Search

This thesis is devoted to the development of FSI state estimation algorithms using the 4D Flow MRI data. It is motivated by the increasing demand for patient-specific blood flow simulations for the assessment of predictive Wall Shear Stress (WSS) related biomarkers. However, patient- specific simulations raise major technical concerns such as the imposition of inflow/outflow boundary conditions, the way to use efficiently the medical data available. In the first chapter we leverage the richness of the 4D Flow data to develop a method that extracts the time-resolved wall displacement and velocity from 4D MRI, using a Kalman filter approach. The estimation of the wall displacement and velocity from 4D MRI with the tracking is tested for the reconstruction of the motion of an immersed vesicle with synthetic 4D Flow MRI data. An application to the tracking of the aorta wall of a patient is presented as a response to the need for non-static semi-automatic segmentation of the aortic wall using 4D MRI. The second and third chapters tackle the FSI state estimation on the academic FSI setting of a pressure wave propagating in a 3D tube. We propose novel approach for FSI state estimation in which no inflow and outflow boundary conditions are imposed. In the second chapter, small vibrations of the solid are assumed and with suitable kinematic assumptions, the FSI problem is simplified for a FSI fixed- domain problem, in which the solid state is expressed in terms of the fluid state. A first fluid-structure interaction state estimation algorithm is proposed based on unique continuation using fluid velocity measurements. The FSI state estimation algorithm is formulated as a PDE-constraint optimization problem in a L2 distance between simulation and measured data is minimized. Without specifying inflow and outflow boundary conditions, the problem is ill-posed, and the solvability is ensured at the discrete level by weakly consistent stabilization terms. It results in the resolution of a system in the primal variables and associated dual variables. Another FSI state algorithm is proposed in which non-parametric inflow and outflow boundary conditions are estimated using a unique continuation and imposed on a Luenberger state observer with fluid velocity measurements. Numerical studies illustrate the performance of the two FSI algorithm for fixed domain FSI state estimation. In the third chapter, the FSI state estimation combining unique continuation with Luenberger observer for the fluid sub-problem is extended to moving domain FSI. We no longer consider a monolithic formulation of the FSI problem but a partitioned resolution. The fluid sub-problem and the solid sub-problem are solved independently and the FSI coupling is ensured by interface coupling conditions. A fourth algorithm is proposed to leverage displacements and velocity in the solid, by adding data feedback terms in the solid sub-problem in the form of a Luenberger state observer. A series of numerical tests are performed to illustrate the two algorithms.; Cette thèse est dédiée au développement d’algorithmes d’estimation d’état FSI en utilisant des données d’IRM de flux 4D. Elle est motivée par la demande croissante de simulations d’écoulement sanguin patient-spécifique pour l’évaluation de paramètres prédictives calculés à partir du Wall-Shear Stress (WSS). Cependant, les simulations patient-spécifiques soulève des difficultés techniques majeures comme l’imposition des conditions aux bords de flux entrants/sortants. Dans le premier chapitre, nous proposons une méthode d’extraction du déplacement et de la vitesse de la paroi du vaisseau, en utilisant un filtrage de Kalman. Le but est de tirer profit au maximum de la richesse des données contenues dans les IRM 4D pour réaliser une reconstruction non-statique et semi-automatique de la paroi de l’aorte dans son mouvement. Un filtre de Kalman est conçu pour corriger une prédiction du mouvement de la paroi issue d’un modèle dynamique simplifié avec des observations provenant d’un opérateur d’observation de position et des données de vitesse de l'IRM 4D. L’observation de position est complétée par les données de vitesse locale sur les images IRM 4D. L’estimation du déplacement de la paroi du vaisseau et de sa vitesse est appliquée à la reconstruction du mouvement d’une vésicule immergée dans un fluide visqueux, pour laquelle des données imitant l’IRM 4D ont été générées. Une application au tracking de la paroi de l’aorte d’un patient est finalement présentée, sous forme d’une segmentation semi-automatique et non-statique de la paroi de l’aorte à partir d’IRM 4D. Les second et troisième chapitres traitent de l’estimation d’état FSI sur un cas académique, celui de la propagation d’une onde de pression dans un tube. Nous proposons une approche nouvelle pour estimer l’état FSI sans imposer des conditions aux bords en entrée et en sortie de la géométrique. Dans le second chapitre, on suppose que l’onde de pression provoque des variations infinitésimales du tube et avec des approximations cinématiques bien choisies, le problème FSI est réduit à un problème sur domaine fixe, dans lequel la variation de déformation solide est exprimée au moyen des variables d’état fluides. Un premier algorithme d’estimation FSI est alors présenté, basé uniquement sur une méthode de continuation unique en utilisant les mesures de vitesse du fluide. L’algorithme d’estimation d’état FSI est formulée comme une optimisation de l’écart en norme L2 entre la simulation et les données mesurées, sous d’une équation différentielle partielle. Sans spécifier les conditions de flux entrant ou sortant, le problème est mal posé, et la solvabilité est assurée au niveau discret par des termes de stabilisation faiblement consistants. On se ramène ainsi à la résolution d’un système en variables primales et duales. Un second algorithme d’estimation FSI, très similaire à un observateur d’état de Luenberger, est proposée en utilisant le premier algorithme d’estimation d’état FSI pour estimer des conditions aux bords non paramétriques de flux entrains et sortants. Des études numériques illustrent la performance des 2 algorithmes sur domaine fixe. Dans le troisième chapitre, l’estimateur d’état FSI combinant l’étape d’estimation des conditions de flux entrants et sortant par continuation unique et l’observateur de Luenberger est étendue à des problèmes FSI sur domaine mobile. Au lieu d’une résolution monolithique, on utilise des solveurs fluide et solide partitionnés et couplés via des conditions d’interface. En profitant de mesures de déplacement et de vitesse de la paroi du tube, un dernier algorithme est proposé. Une série de tests numériques est effectuée pour illustrer le potentiel de ces nouvelles méthodes.

The context of this thesis is the inference for partially observed epidemic dynamics. The development of approaches for estimating parameters of these dynamics from observations of their follow-up is a first important challenge, but difficult from a statistical point of view. Indeed, the data are generally collected at discrete time points and subject to reporting and/or measurement errors. Additionally, the presence of unobserved components in the mechanistic models used to describe the epidemics requires the use of inference algorithms (latent variable model framework). Furthermore, multiple dynamics of the same epidemic event can be observed in different geographic locations or at different times. A second challenge is to explicitly take into account inter-epidemic variability in the modeling. We consider epidemic dynamics in fixed population size modeled by Markovian density-dependent jump processes. Through an approach based on their approximation by diffusion processes, the epidemic dynamics are described by Gaussian processes with small variance. Considering a Gaussian approximation of the observational model, we adopt the framework of the Gaussian state space models and linear in the system states. In these models, the likelihood of the observations can be obtained via Kalman filtering techniques that we combine with an optimization procedure to estimate the parameters. Then, in the case of multiple epidemics, we use the framework of the mixed effects models allowing to describe in a more refined and original way the different sources of variability between several data sets collected from multisite or recurrent epidemics. In these models, distributions are specified for the parameters, which allows to take into account the inter-epidemic variability. To estimate the parameters of these distributions, we combine Kalman filtering techniques and the stochastic SAEM algorithm. The different methods developed in this thesis are first assessed on simulated epidemic data sets described by Markovian jump processes. The implementation on real data concerns the daily incidence of influenza-like illness between 1990 and 2017 in France (recurrent epidemics) and hospital data related to Covid-19 in 12 regions of metropolitan France during spring 2020 (multisite epidemics)., Le cadre de cette thèse est l’inférence pour des dynamiques épidémiques partiellement observées. Le développement d’approches pour l’estimation de paramètres de ces dynamiques à partir des observations de leur suivi est un premier enjeu important, cependant difficile du point de vue statistique. En effet, les données sont généralement recueillies à des temps discrets et sujettes à des erreurs de report et/ou de mesure. A cela s’ajoute la présence de composantes non-observées dans les modèles mécanistes servant à décrire les épidémies, rendant nécessaire l’utilisation d’algorithmes pour l’inférence (cadre des modèles à variables latentes). Par ailleurs, des dynamiques multiples d’une même épidémie peuvent être observées dans des sites géographiques distincts ou à des périodes différentes. La prise en compte explicite de la variabilité inter-épidémies dans la modélisation constitue un deuxième enjeu. Nous considérons des dynamiques épidémiques en population de taille finie modélisées par des processus Markoviens de sauts dépendant de la densité. A travers une approche s’appuyant sur leur approximation par des processus de diffusion, les dynamiques épidémiques sont décrites par des processus Gaussiens à petite variance. En considérant également une approximation Gaussienne du modèle des observations, nous nous plaçons dans le cadre des modèles à espace d'état Gaussiens et linéaires en les états du système. Dans ces modèles, la vraisemblance des observations peut s'obtenir via des techniques de filtrage de Kalman, que nous combinons avec une procédure d'optimisation pour estimer les paramètres. Puis, dans le cas d'épidémies multiples, nous utilisons le cadre des modèles à effets mixtes permettant de décrire de façon plus fine et originale les différentes sources de variabilité entre plusieurs jeux de données recueillis à partir d'épidémies multisites ou récurrentes. Dans ces modèles, des distributions sont spécifiées pour les paramètres, ce qui permet de prendre en compte la variabilité inter-épidémies. Pour estimer les paramètres de ces distributions, nous combinons des techniques de filtrage de Kalman et l’algorithme stochastique SAEM. Dans un premier temps, les différentes méthodes développées dans cette thèse sont évaluées sur des jeux de données simulées d’épidémies décrites par des processus Markoviens de sauts. La mise en œuvre sur des données réelles porte sur l'incidence quotidienne de syndromes grippaux entre 1990 et 2017 en France (épidémies récurrentes) et les données hospitalières relatives à la Covid-19 dans 12 régions de la France métropolitaine pendant le printemps 2020 (épidémies multisites).

