avec cette méthode des résultats encourageants sur l'estimation de directions d'arrivée et de distance.

Pattern recognition is a fundamental task for living beings and is perform very efficiently by the brain. Artificial deep neural networks are making quick progress in reproducing these performance and have many applications such as image recognition or natural language processing. However, they require extensive training on large datasets and heavy computations. A promising alternative are spiking neural networks, which closely mimic what happens in the brain, with spiking neurons and spike-timing dependent plasticity (STDP). They are able to perform unsupervised learning and have been used for visual or auditory pattern recognition. However, for now applications using STDP networks lag far behind classical deep learning. Developing new applications for this kind of networks is all the more at stake that they could be implemented in low power neuromorphic hardware that currently undergoes important developments, in particular with analog miniaturized memristive devices able to mimic synaptic plasticity. In this work, we chose to develop an STDP neural network to perform a specific task: spike-sorting, which is a crucial problem in neuroscience. Brain implants based on microelectrode arrays are able to record the activity of individual neurons, appearing in the recorded signal as peak potential variations called action potentials. However, several neurons can be recorded by the same electrode. The goal of spike-sorting is to extract and separate the activity of different neural cells from a common extracellular recording taking advantage of the fact that the shape of an action potential on an electrode depends on the neuron it stems from. Thus spike-sorting can be seen as an unsupervised pattern recognition task where the goal is to detect and classify different waveforms. Most classical spike-sorting approaches use three separated steps: detecting all action potentials in the signal, extract features characterizing their shapes, and separating these features into clusters that should correspond to different neural cells. Though online methods exists, most widespread spike-sorting methods are offline or require an offline preprocessing step, which is not compatible with online application such as Brain-computer interfaces (BCI). Moreover, the development of always larger microelectrode arrays creates a need for fully automatic and computationally efficient algorithms. Using an STDP network brings a new approach to meet these requirements. We designed a network that take the electrode signal as an input, and output spikes that correspond to the spiking activity of the recorded neural cells. It is organized into several layers, designed to achieve different processing steps, connected in feedforward way. The first layer, composed of neurons acting as sensory neurons, convert the input signal into spike train. The following layers are able to learn patterns from the previous layer thanks to STDP rules. Each layer implement different mechanisms that improve their performance, such as resource-dependent STDP, intrinsic plasticity, plasticity triggered by inhibition, or neuron models having rebound spiking properties. An attention mechanism has been implemented to make the network sensitive only to part of the signal containing action potentials. This network was first designed to process data from a single electrode, and then adapted to process data from multiple electrodes. It has been tested on simulated data, which allowed to compare the network output to the known ground truth, and also on real extracellular recordings associated with intracellular recordings that give an incomplete ground truth. Different versions of the network were evaluated and compared to other spike-sorting algorithms, and found to give very satisfying results. Following these software simulations, we initiated an FPGA implementation of the method, which constitutes a first step toward embedded neuromorphic implementation., La reconnaissance de motifs est une tâche cruciale pour les êtres vivants, exécutée avec efficacité par le cerveau. Les réseaux de neurones profonds artificiels reproduisent de mieux en mieux ces performances, avec des applications telles que la reconnaissance d’images ou le traitement du langage. Ils nécessitent cependant un apprentissage intensif sur de grands jeux de données et couteux en calculs. Les réseaux de neurones à impulsions, plus proches du fonctionnement du cerveau avec des neurones émettant des impulsions et des lois d’apprentissage dites STDP dépendant du temps entre deux impulsions, constituent une alternative intéressante. Ils permettent un apprentissage non supervisé et ont déjà été utilisés pour la reconnaissance visuelle ou auditive, mais les applications restent limitées par rapport à l’apprentissage profond classique. Il est d’autant plus intéressant de développer de nouvelles applications pour ces réseaux qu’ils peuvent être implémentés sur des circuits neuromorphiques connaissant aujourd’hui des développements importants, notamment avec les composants analogiques « memristifs » qui miment la plasticité synaptique. Ici, nous avons choisi de développer un réseau STDP pour un problème crucial en neuroscience: le spike-sorting. Les implants cérébraux composés de matrices de microélectrode permettent d’enregistrer l’activité individuelle de multiples neurones, prenant la forme de pics de potentiel dans le signal, appelés potentiels d’action. Une même électrode enregistre l’activité de plusieurs neurones. Le spike-sorting a pour but de détecter et trier cette activité, en utilisant le fait que la forme d’un potentiel d’action dépend du neurone qui l’a émis. Il s’agit donc d’un problème de reconnaissance de motifs non supervisée. Les méthodes classiques de spike-sorting consistent en trois étapes : la détection des potentiels d’action, l’extraction de traits caractéristiques de leurs formes, et le tri de ces caractéristiques en groupes correspondant alors aux différentes cellules neurales. Bien que les méthodes onlines existent, les méthodes les plus répandues nécessitent un traitement offline, qui n’est pas compatible avec les applications temps réelles telles que les interfaces cerveau-machine (BCI). De plus, le développement de matrices de microélectrodes toujours plus denses nécessite des méthodes automatiques et efficaces. Utiliser un réseau STDP apporte une nouvelle méthode pour répondre à ces besoins. Le réseau que nous avons conçu prend en entrée le signal de l’électrode et produit en sortie un train d’impulsions qui correspond à l’activité des cellules enregistrées. Il est organisé en différentes couches, connectées en série, chacune effectuant une étape du traitement. La première couche, constituée de neurones senseurs, convertit le signal d’entrée en train d’impulsions. Les couches suivantes apprennent les motifs générés par la couche précédente grâce aux lois STDP. Chaque couche est améliorée par l’implémentation de différents mécanismes, tels que le STDP avec ressources, l’adaptation de seuil, la plasticité déclenchée par l’inhibition, ou un modèle de neurone déchargeant par rebond. Un mécanisme d’attention permet au réseau de ne traiter que les parties du signal contenant des potentiels d’action. Ce réseau a été conçu dans un premier temps pour traiter des données mono-électrode, puis adapté pour traiter des signaux provenant d’électrodes multiples. Il a été testé d’abord sur des données simulées qui permettent de comparer la sortie du réseau à la vérité, puis sur des enregistrements réels de microélectrodes associés à des enregistrements intracellulaires donnant une vérité partielle. Les différentes versions du réseau ont été ainsi évaluées et comparées à d’autres algorithmes, donnant des résultats très satisfaisants. Suite à ces résultats simulés sur ordinateur, nous avons travaillé à une implémentation FPGA, constituant une première étape vers une implémentation embarquée neuromorphique.

