Réseaux bayésiens et filtres particulaires pour l'égalisation adaptative et le décodage conjoints

This thesis is about bayesian networks, particle filters and their application to digital communications. First, we give a rigorous and very general definition of bayesian networks and we formulate the belief propagation algorithm in this context. Then, we present a new type of particle filter, called the 'global sampling particle filter' and we show through numerical simulations that this new algorithm compares favorably with existing filters. Next, we use particle filtering to approximate some of the messages of the belief propagation algorithm. We call the resulting algorithm, which combines belief propagation and particle filtering, the 'turbo particle filtering algorithm'. Finally, we apply these techniques to design methodically a digital communications receiver.Cette thèse s'intéresse aux réseaux bayésiens, aux filtres particulaires et à leur application aux communications numériques. Tout d'abord, nous donnons une construction rigoureuse et très générale des réseaux bayésiens et nous présentons l'algorithme de propagation de croyance dans ce contexte. Puis, nous introduisons un nouveau type de filtre particulaire, appelé "filtre particulaire à échantillonnage global", et nous constatons en effectuant des simulations numériques que ce nouvel algorithme se compare favorablement à l'état de l'art. Nous utilisons ensuite le filtrage particulaire pour calculer de façon approchée certains messages de l'algorithme de propagation de croyance. Nous obtenons ainsi un nouvel algorithme, combinant propagation de croyance et filtrage particulaire, que nous avons appelé "algorithme de turbo-filtrage particulaire». Enfin, nous utilisons ces différentes techniques afin de concevoir de façon méthodique un récepteur de communications numériques