Détection et reconnaissance de modulations numériques à l'aide des statistiques cycliques d'ordre supérieur

Cette these est consacree a l'exploration des possibilites offertes par les statistiques cycliques d'ordre superieur pour la detection et la reconnaissance automatique de signaux de communication. De tels signaux ont la propriete d'etre cyclostationnaires, c'est a dire que leur proprietes statistiques varient de maniere periodique au cours du temps. La prise en compte de cette propriete permet d'affiner la caracterisation des signaux, et davantage encore lorsque l'on considere conjointement les statistiques d'ordre superieur a 2. Dans une premiere partie theorique, nous construisons les multi-outils cycliques (multicorrelations, multispectres), qui caracterisent, dans les domaines temporel et spectral, les statistiques d'ordre superieur des signaux cyclostationnaires. Les definitions et les proprietes de ces outils sont presentes dans le cadre classique de la theorie des processus aleatoires harmonisables. Nous presentons les expressions de ces statistiques cycliques pour les modulations numeriques lineaires, ainsi que la maniere de les estimer. Dans une deuxieme partie, nous appliquons cette theorie a la detection et a la reconnaissance des modulations. Nous construisons un detecteur fonde sur les statistiques cycliques temporelles d'ordre 4, et nous montrons qu'il peut avoir des performances superieures au detecteur classique d'ordre 2 dans le cas ou l'exces de bande du filtrage d'emission est faible. Ensuite nous nous interessons a la classification automatique des modulations lineaires classiques (mdp, maq) et nous proposons, pour cette famille de signaux, un arbre de classification qui opere uniquement a partir des statistiques cycliques d'ordres divers. Nous nous attardons ensuite plus precisement sur la classification des modulations maq entre elles, et nous montrons a cet egard qu'on peut obtenir des formes discriminantes pour ces signaux en construisant une fonctionnelle mixant convenablement des statistiques d'ordre 2 et 4. Pour valider ce concept, des simulations dans diverses conditions ont ete effectuees sur des donnees synthetiques.