Recherche

Axes de recherche

En cours :

• Analyse de séries temporelles, détection et classification d’anomalies dans des signaux environnementaux par apprentissage automatique (machine learning). Détection et classification de signaux radars LPI (Low Probability of Intercept) à l’aide de méthodes d’apprentissage profond (deep learning).
• Génération de séquences d’étalement chaotiques à partir de systèmes non linéaires dynamiques et leur analyse pour des applications radar ou de télécommunications.
• Traitement du signal multi-capteurs à haute résolution, localisation de sources, performances, sensibilité aux erreurs de modèle, sources dispersées, filtrage adaptatif-récursif.

Plus anciens :

• Traitement spatio-temporel adaptatif (STAP), réjection de fouillis radar, MIMO.
• Estimation conjointe angle-Doppler en présence de fouillis non gaussien. Algorithmes rapides de sous-espaces pour l’estimation conjointe angle-Doppler.
• Algorithme STAP récursif en distance pour combattre un fouillis non-stationnaire en distance en radar aéroporté.
• Algorithme OMP (Orthogonal Matching Pursuit) pour la localisation rapide et robuste aux formes d’onde non-orthogonales et aux problèmes de grille en radar MIMO.

• Chaos et génération de séquences temporelles
• Séquences chaotiques générées par des systèmes linéaires par morceaux pour l’optimisation des systèmes multi-utilisateurs en CDMA.
• Génération de familles de séquences spatio-temporelles chaotiques avec de bonnes propriétés à la fois de synchronisation et d’imprédictibilité. Application aux systèmes DS-CDMA asynchrones.
• Optimisation de codes d’étalement pour le radar MIMO
• Approche statistique pour l’optimisation de la function d’ambiguïté radar et conception de forme d’ondes basées sur des séquences chaotiques

• Traitement du signal multi-capteurs à haute résolution, localisation de sources
• Calibration d’antenne pour traitement du signal multi-capteurs.
• Localisation de sources, performances des algorithmes et sensibilité aux erreurs de modèle
• Algorithmes récursifs adaptatifs et poursuite de sources
• Localisation de sources en télécommunications numériques
• Performances ultimes d’estimation, résolution limite et optimisation de la géométrie d’antenne
• Localisation de sources dispersées

• Parcimonie et acquisition comprimée avec erreur de grille (Basis Mismatch). Bornes de performances et estimateur parcimonieux robuste

• Egalisation et Détection multi-utilisateurs en CDMA
• Egalisation de canaux de transmission, égalisation non linéaire, poursuite de non-stationnarités
• Réseau de filtres de Kalman pour l’égalisation de canaux de transmission et pour la détection multi-utilisateurs en CDMA. Réseau de filtres de Kalman étendus et filtrage particulaire pour l’égalisation de canaux non linéaires.
• Egalisation aveugle. Egalisation non linéaire par filtrage de Volterra

• Réseaux de neurones formels adaptatifs.
• Formalisme unifié pour les algorithmes de gradient stochastique en filtrage adaptatif et de rétro-propagation pour l’apprentissage des réseaux de neurones.
• Réseaux de neurones récursifs pour filtrage adaptatif non-linéaire.

• Filtrage adaptatif, convergence d’algorithmes, capacité de poursuite des algorithmes. Couplages de filtres adaptatifs. Application à l’égalisation et l’annulation d’écho pour communications numériques