Soutenance de thèse - Mme Maïssa CHAGMANI - IM2NP

Le Bureau des Études Doctorales a le plaisir de vous informer que

Madame Maïssa CHAGMANI

Doctorante au laboratoire IM2NP
Monsieur Claude JAUFFRET, Professeur, Université de Toulon

Co-encadrée par
Messieurs Bruno BORLOZ et Bernard XERRI,
Maitres de conférences, Université de Toulon

soutiendra publiquement sa thèse en vue de l’obtention du Doctorat en Automatique, Signal, Productique, Robotique sur le thème suivant :

« Filtre adapté stochastique : poursuite de sous-espace et filtrage multicritère. Application à l’acoustique sous-marine »

le mercredi 05 décembre 2018 à 09h00,
à l’Université de Toulon – Campus de La Garde –Bâtiment X Amphi X.300

devant un jury composé de :

Mme. Sylvie MARCOS, Directrice de Recherche CNRS, Institut des sciences de l’information et de leurs interactions (rapporteur)
M. Jean-Yves TOURNERET, Professeur, Institut national polytechnique de Toulouse (rapporteur)
M. Bruno BORLOZ, Maitre de Conférences, Université de Toulon
Mme. Meriem JAIDANE, Professeure, École nationale d’ingénieurs de Tunis
M. Claude JAUFFRET, Professeur, Université de Toulon
M. Bernard XERRI, Maitre de conférences, Université de Toulon

Résumés :

Dans le travail présenté, on s’intéresse à la détection et la classification de signaux aléatoires en utilisant le filtrage adapté stochastique sous contraintes (CSMF) qui maximise le rapport signal à bruit RSB après projection dans un sous-espace dit « optimal » de dimension fixée a priori.
Le CSMF peut être appliqué dans les 2 cas suivants : « détection » quand on a un signal d’intérêt et un bruit et « classification » quand on est en présence de plusieurs perturbations.
Dans ce deuxième cas, on peut envisager plusieurs critères à optimiser : ainsi on présente le filtrage multicritère qui combine plusieurs critères pour améliorer les performances.
Enfin, nous proposons un algorithme adaptatif : le « Constrained Stochastic Matched Filter Subspace Tracking » (CSMFST) en s’inspirant des méthodes de poursuite du sous-espace principal, notamment, les algorithmes de type Subspace Projection (SP). Le but étant de faire la poursuite du sous-espace optimal en temps réel, dans le cadre de la détection de signaux dont les propriétés statistiques varient dans le temps.

Mot clés :
filtrage, tracking, rapport signal-à-bruit, détection, projection, sous-espace, algorithme, multicritère.

Stochastic matched filter : Subspace Tracking and multicriteria filtering. Application to submarine acoustic signals

In this work, we are interested in the detection and classification of random signals using the Constrained Stochastic Adapted Filter (CSMF), which maximizes the signal-to-noise ratio SNR after projection into an "optimal" subspace of a fixed dimension.
The CSMF can be applied in the following two cases : "Detection" when we have a signal of interest and a noise and "classification" when we work in the presence of several disturbances.
In this second case, we can consider several criteria to optimize : then, we introduce a multicriteria filtering that combines many criteria to improve the performances.
Finally, we propose an adaptive algorithm : the "Constrained Stochastic Matched Filter Subspace Tracking" (CSMFST) taking inspiration from the main subspace tracking methods, in particular, the Subspace Projection (SP) type algorithms. The goal is to track the optimal subspace in real time, when signals with statistical properties that vary in time.

Keywords :
filtering, tracking, signal-to-noise ratio, detection, projection, subspace, algorithm, multicriteria.