Treballs recents sobre localització de vehicles i mapeig dels seus entorns es desenvolupen per a dispositius portàtils o robots terrestres que assumeixen moviments lents i suaus. Contràriament als entorns de curses d’alta velocitat. Aquesta tesi proposa un nou model d’SLAM, anomenat LIMO-Velo, capaç de corregir el seu estat amb una latència extremadament baixa tractant els punts LiDAR com un flux de dades. Els experiments mostren un salt en robustesa i en la qualitat del mapa mantenint el requisit de correr en temps real. El model aconsegueix una millora relativa del 20% en el KITTI dataset d’odometria respecte al millor rendiment existent; no deriva en un sol esce- nari. La qualitat del mapa a nivell de centı́metre es manté amb velocitats que poden arribar a 20 m/s i 500 graus/s. Utilitzant les biblioteques obertes IKFoM i ikd-Tree, el model funciona x10 més ràpid que la majoria de models d’última generació. Mostrem que LIMO-Velo es pot generalitzar per exe- cutar l’eliminació dinàmica d’objectes, com ara altres agents a la carretera, vianants i altres. Trabajos recientes sobre la localización de vehı́culos y el mapeo de sus en- tornos se desarrollan para dispositivos portátiles o robots terrestres que asumen movimientos lentos y suaves. Al contrario de los entornos de carreras de alta velocidad. Esta tesis propone un nuevo modelo SLAM, LIMO-Velo, capaz de corregir su estado en latencia extremadamente baja al tratar los puntos LiDAR como un flujo de datos. Los experimentos muestran un salto en la solidez y la calidad del mapa mientras se mantiene el requisito de tiempo real. El modelo logra una mejora relativa del 20% en el conjunto de datos de KITTI Odometry sobre el mejor desempeño existente; no deriva en un solo escenario. La calidad del mapa de nivel centimétrico todavı́a se logra a velocidades de carrera que pueden llegar hasta 20 m/s y 500 grados/s. Us- ando las bibliotecas abiertas IKFoM e ikd-Tree, el modelo funciona x10 más rápido que la mayorı́a de los modelos de última generación. Mostramos que LIMO-Velo se puede generalizar para trabajar bajo la eliminación dinámica de objetos, como otros agentes en la carretera, peatones y más. Recent works on localizing vehicles and mapping their environments are de- veloped for handheld devices or terrestrial robots which assume slow and smooth movements. Contrary to high-velocity racing environments. This thesis proposes a new SLAM model, LIMO-Velo, capable of correcting its state at extreme low-latency by treating LiDAR points as a data stream. Experiments show a jump in robustness and map quality while maintaining the real-time requirement. The model achieves a 20% relative improvement on the KITTI Odometry dataset over the existing best performer; it does not drift in a single scenario. Centimeter-level map quality is still achieved under racing velocities that can go up to 20m/s and 500deg/s. Using the IKFoM and ikd-Tree open libraries, the model performs x10 faster than most state-of-the-art models. We show that LIMO-Velo can be generalized to work under dynamic object removal such as other agents in the road, pedestrians, and more. Outgoing

Cities are working to make the lives of their citizens as safe as possible. This desire is accompanied by the availability of new devices such as video surveillance cameras in quantity. However, too many of these devices can be counterproductive. Too much information can prevent the identification of important information among the totality of available information. The objective of this thesis is first to find solutions to indicate concretely the type of abnormal situation taking place in order to focus the operator’s attention on this situation. This part is based on static analyses extracted from video streams of video surveillance cameras. The second objective of this thesis is to improve the first one thanks to an individualized monitoring allowing to keep the anonymity of the monitored persons. This solution is based on the prediction of displacement using Kalman filters. Finally, the last objective of this thesis is directly related to the lack of information available to test the efficiency of our different methods. This objective is based on the implementation of a simulation system allowing to get closer to a real situation by using autonomous virtual entities., Les villes oeuvrent de sorte à pouvoir rendre la vie de ses citoyens la plus sécurisée possible. Cette volonté s’accompagne de la mise à disposition de nouveaux dispositifs tels que des caméras de vidéosurveillance en quantité. Toutefois, le trop grand nombre de ces dispositifs peut être contre-productif.Une trop grande quantité d’informations peut empêcher d’identifier l’information importante parmi la totalité des informations disponibles.L’objectif de cette thèse est d’abord de trouver des solutions permettant d’indiquer concrètement le type de situation anormale se déroulant afin de focaliser l’attention de l’opérateur sur cette situation. Cette partie se base sur des analyses statiques extraites des flux vidéo des caméras de vidéosurveillance. Le second objectif de cette thèse a pour but d’améliorer le premier grâce à un suivi individualisé permettant de conserver l’anonymat des personnes suivies. Cette solution se base sur de la prédiction de déplacement à l’aide de filtres de Kalman. Enfin, le dernier objectif de cette thèse est directement lié au manque d’informations disponibles pour tester l’efficacité de nos différentes méthodes. Cet objectif repose donc sur la mise en place d’un système de simulation permettant de se rapprocher au mieux d’une situation réelle en utilisant des entités virtuelles autonomes.

Population growth and continuous demand for energy production have prompted electricity producers to focus increasingly on the use of local and clean resources. Renewable energy sources such as the sun and wind have shown an increasing interest. A problem with these power sources are their intermittent and random nature that drives grid operators to restrict their integration into the energy mix. This makes it imperative to combine different production systems to ensure grid stability and safety. French Guiana’s electricity production mainly comes from local renewable energies (64%), compared to 36% from imported fossil fuels. To improve the integration of intermittent renewable energies, solar energy in this study, it is necessary to focus on resource forecasting. Knowing in advance the available power allows optimal management of the coupling between conventional and intermittent production systems.The contribution of this thesis focuses on forecasting the Global Horizontal Irradiation (GHI) at different time horizons combining satellite-derived data instead of ground measurements and statistical methods. Satellite images offer the advantage of providing irradiance products over wide areas and with satisfactory accuracy. We are interested in forecasting the GHI as the generated PV power directly depends on the incoming GHI intensity. In this thesis, we have developed and studied ten solar radiation prediction models. Their methods are the Persistence, Scaled Persistence, AR, ARMA, Gaussian Process, Support Vector Machine, simple regression trees, bagged forests, WRF with Kalman filter, and an aggregation method. Satellites-derived data from the meteorological geostationary satellite GOES-13 are used as input of each model. These models were first developed to predict the GHI using satellite-derived data as input, and then to predict the GHI using ground measurements to be able to quantify discrepancies. The forecast horizons tested are from 1 to 6H per hour time step, to provide useful horizons for network managers. Data from six measurement sites located in French Guiana are used for GHI prediction. Five years of data from the six stations were used for the learning phase and one year for the validation phase.; La croissance démographique et la demande continue de production d'énergie ont incité les producteurs d'électricité à se concentrer de plus en plus sur l'utilisation de ressources locales et propres. Les sources d'énergie renouvelables telles que le soleil et le vent ont montré un intérêt croissant. Un problème avec ces sources d'énergie est leur caractère intermittent et aléatoire qui pousse les gestionnaires de réseau à restreindre leur intégration dans le mix énergétique. Il est donc impératif de combiner différents systèmes de production pour assurer la stabilité et la sécurité du réseau. La production d'électricité de la Guyane française provient principalement d'énergies renouvelables locales (64 %), contre 36 % d'énergies fossiles importées. Pour améliorer l'intégration des énergies renouvelables intermittentes, l'énergie solaire dans cette étude, il est nécessaire de se concentrer sur la prévision des ressources. Connaître à l'avance la puissance disponible permet une gestion optimale du couplage entre les systèmes de production conventionnels et intermittents.La contribution de cette thèse se concentre sur la prévision de l'irradiation horizontale globale (GHI) à différents horizons temporels en combinant des données satellitaires au lieu de mesures au sol et méthodes statistiques. Les images satellitaires offrent l'avantage de fournir des produits d'éclairement sur de larges zones et avec une précision satisfaisante. Nous nous intéressons à la prévision du GHI car la puissance photovoltaïque générée dépend directement de l'intensité du GHI qui entre. Dans cette thèse, nous avons développé et étudié neuf modèles de prédiction du GHI. Leurs méthodes sont la persistance, Scaled persistance, AR, ARMA, processus gaussien, machine à vecteurs de support, arbres de régression simples, forêts ensachées, WRF avec filtre de Kalman et une méthode d'agrégation. Les données dérivées du satellite météorologique géostationnaire GOES-13 sont utilisées comme entrée de chaque modèle. Ces modèles ont d'abord été développés pour prédire le GHI en utilisant des données satellitaires en entrée, puis pour prédire le GHI en utilisant des mesures au sol pour pouvoir quantifier les écarts. Les horizons de prévision testés sont de 1 à 6H par pas de temps horaire, pour prévoir des horizons utiles aux gestionnaires de réseau. Les données de six sites de mesure situés en Guyane française sont utilisées pour la prédiction du GHI. Cinq années de données des six stations ont été utilisées pour la phase d'apprentissage du modèle et une année pour la phase de validation.