Pattern recognition is a fundamental task for living beings and is perform very efficiently by the brain. Artificial deep neural networks are making quick progress in reproducing these performance and have many applications such as image recognition or natural language processing. However, they require extensive training on large datasets and heavy computations. A promising alternative are spiking neural networks, which closely mimic what happens in the brain, with spiking neurons and spike-timing dependent plasticity (STDP). They are able to perform unsupervised learning and have been used for visual or auditory pattern recognition. However, for now applications using STDP networks lag far behind classical deep learning. Developing new applications for this kind of networks is all the more at stake that they could be implemented in low power neuromorphic hardware that currently undergoes important developments, in particular with analog miniaturized memristive devices able to mimic synaptic plasticity. In this work, we chose to develop an STDP neural network to perform a specific task: spike-sorting, which is a crucial problem in neuroscience. Brain implants based on microelectrode arrays are able to record the activity of individual neurons, appearing in the recorded signal as peak potential variations called action potentials. However, several neurons can be recorded by the same electrode. The goal of spike-sorting is to extract and separate the activity of different neural cells from a common extracellular recording taking advantage of the fact that the shape of an action potential on an electrode depends on the neuron it stems from. Thus spike-sorting can be seen as an unsupervised pattern recognition task where the goal is to detect and classify different waveforms. Most classical spike-sorting approaches use three separated steps: detecting all action potentials in the signal, extract features characterizing their shapes, and separating these features into clusters that should correspond to different neural cells. Though online methods exists, most widespread spike-sorting methods are offline or require an offline preprocessing step, which is not compatible with online application such as Brain-computer interfaces (BCI). Moreover, the development of always larger microelectrode arrays creates a need for fully automatic and computationally efficient algorithms. Using an STDP network brings a new approach to meet these requirements. We designed a network that take the electrode signal as an input, and output spikes that correspond to the spiking activity of the recorded neural cells. It is organized into several layers, designed to achieve different processing steps, connected in feedforward way. The first layer, composed of neurons acting as sensory neurons, convert the input signal into spike train. The following layers are able to learn patterns from the previous layer thanks to STDP rules. Each layer implement different mechanisms that improve their performance, such as resource-dependent STDP, intrinsic plasticity, plasticity triggered by inhibition, or neuron models having rebound spiking properties. An attention mechanism has been implemented to make the network sensitive only to part of the signal containing action potentials. This network was first designed to process data from a single electrode, and then adapted to process data from multiple electrodes. It has been tested on simulated data, which allowed to compare the network output to the known ground truth, and also on real extracellular recordings associated with intracellular recordings that give an incomplete ground truth. Different versions of the network were evaluated and compared to other spike-sorting algorithms, and found to give very satisfying results. Following these software simulations, we initiated an FPGA implementation of the method, which constitutes a first step toward embedded neuromorphic implementation.; La reconnaissance de motifs est une tâche cruciale pour les êtres vivants, exécutée avec efficacité par le cerveau. Les réseaux de neurones profonds artificiels reproduisent de mieux en mieux ces performances, avec des applications telles que la reconnaissance d’images ou le traitement du langage. Ils nécessitent cependant un apprentissage intensif sur de grands jeux de données et couteux en calculs. Les réseaux de neurones à impulsions, plus proches du fonctionnement du cerveau avec des neurones émettant des impulsions et des lois d’apprentissage dites STDP dépendant du temps entre deux impulsions, constituent une alternative intéressante. Ils permettent un apprentissage non supervisé et ont déjà été utilisés pour la reconnaissance visuelle ou auditive, mais les applications restent limitées par rapport à l’apprentissage profond classique. Il est d’autant plus intéressant de développer de nouvelles applications pour ces réseaux qu’ils peuvent être implémentés sur des circuits neuromorphiques connaissant aujourd’hui des développements importants, notamment avec les composants analogiques « memristifs » qui miment la plasticité synaptique. Ici, nous avons choisi de développer un réseau STDP pour un problème crucial en neuroscience: le spike-sorting. Les implants cérébraux composés de matrices de microélectrode permettent d’enregistrer l’activité individuelle de multiples neurones, prenant la forme de pics de potentiel dans le signal, appelés potentiels d’action. Une même électrode enregistre l’activité de plusieurs neurones. Le spike-sorting a pour but de détecter et trier cette activité, en utilisant le fait que la forme d’un potentiel d’action dépend du neurone qui l’a émis. Il s’agit donc d’un problème de reconnaissance de motifs non supervisée. Les méthodes classiques de spike-sorting consistent en trois étapes : la détection des potentiels d’action, l’extraction de traits caractéristiques de leurs formes, et le tri de ces caractéristiques en groupes correspondant alors aux différentes cellules neurales. Bien que les méthodes onlines existent, les méthodes les plus répandues nécessitent un traitement offline, qui n’est pas compatible avec les applications temps réelles telles que les interfaces cerveau-machine (BCI). De plus, le développement de matrices de microélectrodes toujours plus denses nécessite des méthodes automatiques et efficaces. Utiliser un réseau STDP apporte une nouvelle méthode pour répondre à ces besoins. Le réseau que nous avons conçu prend en entrée le signal de l’électrode et produit en sortie un train d’impulsions qui correspond à l’activité des cellules enregistrées. Il est organisé en différentes couches, connectées en série, chacune effectuant une étape du traitement. La première couche, constituée de neurones senseurs, convertit le signal d’entrée en train d’impulsions. Les couches suivantes apprennent les motifs générés par la couche précédente grâce aux lois STDP. Chaque couche est améliorée par l’implémentation de différents mécanismes, tels que le STDP avec ressources, l’adaptation de seuil, la plasticité déclenchée par l’inhibition, ou un modèle de neurone déchargeant par rebond. Un mécanisme d’attention permet au réseau de ne traiter que les parties du signal contenant des potentiels d’action. Ce réseau a été conçu dans un premier temps pour traiter des données mono-électrode, puis adapté pour traiter des signaux provenant d’électrodes multiples. Il a été testé d’abord sur des données simulées qui permettent de comparer la sortie du réseau à la vérité, puis sur des enregistrements réels de microélectrodes associés à des enregistrements intracellulaires donnant une vérité partielle. Les différentes versions du réseau ont été ainsi évaluées et comparées à d’autres algorithmes, donnant des résultats très satisfaisants. Suite à ces résultats simulés sur ordinateur, nous avons travaillé à une implémentation FPGA, constituant une première étape vers une implémentation embarquée neuromorphique.

