Abstract FR:

Cette these est consacree a l'etude de l'apport des techniques de discrimination geometrique et probabiliste a l'egalisation, et parallelement de l'apport d'une approche par regroupement a l'identification. Ces deux etudes sont reliees par l'utilisation d'un espace de representation ou les suites d'echantillons obtenus a la sortie du canal sont representees par des points. Pour ce faire, le probleme de l'egalisation est pose comme un probleme de classification. Puis, une discussion est menee sur l'interet pratique et les consequences theoriques de la prise de decisions a partir de blocs finis d'observations. D'autre part, nous etudions aussi certains rapports entre la reponse impulsionnelle d'un canal et la dispersion des nuages de points/observations dans l'espace de representation. Dans le cadre de l'approche d'egalisation par discrimination probabiliste, nous presentons deux familles d'egaliseurs, a savoir : les ebl (egaliseurs bayesiens lisses) et les ebl-r (egaliseurs bayesiens lisses a retour de decisions). Ces algorithmes decoulent d'une strategie originale pour controler la complexite algorithmique des egaliseurs : le lissage des modeles utilises des fonctions de probabilite. D'autre part, toujours selon l'approche geometrique/probabiliste, nous presentons aussi quelques algorithmes originaux d'identification bases sur la mise en evidence du rapport existant entre le regroupement des observations et l'identification de la reponse impulsionnelle du canal. Finalement, tous les algorithmes retenus, soit d'egalisation, soit d'identification du canal, ont un point commun, a savoir : l'utilisation de modeles lisses de fonction de probabilite, bases sur des melanges de gaussiennes. Neanmoins, differemment de l'approche