This work aims at contributing to the literature on the nonlinear control of three-phase induction motors with and without mechanical sensors. Several techniques were developed and verified either by simulation or by experimental validation using a test bench equipped with a dSPACE-RTI-1104 card. The indirect vector control with rotor flux orientation was adopted as a primary strategy for speed and current regulation. The optimization of global control was improved using two types of control strategies. The first one consisted in a hybrid control that allowed the combination of several regulators simultaneously through a regulation supervisor. The second strategy consisted in an advanced version of the Integral-Backstepping control, the variable gains property being incorporated into the various nonlinear regulators to ensure optimal control of quantities even at very low speed levels. In a second equally important part, speed observation and the estimation of the machine’s different inaccessible quantities were taken as significant objectives for this thesis. An interconnected linear observer was developed to ensure the simultaneous estimation of machine resistances, while sensorless control was achieved through several deterministic and stochastic approaches such as the fuzzy-adaptive observer, observers based on sliding mode theory and estimation via extended Kalman filters. The effectiveness of each method in relation to the performance of closed-loop sensorless control was carefully studied and analyzed. Subsequently, the obtained results served as a basis for a comparative study in which the advantages and disadvantages of each technique studied were assessed.; Le travail présenté dans cette thèse vise à apporter une contribution à la commande non linéaire des moteurs asynchrones triphasés avec et sans capteur mécanique. De ce fait, plusieurs techniques ont été développées et vérifiées soit par simulation, soit par une validation expérimentale sur un banc d’essai équipé d’une carte dSPACE-RTI-1104. La commande vectorielle indirecte avec orientation du flux rotorique a été adoptée comme structure de base pour la régulation de la vitesse et du courant. L’optimisation du contrôle global sera assurée en utilisant deux variantes des stratégies de commande. La première s’agit du contrôle hybride permettant la combinaison de plusieurs régulateurs en même temps par l’intermédiaire d’un superviseur de régulation. Alors que la deuxième stratégie représente une version avancée du contrôle Backstepping avec action intégrale, la propriété des gains variables a été incorporée dans les différents régulateurs non linéaires afin d’assurer un contrôle optimal du moteur même pour des vitesses très faibles. Dans une deuxième partie aussi importante que la première, l’observation de la vitesse et l’estimation des différentes grandeurs inaccessibles de la machine ont constitué un objectif majeur de ce mémoire. Un observateur linéaire interconnecté a été développé pour assurer une estimation simultanée des différentes résistances des enroulements. Tandis que la commande sans capteur a été réalisée à travers plusieurs approches déterministes et stochastiques comme l’observateur adaptatif flou, les observateurs basés sur la théorie du mode glissant, et l’estimation via le filtre de Kalman étendu. Suite à un examen approfondi des performances générées par le contrôle sans capteur en boucle fermée, une étude comparative permettra d’évaluer les avantages et les inconvénients de chaque technique étudiée.

In this thesis we carry out the study of an SBL (Short BaseLine) localization system of an underwater transmitting beacon. The objective of this work is to propose a simple and easily deployable device. The tracking system is made of four hydrophones positioned on a small boat. The hydrophones are georeferenced with a GPS receiver and a magnetic compass positioned on the boat. The beacon provides the positioning system with its depth obtained using a pressure sensor. The considered marine environment is shallow water (the Channel, ports, canals, etc.). The targeted applications are the location of divers, fishing traps, drones and measuring instruments. It is shown in the bibliography that for synchronized TDOA measurements (obtained from a reference hydrophone) there are direct estimators of the position. In our approach, the TDOA measurements are provided by two pairs of hydrophones that are not synchronized with each other. In this case it is shown in the bibliography that the estimators of the position are indirect. They require the knowledge of an initial position to converge towards the real position. The aim of this thesis is to propose methods for calculating the initial position. The first contribution of the thesis is to propose an estimator of the 3D position in the case of a static beacon. For each TDOA measurement, the set of possible positions of the beacon is located on a hyperbola. In our approach, we propose to approximate the hyperbola by its two asymptotic lines in order to calculate the initial position. With two TDOA measurements we obtain four possible positions (at the intersections of the asymptotes) which are ambiguous because only one of them corresponds to the position of the beacon.We propose an algorithm and a criterion to be minimized to calculate the 3D position and remove the ambiguity on the initial position. The second contribution of the thesis is to propose an estimator of the dynamic 3D position of an underwater object. In the dynamic case, two TDOA measurements are available, ie four possible initial positions for each position of the boat. It is proposed to classify the initial positions obtained in four sets as the boat moves. The classification is carried out by a data association method and a criterion is proposed to resolve the ambiguity on the four sets of positions. The proposed estimation processis based on four parallel Kalman filters and on the GNN (Global Nearest Neighbor) data association method. The proposed methods have been evaluated in simulation for the positioning of an underwater object in the static and dynamic case. In this simulation we consider a distance between the hydrophones of 2 m. The positioning error is shown to be metric for noise on TDOA measurements of standard deviation 1 cm. The accuracy remains metric for a distance between the tracking system and the beacon of less than 30 m.We show that in the presence of noises on the positioning system (50 cm on the GPS position and 1o on the magnetic compass) the precision remains metric. Finally, it is shown that the proposed estimator is more precise than the direct weighted least squares benchmark estimator., Dans cette thèse on réalise l’étude d’un système de localisation SBL (Short BaseLine) d’une balise émettrice sous-Marine.L’objectif de ce travail est de proposer un dispositif simple et facilement déployable. Le système de localisation est composé de quatre hydrophones positionnés sur un bateau de petite taille. Les hydrophones sont géoréférencés avec un récepteur GPS et un compas magnétique positionnés sur le bateau.La balise fournit au système de positionnement sa profondeur obtenue à l’aide d’un capteur de pression. L’environnement marin considéré est un environnement en eaux peu profondes (la Manche, les ports, les canaux,... ). Les applications visées sont la localisation de plongeurs, de casiers de pêche, de drones et d’instruments de mesure. On montre dans la bibliographie que pour des mesures de TDOA synchronisées (obtenues à partir d’un hydrophone de référence) il existe des estimateurs directs de la position. Dans notre approche les mesures de TDOA sont fournies par deux couples d’hydrophones non-synchronisés entre eux. Dans ce cas on montre dans la bibliographie que les estimateurs de la position sont indirects. Ils nécessitent la connaissance d’une position initiale pour converger vers la position réelle. Le but de cette thèse est de proposer des méthodes de calcul de la position initiale. Le premier apport de la thèse est de proposer un estimateur de la position 3D dans le cas d’une balise statique. Pour chaque mesure de TDOA l’ensemble des positions possibles de la balise se situe sur une hyperbole. Dans notre approche on propose d’approximer l’hyperbole par ses deux droites asymptotes pour calculer la position initiale. Avec deux mesures de TDOA on obtient quatre positions possibles (aux intersections des asymptotes) qui sont ambigües car une seule d’entre-elles correspond à la position de la balise. Nous proposons un algorithme et un critère à minimiser pour calculer la position 3D et lever l’ambiguïté sur la position initiale. Le second apport de la thèse est de proposer un estimateur de la position 3D dynamique d’un objet sous-marin. Dans le cas dynamique on dispose de deux mesures de TDOA, soit quatre positions initiales possibles pour chaque position du bateau. On propose de classer les positions initiales obtenues dans quatre ensembles au fur et à mesure du déplacement du bateau. Le classement est réalisé par une méthode d’association de données et on propose un critère pour lever l’ambiguïté sur les quatre ensembles de positions. Le processus d’estimation proposé s’appuie sur quatre filtres de Kalman parallèles et sur la méthode d’association de données GNN (Global Nearest Neighbor). Les méthodes proposées ont été évaluées en simulation pour le positionnement d’un objet sous-marin dans les cas statique et dynamique. Dans cette simulation on considère une distance entre les hydrophones de 2 m. On montre que l’erreur de positionnement est métrique pour un bruit sur les mesures de TDOA d’écart-type 1 cm. La précision reste métrique pour une distance entre le système de localisation et la balise inférieure à 30 m. On montre qu’en présence de bruits sur le système de positionnement (50 cm sur la position GPS et 1o sur le compas magnétique) la précision reste métrique. Enfin on montre que l’estimateur proposé est plus précis que l’estimateur direct de référence des moindres carrés pondérés.

Since the introduction of the Macroscopic Fundamental Diagram (MFD), many traffic control strategies and algorithms have been developed to implement MFD-based perimeter control over a specific urban region. A model-based controller consists of two components: a plant model that represents reality; and a prediction model used to determine optimal control actions. In most studies, the authors assume a constant average trip length for all drivers traveling within the same region, for the prediction model. In these studies about perimeter control and MFD traffic models, the controllers show a good performance because accumulations, i.e. traffic states, from the plant are used to reflect the initial state of the prediction model with a high frequency (about a few seconds). However, this average trip length changes over time as it depends on the Origin-Destination flow decomposition, playing an important role in real applications. The main contributions of this paper are twofold. First, we show that the assumption about constant trip lengths used in the prediction model deteriorates the controller's performance for low frequency updates of the optimal control actions. Second, we propose a methodological framework based on the Unscented Kalman Filter (UKF) for dynamically adjusting the average trip lengths and accumulations. Our test results on a real city network show that applying this methodological framework significantly improves the controller's performance.

The PhD thesis presented in this manuscript aims at developing a measurement protocol able to assess the real performance of natural ventilation systems in dwellings. It particularly focuses on passive-stack ventilation systems, which represent a large part of natural ventilation systems implemented in French dwellings and which are involved in hybrid ventilation systems. Measuring the aeraulic performance of natural ventilation is a challenging task, which is even more challenging when speaking of multi-zones buildings. The presented work first identifies the tracer gas decay method as the most suitable method to assess natural ventilation’s aeraulic performance. Its reliability is experimentally and numerically increased thanks to a procedure that pre-treats concentration data, and to the implementation of the Kalman filter. Both allow to overcome constraints that the application of a tracer gas method in a multi-zones dwelling brings. Finally, a turnkey solution is proposed that allows any measurer to measure the aeraulic performance of a passive-stack ventilation system implemented in a multi-zones dwelling.; La présente thèse a pour objectif de développer un protocole d’évaluation des performances aérauliques d’un système de ventilation naturelle. Ce protocole a particulièrement trait au système de ventilation par conduit, qui est largement représenté dans les logements français, et qui est directement impliqué dans les systèmes de ventilation hybride. La variabilité et l’instabilité des débits d’air engendrés par les systèmes de ventilation naturelle compliquent l’évaluation de leur performance aéraulique, évaluation encore plus compliquée si le bâtiment testé possède plusieurs zones. Le travail présenté a d’abord identifié la méthode par décroissance de la concentration gaz traceur, comme étant la mieux adaptée à l’évaluation de la performance aéraulique des systèmes de ventilation naturelle. Sa fiabilité a été améliorée expérimentalement et numériquement à l’aide d’une procédure de pré-traitement des données de concentration en gaz traceur, et de l’outil de traitement du signal « filtre de Kalman ». Ces deux éléments conjoints permettent de dépasser les contraintes apportées par l’application multi-zone d’une méthode gaz traceur. Une solution « clé-en-main » est finalement proposée, afin que chaque mesureur puisse implémenter la mesure des performances aérauliques d’un système de ventilation naturelle par conduit installé dans un logement.

