Méthodes d'estimation statistique pour le suivi de cibles à l'aide d'un réseau de capteurs

Cette thèse s'intéresse à l'estimation des paramètres du mouvement d'une ou plusieurs cibles évoluant au sein d'une zone surveillée par un réseau de capteurs. Dans une première partie nous proposons de déterminer de façon exacte l'influence de paramètres d'influence du pistage à l'aide de la détermination d'une expression explicite d'une probabilité de bonne association. Nous parvenons à extraire l'influence de ces variables à l'aide de l'utilisation de méthodes numériques. Dans un deuxième temps nous nous intéressons à un type de capteurs bien particuliers. Nous supposons en effet que nous disposons de l'instant de plus grande proximité entre la cible et chaque capteur du réseau. A partir de ces données partielles, nous nous proposons de reconstruire la trajectoire de la cible. Après avoir montré que nous ne pouvions estimer conjointement la position et la vitesse de la cible, nous proposons des méthodes d'estimation du vecteur vitesse dans divers cas de trajectoire envisagés. Enfin, nous étudions dans la troisième partie de ce document le cas d'un réseau de capteurs binaires directionnels. Après une étude rapide sur l'estimation du vecteur vitesse dans le cas d'un mouvement rectiligne uniforme, nous étendons notre approche au cas ou le mouvement de la cible suivrait une marche aléatoire gaussienne, et nous proposons un nouvel algorithme permettant d'estimer conjointement les vecteurs vitesse et position. Nous proposons enfin une solution d'extension de notre algorithme au suivi multicible. Nous présentons dans chacun des scénarios des résultats de simulation illustrant les performances des méthodes proposées.This thesis is concerned with the estimation of the dynamical parameters of one or multiple targets moving through an area which is "watched'' by a sensor network. The first part deal with performance analysis for data association, in a target tracking environment. Effects of misassociation are considered in a simple (linear) multiscan framework so as to provide closed-form expressions of the probability of correct association. Via rigorous calculations the effect of dimensioning parameters is analyzed. Remarkably, it is possible to derive very simple expressions of the probability of correct association which are independent of the scenario kinematic parameters. In a second part, we are especially interested by fusing binary information at the network level. This binary information is related to the local target behavior; i.e. its distance from a given sensor is increasing (-) or decreasing (+). However, in this rich framework we choose to focus on even simpler observations so as to put in evidence the limits and the difficulties of the decentralized binary framework. More specifically, the binary sequences {-,+} can be (locally) summarized by the times of closest point approach (cpa). So, we consider that the available observations, at the network level, are the estimated values of the cpa times. The analysis is also greatly simplified if we assume that the target motion is rectilinear and uniform or a leg-by-leg one. In the case of a single-leg trajectory, we resort to a simple maximum-likelihood estimator, while for the case of multiple-leg trajectories other methods are presented. Then, we finally present a new algorithm for target tracking within a binary sensor network. The novel tracking method is proposed and its performance through a very classical trajectory model is evaluated. We finally try to extend the algorithm to multiple target tracking.RENNES1-BU Sciences Philo (352382102) / SudocSudocFranceF