• Langue : Français
• Discipline : Sciences physiques
• Identifiant : Inconnu
• Type de mémoire : Habilitation à diriger des recherches
• Date de soutenance : 01/01/2002

Résumé en langue originale

Depuis les expériences de Hertz en 1887 sur la propagation des ondes électromagnétiques, le vingtième siècle a vu l'émergence de nombreuses applications telles que les radar, les systèmes de diffusion (télévision hertzienne terrestre et spatiale) ainsi que les télécommunications sans fil (boucle locale, téléphone portable). Que ce soit à la réception des signaux ou lors de l'analyse des données, les algorithmes de détection ou de reconnaissance de formes reposent en général sur des modèles probabilistes. Nous proposons dans ce cadre une approche nouvelle de modélisation et d'estimation avec comme applications les communications sans fil et l'imagerie radar. Deux axes de recherche sont successivement développés; la modélisation statistique de la propagation radioélectrique pour les radar et pour les systèmes de communications sans fil puis l'estimation de mélanges de lois généralisés appliquée à la segmentation d'images radar. Le premier axe concerne la modélisation statistique des évanouissements spatiaux appelés speckle en imagerie radar et fading en radio-communication. En considérant un processus de Poisson composé pour les instants d'arrivée des ondes au récepteur, le champ électrique obtenu est de nature non gaussienne. En imagerie radar, cette approche est à l'origine du système de distributions KUBW de l'amplitude du champ alors qu'en radiocommunication indoor, le modèle obtenu débouche sur une nouvelle formulation de l'équation de Friis (perte de puissance) ainsi qu'un nouveau modèle de canal numérique à 60 GHz. La segmentation statistique non supervisée définit le second axe de recherche. Les algorithmes d'estimation de mélanges de lois développés sont capables à la fois de reconnaître et d'estimer la famille de chacune de ses composantes. Couplés à une stratégie de classification, les algorithmes de segmentation sont dits généralisés parce qu'ils s'adaptent aux familles de lois contenues dans le mélange. Nous montrons que cette approche est particulièrement bien adaptée pour les données radar car les distributions du niveau de gris des classes sont de formes variées. Notre approche statistique, originale dans le domaine des systèmes radioélectriques, a montré l'intérêt de tenir compte de la diversité des familles de distributions tant pour la modélisation de phénomènes de propagation électromagnétique que pour le développement d'outils de reconnaissance de formes.