Méthodes inspirées de la nature et leur implémentation pour des systèmes dynamiques complexes

Plusieurs解决方案创新的特性，信号再现的特性，技术的特性，现代的特性，包含特定的标准，折衷的性能/复杂的特性。复杂的问题（如非固定的、动态的和非固定的）和固定的问题（如非固定的、动态的和非固定的）。“复杂问题研究方案”描述了大量的信息（如：通信、通信、捕获生物、捕获生物）。

Plusieurs solutions innovatrices de traitement du signal reposent sur des techniques modernes de traitement numérique contraintes par un critère de compromis performance/complexité. Les problèmes dits complexes (modèle non-linéaire, dynamique et non-stationnaire) sont caractérisés par un nombre élevé de paramètres qui limite l'application de méthodes conventionnelles. Ce programme de recherche cible des problèmes complexes caractérisés par une quantité d'informations massive (télécommunications 5G, réseaux d'objets connectés, capteurs biomédicaux). La méthodologie repose sur l'adaptation et l'application d'algorithmes non-linéaires inspirés de la nature qui miment des principes naturels, biologiques ou physiques: algorithmes génétiques, essaims particulaires en optimisation et intelligence artificielle (réseaux de neurones, machine automatique, réseau neuronal convolutif et à apprentissage profond). L'acquisition comprimée (Compressive Sensing) et les données de substitution (Surrogate Analysis) sont également étudiées car mieux adaptées aux problèmes non-linéaires et non stationnaires. Une approche par traitement de signal par graphes (Graph Signal Processing) est également considérée pour des analyses multidimensionnelles aux données arbitraires. La force de notre approche réside dans l'interaction de ces méthodes qui permet de multiples résolutions sous différentes contraintes imposées par les problèmes. L'autre aspect majeur du programme est l'implémentation VLSI (CPU/GPU, FPGA) des algorithmes pour répondre à des besoins réels. Les contraintes de la microélectronique imposées et à respecter sont une réduction de la complexité de calcul, des ressources, des latences et du flot des communications en privilégiant le parallélisme. Ce programme est donc une contribution significative au développement de solutions optimales en termes d'adéquation algorithme-architecture pour le traitement des signaux des systèmes exigeant un volume de calcul important. Les cas des systèmes de communications mobiles, de l'industrie 4.0, des objets communicants (IoT) et de mesure en biomédical sont ciblés: développement de solutions augmentant la bande passante des communications mobiles en milieu hostile (interférences multiples), l'approche basée sur les systèmes MIMO massifs est privilégiée, et généralisation des solutions à des problèmes similaires, soit les réseaux de capteurs communicants, le précodage, l'estimation des canaux et les réseaux à relais. extraction d'informations cliniques neuromusculaires à partir de biosignaux générés par des matrices de capteurs électromyographies (EMG), le cas de la reconnaissance de mouvements, est retenu. Ces domaines, a priori distincts, présentent d'un point de vue de la modélisation une analogie que nous avons pu constater et exploiter (modèle MIMO). Ce constat nous mène à des idées de solutions innovatrices multidomaines.