International audience; Les signaux sont présents partout autour de nous. L'analyse du signal est au coeur des mathématiques appliquées et permet de décoder l'information. Un des principaux outils est l'analyse des fréquences. Nous présentons ici l'analyse fréquentielle d'abord dans le cas de signaux périodiques avant d'ouvrir quelques perspectives sur des cas plus généraux. L'article contient de nombreuses images et animations pour illustrer les concepts de la façon la plus concrète possible. L'article est auto-contenu et devraitêtre accessible aux lycéens. La version interactive permet de jouer directement avec les paramètres des animations. Sauf mention contraire, nous avons produit chaque video, spécialement pour cet article.

Vocal impairments, known as hypokinetic dysarthria, are one of the first symptoms to appear in Parkinson's Disease (PD). A large number of articles exist on PD detection through voice analysis, but few have focused on the early stages of the disease. Furthermore, to our knowledge, no study had been published on remote PD detection via speech transmitted through the telephone channel. The aim of this PhD work was to study vocal changes in PD at early and preclinical stages, and develop automatic detection and monitoring models. The long-term purpose is to build a cheap early diagnosis and monitoring tool, that doctors could use at their office, and even more interestingly, that could be used remotely with any telephone. The first step was to build a large voice database with more than 200 French speakers, including early PD patients, healthy controls and idiopathic Rapid eye movement sleep Behavior Disorder (iRBD) subjects, who can be considered at PD preclinical stage. All these subjects performed different vocal tasks and were recorded with a professional microphone and with the internal microphone of a computer. Moreover, they called once a month an interactive voice server, with their own phone. We studied the effect of microphone quality, speech tasks, gender, and classification analysis methodologies. We analyzed the vocal recordings with three different analysis methods, covering different time scale analyses. We started with cepstral coefficients and Gaussian Mixture Models (GMM). Then we adapted x-vectors methodology (which never had been used in PD detection) and finally we extracted global features classified with Support Vector Machine (SVM). We detected vocal impairments at PD early and preclinical stages in articulation, prosody, speech flow and rhythmic abilities. With the professional microphone recordings, we obtained an accuracy (Acc) of 89% for male early PD detection, just using 6min of reading, free speech, fast and slow syllable repetitions. As for women, we reached Acc = 70% with 1min of free speech. With the telephone recordings, we achieved Acc = 75% for men, with 5min of rapid syllable repetitions, and 67% for women, with 5min of free speech. These results are an important first step towards early PD telediagnosis. We also studied correlations with neuroimaging, and we were able to linearly predict DatScan and Magnetic Resonance Imaging (MRI) neuromelanin sensitive data, from a set of vocal features, in a significant way. This latter result is promising regarding the possible future use of voice for early PD monitoring., Les modifications de la voix, prenant la forme de dysarthrie hypokinétique, sont un des premiers symptômes à apparaître dans la maladie de Parkinson (MP). Un grand nombre de publications existent sur la détection de MP par l'analyse de la voix, mais peu se sont intéressées spécifiquement au stade débutant. D'autre part, à notre connaissance, aucune étude n'avait été publiée sur la détection de MP via des enregistrements issus du réseau téléphonique. L'objectif de cette thèse a été d'étudier les modifications de la voix aux stades débutant et préclinique de la maladie de Parkinson, et de développer des modèles de détection précoce automatique et de suivi de cette maladie. Le but à long terme étant de pouvoir construire un outil de diagnostic précoce et de suivi, peu couteux, utilisable par les médecins en cabinet, et de manière encore plus intéressante, à partir de n'importe quel téléphone. La première étape a été de constituer une grande base de données voix de plus de 200 locuteurs français, comprenant des sujets MP débutants, des sujets sains et des sujets atteints de trouble idiopathique du comportement en sommeil paradoxal (iRBD), pouvant être considérés comme au stade préclinique de la maladie de Parkinson. Les participants ont effectué différentes tâches vocales enregistrées avec un microphone professionnel et avec le microphone interne d'un ordinateur. De plus, une fois par mois, ils ont également effectué ces tâches en appelant un servant vocal interactif à partir de leur propre téléphone. Nous avons étudié les effets de la qualité des microphones, du type de tâches, du genre, et de la méthode de classification. Nous avons analysé ces enregistrements vocaux par le biais de trois méthodes d'analyses différentes, couvrant différentes échelles de temps. Nous avons commencé avec des coefficients cepstraux et des modèles de mélange gaussien (GMM). Ensuite nous avons adapté la méthodologie des x-vecteurs (qui n'avait jamais été utilisée pour la détection de MP), puis nous avons extrait des paramètres globaux que nous avons classés avec des machines à vecteurs de support (SVM). Nous avons constaté des perturbations vocales aux stades débutant et préclinique de MP dans plusieurs domaines phonétiques, tels que l'articulation, la prosodie, la fluence verbale et les capacités rythmiques. Avec les enregistrements du microphone professionnel, nous sommes parvenus à détecter les hommes MP débutants avec une précision (Acc) de 89%, à partir de 6min de lecture, monologue et répétitions rapides et lentes de syllabes. Concernant les femmes, nous avons atteint Acc=70% à partir d'1min de monologue. Avec les enregistrements téléphoniques, nous avons obtenu des performances de classification de 75% pour les hommes, à partir de 5min de répétitions rapides de syllabes, et de 67% pour les femmes, à partir de 5min de monologue. Ces résultats constituent un premier pas important vers un télédiagnostic précoce de la maladie de Parkinson. Enfin nous avons aussi étudié les corrélations avec les données de neuroimagerie. Nous avons pu prédire linéairement, de manière significative, les données de DatScan et d'imagerie par résonance magnétique (IRM) sensible à la neuromélanine, à partir de paramètres vocaux. Ce résultat est prometteur au vu d'une possible utilisation future de la voix pour le suivi de l'évolution des premiers stades de MP.

