Dissertations / Theses on the topic 'Observations Signal processing'

An instrument with the ability to image neutral atomic hydrogen (HI) to cosmic redshift will allow the fundamental properties of the Universe to be more precisely determined; in particular the distribution, composition, and evolutionary history of its matter and energy. The Square Kilometre Array (SKA) is a radio survey telescope conceived with this aim. It will have the observational potential for much further fundamental science, including strong field tests of gravity and general relativity, revealing the origin and history of cosmological re-ionisation and magnetism, direct measures of gravitational radiation, and surveys of the unmapped Universe. And it is the advance of instrumentation that will enable it. This thesis makes three central contributions to radio instrumentation. Digital aperture arrays are a collector technology proposed for the key low- and mid- frequency ranges targeted by the SKA that have the potential to provide both the collecting area and field of view required for deep, efficient all-sky surveys of HI. The 2-Polarisations, All Digital (2-PAD) aperture array is an instrumental pathfinder for the SKA, novel in being a densely-spaced, wide-band aperture array that performs discrete signal filtering entirely digitally. The digital design of the 2-PAD radio receiver and the deployment of the aperture array and signal processing system at Jodrell Bank Radio Observatory is detailed in this thesis. The problem of element anisotropy in small arrays, the atomic unit of the SKA station array, ultimately affects beam quality. Addressing this issue, a metaheuristic digital beam-shape optimisation technique is applied to a small beamformed array, and is shown to outperform traditional analytic solutions. Digital processing for aperture arrays is challenging. A qualitative framework shows that energy, computational and communication requirements demand optimised processing architectures. A quantitative model reveals the physical limitations on architecture choice. An energy-optimised architecture, the IBM BIT integer array processor, is investigated in detail; a cycle-accurate architectural simulator and programming language are developed and used to build signal processing algorithms on the array architecture.

"August 2001." Includes bibliographical references (leaves 77-80). Examines the susceptibility of existing signal processing methods to errors and identifies other possible causes of depth error not accounted for by existing signal processing methods, by analysis of the detected laser return waveform data. Methods to improve depth accuracy are investigated.

Les exigences en matière de stabilité et de linéarité des instruments utilisés en radioastronomie sont particulièrement sévères. Ce mémoire présente la conception et la réalisation d'un détecteur continuum adapté à ce cahier des charges. Une étude théorique démontre que le détecteur à diode Schottky ne répond pas à ces besoins. L'instrument finalement réalisé, construit à partir d'une diode tunnel, possède un bruit proche de la limite physique fondamentale. Il reste cependant très simple. Le chapitre suivant est consacré à l'étude et à la réalisation de l'électronique d'acquisition d'un spectrographe acousto-optique à large bande et à l'etude de ses caractéristiques dans des conditions d'utilisation réelles. Il inclut la description d'une méthode simple qui permet de s'affranchir des erreurs de linéarité différentielle du convertisseur analogique-numérique. La validation des caractéristiques du spectrographe s'appuie sur la comparaison avec deux batteries de filtres identiques. Sur le plan scientifique, il présente l'observation d'objets du système solaire entourés d'une atmosphère et l'interprétation des résultats dans le cas de Titan.

Les débris spatiaux sont devenus une menace considérable pour la viabilité des satellites opérationnels en orbite basse. Afin de pouvoir éviter des collisions accidentelles, des systèmes de surveillance de l'espace existent mais sont limités en performances de détection pour les objets de petite taille (diamètre inférieur à 10cm), ce qui pousse à l'étude de nouvelles solutions. Cette thèse a pour objectif d'appuyer la faisabilité d'un système radar au sol utilisant un champ de veille étroit pour le catalogage de petits débris en orbite basse. Un tel système fournirait en effet des observations dites " isolées ", c'est-à-dire qu'une orbite n'est pas immédiatement déductible de chacune d'entre elles. Le grand nombre combinaisons nécessaires est alors prohibitif en termes de temps de calcul pour la résolution de ce problème de pistage. Nous proposons dans ces travaux une nouvelle méthode pour initialiser les pistes, c'est-à-dire associer des observations isolées avec une faible ambiguïté et en déduire des orbites précises. Les pistes ainsi obtenues sont combinées et filtrées grâce à un algorithme de pistage multicible que nous avons adapté aux particularités du problème. Avec un taux de couverture de plus de 80% obtenu en temps réel sur 3 jours pour des scénarios de 500 à 800 objets en plus d'un fort taux de fausses alarmes, les performances de la méthode proposée tendent à prouver la faisabilité du système envisagé. Afin d'extrapoler les résultats obtenus à de plus fortes densités d'observations, nous proposons un modèle de complexité combinatoire calibré sur les performances de l'algorithme aux faibles densités. L'apport d'un second capteur identique est également étudié et met en évidence un point de compromis entre réactivité et complexité combinatoire, ce qui offre un degré de liberté supplémentaire dans la conception d'un tel système.