The growing development of smart objects offers new opportunities for locating the connected traveler. However, tracking the pedestrian's trajectory remains problematic and navigation applications do not propose to track the traveller's trajectory on a multimodal scale autonomously. This work focuses on the implementation of a single solution capable of locating the user according to different travel modes and whatever the environment, using inertial,magnetic and GNSS sensors. In a first step, a new method for locating the cyclist is implemented. GNSS phase measurements are used to correct the velocity vector by time differences and themovement direction is constrained using inertial signals. These elements were used in a second time and adapted to implement a new method of pedestrian localization with a handheld sensor. The PDR approach which is an inertial navigation technique using dead reckoning is parameterized in an extended Kalman filter. An innovative update merging the device attitude estimation and a statistical estimation of the walking direction allows to correct the walking direction prediction and to obtain a consistent and smoothed estimate. GNSS measurements are used to correct the velocity vector, orientation, step length and absolute position. Finally, a multimodal approach is proposed and the management of transitions between the different algorithms, assisted by the use of an innovative sensor, is studied. Multimodal experiments in real conditions are conducted to analyze the performance of the proposed solution., Le développement croissant d'objets intelligents offre de nouvelles opportunités de localisation du voyageur connecté. Cependant, le suivi de la trajectoire du piéton reste problématique et les applications de navigation ne proposent pas de suivre la trajectoire du voyageur à l'échelle multimodale de façon autonome. Ce travail s'intéresse à la mise en place d'une solution unique capable de localiser l'utilisateur selon différents modes de déplacement et quel que soit l'environnement, à partir de capteurs inertiels, magnétiques et GNSS. Dans un premier temps, une nouvelle méthode de localisation du cycliste est mise en place. Les mesures de phases GNSS sont utilisées pour corriger le vecteur vitesse par différences temporelles et la direction de déplacement est contrainte à l'aide des signaux inertiels. Ces éléments ont été utilisés dans un second temps et adaptés pour mettre en place une nouvelle méthode de localisation du piéton avec un capteur en main. L'approche PDR qui est une technique de navigation inertielle à l'estime est paramétrée dans un filtre de Kalman étendu. Une mise à jour innovante fusionnant l'estimation de l'attitude du boîtier et une estimation statistique de la direction de marche permet de corriger l'estimation du cap de marche et d'obtenir une estimation cohérente et lissée. Les mesures GNSS sont utilisées pour corriger le vecteur vitesse, l'orientation, la longueur de pas et la position absolue. Enfin, une approche multimodale est proposée et la gestion des transitions entre les différents algorithmes, assistée par l'utilisation d'un capteur innovant, est étudiée. Des validations expérimentales multimodales en conditions réelles sont conduites pour analyser les performances d'estimation de la solution proposée.

This thesis deals with state estimation for vehicles that are equipped with various sensors such as cameras and inertial measurement units. The Kalman filter is a widely used tool that estimates the state of a dynamical system, which raises theoritical questions for the nonlinear systems present in navigation, and that relies on physical models and parameters that need to be efficient tuned by the user. This thesis contributes to Kalman filtering for navigation, where the contributions focus on two different manners. The first manner consists in building on the recent invariant extended Kalman filter to address challenging issues, namely the inconsistency of extended Kalman filter for the problem of simultaneous localization and mapping, navigation with vision sensors, and the more general question of Kalman filtering on manifolds. The second manner consists in using recent tools from the field of artificial intelligence, namely deep learining, to improve Kalman filters, notably to relate sensors’ measurements to the state, and to tune the filter efficiently, that is, using machine learning techniques to find a dynamical tuning strategy of the Kalman filter parameters that best matches the data and that is also able to provide new information to the filter. The thesis thus introduces differents filtering algorithms and deep neural networks whose implementation are made open-source.; Cette thèse aborde les méthodes d'estimation d'état pour les véhicules équipés de divers capteurs tels que des caméras et des centrales inertielles. Le filtre de Kalman est un outil largement utilisé pour estimer l'état d'un système dynamique, qui soulève des questions théoriques pour les systèmes non linéaires présents dans la navigation, et qui repose sur des modèles physiques et des paramètres qui doivent être optimisés efficacement par l'utilisateur. La thèse contribue au filtrage de Kalman pour la navigation, où les contributions se divisent en deux contributions majeures. La première contribution consiste à s'appuyer sur le récent filtre de Kalman étendu invariant pour résoudre les problèmes difficiles que sont l'inconsistance du filtre de Kalman étendu pour le problème de la localisation et de la cartographie simultanées, de la navigation avec des capteurs visuels, et la question plus générale du filtrage de Kalman sur les variétés. La deuxième contribution consiste à utiliser des outils récents du domaine de l'intelligence artificielle, à savoir l'apprentissage profond, pour améliorer les filtres de Kalman, notamment pour relier les mesures des capteurs à l'état du système, et pour régler le filtre efficacement, c'est-à-dire utiliser des techniques d'apprentissage automatique pour trouver une stratégie de réglage dynamique des paramètres du filtre de Kalman qui correspond aux données et qui est également capable de fournir de nouvelles informations au filtre. La thèse introduit ainsi différents algorithmes de filtrage et réseaux de neurones profonds dont l'implémentation est rendue open-source.

This thesis deals with state estimation for vehicles that are equipped with various sensors such as cameras and iner- tial measurement units. The Kalman filter is a widely used tool that estimates the state of a dynamical system, which raises theoritical questions for the nonlinear systems present in navigation, and that relies on physical models and pa- rameters that need to be efficient tuned by the user. This thesis contributes to Kalman filtering for navigation, where the contributions focus on two different manners.The first manner consists in building on the recent invariant extended Kalman filter to address challenging issues, namely the inconsistency of extended Kalman filter for the problem of simultaneous localization and mapping, navigation with vision sensors, and the more general question of Kalman filtering on manifolds. The second manner consists in using recent tools from the field of artificial intelligence, namely deep learining, to improve Kalman filters, notably to relate sensors’ measurements to the state, and to tune the filter efficiently, that is, using machine learning techniques to find a dynamical tuning strategy of the Kalman filter parameters that best matches the data and that is also able to provide new information to the filter.The thesis thus introduces differents filtering algorithms and deep neural networks whose implementation are made open-source.; Cette thèse aborde les méthodes d’estimation d’état pour les véhicules équipés de divers capteurs tels que des caméras et des centrales inertielles. Le filtre de Kalman est un outil largement utilisé pour estimer l’état d’un système dynamique, qui soulève des questions théoriques pour les systèmes non linéaires présents dans la navigation, et qui repose sur des modèles physiques et des paramètres qui doivent être optimisés efficacement par l’utilisateur. La thèse contribue au filtrage de Kalman pour la navigation, où les contributions se divisent en deux contributions majeures.La première contribution consiste à s’appuyer sur le récent filtre de Kalman étendu invariant pour résoudre les problèmes difficiles que sont l’inconsistence du filtre de Kalman étendu pour le problème de la localisation et de la cartographie simultanées, de la navigation avec des capteurs visuels, et la question plus générale du filtrage de Kalman sur les variétés. La deuxième contribution consiste à utiliser des outils récents du domaine de l’intelligence artificielle, à savoir l’apprentissage profond, pour améliorer les filtres de Kalman, notamment pour relier les mesures des capteurs à l’état du système, et pour régler le filtre efficacement, c’est-à-dire utiliser des techniques d’apprentissage automatique pour trouver une stratégie de réglage dynamique des paramètres du filtre de Kalman qui correspond aux données et qui est également capable de fournir de nouvelles informations au filtre.La thèse introduit ainsi différents algorithmes de filtrage et réseaux de neurones profonds dont l’implémentation est rendue open-source.

The aim of this work is to propose mechanisms for multirotor drones that allow, on the one hand, to tolerate faults on the drone, and on the other hand to take into account the effects of the wind outdoors. The faults targeted include fault in actuators, sensors, but also software faults on the data fusion algorithms. ln our work, we have developed a robust controller and an exterior disturbance observer capable of cooperating with th, contrai reconfiguration method, to simultaneously tolerate motor failures and exterior wind disturbances through active fault tolerance techniques… We have also proposed a new technique for tolerating actuator faults for a coaxial octorotor drone. This technique is based on a robust command law with reconfigurable "self tuning sliding mode control (STSMC)" gains, where the control gains are readjusted according to the detected error in order to maintain the stability of the system. lndoor experiments are conducted to show and compare our solution with two other fault tolerance techniques. The efficiency and behavior of each method are studied after successive fault injections into the actuators. The main advantages and disadvantages of each method are deduced by analyzing the results obtained. Additionally, we provide an approach for fault tolerance of drone data fusion sensors and software mechanisms. This approach is based on the redundancy of sensors and the diversification of software components.; Le but de ce travail est de proposer des mécanismes pour les drones multirotors qui permettent d'une part de tolérer des fautes sur le drone, et d'autre part de prendre en compte les effets du vent en extérieur. Les fautes visées comportent des fautes d'actionneurs, de capteurs, mais également des fautes logicielles sur les algorithmes de fusion de données. Dans nos travaux, nous avons développé un contrôleur robuste et un observateur des perturbations extérieures capables de coopérer avec la méthode de reconfiguration des commandes, pour tolérer de façon simultanée les défaillances de moteurs et les perturbations extérieures du vent par des techniques de tolérance aux fautes active. Egalement, nous avons proposé une nouvelle technique de tolérance aux fautes des actionneurs pour un drone octorotor coaxial. Cette technique est basée sur une loi de commande robuste avec des gains reconfigurables "self tuning sliding mode control (STSMC)", où les gains de contrôle sont réajustés en fonction de l'erreur détectée afin de maintenir la stabilité du système. Des expériences à l'intérieur ont été menées pour montrer et comparer notre solution avec deux autres techniques de tolérances aux fautes. L'efficacité et le comportement de chaque méthode ont été étudiés après des injections de fautes successives dans les actionneurs. Les principaux avantages et inconvénients de chaque méthode sont déduits en analysant les résultats obtenus. En outre, nous proposons une approche pour la tolérance aux fautes des capteurs et mécanismes logiciels de fusion de données du drone. Cette approche est basée sur la redondance des capteurs et la diversification des composants logiciels.