The scientific topic of sound source separation (SSS) aims at decomposing audio signals into their constitutive components, e.g. separate singing voice from background music or from background noise. In the case of very old and degraded historical recordings, SSS strongly extends classical denoising methods by being able to account for complex signal or noise patterns and achieve efficient separation where traditional approaches fail.It is classic in signal processing to model the observed signal as the sum of desired signals. If we adopt a probabilistic model, it is preferable that law of the additive processes is stable by summation. The Gaussian process notoriously satisfies this condition. It admits useful statistical operators as the covariance and the mean. The existence of those moments allows to provide a statistical model for SSS. However, Gaussian process has difficulty to deviate from its mean. This drawback limits signal dynamics and may cause unstable inference methods. On the contrary, non-Gaussianα−stable processes are stable under addition, and permit the modeling of signals with considerable dynamics. For the last few decades, α-stable theory have raised mathematical challenges and have already been shown to be effective in filtering applications. This class of processes enjoys outstanding properties, not available in the Gaussian case. A major asset for signal processing is the unique spatial representation of a multivariate α−stable vector, controlled by a so-called spectral measure and a deterministic vector.The spectral measure provides information on the global energy coming from all space directions while the vector localizes the centroid of the probability density function. It shows its usefulness for the socalled independent component analysis (ICA) topic and the SSS. However, those models are only linear instantaneous mixture and do not consider the frequency domain.This thesis introduces several α-stables models, with the aim of extending them in several directions. First, we propose an extension of single-channel α−stable filtering theory to a multichannel one. In particular, a novel spatial representation forα−stable vectors is proposed. Secondly, we develop α−stable models for denoising where each component could admit a different α. This hybrid model provides a rigorous explanation of some heuristic Wiener filters outlined in the 1980s. We also describe how the α−stable theory yields a new method for audio source localization. We use the spectral measure resulting from the spatial representation of α−stable vectors. In practice, it leads to determine whether a source is active at a specific location. Our work consisted in investigating the α-stable theory for signal processing and developing several models for a wide range of applications. The models introduced in this thesis could also be extend to more signal processing tasks. We could use our mutivariate α−stable models to dereverberation or SSS. Moreover, the localization algorithm is implementable for room geometry estimation, Le sujet scientifique de la séparation de sources sonores (SSS) vise à décomposer les signaux audio en leurs éléments constituants, par exemple en séparant la voix du chanteur principal de son accompagnement musical ou du bruit de fond. Dans le cas d’enregistrements historiques très anciens et très dégradés, la SSS étend de manière significative les méthodes classiques de débruitage en permettant de prendre en compte des motifs complexes de signal et de bruit et de réaliser efficacement la séparation, là où les approches traditionnelles sont tenues en échec.En traitement du signal audio, le signal observé est souvent supposé être égal à la somme des signaux que nous souhaitons obtenir. Dans le cadre d’une modélisation probabiliste, il est alors primordial que les processus stochastiques préservent leur loi par sommation. Le processus le plus employé et vérifiant cette stabilité est le processus gaussien. Comparé aux autres processus α−stables vérifiant la même stabilité, les processus gaussiens ont la particularité d’admettre des outils statistiques facilement interprétables comme la moyenne et la covariance. L’existence de ces moments permet d’esquisser des méthodes statistiques en SSS et plus généralement, en traitement du signal. La faiblesse de ces processus réside néanmoins dans l’incapacité à s’écarter trop loin de leurs moyennes. Cela limite la dynamique des signaux modélisables et peut provoquer des instabilités dans les méthodes d’inférence considérées.Les processus α−stables non-gaussiens soulèvent des défis mathématiques et ont déjà démontré leur efficacité dans des applications de filtrage et en terme algorithmique. En dépit de non-existence d’une forme analytique des densités de probabilités, les processus α−stables jouissent de résultats non valables dans le cas gaussien. Par exemple, un vecteur α−stable non-gaussien admet une représentation spatiale unique. En résumé, le comportement d’une distribution multivariée α−stable est contrôlé par deux opérateurs. Une mesure dite «spectrale» informant sur l’énergie globale venant de chaque direction de l’espace et un vecteur localisant le centroïde de sa densité de probabilité. Cette représentation spatiale a notamment montré son efficacité dans le cas de la SSS pour la célèbre analyse en composantes indépendantes (ACI). Les modèles pour cette ACI α−stable ne sont cependant proposés que dans le cas de mélanges linéaires instantanés. Par conséquent, l’information dans le domaine fréquentiel est omise pour ce type de mélange.Ce mémoire de thèse introduit différents modèles α−stables d’un point de vue théorique et les développe dans plusieurs directions. Nous proposons notamment une extension de la théorie de filtrage α−stable monocanal au cas multicanal. En particulier, une nouvelle représentation spatiale pour les vecteurs α−stables est adoptée. Nous développons en outre un modèle de débruitage où le bruit et la parole découlent de distributions α−stables mais ayant un exposant caractéristique α différent. La valeur d’α permet de contrôler la stationnarité de chaque source. Grâce à ce modèle hybride, nous avons également déduit une explication rigoureuse sur des filtrages de Wiener heuristiques esquissés dans les années 80. Une autre partie de ce manuscrit décrit en outre comment la théorie α−stable permet de fournir une méthode pour la localisation de sources sonores. Pour ce faire, nous employons la représentation spatiale d’un vecteur α−stable non-gaussien afin d’exploiter sa mesure spectrale. En pratique, elle nous permet d’en déduire si une source est active à un endroit précis de l’espace.Au final, nos travaux ont consisté à étudier la théorie α−stable pour le traitement du signal. Nous avons abouti à de nombreux modèles pour un large panel d’applications. En dehors des quelques applications que nous avons déjà considérées, nous pouvons étendre les modèles multicanaux α−stables à la déréverbération ou à la SSS. Quant au modèle sur la localisation des sources sonores, il pourrait être employé afin de déterminer la géométrie d’une salle.

WCRR 2019, 12th World Congress on Railway Research, Railway Research to Enhance the Customer Experience, Tokyo, JAPON, 28-/10/2019 - 01/11/2019; Innovative technologies enable new approaches for train control, command and signaling systems. E.g. digitalization and automation lead to completely new concepts. The partner RAILENIUM, NSL, CEIT and DLR have founded the consortium Smart Rail Control (SmartRaCon) to develop new concepts, approachs and technologies for the train control, command and signaling systems of the future. In this contribution the developments in the areas of communication, localization and train integrity will be discussed. For the communication the next generation of mobile radio 5G is in the focus with the capability to support software defined networks and radio as well as virtualization potentials. For localization and train integrity supervision algorithms for the fusion of sensor data and digital maps are the key elements. E.g. Global Navigation Satellite Systems (GNSS) together with complementary sensors can be used to achieve a safe and reliable localization. This concept again can serve as a core of a end-of-train device for train integrity monitoring. Further elements like the traffic management or moving block as well as procedural aspects like simulation-based testing are subject of the SmartRaCon concepts and are related to the issues discussed here. The architectural concept to integrate all those elements is based on the idea to use components and software common-off-the-shelf (COTS) and to integrate them into a railway network in a modular way.

