Journée des doctorants - Laboratoire des signaux et systèmes

Résumés des interventions
Mounir BEKAIK
Thomas BOULAY
Titre : Commande et observation de systèmes à retard variant dans le temps
Directeurs de thèse : F. MAZENC - S. NICULESCU
Date de début de thèse : 20/09/2010
Bureau : B.3.39B
Tél. : 01 69 85 17 26
E-mail : Mounir.Bekaik@lss.supelec.fr
Résumé : Ce doctorat sera centré sur deux objectifs principaux. Le premier sera la construction, pour des systèmes non linéaires
possédant les caractéristiques mentionnées ci-dessus, de lois de commandes qui stabilisent globalement asymptotiquement uniformément
leur origine. Par exemple, une première étape consistera à déterminer des commandes linéaires rendant globalement
asymptotiquement uniformément stable l'origine d'une chaine d'intégrateurs de dimension 2 à coefficients variant dans le temps et
ayant un retard ponctuel constant dans l'entrée.
La suite consistera à résoudre des problèmes similaires pour les familles de systèmes non linéaires générales et essentielles que
constituent les systèmes de forme feedback et les systèmes de forme feedforward.
Le deuxième objectif principal consistera à déterminer, d'abord pour des systèmes non linéaires à retard autonome, puis pour des
systèmes non linéaires variant dans le temps, d'un outil récent, appelé observateur par intervalle, qui permet d'obtenir en chaque
instant une estimée de la valeur de chaque composante d'une solution d'un système donné. Les travaux seront fait dans l'esprit
des articles mais seront axés plus spécifiquement sur les difficultés de construction causées par la présence de termes non linéai
res. La prise en compte de perturbations conduisant à des observateurs par intervalles possédant vis à vis de termes additifs des
propriétés de robustesse de type ISS sera un sujet clef.
Ning CHU
Titre : Application des GPU à la fonction NCTR Radar
Directeurs de thèse : A. MOHAMMAD-DJAFARI - N. GAC
Date de début de thèse : 01/10/2010
Bureau : C.4.18
Tél. : 01 69 85 17 43
E-mail : Thomas.Boulay@lss.supelec.fr
Résumé : Au cours des derniers conflits, les techniques d’identification coopérative de cibles ne se sont pas révélées toujours
fiables et il s’avèrent de plus en plus que les techniques non coopératives, appelés NCTR (Non Cooperative Target Recognition)
deviennent indispensables. Une des techniques possibles pour identifier une cible consiste à comparer la signature de la cible à
identifier avec les signatures contenues dans une base d’apprentissage. Dans ce cas, on peut assimiler le problème NCTR à un
problème de classification supervisé. Parmi ces méthodes, on trouve la méthode des K Plus Proches Voisins (KPPV). Cette
méthode va classer la cible dans la classe majoritaire parmi les K plus proches voisins. Le choix de cet algorithme par rapport à
d’autres techniques, de type “Isomap” par exemple, est justifié par notre intention de ne pas compresser l’information et donc
d’utiliser la puissance de calcul des GPUs pour étudier sur nos données les performances d’algorithmes de type “brute force”.
Dans cette thèse nous nous intéresserons aux problèmes de reconnaissance non-coopérative de cibles en tant que
problème de classification supervisée. Nous utilisons pour cela un algorithme des KPPV dont les performances sont détaillées en
fonction du nombre de voisins K, du type de distance utilisé et de l’espace de représentation des données. Dans un second temps,
cet algorithme a été implémenté sur GPU. Les temps de calcul et de transfert mémoire ont été pris en compte pour évaluer
l’apport de cette implémentation.
Titre : Robust Bayesian super-resolution approach via sparsity enforcing priors for near-field wideband
aeroacoustic source imaging
Directeurs de thèse : A. MOHAMMAD-DJAFARI
Co-encadrants : J. PICHERAL (SSE, SUPELEC), N. GAC (L2S)
Date de début de thèse : 01/10/2010
Bureau : C.4.18
Tél. : 01 69 85 17 43
E-mail : Ning.Chu@lss.supelec.fr
Résumé : Near-field wideband aeroacoustic imaging has been drawing great attentions of researchers and engineers on
aeroacoustic source localization and power estimation over decades. Recently the deconvolution-based methods, like the original
DAMAS and its extensions, have greatly improved spatial resolutions of the conventional beamforming method and became a
breakthrough in aeroacoustic imaging. But neither the original DAMAS nor most of other classical methods are robust to
background noise, or provide wide dynamic range of power estimation, particularly in the low Signal-to-Noise Ratio (SNR) situation.
In my PhD studies, we first improve the forward model by considering background noise for near-field wideband uncorrelated
sources. Then we propose a robust Bayesian super-resolution approach via sparsity enforcing priors to estimate source powers
and positions in poor SNR case, and jointly estimate the variance of background noise and other model parameters. Our approach
is compared with some of the state-of-the-art methods on simulated, real data and hybrid data. The main advantages of proposed
approach are robust to noise, wide dynamic range, super spatial resolutions, and not need for the prior knowledge of the source
number or SNR. It is feasible to apply in near-field wideband monopole and extended source imaging based on the 2D non-uniform
microphone array for wind tunnel test. For future works, we are investigating a more sophisticated and appropriate prior model
(like Student prior) for coherent sources, colored noise and model parameters (like Gamma Distribution), and applying hierarchical
Bayesian inference approach and Variational Bayesian (VB) technique to effectively and adaptively estimate hyperparameter in
forward model and prior models.