Investigation sur la localisation de sources en champ proche et sur des applications équivalentes

Source localization is a key technology in array signal processing, which is widely applied in radar, geologic prospecting, sonar, electronic surveillance, medical, electronics and other fields. Source localization can be classified into far-field source localization and nearfield source localization according to the distance between the sources and the array. Unlike the far-field situation, where each source is parameterized by only the DOA, the near-field signal wavefront is spherical, and both the DOAs and ranges are required to localize near-field sources.First, this dissertation concentrates on the improvements of the MUSIC-based method for near-field source localization. By making full use of the EVD, we make the proposal to estimate the DOAs and ranges in a decoupled way with only one matrix and one EVD.Then we propose a further improvement based on propagator methods. It allows to avoid the EVD and therefore leads to an even lower computational complexity.The third improvement is to increase the number of effective virtual sensors for the range estimation, which expands the aperture and achieves a notable improvement for the range estimation accuracy. In order to apply CS to near-field source localization, we propose a high-order CS method with a pairing step based on clustering. The proposed method can achieve better accuracy and resolution than traditional methods.This work ends with the application of GPR. An enhanced CS method is proposed to carry out the TDE directly in low SNR scenario.Mes travaux de recherche se sont focalisés sur le traitement d’antenne multi-capteurs et plus particulièrement sur la localisation de sources en champ proche. La localisation de sources a pour objectif d’estimer les paramètres de position des sources. Quand les sources sont proches du réseau de capteurs (situation de champ proche), le front d’onde du signal est sphérique et deux paramètres sont alors nécessaires pour localiser les sources : la direction d’arrivée et la distance entre la source et le réseau de capteurs.Tout d’abord, trois nouvelles méthodes à sous-espace basées sur les statistiques d’ordre supérieur ont été proposées. La première proposition est basée sur une matrice cumulant (du quatrième ordre) non-Hermitienne. Cette méthode permet d’estimer séparément les DDA et les distances avec une seule matrice spécifique et une seule décomposition en éléments propres. Ensuite, nous introduisons dans cette méthode, le principe des méthodes à sous-espace linéaires.Enfin, nous avons proposé d’agrandir virtuellement l’ouverture du réseau de capteurs afin d’améliorer la résolution et la précision dans l’estimation de la distance. Dans un second temps, une nouvelle méthode CS basée sur les statistiques d’ordre supérieur a été proposée. Les simulations ont montré que la méthode proposée possédait une meilleure résolution et une plus grande précision que les méthodes traditionnelles. Enfin, une méthode CS associée à une nouvelle méthode de réduction de bruit a été proposée pour mesurer les épaisseurs d’un milieu stratifié. Plusieurssimulations et une expérimentation ont montré l’efficacité de notre proposition