The aim of this work is to propose mechanisms for multirotor drones that allow, on the one hand, to tolerate faults on the drone, and on the other hand to take into account the effects of the wind outdoors. The faults targeted include fault in actuators, sensors, but also software faults on the data fusion algorithms. ln our work, we have developed a robust controller and an exterior disturbance observer capable of cooperating with th, contrai reconfiguration method, to simultaneously tolerate motor failures and exterior wind disturbances through active fault tolerance techniques… We have also proposed a new technique for tolerating actuator faults for a coaxial octorotor drone. This technique is based on a robust command law with reconfigurable "self tuning sliding mode control (STSMC)" gains, where the control gains are readjusted according to the detected error in order to maintain the stability of the system. lndoor experiments are conducted to show and compare our solution with two other fault tolerance techniques. The efficiency and behavior of each method are studied after successive fault injections into the actuators. The main advantages and disadvantages of each method are deduced by analyzing the results obtained. Additionally, we provide an approach for fault tolerance of drone data fusion sensors and software mechanisms. This approach is based on the redundancy of sensors and the diversification of software components., Le but de ce travail est de proposer des mécanismes pour les drones multirotors qui permettent d'une part de tolérer des fautes sur le drone, et d'autre part de prendre en compte les effets du vent en extérieur. Les fautes visées comportent des fautes d'actionneurs, de capteurs, mais également des fautes logicielles sur les algorithmes de fusion de données. Dans nos travaux, nous avons développé un contrôleur robuste et un observateur des perturbations extérieures capables de coopérer avec la méthode de reconfiguration des commandes, pour tolérer de façon simultanée les défaillances de moteurs et les perturbations extérieures du vent par des techniques de tolérance aux fautes active. Egalement, nous avons proposé une nouvelle technique de tolérance aux fautes des actionneurs pour un drone octorotor coaxial. Cette technique est basée sur une loi de commande robuste avec des gains reconfigurables "self tuning sliding mode control (STSMC)", où les gains de contrôle sont réajustés en fonction de l'erreur détectée afin de maintenir la stabilité du système. Des expériences à l'intérieur ont été menées pour montrer et comparer notre solution avec deux autres techniques de tolérances aux fautes. L'efficacité et le comportement de chaque méthode ont été étudiés après des injections de fautes successives dans les actionneurs. Les principaux avantages et inconvénients de chaque méthode sont déduits en analysant les résultats obtenus. En outre, nous proposons une approche pour la tolérance aux fautes des capteurs et mécanismes logiciels de fusion de données du drone. Cette approche est basée sur la redondance des capteurs et la diversification des composants logiciels.

Environmental issues are increasingly concerning to public opinion and authorities. Accordingly, Automobile manufacturers have to propose more environmental friendly vehicles. This thesis project goes to the general scope of battery-driven vehicles. The energy of the electric and hybrid vehicles is stored in batteries pack made of numerous electrochemical cells. Lithium-ion cells are the most commonly used, and are one another connected in series and parallel. These batteries packs, require an enhanced surveillance assured by a dedicated controller called Battery ManagementSystem (BMS).The first part of the work deals with computational burden reductionin the BMS when several battery cells are utilized in battery packs. To improvethe precision of batteries state of charge (SoC) estimation, we have studied and implemented a fractional order model (FOM) based state estimator for Li-ionbatteries.The second part of the study is dedicated to Li-ion batteries health management. First, new state of health (SoH) indicators were designed. Furthermore, a datadriven SoH predictor was designed using EVs data collected over time. The model training was conducted based on extracted user’s behaviors. Finally, a tool is provided for ageing factors ranking; Les aspects environnementaux prennent une part croissante dans les préoccupations des pouvoirs publics et de l’opinion. Dans ce contexte les constructeurs automobile doivent y répondre en proposant des véhicules ayant un respect de l’environnement toujours plus important. Ces travaux de thèse s’inscrivent dans le développement de véhicules électriques (VEs). L’énergie des véhicules électriques et hybrides est stockée dans des batteries constituées de nombreuses cellules électro-chimiques (souvent lithium-ion) connectées les unes aux autres en série et en parallèle. Ces cellules nécessitent une étroite surveillance pour assurer un fonctionnement sécurisé des VEs. Cette fonction est assurée dans le véhicule par le système de gestion de batterie (BMS).Dans la première partie de la thèse, nous étudions les solutions de réduction de la charge de calcul du BMS lorsque de nombreuses cellules sont utilisées. Pour augmenter la précision de l’estimation de l’état de charge (SoC), nous avons étudié et implanté un estimateurs d’état à base d’un modèle d’ordre fractionnaire.La deuxième partie de l’étude est consacrée au vieillissement des batteries Li-ion. Tout d’abord nous avons établi des nouveaux indicateurs de vieillissement. Puis à l’aide des données recueillies pendant l’utilisation des VEs, nous avons mise au point un estimateur d’état de santé (SoH) par apprentissage. L’apprentissage est effectué en fonction des comportements des utilisateurs des VEs.Pour finir, nous fournissons un outil de classification des facteurs aggravant du vieillissement.

The PhD thesis presented in this manuscript aims at developing a measurement protocol able to assess the real performance of natural ventilation systems in dwellings. It particularly focuses on passive-stack ventilation systems, which represent a large part of natural ventilation systems implemented in French dwellings and which are involved in hybrid ventilation systems. Measuring the aeraulic performance of natural ventilation is a challenging task, which is even more challenging when speaking of multi-zones buildings. The presented work first identifies the tracer gas decay method as the most suitable method to assess natural ventilation’s aeraulic performance. Its reliability is experimentally and numerically increased thanks to a procedure that pre-treats concentration data, and to the implementation of the Kalman filter. Both allow to overcome constraints that the application of a tracer gas method in a multi-zones dwelling brings. Finally, a turnkey solution is proposed that allows any measurer to measure the aeraulic performance of a passive-stack ventilation system implemented in a multi-zones dwelling., La présente thèse a pour objectif de développer un protocole d’évaluation des performances aérauliques d’un système de ventilation naturelle. Ce protocole a particulièrement trait au système de ventilation par conduit, qui est largement représenté dans les logements français, et qui est directement impliqué dans les systèmes de ventilation hybride. La variabilité et l’instabilité des débits d’air engendrés par les systèmes de ventilation naturelle compliquent l’évaluation de leur performance aéraulique, évaluation encore plus compliquée si le bâtiment testé possède plusieurs zones. Le travail présenté a d’abord identifié la méthode par décroissance de la concentration gaz traceur, comme étant la mieux adaptée à l’évaluation de la performance aéraulique des systèmes de ventilation naturelle. Sa fiabilité a été améliorée expérimentalement et numériquement à l’aide d’une procédure de pré-traitement des données de concentration en gaz traceur, et de l’outil de traitement du signal « filtre de Kalman ». Ces deux éléments conjoints permettent de dépasser les contraintes apportées par l’application multi-zone d’une méthode gaz traceur. Une solution « clé-en-main » est finalement proposée, afin que chaque mesureur puisse implémenter la mesure des performances aérauliques d’un système de ventilation naturelle par conduit installé dans un logement.

Environmental issues are increasingly concerning to public opinion and authorities. Accordingly, Automobile manufacturers have to propose more environmental friendly vehicles. This thesis project goes to the general scope of battery-driven vehicles. The energy of the electric and hybrid vehicles is stored in batteries pack made of numerous electrochemical cells. Lithium-ion cells are the most commonly used, and are one another connected in series and parallel. These batteries packs, require an enhanced surveillance assured by a dedicated controller called Battery ManagementSystem (BMS).The first part of the work deals with computational burden reductionin the BMS when several battery cells are utilized in battery packs. To improvethe precision of batteries state of charge (SoC) estimation, we have studied and implemented a fractional order model (FOM) based state estimator for Li-ionbatteries.The second part of the study is dedicated to Li-ion batteries health management. First, new state of health (SoH) indicators were designed. Furthermore, a datadriven SoH predictor was designed using EVs data collected over time. The model training was conducted based on extracted user’s behaviors. Finally, a tool is provided for ageing factors ranking, Les aspects environnementaux prennent une part croissante dans les préoccupations des pouvoirs publics et de l’opinion. Dans ce contexte les constructeurs automobile doivent y répondre en proposant des véhicules ayant un respect de l’environnement toujours plus important. Ces travaux de thèse s’inscrivent dans le développement de véhicules électriques (VEs). L’énergie des véhicules électriques et hybrides est stockée dans des batteries constituées de nombreuses cellules électro-chimiques (souvent lithium-ion) connectées les unes aux autres en série et en parallèle. Ces cellules nécessitent une étroite surveillance pour assurer un fonctionnement sécurisé des VEs. Cette fonction est assurée dans le véhicule par le système de gestion de batterie (BMS).Dans la première partie de la thèse, nous étudions les solutions de réduction de la charge de calcul du BMS lorsque de nombreuses cellules sont utilisées. Pour augmenter la précision de l’estimation de l’état de charge (SoC), nous avons étudié et implanté un estimateurs d’état à base d’un modèle d’ordre fractionnaire.La deuxième partie de l’étude est consacrée au vieillissement des batteries Li-ion. Tout d’abord nous avons établi des nouveaux indicateurs de vieillissement. Puis à l’aide des données recueillies pendant l’utilisation des VEs, nous avons mise au point un estimateur d’état de santé (SoH) par apprentissage. L’apprentissage est effectué en fonction des comportements des utilisateurs des VEs.Pour finir, nous fournissons un outil de classification des facteurs aggravant du vieillissement.

Pedestrian navigation with handheld sensors is still particularly complex. Pedestrian Dead Reckoning method is generally used, but the estimation of the walking direction remains problematic because the device's pointing direction does not always correspond to the walking direction. To overcome this difficulty, it is possible to use gait modeling based approaches. But, these methods suffer from sporadic erroneous estimates and their accumulation over time. The HEAD (smootH Estimation of wAlking Direction) filter uses WAISS and MAGYQ angular estimates as observations to correct the walking direction and to obtain more robust and smooth results. TDCP updates are applied to constrain the walking direction estimation error while pseudo-ranges directly update the position. HEAD is tested by 5 subjects over 21 indoor/outdoor acquisitions (between 720 m and 1.3 km). A 54% improvement is achieved thanks to the fusion in texting mode. The median obtained angular error is 5.5 degrees in texting mode and 12 degrees in pocket mode.