En Guerre Electronique, l’identification des signaux radar est un atout majeur de la prise de décisions tactiques liées au théâtre d’opérations militaires. En fournissant des informations sur la présence de menaces, la classification et le partitionnement des signaux radar ont alors un rôle crucial assurant un choix adapté des contre-mesures dédiées à ces menaces et permettant la détection de signaux radar inconnus pour la mise à jour des bases de données. Les systèmes de Mesures de Soutien Electronique enregistrent la plupart du temps des mélanges de signaux radar provenant de différents émetteurs présents dans l’environnement électromagnétique. Le signal radar, décrit par un motif de modulations impulsionnelles, est alors souvent partiellement observé du fait de mesures manquantes et aberrantes. Le processus d’identification se fonde sur l’analyse statistique des paramètres mesurables du signal radar qui le caractérisent tant quantitativement que qualitativement. De nombreuses approches mêlant des techniques de fusion de données et d’apprentissage statistique ont été développées. Cependant, ces algorithmes ne peuvent pas gérer les données manquantes et des méthodes de substitution de données sont requises afin d’utiliser ces derniers. L’objectif principal de cette thèse est alors de définir un modèle de classification et partitionnement intégrant la gestion des valeurs aberrantes et manquantes présentes dans tout type de données. Une approche fondée sur les modèles de mélange de lois de probabilités est proposée dans cette thèse. Les modèles de mélange fournissent un formalisme mathématique flexible favorisant l’introduction de variables latentes permettant la gestion des données aberrantes et la modélisation des données manquantes dans les problèmes de classification et de partionnement. L’apprentissage du modèle ainsi que la classification et le partitionnement sont réalisés dans un cadre d’inférence bayésienne où une méthode d’approximation variationnelle est introduite afin d’estimer la loi jointe a posteriori des variables latentes et des paramètres. Des expériences sur diverses données montrent que la méthode proposée fournit de meilleurs résultats que les algorithmes standards
In Electronic Warfare, radar signals identification is a supreme asset for decision making in military tactical situations. By providing information about the presence of threats, classification and clustering of radar signals have a significant role ensuring that countermeasures against enemies are well-chosen and enabling detection of unknown radar signals to update databases. Most of the time, Electronic Support Measures systems receive mixtures of signals from different radar emitters in the electromagnetic environment. Hence a radar signal, described by a pulse-to-pulse modulation pattern, is often partially observed due to missing measurements and measurement errors. The identification process relies on statistical analysis of basic measurable parameters of a radar signal which constitute both quantitative and qualitative data. Many general and practical approaches based on data fusion and machine learning have been developed and traditionally proceed to feature extraction, dimensionality reduction and classification or clustering. However, these algorithms cannot handle missing data and imputation methods are required to generate data to use them. Hence, the main objective of this work is to define a classification/clustering framework that handles both outliers and missing values for any types of data. Here, an approach based on mixture models is developed since mixture models provide a mathematically based, flexible and meaningful framework for the wide variety of classification and clustering requirements. The proposed approach focuses on the introduction of latent variables that give us the possibility to handle sensitivity of the model to outliers and to allow a less restrictive modelling of missing data. A Bayesian treatment is adopted for model learning, supervised classification and clustering and inference is processed through a variational Bayesian approximation since the joint posterior distribution of latent variables and parameters is untractable. Some numerical experiments on synthetic and real data show that the proposed method provides more accurate results than standard algorithms