The electrocardiogram (ECG) is used to measure heart electrical activity. It has been used during Magnetic Resonance Imaging (MRI) examinations for several decades to improve patient monitoring and synchronize image acquisition. Nevertheless, this technique is performed using electronic devices with a low bandwidth and a limited number of electrodes that do not provide a diagnostic signal quality. Indeed, a diagnostic ECG requires a wide bandwidth (0.05 - 150 Hz) and 10 measuring electrodes that allow 12 leads to be acquired. MRI is characterized by an environment with an intense static magnetic field, high frequency and low frequency dynamic electromagnetic fields. The design and development of an MRI-compatible ECG sensor needs to take into account this environment to reduce the risk of overheating of the device during image sequences and to reduce disturbances on the measured signals. The use of devices with short cables reduces the risk of overheating by antenna effect, which ensures patient safety, but the induction of noise on the signals is inevitable. This thesis is organized in five parts. The first two parts were oriented towards the study of the literature and the design of a new sensor prototype with a broad bandwidth of ECG. The objective was to develop a device with sufficient computing power to integrate the signal processing algorithms developed by the IADI laboratory, to eliminate the noise superimposed on the signals. The third part was dedicated to the construction of a sensor network from N sensors. The goal was to multiply the number of measurement electrodes to increase the spatial resolution of the ECG and reconstruct a 12-lead ECG during MRI examination. The purpose of this work is noninvasive ECG imaging from surface electrical potential maps and from anatomical models of patients obtained simultaneously by MRI. The fourth part presents a new method of real-time correction of ECG signals from a high frequency sampling acquisition, based on the device developed. The fifth and last part presents another application of this sensor in the interventional electrophysiology room, during the activation of a Magnetic Navigation System of the catheter, which generates disturbances similar to those observed in MRI., L’électrocardiogramme (ECG) permet de mesurer l’activité électrique du cœur. Il est utilisé pendant les examens d’Imagerie par Résonance Magnétique (IRM) depuis plusieurs décennies pour améliorer la surveillance des patients et synchroniser les acquisitions des images. Néanmoins, cette technique est réalisée en utilisant des dispositifs électroniques avec une bande passante faible et un nombre limité d’électrodes ne permettant pas de fournir un signal de qualité diagnostic. En effet, un ECG diagnostic nécessite une large bande passante (0.05 – 150 Hz) ainsi que 10 électrodes de mesure qui permettent d’acquérir 12 dérivations. L’IRM est caractérisée par un environnement avec un champ magnétique statique intense, des champs électromagnétiques dynamiques à haute fréquence et à basse fréquence. La conception et le développement d’un capteur ECG compatible IRM nécessite de prendre en compte cet environnement afin de réduire les risques d’échauffements du dispositif pendant les séquences d’images et réduire les perturbations sur les signaux mesurés. L’utilisation de dispositifs avec des câbles courts réduit les risques d’échauffement par effet antenne, ce qui garantit la sécurité des patients, mais l’induction de bruit sur les signaux est inévitable. Le travail de thèse a été organisé en cinq parties principales. Les deux premières parties étaient orientées sur l’étude de la littérature et la conception d’un nouveau prototype de capteur avec une large bande passante d’ECG. L’objectif était de développer un dispositif doté d’une puissance de calcul suffisante pour intégrer les algorithmes de traitement du signal développés par le laboratoire IADI, afin d’éliminer le bruit superposé aux signaux. La troisième partie a été consacrée à la construction d’un réseau de capteurs à partir de N capteurs. L’objectif était de multiplier le nombre d’électrodes de mesure pour augmenter la résolution spatiale de l’ECG et reconstruire un ECG 12 dérivations pendant l’examen IRM. La finalité de ce travail est l’imagerie ECG non invasive à partir de cartes de potentiel électrique de surface et à partir de modèles anatomiques de patients obtenus simultanément par IRM. La quatrième partie expose un nouveau procédé de correction en temps réel des signaux ECG à partir d’une acquisition à haute fréquence d’échantillonnage, sur la base du dispositif développé. La cinquième et dernière partie présente une autre application de ce capteur en salle d’électrophysiologie interventionnelle, pendant l’activation d’un système de Navigation Magnétique à distance (NMD) du cathéter, qui génère des perturbations similaires à celles observées en IRM.

WCRR 2019, 12th World Congress on Railway Research, Tokyo, JAPON, 28-/10/2019 - 01/11/2019; New technologies such as GNSS-based positioning solutions will contribute to the modernization and efficiency enhancement of the railway system. Its capacity to provide a global absolute position without any infrastructure to be supported by the user at reasonable cost makes GNSS a game changer for rail. However, in order to reach the high-level performance requirements needed to apply these technologies to safety-critical applications, and in particular, for the use of virtual balises, some solutions need to ensure their accuracy, robustness and safety. Coming from aeronautics experience, the RAIM (Receiver Autonomous Integrity Monitoring) can help reducing inaccuracy by detecting and excluding faulty measurements and bounding residual errors. In this paper, we intend to demonstrate how the combination of weighting schemes and FDE (Fault Detection and Exclusion) can help the system to enhance GNSS performance in a railway environment where multipath, non-line of sight signals and interferences can occur. Some results based on real data are presented in order to quantify the benefit. Application of such techniques will help designing future on-board location units by evaluating their potential performance before deciding the level of hybridization that will be mandatory to ensure continuity of service and compensate the drawbacks of GNSS in harsh environments.