El present informe descriu el procés de desenvolupament d'un software encastat amb l'objectiu de determinar la posició i la orientació d'un cubesat en temps real per executar-se a un microcontrolador i utilitzant una unitat de mesura inercial de baix cost. Per aconseguir-ho es crea un entorn de desenvolupament utilitzant el System Workbench, Matlab i Simulink que permet testejar la solució amb una aproximació hardware-in-the-loop. The present report describes the process of real time embdedded software development for the purpose of determining the position and orientation of a cubesat to run on a microcontroller and using a low cost inertial measurement unit. To achieve this, a development environment is created using the System Workbench, Matlab and Simulink that will test the solution using the hardware-in-the-loop approach. El presente informe describe el proceso de desarrollo de un software empotrado con el objetivo de determinar la posición y la orientación de un CubeSat en tiempo real para ejecutarse en un microcontrolador y utilizando una unidad de medida inercial de bajo coste. Para ello se crea un entorno de desarrollo utilizando el System Workbench, Matlab y Simulink que permite testear la solución con una aproximación hardware-in-the-loop.

Correction on the basis of previous errors is paramount to sensorimotor learning. While corrections of spatial errors have been studied extensively, little is known about corrections of previous temporal errors. We tackled this problem in different conditions involving arm movements (AM), saccadic eye movements (SM) or button presses (BP). The task was to intercept a moving target at a designated zone (i. e. no spatial error) either with the hand sliding a pen on a graphics tablet (AM), a saccade (SM) or a button press (BP) that released a cursor moving ballistically for a fixed time of 330 ms. The dependency of the final temporal error on action onset varied from "low" in AM (due to possible online corrections) to "very high" in the other conditions (i.e. open loop). The lag-1 cross-correlation between action onset and the previous temporal error were close to zero in all conditions suggesting that people minimized temporal variability of the final errors across trials. Interestingly, in conditions SM and BP, action onset did not depend on the previous temporal error. However, this dependency was clearly modulated by the movement time in the AM condition: faster movements depended less on the previous actual temporal error. An analysis using a Kalman filter confirmed that people in SM, BP and AM involving fast movements used the prediction error (i.e. intended action onset minus actual action onset) for next trial correction rather than the final target error. A closer look at the AM condition revealed that both error signals were used and that the contribution of each signal follows different patterns with movement time: as movement progresses the reliance on the prediction error decreases non-linearly and that on the final error increases linearly.

Estimating the state of a nonlinear system is an essential task for achieving important objectives such as: process monitoring, identification and control. Observers are algorithms that estimate the current state by using, among other information, sensor measurements. The problem of observer design for nonlinear systems has been a major research topic in control for many decades. Recently, there has been an increasing interest in the design of observers for more realistic models, which can include disturbances, sensor nonlinearities and discrete outputs. This thesis concerns the design of robust observers for selected classes of nonlinear systems and we can distinguish three main parts. The first part studies state-affine systems affected by noise, and analyses the state estimation via the so-called high-gain Kalman filter. The convergence properties of this observer are strongly influenced by two variables: its tuning parameter and the properly excited system input. We present a new optimization algorithm, based on Lyapunov analyses, that adapts these variables in order to minimize the effect of both dynamic and output disturbances. The novelty of this approach is that it provides a systematic method of simultaneous tuning and input selection with the goal of improving state estimation in the face of disturbances, and that it avoids the use of trial-and-error based methods. The second part studies the problem of observer redesign for general nonlinear systems whose outputs are transformed by nonlinear functions. Indeed, a given observer might not estimate the system state properly if it does not take into account sensor nonlinearities and, therefore, such an output mismatch needs to be addressed. We present an observer redesign that consists in the interconnection of the original observer with an output estimator based on a dynamic inversion, and we show its asymptotic convergence via small-gain arguments. We illustrate our method with two important classes of systems: state-affine systems up to output injection and systems with additive triangular nonlinearity. Finally, the third part extends our redesign method to systems whose outputs are not only transformed but also discretized in time. This added assumption introduces important challenges; we now implement sample-and-hold techniques leading to an observer gain based on linear matrix inequalities. The main feature of our redesign methods is the possibility to adapt a large number of observers from the literature to more realistic scenarios. Indeed, classical sensors in engineering applications are often nonlinear or discrete, whereas a recurrent assumption in observer design is the linearity or continuity of the output; L’estimation d’état d’un système non linéaire est essentielle pour la réussite des objectifs importants tels que : la surveillance, l’identification et le contrôle. Les observateurs sont des algorithmes qui estiment l’état actuel en utilisant, entre autres informations, les mesures effectuées par des capteurs. Le problème de synthèse d’observateur pour les systèmes non linéaires est un sujet de recherche majeur traité depuis plusieurs décennies dans le domaine de la théorie du contrôle. Récemment, les recherches ont également porté sur la synthèse des observateurs pour des modèles de plus en plus réels, qui peuvent prendre en compte des perturbations, des capteurs non linéaires et des sorties discrètes. Dans ce contexte, le but de cette thèse concerne la synthèse d’observateurs robustes pour certaines classes de systèmes non linéaires. Dans ce manuscrit, nous distinguons trois parties principales. La première partie porte sur l’analyse des systèmes affines en état, affectés par le bruit, et l’estimation de l’état via le filtre de Kalman à grand gain. Les propriétés de convergence de cet observateur sont fortement influencées par deux variables : le paramètre de réglage du gain de l’observateur et l’entrée du système. Nous présentons un nouvel algorithme d’optimisation, basé sur une analyse de Lyapunov, qui adapte ces deux variables en fonction des perturbations affectant la dynamique et la sortie du système. La nouveauté de cette approche est qu’elle fournit une méthode systématique de réglage du gain et de sélection d’entrée simultanément ce qui améliore l’estimation de l’état en présence de telles perturbations et évite l’utilisation des méthodes basées de type essais-erreurs. La deuxième partie concerne le problème de “redesign” d’observateurs pour des systèmes non linéaires sous une forme générale dont les sorties sont transformées par des fonctions non linéaires. En effet, l’observateur risque alors de ne pas estimer correctement l’état du système si elle ne prend pas en compte les non-linéarités des capteurs. Nous présentons une refonte d’observateur qui consiste en l’interconnexion de l’observateur originel avec un estimateur de sortie basé sur une inversion dynamique, et nous démontrons sa convergence asymptotique via des résultats du petit-gain. Nous illustrons notre méthode en utilisant deux classes de systèmes non linéaires courant dans la littérature : les systèmes affines en l’état avec injection de sortie, et les systèmes avec non-linéarité sous la forme canonique. Enfin, la troisième partie étend notre approche présentée pour les systèmes continus aux systèmes dont les sorties sont non seulement transformées mais également discrétisées dans le temps. Cette propriété ajoutée introduit un défi important ; nous implémentons les techniques de “sample-and-hold” qui mènent à un gain de l’observateur basé sur des inégalités matricielles linéaires. La principale caractéristique des méthodes proposées est la possibilité d’adapter un grand nombre d’observateurs de la littérature à des scénarii plus réalistes. En effet, les capteurs classiques utilisés dans les applications d’ingénierie sont souvent non linéaires ou discrets, alors qu’une hypothèse récurrente dans la conception d’observateurs est la linéarité ou la continuité de la sortie

International audience; In an operational context, efficient decision-making is usually the ultimate objective of hydrometeorological forecasts. Because of the uncertainties that lay within the forecasting process, decisions are subject to uncertainty. A better quantification of uncertainties should provide better decisions, which often translate into optimal use and economic value of the forecasts. Six Early Warning Systems (EWS) based on contrasted forecasting systems are constructed to investigate how the quantification of uncertainties affects the quality of a decision. These systems differ by the location of the sources of uncertainty, and the total amount of uncertainty they take into account in the forecasting process. They are assessed with the Relative Economic Value (REV), which is a flexible measure to quantify the potential economic benefits of an EWS. The results show that all systems provide a gain over the case where no EWS is used. The most complex systems, i.e. those that consider more sources of uncertainty in the forecasting process, are those that showed the most reduced expected damages. Systems with better accuracy and reliability are generally the ones with higher REV, even though our analysis did not show a clear-cut relationship between overall forecast quality and REV in the context investigated.

National audience

Bolted structures dynamics is an ongoing research topic. In particular, a correct prediction of the damping provided by bolted joints has became an essential requirement for a certain number of applications, such as aircrafts and space vehicles. In fact, for these applications, the use of materials with higher damping coefficients is limited by environmental conditions.This work provides two main contributions. The first one concerns the design and modeling phase, with the creation of a finite element connectors' system, that reproduces the bolted joint normal and tangential behaviors. The latter is accomplished only by taking into account readily available physical data, such as the bolted joint dimensions and the properties of the surfaces in contact. The second contribution regards the evaluation of assembled structures' nonlinear dynamic properties. A set of post-processing tools making use of the Kalman filter is developed to perform a nonlinear modal analysis for the most common types of experimental tests: impact hammer tests, sweep sine tests, and random vibration tests.The developed methods are then applied and evaluated on a real bolted structure, pointing out advantages and drawbacks. In particular, the Kalman filter allows for a higher accuracy in the determination of modal parameters, but the filter initialization is the main problem. A partial automation of the initialization task is provided, together with practical tips thanks to the experience gained on the subject., La dynamique des structures assemblées est un sujet de recherche actuel. En particulier, une prédiction correcte de l'amortissement apporté par les liaisons vissés est devenu une condition essentiel pour un certain nombre d'applications, comme par exemple les avions et les véhicules spatiaux. En effet, pour ces applications, l’utilisation de matériaux avec un coefficient d'amortissement plus élevée, comme des matériaux visco-élastiques, est limité par les conditions de fonctionnement.Ces travaux apportent deux contributions principales. La première porte sur la phase de conception et modélisation, avec la création d'un système de connecteurs pour la reproduction des comportements normal et tangentiel d'une liaisons vissée. Cela est accomplie en considérant seulement les données physiques de la liaison et des surfaces en contact.La deuxième contribution concerne l’évaluation des propriétés dynamiques non-linéaires des assemblages. Un set d'outils de post-traitement utilisant le filtre de Kalman est développé pour réaliser une analyse modale non-linéaire pour les types d'essais les plus communs: les essais aux chocs, les essais en balayage sinus, et les essais en sinus aléatoire.Les méthodes développées ont été appliqués et évaluées sur une structure boulonnée réel, en soulignant les avantages et les inconvénients. Notamment, le filtre de Kalman permet une meilleure précision sur les paramétrés identifiés, mais le procédé d’initialisation du filtre est le problème principal. Une automatisation partiel de l’initialisation est prévu, ainsi que des conseils pratiques grâce à l’expérience acquise sur le sujet.