Les signaux électroencéphalographiques enregistrés chez les patients épileptiques reflètent, en dehors des périodes correspondant aux crises d'épilepsie, des signaux transitoires appelés "activités épileptiformes" (AE). L'analyse des AE peut contribuer à l'étude des épilepsies partielles pharmaco-résistantes. Une méthode de caractérisation de la dynamique spatio-temporelle des AE dans des signaux EEG de profondeur est présentée dans ce document. La méthode est constituée de quatre étapes:

1. Détection des AE monovoie. La méthode de détection, qui repose sur une approche heuristique, utilise un banc de filtres en ondelettes pour réhausser la composante pointue des AE (généralement appelée "spike" dans la littérature). La valeur moyenne des statistiques obtenues en sortie de chaque filtre est ensuite analysée avec un algorithme de Page-Hinkley dans le but de détecter des changements abrupts correspondant aux spikes.

2. Fusion des AE. Cette procédure recherche des co-occurrences entre AE monovoie à l'aide d'une fenêtre glissante puis forme des AE multivoies.

3. Extraction des sous-ensembles de voies fréquement et significativement activées lors des AE multivoies (appelés "ensembles d'activation").

4. Evaluation de l'éxistence d'un ordre d'activation temporel reproductible (éventuellement partiel) au sein de chaque ensemble d'activation.

Les méthodes proposées dans chacune des étapes ont tout d'abord été évaluées à l'aide de signaux simulés (étape 1) ou à l'aide de models Markoviens (étapes 2-4). Les résultats montrent que la méthode complète est robuste aux effets des fausses-alarmes. Cette méthode a ensuite été appliquée à des signaux enregistrés chez 8 patients (chacun contenant plusieurs centaines d'AE). Les résultats indiquent une grande reproductibilité des distributions spatio-temporelles des AE et ont permis l'identification de réseaux anatomo-fonctionnels spécifiques.

Un des objectifs majeurs des programmes de recherches actuels est de comprendre quel est l'impact des nuages et des aérosols au sein du bilan radiatif global. En effet, les nuages et les aérosols ont une influence significative sur la balance radiative terrestre, et induisent des réponses climatiques diverses qui ne sont pas encore pleinement connues. L'hétérogénéité spatiale des structures nuageuses et de leurs propriétés microphysiques, contribue de manière significative à la modulation du budget énergétique terrestre. Les flux radiatifs pris à la surface sont très sensibles à la structure éométrique de ces nuages, ainsi qu'à leur altitude. Un des premiers objectifs afin d'améliorer les modèles climatiques existant, est donc d'acquérir une meilleur connaissance sur la distribution tri- dimensionnelle des structures nuageuses. Les systèmes spatiaux comportant des instrumentations lidar nous apportent aujourd'hui de nouvelles informations sur la distribution verticale des aérosols. Notre second objectif est donc d'améliorer l'obtention des propriétés des aérosols au dessus des surfaces continentales, lieu ou l'obtention de résultat via les systèmes de détection passif sont connus pour être difficiles du fait de la contribution radiative de la surface. Afin de remplir le premier objectif, nous avons appliqué et adapté un algorithme nous permettant d'estimer la fonction de densité de probabilité du sommet des structures nuageuses, à partir des profils lidar fournis par la mission satellite GLAS (Geoscience Laser Altimeter System, NASA) et la mission LITE (In-space Technology Experiment, NASA, 1994). La méthodologie utilisée est dans un premier temps expliquée. Les résultats obtenus grâce à l'utilisation des données GLAS et LITE sont présentés et discutés. La validation de cette méthode du point de vue de ses performances est ensuite effectuée grâce à une étude de sensibilité. La synergie entre les mesures des instruments passifs et actifs peut amener à des améliorations significatives de l'inversion lidar. Dans le but de remplir notre second objectif, nous présentons alors dans la suite de ce travail le potentiel apporté par l'utilisation du couplage entre un lidar spatial (LITE en l'occurrence) et un satellite géostationnaire (Meteosat-5) afin de retrouver les propriétés optiques de l'aérosol au dessus des océans et des continents, dans le cas particulier des poussières désertiques Africaines. Pour ce faire, un algorithme a été implémenté. Les résultats fournis par cette méthode sont présentés. Les erreurs faites sur l'estimation de l'impact radiatif de l'aérosol sont estimées pour cette synergie, mais aussi dans le cas des autres synergies possibles pouvant allier les instruments de télédétection actifs et passifs, embarqués à bord des satellites actuellement en orbite.

