Abstract FR:

Dans le cadre de surveillance du spectre des fréquences, l'objectif de cette thèse est d'élaborer des méthodes de reconnaissance automatiques des signaux à spectre étalé par séquence directe, sans aucune connaissance a priori sur le système de transmission. La première étape d'identification de ces signaux consiste à les détecter. Une méthode repose sur l'étude des fluctuations d'un estimateur, qui permet de comparer les statistiques d'un bruit seul à celles du signal reçu. Cette procédure nous permet par ailleurs d'en estimer la période symbole. La seconde étape consiste à déterminer la séquence pseudo-aléatoire, qui a été utilisée à l'émission pour étaler le spectre. Nous avons montré, que nous pouvions l'estimer à l'aide de réseaux de neurones de type perceptrons composés de trois couches. L'information sur la séquence est alors présente dans les poids de connexion de la couche cachée. Nous avons cependant constaté que les résultats sont améliorés quand le signal est synchronisé. Une étude détaillée des éléments propres de la matrice de covariance du signal reçu nous a menés à développer un algorithme de synchronisation aveugle robuste, dont le but est double : affiner d'une part l'estimation de la période symbole puis évaluer de manière très précise le début du premier symbole. La technique consiste à maximiser la norme au carré de la matrice de covariance. Une fois le signal synchronisé, la séquence correspond au vecteur propre associé à la plus grande valeur propre. Nous avons alors caractérisé les conséquences du calcul, sur un nombre fini de fenêtres d'analyse, de la matrice de covariance sur ses éléments propres. Les erreurs induites sont évaluées à l'aide de la théorie des perturbations et des propriétés des matrices de Wishart. Les résultats théoriques obtenus ont été comparés à des résultats de simulations de type Monte Carlo et révèlent une bonne concordance générale.