Nous décomposons les demandes de travail par grande branche marchande (industrie, construction, services marchands) afin de mesurer les tendances de productivité sectorielles et leur évolution. Les estimations d'équations de demandes de facteur travail indiquent un ralentissement des gains de productivité tendanciels principalement dans l'industrie, cohérent avec la littérature existante. Conjugué à la baisse de la part de l'industrie dans l'emploi, cela explique 90 % de la baisse du taux de croissance de la productivité tendancielle depuis les années 1980. Sur la période récente, la tendance de productivité croîtrait à un rythme de 0,9 % par an (1,9 % par an dans l'industrie, 0,8 % dans les services et 0,1 % dans la construction).

Channel estimation is a crucial task of the radio receiver in wireless communicationsystems, especially in the case of mobility where the channel parameters varyover time due to the Doppler effect. In this thesis, we consider slow to moderate channelvariations, typical of vehicular applications, and in particular the following two types ofchannels : fixed-mobile (F-M) channels and mobile-mobile (M-M) channels, with in thelatter case the possible presence of mobile relays (Amplify and Forward). We started ourstudy with the F-M channel, which will serve as a basis for investigating the M-M channel.For the case of an F-M channel, modeled by Rayleigh model described by the Jakesspectrum, a common approach to estimating the channel is to use a Kalman filter (KF)based on an autoregressive model of order p (AR(p)). The conventional method for settingAR(p) model parameters is based on the correlation matching criterion (CM). However,the major disadvantage of this method is that very high orders (p > 15) are needed toapproach the Bayesian Cramer-Rao Bound. The choice of p as well as the adjustmentof the parameters of the model are therefore critical and a compromise must be foundbetween the numerical complexity and the performance. The reasonable compromise thathas attracted a lot of attention is to take p = 2. Since the CM is not ecient for p = 2,other methods of tuning have been proposed in the literature, but these are mainly basedon experimental results or exhaustive searches, which limits their application.To adjust the model, we propose to use a criterion of minimization of the asymptoticvariance (MAV) of the estimation error at the output of the Kalman filter. A general tuningformula has been derived based on the state of the channel (Doppler frequency andsignal-to-noise ratio), which can be very useful in practice. In addition, we also derivedan analytic formula for the mean squared error, which allows a better understanding ofKF behavior.Then we treated the M-M channel with the possible presence of mobile relays, followingthe same approach. The analytical expressions for the optimal adjustment of the AR(2)model parameters and the mean squared error performance were first set according to thesecond and fourth moments of the Doppler spectrum of the global channel. The analyticalformulas of these moments were derived by exploiting the convolution property ofthe density functions, after decomposing the cascading global channel channel of Jakesspectrum elementary channels. With these approaches, the results of simulations for thedifferent channels show a considerable gain in terms of mean squared error performanceestimation, compared to the literature.; L'estimation de canal est une tâche cruciale du récepteur radio dans lessystèmes de communication sans fil, en particulier en cas de mobilité où les paramètresdu canal varient avec le temps en raison de l'effet Doppler. Dans cette thèse, nous considérons des variations de canal lentes à modérées, typiques des applications véhiculaires,et en particulier les deux types de canaux suivant : canaux Fixe-Mobiles (F-M) et canauxMobiles-Mobiles (M-M), avec dans ce dernier cas la présence éventuelle de relais mobilespermettant d'amplifier et re-émettre le signal (Amplify and Forward ). Nous avons démarrénotre étude avec le canal F-M, qui servira de base pour traiter le canal M-M.Pour le cas d'un canal F-M, modélisé par le modèle de Rayleigh à spectre de Jakes, uneapproche courante pour estimer le canal consiste à utiliser un filtre de Kalman (KF)basé sur un modèle autorégressif d'ordre p (AR(p)). La méthode conventionnelle pourrégler les paramètres du modèle AR(p) est basée sur le critère de corrélation (CM). Cependant,l'inconvénient majeur de cette méthode est que des ordres très élevés (p > 15)sont nécessaires pour approcher la borne de Cramer-Rao Bayésienne. Le choix de p ainsique le réglage des paramètres du modèle sont donc critiques et un compromis doit êtretrouvé entre la complexité numérique et la performance. Le compromis raisonnable qui asuscité beaucoup d'attention est de prendre p = 2. Le CM n'étant pas performant pourp = 2, d'autres méthodes de réglage ont été proposées dans la littérature, mais celle-cireposent principalement sur des résultats expérimentaux ou des recherches exhaustives,ce qui limite leur application. Pour régler le modèle, nous proposons d'utiliser un critèrede minimisation de la variance asymptotique (MAV) de l'erreur d'estimation en sortiedu filtre de Kalman. Une formule générale de réglage a été dérivée en fonction de l'étatdu canal (fréquence Doppler et rapport signal sur bruit), qui peut s'avérer très utile enpratique. De plus, nous avons également dérivé une formule analytique pour l'erreur quadratiquemoyenne, ce qui permet de mieux comprendre le comportement du KF.Ensuite, nous avons traité le canal M-M avec présence éventuelle de relais, en suivant lamême approche. Les expressions analytiques pour le réglage optimal des paramètres dumodèle AR(2) et les performances en erreur quadratique moyenne ont d'abord été établiesen fonction des deuxièmes et quatrièmes moments du spectre Doppler du canal global.Les formules analytiques de ces moments ont été dérivées en exploitant la propriété deconvolution des fonctions de densité, après décomposition du canal global en cascade decanaux élémentaires à spectre de Jakes. Avec ces approches, les résultats de simulationspour les différents canaux montrent un gain considérable en terme d'erreur quadratiquemoyenne d'estimation, comparé à la littérature.

Channel estimation is a crucial task of the radio receiver in wireless communicationsystems, especially in the case of mobility where the channel parameters varyover time due to the Doppler effect. In this thesis, we consider slow to moderate channelvariations, typical of vehicular applications, and in particular the following two types ofchannels : fixed-mobile (F-M) channels and mobile-mobile (M-M) channels, with in thelatter case the possible presence of mobile relays (Amplify and Forward). We started ourstudy with the F-M channel, which will serve as a basis for investigating the M-M channel.For the case of an F-M channel, modeled by Rayleigh model described by the Jakesspectrum, a common approach to estimating the channel is to use a Kalman filter (KF)based on an autoregressive model of order p (AR(p)). The conventional method for settingAR(p) model parameters is based on the correlation matching criterion (CM). However,the major disadvantage of this method is that very high orders (p > 15) are needed toapproach the Bayesian Cramer-Rao Bound. The choice of p as well as the adjustmentof the parameters of the model are therefore critical and a compromise must be foundbetween the numerical complexity and the performance. The reasonable compromise thathas attracted a lot of attention is to take p = 2. Since the CM is not ecient for p = 2,other methods of tuning have been proposed in the literature, but these are mainly basedon experimental results or exhaustive searches, which limits their application.To adjust the model, we propose to use a criterion of minimization of the asymptoticvariance (MAV) of the estimation error at the output of the Kalman filter. A general tuningformula has been derived based on the state of the channel (Doppler frequency andsignal-to-noise ratio), which can be very useful in practice. In addition, we also derivedan analytic formula for the mean squared error, which allows a better understanding ofKF behavior.Then we treated the M-M channel with the possible presence of mobile relays, followingthe same approach. The analytical expressions for the optimal adjustment of the AR(2)model parameters and the mean squared error performance were first set according to thesecond and fourth moments of the Doppler spectrum of the global channel. The analyticalformulas of these moments were derived by exploiting the convolution property ofthe density functions, after decomposing the cascading global channel channel of Jakesspectrum elementary channels. With these approaches, the results of simulations for thedifferent channels show a considerable gain in terms of mean squared error performanceestimation, compared to the literature.; L'estimation de canal est une tâche cruciale du récepteur radio dans lessystèmes de communication sans fil, en particulier en cas de mobilité où les paramètresdu canal varient avec le temps en raison de l'effet Doppler. Dans cette thèse, nous considérons des variations de canal lentes à modérées, typiques des applications véhiculaires,et en particulier les deux types de canaux suivant : canaux Fixe-Mobiles (F-M) et canauxMobiles-Mobiles (M-M), avec dans ce dernier cas la présence éventuelle de relais mobilespermettant d'amplifier et re-émettre le signal (Amplify and Forward ). Nous avons démarrénotre étude avec le canal F-M, qui servira de base pour traiter le canal M-M.Pour le cas d'un canal F-M, modélisé par le modèle de Rayleigh à spectre de Jakes, uneapproche courante pour estimer le canal consiste à utiliser un filtre de Kalman (KF)basé sur un modèle autorégressif d'ordre p (AR(p)). La méthode conventionnelle pourrégler les paramètres du modèle AR(p) est basée sur le critère de corrélation (CM). Cependant,l'inconvénient majeur de cette méthode est que des ordres très élevés (p > 15)sont nécessaires pour approcher la borne de Cramer-Rao Bayésienne. Le choix de p ainsique le réglage des paramètres du modèle sont donc critiques et un compromis doit êtretrouvé entre la complexité numérique et la performance. Le compromis raisonnable qui asuscité beaucoup d'attention est de prendre p = 2. Le CM n'étant pas performant pourp = 2, d'autres méthodes de réglage ont été proposées dans la littérature, mais celle-cireposent principalement sur des résultats expérimentaux ou des recherches exhaustives,ce qui limite leur application. Pour régler le modèle, nous proposons d'utiliser un critèrede minimisation de la variance asymptotique (MAV) de l'erreur d'estimation en sortiedu filtre de Kalman. Une formule générale de réglage a été dérivée en fonction de l'étatdu canal (fréquence Doppler et rapport signal sur bruit), qui peut s'avérer très utile enpratique. De plus, nous avons également dérivé une formule analytique pour l'erreur quadratiquemoyenne, ce qui permet de mieux comprendre le comportement du KF.Ensuite, nous avons traité le canal M-M avec présence éventuelle de relais, en suivant lamême approche. Les expressions analytiques pour le réglage optimal des paramètres dumodèle AR(2) et les performances en erreur quadratique moyenne ont d'abord été établiesen fonction des deuxièmes et quatrièmes moments du spectre Doppler du canal global.Les formules analytiques de ces moments ont été dérivées en exploitant la propriété deconvolution des fonctions de densité, après décomposition du canal global en cascade decanaux élémentaires à spectre de Jakes. Avec ces approches, les résultats de simulationspour les différents canaux montrent un gain considérable en terme d'erreur quadratiquemoyenne d'estimation, comparé à la littérature.