Cette thèse propose une méthode de caractérisation morphologique multibande des galaxies. Ces dernières ont commencé à évoluer et à interagir très tôt dans l'histoire de l'Univers: leurs formes dans les différentes parties du spectre électromagnétique représentent donc un traceur important de cette histoire. Ce travail propose une organisation hiérarchique de modèles, allant de la description des structures dominantes (bulbe et disque) aux composantes les plus fines (bras spiraux, anneaux, ...). Elle permet d'aboutir à une description des galaxies de haut niveau sémantique, chaque modèle réalisant une décomposition multibande de l'image en composantes astrophysiques interprétables par les astronomes. Les modélisations proposées innovent par l'intégration d'un filtre adaptatif appliqué sur les observations, dont les paramètres sont estimés conjointement avec ceux des composantes de la galaxie. L'estimation des paramètres des modèles est effectuée dans un contexte bayésien et résolue à l'aide d'algorithmes d'optimisation stochastique (algorithmes de Monte Carlo par chaines de Markov). La rapidité des algorithmes est améliorée grâce à des techniques d'échelles et de directions adaptatives, ainsi qu'à une version multi-températures du recuit simulé. En outre, les développements concernant la théorie des arbres de composantes connexes permettent la mise au point d'algorithmes non paramétriques multibandes, efficaces et robustes pour la réalisation des pré-traitements nécessaires à la mise en oeuvre de la décomposition en structures. Cela a notamment abouti à des avancées dans la théorie des hyperconnexions et des représentations sous forme d'arbres de composantes hyperconnexes. Les performances des méthodes proposées ont été évaluées sur un ensemble conséquent d'environ 1 500 galaxies et discutées avec les astronomes: elles montrent clairement la pertinence et la robustesse de la méthode. Ces résultats ouvrent la voie à de nouvelles classifications prenant en compte la signature multibande des galaxies spatialement résolues.

This dissertation investigates the development and use of self-images in augmented reality systems for learning and learning-based activities. This work focuses on self- modeling, a particular form of learning, actively employed in various settings for therapy or teaching. In particular, this work aims to develop novel multimedia systems to support the display and rendering of augmented self-images. It aims to use interactivity (via games) as a means of obtaining imagery for use in creating augmented self-images. Two multimedia systems are developed, discussed and analyzed. The proposed systems are validated in terms of their technical innovation and their clinical efficacy in delivering behavioral interventions for young children on the autism spectrum.

L'insolation est étudiée, à l'échelle synoptique (la France) à l'aide d'un ensemble de mesures de la durée quotidienne d'insolation réalisées au sol et par télédétection satellitaire. L'objectif poursuivi est d'analyser une série de données suffi* samment longue pour caractériser de manière statistique le comportement climatologique de l'insolation dans l'espace. Les données sont fournies par 88 héliographes du réseau synoptique français ainsi que par le programme " Cactus " de la Météorologie Nationale, qui utilise les images visibles du satellite Météosat. L'étude porte sur une année de données. La similarité de la structure spatiale des mesures du sol et du satellite est montrée par analyse objective, et par analyse en composantes principales de processus. La fine perception de la variabilité spatiale du satellite est alors utilisée pour optimiser un réseau de mesures au sol. Les performances du programme Cactus sont comparées avec celles de méthodes d'interpolation classiques (basées sur 23 héliographes), pour l'estimation du rapport d'insolation. Elles se sont révélées plus performantes en terme de cofluctuation. Il apparaît cependant une tendance du satellite à exagérer les valeurs extrêmes. L'étalonnage des mesures satellitaires par des mesures sol a pour but de conjuguer les qualités de précision des hélio* graphes, et la définition spatiale du satellite. Une approche géostatistique est proposée. L'effet recherché est observé à partir d'une certaine densité du réseau d'étalonnage

