Exploitation de la non-circularité pour les transmissions et l'écoute passive

Cette thèse est consacrée à l’exploitation des propriétés de non-circularité et de non-gaussianité des signaux d’intérêt (SOI) et/ou des interférences pour les transmissions sans fil et l’écoute passive. Dans une première partie de cette thèse, nous nous intéressons à l’extension des récepteurs SIMO-MLSE conventionnels vers de nouvelles architectures exploitant la potentielle non-circularité au second ordre des interférences co-canal (CCI), pour la démodulation de signaux rectilignes (BPSK, ASK), quasi-rectilignes (MSK, GMSK et OQAM) et à symboles complexes (QAM). L’architecture générale des récepteurs développés est basée sur un prétraitement avec une extension widely linear (WL) du filtre adapté spatio-temporel, ramenant le traitement de démodulation à un problème scalaire, un échantillonnage au rythme symbole et ensuite un organe de décision basé sur une version modifiée de l’algorithme de Viterbi. Pour le cas particulier des signaux quasi-rectiligne, on intercale un traitement de dérotation entre l’échantillonneur et l’organe de décision. Un travail de modélisation à temps discret des SOI, brouilleurs et du bruit de fond a été mené afin de créer des modèles de simulations pour la validation des expressions SINR analytiques interprétables, via l’évaluation des probabilités d’erreur symboles. Dans une deuxième partie, nous nous intéressons à la formation de voies (Beamforming) non-linéaire à travers des structures de Volterra complexe du troisième ordre. Ces dernières permettent l’exploitation de la non-circularité jusqu’au sixième ordre ainsi que du caractère non-gaussien des SOI et/ou des interférences. Dans le contexte de l’écoute passive, nous avons introduit un beamformer MVDR de Volterra du troisième ordre utilisant la seule information a priori du vecteur directionnel du SOI et implémentable grâce à une structure équivalente GSC. Nous avons étudié ses performances en particulier par l’évaluation analytique des expressions du SINR en fonction des statistiques de l’interférence, et par sa vitesse d’apprentissage, démontrant ainsi sa supériorité par rapport aux beamformers MVDR linéaire et WL classiques. Dans un contexte de radiocommunications, nous avons étudié une version MMSE de ce beamformer de Volterra complexe du troisième ordre qui prend lui en compte les propriétés statistiques de non-circularité jusqu’au sixième ordre et de non-gaussianité du SOI et du CCI. La dernière partie de cette thèse est consacrée à la robustesse de tests de détection de rectilinéarité de signaux en présente d’offsets de fréquence. Ces tests sont importants pour ajuster la nature du traitement (linéaire ou WL) en fonction de la rectilinéarité des signaux, afin de garantir le meilleur rapport performance/temps de convergence des algorithmes