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

Plusieurs solutions innovatrices de traitement du signal reposent sur des techniques modernes de traitement numérique constraintes par un critère de compromis performance/complexité.这些复杂的问题（非线性、动态和非静态）是由一个限制常规方法应用的参数名称决定的。Ce programme de recherche cible des problèmes caractérisés par une quantité d'informations massive（télécommunications 5G，réseaux d'objets connectés，capacitance 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 professage）. L'acquisition acquisition（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 transitement de signal par graphes（图形信号处理）est également considerée pour des analyses multidimensionnelles aux données arbitraires. La force de notre approche réside dans l'interaction de ces méthodes qui permet de multiple résolutions sous différentes constraintes 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.微电子器件的安装和安装的约束是对计算、资源、延迟和通信的复杂性的一种简化。 该计划是一个有意义的贡献Au dédépement de solutions optimales en termes d 'adéquation algorithme-architecture pour le treitement 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 biomedical sont ciblés： décrippement de solutions augmentant la bande passante des communications mobiles in ambitious（interfécultures multiple），l'approche basée sur les systèmes MIMO passives est privilégiee，et généralisation des solutions à des problèmes similaires，soit les réseaux de captured communicants，le précodage，l'estimation des canaux et les réseaux à relais. 从肌电图（EMG）矩阵中提取一般生物信号的临床神经肌肉信息，并保留运动监测的情况。 这些领域，一个先验的区别，提出了一个点的价值，从一个类比，我们avons pu constater et exploiter（模型MIMO）。这是我们对多领域创新解决方案的一贯看法。

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.