This document is the deliverable D4.2-Technical Specification of the Survey Toolset where the outcome of the work performed in WP4.2 of the ERSAT GGC project is described. This document follows up the work performed in WP4.1 and reported in the deliverable D4.1, extending the ongoing general definition of the track area classification process. The goal of WP4.2 is the specification and development of the toolset for the survey and classification of track areas, giving the system overview and providing the different interacting blocks as the measurement hardware system, the processing software toolbox and the final classification data. Regarding this D4.2, the functional and technical specifications of the toolset are here provided with the description of the interfaces between the different detection techniques and decision logic blocks. Outcome of D4.3 will be the prototype implementation and installation. The document also includes the specification of the measurement system and hardware to be used in the survey process so that the necessary data for the classification techniques can be collected in the railway scenario. Finally, the specification of the output data - the track area classification results - is also analysed and provided. The specification of the survey measurement system and software toolset addressed in the current document will support the next project activities related to the development of the software tools for the classification of track areas in WP4.2 and the execution of measurement campaigns in WP4.3.

Dans notre société moderne, où la technologie a envahi la vie de tous les jours, l’information devient essentielle. Le traitement du signal joue un rôle crucial pour mieux interpréter les observations reçues et extraire l’information pertinente et utile pour une décision quelle qu’en soit la finalité. De nos jours, le traitement des signaux et des systèmes trouve ses applications dans des domaines variés comme la surveillance, le numérique, l’automatisme, la santé, les télécommunications, la cyberdéfense, les capteurs intelligents, l’internet des objets, l’astronomie, la guerre électronique, la robotique, etc.Cet ouvrage présente d’une manière originale et didactique les concepts fondamentaux du traitement de signal en abordant plus d’une centaine de questions que les étudiants ou les personnes non-spécialistes de la discipline se posent. Armés d’une longue expérience dans l’enseignement supérieur et dans la recherche en France et à l’étranger, les auteurs apportent des éléments de réponse dans un langage clair, concis et mathématiquement accessible au public.Les concepts fondamentaux sont traités via des questions illustrées d’exemples, renforçant le bon sens physique et facilitant l’appréhension de notions trop souvent réputées ardues. L’ouvrage est ainsi rendu accessible au public le plus large : ingénieurs généralistes, étudiants préparant des DUT, BTS, diplômes d’ingénieurs, licences et masters scientifiques. Si l’exercice de dialectique qui consiste, pour convaincre, à proposer simultanément questions et réponses afférentes s’avère parfois réducteur, force est de constater que les auteurs ont su maintenir une très grande ouverture dans leur exposition qui devrait inciter beaucoup de dubitatifs du traitement du signal, de tous bords, à consulter leur ouvrage.

TRB 2019, 98th Annual Meeting Transportation Research Board, Washigton, D.C., ETATS-UNIS, 13-/01/2019 - 17/01/2019; Spatiotemporal data, and more specifically origin-destination matrices, are critical inputs to mobility studies for transportation planning and urban management purposes. In this paper, we propose a methodology to infer origin-destination (O-D) matrices based on passively-collected cellular signaling data of millions of anonymized mobile phone users in the Rhône-Alpes region, France. This dataset, which consists of records time-stamped with users' unique identifier and tower locations, is used to first analyze the cell phone activity degree indicators of each user in order to qualify the mobility information involved in these records. These indicators serve as filtering criteria to identify users whose device transactions are sufficiently distributed over the analyzed period to allow studying their mobility. Trips are then extracted from the spatiotemporal traces of users for whom the home location could be detected. Trips have been derived based on a minimum stationary time assumption that enables to determine activity (stop) zones for each user. As a large, but still partial, fraction of the population is observed, scaling is required to obtain an O-D matrix for the full population. We propose a method to perform this scaling and we show that signaling data-based O-D matrix carries similar estimations as those that can be obtained via travel surveys.

The goal of this paper is to analyse and to characterise the shout of a people to develop an automatic detector. We define a shout as a voiced part of an audio signal maintained over time. We show that a set of formants parameters can be defined to discriminate a typical « shout » from a « neutral » part of a speech. Moreover, it appears clearly that the duration of the window used to estimate these parameters is critical to yield better results. We conclude by presenting a performance analysis in the noisy context of a transport surveillance application.

This document is the deliverable D4.3-Prototype Implementation of the Survey Toolset, which provides a high level description of the Toolset Prototype. This document is released in a pre-final version, where the toolset implementation has been done using demo data coming from RFI-ASTS private campaign in Italy. The dataset, related to the Pinerolo-Torino line, was used to test and debug the toolset, and the results provided in this document refer to that line and campaign. The Consortium thanks RFI, ASTS and TRI for the investment done to this aim and the availability of needed dataset in order to respect the scheduling of the project. The toolset will be definitively designed after the test campaigns on field, which will confirm the assumptions and in particular the decision logic approach. In fact, once the test campaigns foreseen in the ERSAT GGC will be performed - as planned in the WP4.3 task - the final implementation of the toolset prototype will be released based on those data. A conclusive issue of this deliverable will be then provided with the results of the test campaigns.

This document reports the execution of the track area classification process developed during the work package « WP4 Track Survey and Track Classification » along with the main outcomes and results obtained during this process. The goal of WP4 is to set up a standard measurement and classification system that is able to provide a prediction of the expected presence of GNSS hazard causes and degraded performance to be expected at a given track area, in order to enable the evaluation if the specific environment is suitable or not to place virtual balises or on the contrary should be discarded beforehand. In this document, we detail the results of applying the classification standard process, by means of the developed software Toolset to the measurement data collected in the three measurements campaigns during ERSAT GGC project. This execution report addressed the main important aspects that need to be carried out for the correct application of the classification process and the results obtained with the data collected.

International audience; As intelligent transportation systems are becoming more and more prevalent, the relevance of automatic surveillance systems grows larger. While such systems rely heavily on video signals, other types of signals can be used as well to monitor the security of passengers. The present article proposes an audio-based intelligent system for surveillance in public transportation, investigating the use of some state-of-the-art artificial intelligence methods for the automatic detection of screams and shouts. We present test results produced on a database of sounds occurring in subway trains in real working conditions, by classifying sounds into screams, shouts and other categories using different Neural Network architectures. The relevance of these architectures in the analysis of audio signals is analyzed. We report encouraging results, given the difficulty of the task, especially when a high level of surrounding noise is present.; Au jour où les systèmes de transport intelligents devenant de plus en plus répandus, l'intérêt des systèmes de surveillance automatique augmente. Bien que ces systèmes reposent principalement sur les signaux vidéo, d'autres types de signaux peuvent également être utilisés pour surveiller la sécurité des passagers. Le présent article propose un système automatique de reconnaissance de motifs sonores pour la surveillance à l'intérieur des transports publics, en étudiant l'utilisation de méthodes d'intelligence artificielle de pointe pour la détection automatique des cris. Nous présentons des résultats testés sur une base de données de sons enregistrés au sein même d'une rame de métro dans des conditions de travail réelles, en classant les sons en cris et en d'autres catégories en utilisant différentes architectures de réseaux de neurones. Les résultats obtenus sont encourageants, compte tenu de la difficulté de la tâche, en particulier lorsque le niveau de bruit environnant est élevé.

