Abstract FR:

Dans cette these, nous nous interessons a differents problemes de filtrage des systemes a sauts markoviens (ou systemes hybrides) et de leurs applications potentielles en poursuite de cibles manuvrantes. Un systeme hybride se compose d'une banque de modeles repertoriant l'ensemble des dynamiques possibles du systeme physique a modeliser et d'une variable aleatoire (denommee mode), decrivant statistiquement les transitions entre les differentes dynamiques. Le filtrage de tels systemes consiste alors a estimer a la fois l'etat et le mode en exploitant des informations recueillies au travers de capteurs. Afin d'ameliorer les performances du filtrage hybride, nous mettons l'accent sur une modelisation fine des capteurs. De nouveaux filtres hybrides optimaux sont alors developpes en prenant en compte, directement dans la phase de conception, les principaux defauts de ces derniers (bruits correles/colores, donnees incertaines/intermittentes). Les filtres optimaux, evalues via une methode de changement de mesure de probabilite, sont tous de dimension infinie rendant impossible leur implementation numerique. Comme nous le montrons, les principaux schemas d'approximations parametriques classiquement utilises dans le domaine peuvent etre transposes sans difficultes sur nos filtres optimaux. Par ailleurs, une nouvelle technique d'approximation non parametrique est egalement proposee. Finalement, dans une derniere partie, nous mettons en uvre quelques-uns des filtres sous optimaux precedemment developpes dans le cadre de la poursuite de cibles manuvrantes. Dans ce contexte, un radar nous donne des informations quant a l'etat du systeme et un capteur imageur nous renseigne quant au mode de la cible. Grace aux nouveaux filtres elabores,