Les systèmes embarqués actuels (téléphone portable, assistant personnel...) ne sont pas considérés
comme des hôtes de confiance car toute personne y ayant accès, sont des attaquants potentiels. Les données
contenues dans ces systèmes peuvent être sensibles (données privées du propriétaire, mot de passe, code d'un
logiciel...) et sont généralement échangées en clair entre le Système sur Puces (SoC – System on Chip) et la
mémoire dans laquelle elles sont stockées. Le bus qui relie ces deux entités constitue donc un point faible : un
attaquant peut observer ce bus et récupérer le contenu de la mémoire, ou bien a la possibilité d'insérer du code
afin d'altérer le fonctionnement d'une application s'exécutant sur le système. Afin de prévenir ce type d'attaque,
des mécanismes matériels doivent être mis en place afin d'assurer la confidentialité et l'intégrité des données.
L'approche conventionnelle pour atteindre cet objectif est de concevoir un mécanisme matériel pour chaque
service de sécurité (confidentialité et intégrité). Cette approche peut être implantée de manière sécurisée mais
empêche toute parallélisation des calculs sous-jacents.
Les travaux menés au cours de cette thèse ont dans un premier temps, consisté à faire une étude des
techniques existantes permettant d'assurer la confidentialité et l'intégrité des données. Dans un deuxième temps,
nous avons proposé deux mécanismes matériels destinés à la sécurisation des transactions entre un processeur et
sa mémoire. Un moteur de chiffrement et de contrôle d'intégrité parallélisé, PE-ICE (Parallelized Encryption and
Integrity Checking Engine) a été conçu. PE-ICE permet une parallélisation totale des opérations relatives à la
sécurité aussi bien en écriture qu'en lecture de données en mémoire. Par ailleurs, une technique basée sur une
structure d'arbre (PRV-Tree – PE-ICE protected Reference Values) comportant la même propriété de
parallélisation totale, a été spécifiée afin de réduire le surcoût en mémoire interne impliqué par les mécanismes de sécurité

Cette thèse a pour objet la modélisation de la prosodie dans le cadre de la synthèse de la parole. Nous présenterons MeLos : un système complet d'analyse et de modélisation de la prosodie, "la musique de la parole". L'objectif de cette thèse est de modéliser la stratégie, les alternatives, et le style de parole d'un locuteur pour permettre une synthèse de parole naturelle, expressive, et variée. Nous présenterons un système unifié fondé sur des modèles de Markov cachés (HMMs) à observation discrète/continue pour modéliser les caractéristiques symbolique et acoustique de la prosodie : 1) Une chaîne de traitement linguistique de surface et profonde sera introduite pour enrichir la description des caractéristiques du texte. 2) Un modèle segmental associé à la fusion de Dempster-Shafer sera utilisé pour combiner les contraintes linguistique et métrique dans la production des pauses. 3) Un modèle de trajectoire basé sur la stylisation des contours prosodiques sera présenté pour permettre de modéliser simultanément les variations à court et long terme de la F0. Le système proposé est utilisé pour modéliser les stratégies et le style d'un locuteur, et est étendu à la modélisation du style de parole par des méthodes de modélisation en contexte partagé et de normalisation du locuteur.

In recent years, signal processing has come under mounting pressure to accommodate the increasingly high-dimensional raw data generated by modern sensing systems. Despite extraordinary advances in computational power, processing the signals produced in application areas such as imaging, video, remote surveillance, spectroscopy, and genomic data analysis continues to pose a tremendous challenge. Fortunately, in many cases these high-dimensional signals contain relatively little information compared to their ambient dimensionality. For example, signals can often be well-approximated as a sparse linear combination of elements from a known basis or dictionary. Traditionally, sparse models have been exploited only after acquisition, typically for tasks such as compression. Recently, however, the applications of sparsity have greatly expanded with the emergence of compressive sensing, a new approach to data acquisition that directly exploits sparsity in order to acquire analog signals more efficiently via a small set of more general, often randomized, linear measurements. If properly chosen, the number of measurements can be much smaller than the number of Nyquist-rate samples. A common theme in this research is the use of randomness in signal acquisition, inspiring the design of hardware systems that directly implement random measurement protocols. This thesis builds on the field of compressive sensing and illustrates how sparsity can be exploited to design efficient signal processing algorithms at all stages of the information processing pipeline, with a particular focus on the manner in which randomness can be exploited to design new kinds of acquisition systems for sparse signals. Our key contributions include: (i) exploration and analysis of the appropriate properties for a sparse signal acquisition system; (ii) insight into the useful properties of random measurement schemes; (iii) analysis of an important family of algorithms for recovering sparse signals from random measurements; (iv) exploration of the impact of noise, both structured and unstructured, in the context of random measurements; and (v) algorithms that process random measurements to directly extract higher-level information or solve inference problems without resorting to full-scale signal recovery, reducing both the cost of signal acquisition and the complexity of the post-acquisition processing.