This is the deliverable D4.5 Process Execution Report of the ERSAT GGC project. This document reports the execution of the track area classification process developed during the work package WP4 Track Survey and Track Classification along with the main outcomes and results obtained during this process. The goal of WP4 is to set up a standard measurement and classification system that is able to provide a prediction of the expected presence of GNSS hazard causes and degraded performance to be expected at a given track area, in order to enable the evaluation if the specific environment is suitable or not to place virtual balises or on the contrary should be discarded beforehand. In this document, we detail the results of applying the classification standard process, by means of the developed software Toolset to the measurement data collected in the three measurements campaigns during ERSAT GGC project. This execution report addressed the main important aspects that need to be carried out for the correct application of the classification process and the results obtained with the data collected.

In this thesis we address the blind channel estimation and source detection of linear mixtures with a single sensor in scenarios strongly dominated by interference. In this framework our only assumptions relate to the sources mutual independence, as well as the discrete and uniform nature of their probability distribution. Based on existing iterative algorithms from the literature, we propose several initialization strategies so as to enhance both their overall performance and robustness to highly unfavorable mixture configurations. We provide a detailed analysis of the relation between the spurious fixed points these algorithms are known to possibly converge to and the underlying mixtures geometry. Possible strategies to account for this additional information in the overall detection process are discussed as well. Simulation results attest to a significant improvement of the achieved error rates compared to all tested traditional detection schemes. An extension of the method to the estimation of frequency-selective channels in multiuser and orthogonal multicarrier transmissions is then performed, along with several initialization propositions. We conclude our study by more general considerations on clustering algorithms and their ability to discriminate between partially entangled data classes., Dans cette thèse nous étudions la détection aveugle de sources pour des mélanges linéaires à un seul capteur et dans des situations dominées par l'interférence. Nos hypothèses de travail portent uniquement sur l'indépendance des sources et le caractère fini et uniforme de leur distribution. Centrant notre étude autour d'un algorithme itératif de la littérature, plusieurs méthodes d'initialisation sont proposées afin d'en améliorer la robustesse quant aux cas les plus défavorables. En particulier, la relation entre les minima locaux vers lesquels les algorithmes considérés peuvent converger et la géométrie des constellations sous-jacentes aux mélanges est étudiée. Plusieurs méthodes visant à intégrer cette information au processus de détection global sont analysées. Les résultats obtenus par simulation sur des configurations de mélange variées attestent de l'efficacité des stratégies proposées via à vis des algorithmes de détection aveugle traditionnels. Une extension de notre méthode à des canaux sélectifs en fréquence et pour des transmissions multi-porteuses est également effectuée, conduisant à de nouvelles propositions d'initialisation. Notre étude se conclut par des considérations plus générales quant à l'aptitude des algorithmes de classification à pouvoir discerner des ensembles de points exhibant une forte proximité.

This thesis focuses on the design, implementation and evaluation of a portable EEG neurofeedback system to help manage stress for the general public. Such a system allows users to learn to modulate their mental states through brain plasticity phenomena. However, several factors can complicate this learning, such as a lower signal-to-noise ratio of the EEG acquired by dry electrodes, contamination by artefacts or the definition of relevant parameters from the EEG signals. In order to optimize this neural feedback, my thesis first proposes a statistical method to ensure the quality of the acquired EEG signals, as well as a corrective method of artefacts, in order to extract a relevant measure of EEG activity reflecting the individual's stress or relaxation level. The development of a neurofeedback index that is relevant and adapted to the user is also proposed. Following the algorithmic constitution of such a system, the neurofeedback learning characteristics could be studied. In particular, I show that intersession learning seems to be taking place and that in stressed subjects, brain changes occur in the alpha band during the rest phases. Finally, through these methodological aspects, software integration and longitudinal analysis, this thesis constitutes the fundamental building blocks of an automatic recommendation system adapted to the user. Such a system would allow a personal follow-up of users in order to propose a preventive strategy for stress management., Cette thèse porte sur la conception, l’implémentation et l’évaluation d’un système de neurofeedback EEG portable, d’aide à la gestion du stress, à destination du grand public. Un tel système permet aux utilisateurs d’apprendre à moduler leurs états mentaux par des phénomènes de plasticité cérébrale. Cependant, plusieurs facteurs peuvent compliquer cet apprentissage, comme un plus faible rapport signal sur bruit de l'EEG acquis par des électrodes sèches, la contamination par des artefacts ou encore la définition de paramètres pertinents à partir des signaux EEG. Afin d’optimiser ce retour neuronal, ma thèse propose d’abord une méthode statistique permettant de s’assurer de la qualité des signaux EEG acquis, ainsi qu’une méthode corrective d’artefacts, afin de pouvoir extraire une mesure pertinente de l’activité EEG reflétant le niveau de stress ou de relaxation de l’individu. Le développement d’un indice de neurofeedback pertinent et adapté à l’utilisateur est également proposé. A la suite de la constitution algorithmique d’un tel système, les caractéristiques d'apprentissage par neurofeedback ont pu être étudiées. En particulier, je montre qu'un apprentissage intersession semble se mettre en place et que chez les sujets stressés, des changements cérébraux s'opèrent dans la bande alpha durant les phases de repos. Finalement, par ces aspects méthodologiques, d’intégration logicielle et d’analyse longitudinale, cette thèse constitue les briques fondamentales d’un système de recommandation automatique adapté à l’utilisateur. Un tel système permettrait un suivi personnel des utilisateurs afin de leur proposer une stratégie préventive pour la gestion du stress.

The European Train Control System (ETCS) is the leading signaling system for train command and control. In the future, ETCS may be delivered over long-term evolution (LTE) networks. Thus, LTE performance offered to ETCS must be analyzed and confronted with the railway safety requirements. It is especially important to ensure the integrity of the ETCS data, i.e., to protect ETCS data against loss and corruption. In this article, various retransmission mechanisms are considered for providing end-to-end ETCS data integrity in LTE. These mechanisms are validated in simulations, which model worst-case conditions regarding train locations, traffic load, and base-station density. The simulation results show that ETCS data integrity requirements can be fulfilled even under these unfavorable conditions with the proper LTE mechanisms.