Treballs Finals de Grau de Matemàtiques, Facultat de Matemàtiques, Universitat de Barcelona, Any: 2019, Director: José Manuel Corcuera Valverde, [en] In this work we will study the Kalman filter, highlighting its main equations and developing how they are. We will also deal with Extended Kalman Filter case analogously and Particle Filter case and a brief example for each one. Then we will see some more general considerations about its implementation and how we measure its performance applied to an example.

The new generation of radars is facing increasingly threatening targets. These radars are asked to perform several tasks in parallel, including surveillance and tracking. To this aim, they can be equipped with staring antennas, so they overcome the constraints induced by the rotation of the antenna. The tracking function of the radar has thus to be upgraded to respond to the double issue of tracking highly manoeuvring targets and managing the resources to balance time between tasks. In this context, this thesis investigates new means of tracking highly manoeuvring targets. A new target model based on intrinsic coordinates to perform target tracking is proposed. This new target model is expressed in the frame of the target itself, and uses the Frenet-Serret frame, which is well suited to the description of highly dynamic manoeuvres involving normal accelerations that are much larger than earth gravity. A filtering algorithm using the special intrinsic formulation of the target model is developed. This filtering algorithm is very similar in terms of implementation to an Extended Kalman filter, and was implemented using real data. The comparison with standard target models and filtering algorithms show improvements over simple models and algorithms on a large set of trajectories. A new estimation method, relying on the least squares formulation of the smoothing approach, and taking into account kinematic jumps in the trajectory is also developed. This method also shows improvements over a set of common algorithms based on standard manoeuvre detection. And independently, we investigate the issue of update rate adaptation for radar measurements. A very general update rate adaptation algorithm is derived to optimise the time of revisit of each target, allowing to preserve the radar time budget for other tasks simultaneously performed, such as surveillance.; Les nouvelles générations de radars sont confrontées à des cibles de plus en plus menaçantes. Ces radars doivent effectuer plusieurs tâches en parallèle, dont la veille et la poursuite. Pour cela, ils peuvent être équipés de panneaux fixes, pour éviter les contraintes liées à la rotation de l'antenne. Le pistage du radar doit donc être renouvelé pour répondre à la double difficulté posée par le pistage des cibles très manoeuvrantes et la gestion des ressources. Dans ce contexte, cette thèse étudie de nouvelles méthodes de pistage pour les cibles hyper-manoeuvrantes. Un nouveau modèle de cible, en coordonnées intrinsèques, est proposé. Ce modèle est exprimé directement dans le repère de la cible, afin de décrire au mieux des manoeuvres fortes avec des accélérations normales bien supérieures à la gravité terrestre. Un algorithme de filtrage utilisant la formulation intrinsèque du modèle est développé. Cet algorithme ayant la même structure qu'une filtre de Kalman étendu, il a été testé sur de vraies données. La comparaison avec d'autres algorithmes de filtrage a montré de réelles améliorations sur un ensemble important de trajectoires. Une nouvelle méthode d'estimation, reposant sur la formulation en termes de moindres carrés de l'approche de lissage, et permettant de tenir compte de sauts dans la trajectoire est également proposée, et les bénéfices sur des méthodes plus classiques de sauts entre modèles sont montrés. Indépendamment, le problème de cadence adaptative est également traité. Un algorithme très général permettant d'optimiser la cadence de mesure pour ménager le budget temps du radar pour la surveillance est présenté.

The new generation of radars is facing increasingly threatening targets. These radars are asked to perform several tasks in parallel, including surveillance and tracking. To this aim, they can be equipped with staring antennas, so they overcome the constraints induced by the rotation of the antenna. The tracking function of the radar has thus to be upgraded to respond to the double issue of tracking highly manoeuvring targets and managing the resources to balance time between tasks. In this context, this thesis investigates new means of tracking highly manoeuvring targets. A new target model based on intrinsic coordinates to perform target tracking is proposed. This new target model is expressed in the frame of the target itself, and uses the Frenet-Serret frame, which is well suited to the description of highly dynamic manoeuvres involving normal accelerations that are much larger than earth gravity. A filtering algorithm using the special intrinsic formulation of the target model is developed. This filtering algorithm is very similar in terms of implementation to an Extended Kalman filter, and was implemented using real data. The comparison with standard target models and filtering algorithms show improvements over simple models and algorithms on a large set of trajectories. A new estimation method, relying on the least squares formulation of the smoothing approach, and taking into account kinematic jumps in the trajectory is also developed. This method also shows improvements over a set of common algorithms based on standard manoeuvre detection. And independently, we investigate the issue of update rate adaptation for radar measurements. A very general update rate adaptation algorithm is derived to optimise the time of revisit of each target, allowing to preserve the radar time budget for other tasks simultaneously performed, such as surveillance.; Les nouvelles générations de radars sont confrontées à des cibles de plus en plus menaçantes. Ces radars doivent effectuer plusieurs tâches en parallèle, dont la veille et la poursuite. Pour cela, ils peuvent être équipés de panneaux fixes, pour éviter les contraintes liées à la rotation de l'antenne. Le pistage du radar doit donc être renouvelé pour répondre à la double difficulté posée par le pistage des cibles très manoeuvrantes et la gestion des ressources. Dans ce contexte, cette thèse étudie de nouvelles méthodes de pistage pour les cibles hyper-manoeuvrantes. Un nouveau modèle de cible, en coordonnées intrinsèques, est proposé. Ce modèle est exprimé directement dans le repère de la cible, afin de décrire au mieux des manoeuvres fortes avec des accélérations normales bien supérieures à la gravité terrestre. Un algorithme de filtrage utilisant la formulation intrinsèque du modèle est développé. Cet algorithme ayant la même structure qu'une filtre de Kalman étendu, il a été testé sur de vraies données. La comparaison avec d'autres algorithmes de filtrage a montré de réelles améliorations sur un ensemble important de trajectoires. Une nouvelle méthode d'estimation, reposant sur la formulation en termes de moindres carrés de l'approche de lissage, et permettant de tenir compte de sauts dans la trajectoire est également proposée, et les bénéfices sur des méthodes plus classiques de sauts entre modèles sont montrés. Indépendamment, le problème de cadence adaptative est également traité. Un algorithme très général permettant d'optimiser la cadence de mesure pour ménager le budget temps du radar pour la surveillance est présenté.

We present an original method using a low cost accelerometer and a Kalman-filter based algorithm to monitor cardiopulmonary resuscitation chest compressions (CC) depth. A three-axis accelerometer connected to a computer was used during CC. A Kalman filter was used to retrieve speed and position from acceleration data. We first tested the algorithm for its accuracy and stability on surrogate data. The device was implemented for CC performed on a manikin. Different accelerometer locations were tested. We used a classical inertial navigation algorithm to reconstruct CPR depth and frequency. The device was found accurate enough to monitor CPR depth and its stability was checked for half an hour without any drift. Average error on displacement was ±0.5mm. We showed that depth measurement was dependent on the device location on the patient or the rescuer. The accuracy and stability of this small low-cost accelerometer coupled to a Kalman-filter based algorithm to reconstruct CC depth and frequency, was found well adapted and could be easily implemented.

Este trabajo examina la forma como se ha manejado la política monetaria para el caso de Colombia,tras la implementación oficial del esquema de Inflación Objetivo. Para ese propósito, se analizala estabilidad en los parámetros de la estimación de la Regla de Taylor por medio de un modelolinear dinámico para el período comprendido entre 2000 y 2014. Se puede concluir que la funciónde reacción de la tasa de intervención del Banco Central ha variado de manera coherente con laconsolidación gradual del esquema de Inflación Objetivo. Adicionalmente, a pesar de la discusiónteórica que se ha generado recientemente por la inclusión de algunas variables adicionales dentrode esta regla de política, tales como el crédito o el tipo de cambio, el trabajo demostró que esosobjetivos no han sido relevantes a la hora determinar la política de intervención de la tasa deinterés. This paper examines the way how the monetary policy has been conducted in the case of Colombiaafter the official implementation of inflation targeting. For that purpose, we analyze the stability ofthe parameters in the estimation of the Taylor Rule, using a dynamic linear model, for the periodbetween 2000 and 2014. We proved that the reaction function of the Central Bank’s intervention ratehas varied consistently with the gradual consolidation of inflation targeting. Furthermore, despitethe theoretical discussion that has recently generated the inclusion of some additional variables within this policy rule, such as credit or exchange rate, the work evidenced that these objectiveshave not been relevant in determining the intervention policy interest rate. Cet article analyse la manière dont a été dirigée la politique monétaire colombienne après la miseen œuvre officielle de l’inflation ciblée. Pour ce faire, nous avons analysé la stabilité des paramètresd’estimation de la Règle de Taylor, en utilisant un modèle linéaire dynamique, pour la période entre2000 et 2014. Nous avons ainsi démontré que la fonction réactionnelle au taux d’intervention dela Banque Centrale a varié avec la consolidation de l’inflation ciblée. En outre, et ce malgré ledébat théorique récemment engendré par l’inclusion de certaines variables supplémentaires danscette politique monétaire, tel que le crédit ou le taux de change, notre analyse a démontré que cesobjectifs n’ont pas été pertinents pour évaluer le taux d’influence de cette politique interventionniste.