Signal, Télécommunications & Intelligence Artificielle (STIA)
Comprendre, modéliser et fiabiliser les systèmes intelligents et communicants.
L’équipe de recherche Signal, Télécommunications & Intelligence Artificielle (STIA) développe des approches d’apprentissage profond et des méthodes statistiques pour le traitement du signal/image et les télécommunications, avec un accent particulier sur l’extraction d’informations pertinentes à partir de mesures issues de capteurs. Une attention spécifique est portée au développement de nouveaux outils théoriques, tels que des bornes sur l’erreur d’estimation, afin de quantifier la précision théorique du modèle considéré. Par ailleurs, les recherches actuelles portent sur l’intégration de considérations géométriques dans l’analyse des algorithmes d’apprentissage automatique.
Les applications concernent principalement la navigation (avec GNSS et autres capteurs tel que le radar ou la caméra), le diagnostic de défaillances.changement (diagonistic filiaire, déforestation) et les communications numériques.
Axes de recherche
Traitement statistique du signal pour le GNSS
Traitement du signal pour la modélisation CEM et le transfert de puissance sans fil
Méthodes avancées en statistiques et en apprentissage automatique
Modélisation des systèmes de communication numérique
Thèmatique de recherches phares
Équipe
interne
Électronique et Électromagnétisme, chef du département Signaux & Systèmes, chercheur associé au GeePs
« Non-stationary and robust Reinforcement Learning methodologies for surveillance applications » (2022-2025)
Équipe co-encadrée avec des
laboratoires partenaires
Laboratoires et partenaires stratégiques
Publications
récentes
« Robust Reinforcement Learning for Autonomous Navigation in Complex Environments », Journal of Artificial Intelligence, 2025.
Cette étude explore l’application de l’apprentissage par renforcement robuste dans des environnements dynamiques pour des systèmes autonomes comme les drones, avec des implications dans l’aéronautique et l’automobile.
« Hybrid GNSS/IMU Systems for Precise Satellite Positioning » — Collaboration avec le CNES et Thales Alenia Space.
L’équipe développe de nouvelles méthodologies pour améliorer la précision de la géolocalisation par satellites en utilisant des systèmes hybrides GNSS/IMU.
Projet de recherche
emblématique