Examines the susceptibility of existing signal processing methods to errors and identifies other possible causes of depth error not accounted for by existing signal processing methods, by analysis of the detected laser return waveform data. Methods to improve depth accuracy are investigated.
Thesis (M.Eng.Sc.) -- University of Adelaide, Dept. of Electrical and Electronic Engineering, 2002?

Wind energy is one of the fastest-growing segments of the world energy market; however, wind energy facilities can have detrimental effects on wildlife, especially birds and bats. The ability to monitor vulnerable species in the vicinity of proposed wind sites could enable site selection that favors more vulnerable species, but current monitoring tools lack this classification capability. This work analyzes polarimetric and Doppler measurements of migrating birds for species based variation. A novel two stage feature extraction technique was developed to enable comparison between birds. Stage one involves mapping time changing radar measurements to the birds behavioral state in time (i.e. flapping and gliding); stage two uses this behavioral state information to produce temporal and statistical features that describe the frequency and appearance of these different behavioral states. General trends of temporal features (ex. wing-beat frequency) in the dataset match Ecological literature and validate the feature extraction approach. Preliminary clustering of bird detection data suggests possible species based subgroups of targets, although a larger dataset is needed for further validation.

This thesis is related to the Bit Error Rate (BER) estimation for any digital communication system. In many designs of communication systems, the BER is a Key Performance Indicator (KPI). The popular Monte-Carlo (MC) simulation technique is well suited to any system but at the expense of long time simulations when dealing with very low error rates. In this thesis, we propose to estimate the BER by using the Probability Density Function (PDF) estimation of the soft observations of the received bits. First, we have studied a non-parametric PDF estimation technique named the Kernel method. Simulation results in the context of several digital communication systems are proposed. Compared with the conventional MC method, the proposed Kernel-based estimator provides good precision even for high SNR with very limited number of data samples. Second, the Gaussian Mixture Model (GMM), which is a semi-parametric PDF estimation technique, is used to estimate the BER. Compared with the Kernel-based estimator, the GMM method provides better performance in the sense of minimum variance of the estimator. Finally, we have investigated the blind estimation of the BER, which is the estimation when the sent data are unknown. We denote this case as unsupervised BER estimation. The Stochastic Expectation-Maximization (SEM) algorithm combined with the Kernel or GMM PDF estimation methods has been used to solve this issue. By analyzing the simulation results, we show that the obtained BER estimate can be very close to the real values. This is quite promising since it could enable real-time BER estimation on the receiver side without decreasing the user bit rate with pilot symbols for example.

L'observation passive de la surface marine, utilisant notamment comme source d'opportunité des signaux émis par les systèmes de positionnement par satellites (GNSS), constitue depuis quelques années un axe de recherche et de développement très dynamique. Plusieurs équipes de recherche ont déjà mis en évidence la pertinence de telles approches pour des observations aéroportées. Le travail de cette thèse s'inscrit dans le cadre général de la mesure passive utilisant les signaux de positionnement par satellites (GPS). Toutefois, le contexte précis de notre étude se focalisera sur les observations côtières réalisées à proximité de la surface (quelques mètres). La surface de mer ne peut plus, dans ce cas, se résumer à une surface immobile rugueuse. La diffraction des signaux GPS doit alors prendre en compte la déformation spatio-temporelle de la surface et le déplacement des vagues. L'analyse de ces signaux permet de mettre en évidence la variation temporelle de la surface, en identifiant le déplacement des principaux diffuseurs (crête de vague, objet flottant à la surface,...). Les mouvements auxquels il est fait référence sont très lents (de l'ordre du Hz) par rapport aux fréquences des ondes observantes (ordre du GHz). L'amplitude des déplacements reste limitée, ce qui induit des différences de retard très faibles. Toutefois, dans ce contexte délicat, nous avons mis en oeuvre des techniques de traitement de signal adaptées, qui mettent en évidence ces mouvements à partir des signaux d'opportunité diffractés. L'étude s'appuie, en particulier, fortement sur la théorie du filtrage de Kalman dans le plan Doppler-retard des signaux diffractés.