Proposition d'une règle de discrimination séquentielle adaptée à la fusion de mesures

Abstract

Cette these se situe dans le prolongement d'un ensemble de travaux sur la fusion de donnees et le diagnostic par reconnaissance des formes engages depuis de nombreuses annees au laboratoire Heudiasyc. Plus precisement, ce travail considere le probleme de l'estimation de l'etat d'un systeme a partir de mesures redondantes qui peuvent etre en conflit. La demarche consiste alors a detecter les incoherences entre les mesures, en vue de n'agreger, pour l'estimation, que des donnees homogenes. Pour ce faire, les outils de diagnostic par reconnaissance des formes developpes dans l'equipe (rejet d'ambiguite, rejet de distance) sont utilises, les incoherences etant assimilees a differents modes de fonctionnement. Le travail se situe dans le cadre general d'une modelisation probabiliste. Dans un premier temps, une regle de discrimination qui permet de classer des mesures en fonction de leur degre de conflit est adaptee au caractere sequentiel de la fusion de donnees, ainsi, toute l'information disponible a un moment donne est exploitee. Ensuite, cette regle de discrimination sequentielle est modifiee afin de prendre en compte la qualite propre a chaque mesure dans le processus de combinaison. Les caracteristiques statistiques d'ordre deux des mesures sont ici supposees connues : la regle de discrimination proposee est un moyen original de gerer plusieurs filtres de Kalman en parallele. Finalement, les differentes regles de discrimination sont appliquees au probleme de la localisation d'un robot dans son environnement.