International audience; Non-contact detection and estimation of vital signs such as respiratory and cardiac frequencies is a powerful tool for surveillance applications. In particular, the continuous wave bio-radar has been widely investigated to determine the physiological parameters in a non-contact manner. Since the RF-reflected signal from the human body is corrupted by noise and random body movements, traditional Fourier analysis fails to detect the heart and breathing frequencies. In this effort, cyclostationary analysis has been used to improve the radar performance for non-invasive measurement of respiratory rate and heart rate. However, the preliminary works focus only on one frequency and do not include the impact of attenuation and random movement of the body in the analysis. Hence in this paper, we evaluate the impact of distance and noise on the cyclic features of the reflected signal. Furthermore, we explore the assessment of second order cyclostationary signal processing performance by developing the cyclic mean, the conjugate cyclic autocorrelation and the cyclic cumulant. In addition, the analysis is carried out using a reduced number of samples to reduce the response time. Implementation of the cyclostationary technique using a bi-static radar configuration at 2.5 GHz is shown as an example to demonstrate the proposed approach.

By imaging a scene from different viewpoints, a light field allows capturing a lot of information about the scene geometry. Thanks to the recent development of its acquisition devices (plenoptic camera and camera arrays mainly), light field imaging is becoming a serious alternative for 3D content capture and other related problems. The goal of this thesis is twofold. One of the main application for light field imaging is its ability to produce new views from a single capture. In a first part, we propose new image rendering techniques in two cases that deviate from the mainstream light field image rendering. We first propose a full pipeline for focused plenoptic cameras, addressing calibration, depth estimation, and image rendering. We then move to the problem of view synthesis, we seek to generate intermediates views given a set of only 4 corner views of a light field. Image editing is a common step of media production. For 2D images and videos, a lot of commercial tools exist. However, the problem is rather unexplored for light fields. In a second part, we propose new and efficient light field editing techniques. We first propose a new graph-based pixel-wise segmentation method that, from a sparse set of user input, segments simultaneously all the views of a light field in interactive time. Then we propose an automatic light field over-segmenting approach that makes use of GPUs computational power. This approach further decreases the computational requirement for light field segmentation and we extend the approach for light field video segmentation.; En imageant une scène à partir de différents points de vue, un champ de lumière permet de capturer de nombreuses informations sur la géométrie de la scène. Grâce aux récents progrès de ses dispositifs d’acquisition, l’imagerie par champs de lumière est devenue une alternative sérieuse à la capture de contenu 3D et à d’autres problèmes connexes. Le but de cette thèse est double. L'une des principales applications de l'imagerie par champs de lumière est sa capacité à produire de nouvelles vues à partir d'une capture unique. Dans une première partie, nous proposons de nouvelles techniques de rendu d’image dans deux cas qui s’écartent des cas usuels. Nous proposons d’abord un pipeline complet pour les caméras plénoptiques focalisées, traitant la calibration, l’estimation de profondeur et le rendu de l’image. Nous passons ensuite au problème de la synthèse des vues, nous cherchons à générer des vues intermédiaires à partir d’un ensemble de 4 vues seulement. La retouche d'image est une étape commune de la production de média. Pour les images et les vidéos 2D, de nombreux outils commerciaux existent. Cependant, le problème est plutôt inexploré pour les champs de lumière. Dans une seconde partie, nous proposons des techniques d’édition de champs de lumière à la fois nouvelles et efficaces. Nous proposons tout d’abord une nouvelle méthode de segmentation niveau pixel basée sur des graphes, qui à partir d’un ensemble limité d’entrées utilisateur, segmente simultanément toutes les vues d’un champ de lumière. Nous proposons ensuite une approche de segmentation automatique des champs de lumière qui utilise la puissance de calcul des GPUs. Cette approche diminue encore les besoins en calcul et nous étendons l'approche pour la segmentation de champs de lumières vidéo.

The future HPRR LEU fuel plates will have to withstand aggressive irradiations leading to a swelling phenomenon. This latter induces structure modifications and impacts the initial inter-plate distance. This distance is investigated, under the access and microscopic resolution constraints, within the PERSEUS Project aiming the development of a non-destructive ultrasonic device. With a thickness of 1 mm to be inserted into the 1.8 mm water channel width of the High flux Reactor (RHF), the device relies upon two ultrasonic transducers connected to an electronic system. It allows time of flight and ultrasonic velocity estimations. The feasibility being already proved, optimizations on components of the measurement chain and signal processing have led to a new device. A developed motorized bench has allowed reproducibility measurements with a 500 nm resolution. Then, a reproducibility devices' radiation resistance experiment, carried out in the Arc-nucleart Institute, demonstrated their parameters stability under 3500 kGray. Experiments were also realized on the RHF fuel element where vertical position, distance and temperature were evaluated, with a 1 µm precision on channel gap thickness. Future works will explore waves ability to be focused in the depth of the plates.; Les prochaines plaques combustibles faiblement enrichies des réacteurs HPRR devront résister à de hautes radiations et dévoileront probablement un gonflement. Ce dernier modifie la structure et influence la distance inter-plaque nominale. La mesure de cette distance à l'ordre micrométrique constitue l'objectif du projet PERSEUS via le développement d'un dispositif ultrasonore non-destructif. Réduit à 1 mm pour s'insérer dans l'interstice inter-plaque de 1.8 mm du Réacteur à Haut Flux (RHF), le dispositif comprend deux transducteurs ultrasonores reliés à un système électronique. Il permet les mesures de temps de vol et de vitesse ultrasonore. La faisabilité de mesure précédemment prouvée, des optimisations de la chaîne de mesure et du traitement du signal ont été intégrées, induisant une nouvelle génération de dispositif. Un banc motorisé a été développé et a permis des mesures de reproductibilité précises à 500 nm. La reproductibilité de résistance aux radiations, expérimentée à l'Institut Arc-Nucléart, a démontré la stabilité des dispositifs sous 3500 kGray. De plus, une expérience de mesure de distance inter-plaque sur l'élément combustible du RHF a permis les mesures de position verticale, de distance inter-plaque et de température avec 1 µm de précision d'épaisseur du canal d'eau. Une étude de faisabilité de focalisation des ondes est prévue pour analyser les plaques en profondeur.