Étude des performances des méthodes d'identification à haute résolution et application à l'identification des échos par une antenne linéaire multicapteurs

Cette these concerne l'etude des performances des methodes d'identification a haute resolution des sources correlees ou non a l'aide d'une antenne lineaire multicapteurs. Pour localiser des sources totalement correlees, il est indispensable d'utiliser un moyennage spatial pour calculer la matrice de covariance. Etant donne���� le nombre fini d'echantillons, la matrice de covariance estimee est connue avec une erreur statistique liee a la duree totale de la mesure, d'ou l'interet d'etudier la perturbation des elements propres de cette matrice. L'etude des valeurs propres nous a conduits a introduire un critere permettant la determination du nombre de sources. Quant a l'etude des vecteurs propres perturbes, elle nous a permis de faire un lien entre ces perturbations et les imprecisions correspondantes sur la localisation des sources obtenue avec les methodes de Tufts-Kumaresan et du goniometre. D'autre part, une nouvelle approche a ete introduite pour calculer la variance minimale (borne de Cramer-Rao). Pour etudier l'optimalite, les variances theoriques obtenues pour chaque methode sont comparees a cette variance minimale. Sans moyennage spatial (sources independantes) on montre que la methode du goniometre [quas]i-optimale alors que celle de Tufts-Kumaresan presente une forte degradation. On p[…] egalement une methode de maximum de vraisemblance approchee qui est […] pour des sources correlees ou non. Avec […] spatial, dans le cas de deux sources meme totalement correlees, on montre que c’est la methode de Tufts-Kumaresan qui est quasi-optimale. D'autre part, nous avons etabli une methode originale de calcul de la matrice de covariance sous forme Toeplitz qui n'introduit pas de biais sur la localisation des sources. Toutes ces methodes d'identification sont testees avec des donnees experimentales obtenues dans une chambre anechoide (simulations de trajets multiples).