Laboratoire des Signaux et Systèmes

Pour la plupart des systèmes contrôlés, seule une partie de l’état -la sortie- peut être mesurée en ligne par des capteurs physiques. Cependant, estimer l’état complet du système est crucial pour des objectifs de surveillance, de détection d’erreur, ou de bouclage de sortie. Les observateurs sont des estimateurs en ligne synthétisés pour cette tâche. Leur convergence et leur efficacité dépendent de l’observabilité du système, c’est-à-dire de la capacité à estimer les inconnues à partir des mesures. Mais pour les systèmes non-linéaires, l’observabilité dépend de la commande. Cette dépendance peut être exploitée positivement pour résoudre des problèmes d’estimation en excitant le système avec une commande appropriée pour assurer l’observabilité. Cette approche correspond à une stratégie dite «active sensing». Cependant, elle constitue aussi une source de difficulté majeure pour la commande par bouclage de sortie. Dans ce contexte, une stratégie classique consiste à synthétiser une loi de commande par retour d’état et à la combiner avec l’estimation fournie par un observateur. Mais pour les systèmes non-linéaires, on se heurte à des cas où contrôle et observation sont concurrents, car la loi de commande à l’état stationnaire rend le système inobservable. Dans ce cas, tandis que l’objectif de contrôle se réalise, l’observateur devient incapable d’estimer correctement l’état, ce qui détériore en retour la commande. Cette compétition peut être interprétée comme un dilemme «exploration - exploitation», où la commande doit à la fois exploiter l’estimation et exciter le système pour l’améliorer. L’objectif de ce projet est double: -Fournir une méthodologie systématique, pratique, et avec des garanties théoriques, pour concevoir des commandes assurant une convergence rapide et précise de l’observateur. -Synthétiser des stratégies de bouclage de sortie qui permettent de surmonter les difficultés apparaissant lorsque contrôle et observation sont des objectifs concurrents.

SMAAI (Signal multi-modal analysis & artificial intelligence) est un projet de startup deeptech dédié à l’analyse intelligente de signaux. L’objectif est de faire pour le signal ce que les grands frameworks de vision par ordinateur ont permis pour l’image : développer des modèles d’intelligence artificielle réutilisables, faciles à entraîner, à déployer et à intégrer dans des applications industrielles, sans reconstruire une chaîne de traitement spécifique à chaque nouveau cas d’usage. SMAAI vise une industrialisation dans des domaines variés tels que le biomédical, la ville intelligente, les capteurs industriels, les moteurs, l’astrophysique ou la géophysique

Future networks will support several applications that require extending fiber-optic quality of experience to wireless links. This means connectivity at extremely high data rates with deterministic performance (guaranteed requirements in terms of reliability and time response). Virtual avatar presence, traffic control, autonomous driving, remote health monitoring, cyber physical systems for intelligent transportation, industrial automation are only a few examples of anticipated use cases. Owing to the large amount of available bandwidth, the European Telecommunications Standards Institute has identified terahertz (THz) as a key technology for future wireless networks. TeraWireless is the first EU training-through-research industrial doctoral network of doctoral candidates and senior supervisors fully committed to lay the theoretical, algorithmic, and architectural foundations for enabling THz systems at optical speed with deterministic performance. TeraWireless will 1) put forth the innovative ultra-MIMO (multiple-input multiple-output) technology for increasing the data rate and link reliability through spatial multiplexing and superdirective beamforming, and will pioneer the development of electromagnetic and communication models for evaluating its performance in low-scattering THz channels, where multipath propagation cannot be exploited, by integrating sensing, localization, communication capabilities; 2) leverage the emerging concept of semantic and goal-oriented communications by folding message semantics and goals of communication within communication layers; 3) develop innovative physics-based ML solutions for energy-efficient, robust, reliable, and explainable-by-design implementations; 4) make available to the research community the EU’s and world’s first open-access and open-source simulation environment - integrating ray tracing, link-level, and system-level features - for evaluating and optimizing THz large-scale deterministic networks at optical speed.

New emerging applications demand performance requirements that exceed the capabilities of 5G networks, requiring a rapid evolution towards 6G networks. 6G is expected to offer data rates of the order of Tbps, time responses of the order of sub-milliseconds, and localization accuracies of the order of sub-centimeter, while meeting united nations’ sustainable development goals. This calls for the deployment of paradigm shifting technologies and design methods, and the use of new frequency bands, including the deployment of reconfigurable metamaterial transceivers, the integration of communication and sensing functionalities, and the migration towards the sub-terahertz spectrum. This will make 6G an extremely complex system to model and optimize. Digital twins (DTs) and machine learning (ML) are two vital technologies to tackle the modeling and optimization complexity of 6G. A DT is a virtual replica of the 6G physical network. DTs are essential to model complex systems in real time, providing valuable insights into their behavior and performance, as well as for generating enormous amounts of training data. ML provides advanced analytics and decision-making capabilities, enabling 6G communication systems to self-optimize, self-configure, and self-heal. The integration of DTs and ML offers a powerful approach for modeling, simulating, and optimizing 6G communication networks. It is expected to lead to the creation of a highly intelligent and dynamic network environment, where physical and virtual objects interact seamlessly, and where decisions are made and executed in real time. TWIN6G is the first-of-its-kind staff exchange research and transfer-of-knowledge program whose aim is to build the world’s first open-access and open-source digital twin emulator to design 6G networks, integrating accurate physical models for emerging technologies and physics-based ML designs for dynamic and real-time network optimization.

Le projet est motivé par les défis de résilience sans précédent auxquels sont confrontées la logistique et les chaînes d'approvisionnement (supply chains) mondiales. Ces défis remettent en question les pratiques et les modèles actuels des supply chains ainsi que de la gestion des opérations, en particulier en ce qui concerne les questions émergentes telles que la stratégie de re-shoring, la prise de décision sous incertitude et la digitalisation pour la résilience. En réponse, ce projet se concentre sur le développement et l'évaluation de systèmes logistiques résilients innovants et de nouveaux modèles de gestion utilisant des technologies et des paradigmes de rupture. Plus précisément, nous examinons des questions critiques telles que la conception de topologies de réseaux résilients, l'Internet Cyber-Physique pour coordonner des décisions et opérations logistiques coopératives dynamiques, l'optimisation robuste distributionnelle pour la prise de décision sous incertitude, et la conception de systèmes d'information pour des modèles basés sur les données. Le projet adoptera des méthodologies comprenant l'analyse de données, l'ingénierie des systèmes informatiques, la modélisation mathématique, la simulation multi-agents et l'étude de cas. Pour évaluer l'efficacité et l'applicabilité des systèmes et modèles proposés, des cas d'utilisation adaptés aux intérêts de chaque partenaire (France et the Greater Bay Area en Chine) seront développés. Cela contribuera à générer des éclairages managériaux et sociétaux et à fournir des recommandations politiques qui aideront à innover de nouvelles normes de la logistique et supply chain résiliente. Les groupes de recherche de Hong Kong et de France apporteront ensemble leur expertise, combinant leurs résultats de recherche remarquables dans le domaine. Depuis 2013, ce partenariat se poursuit sur ces sujets de recherche, fournissant une base solide et complémentaire pour la collaboration sur ce projet.

La proposition ANR LIGHTNING a pour objectif d'apporter un changement de paradigme dans l'apprentissage automatique basé sur la géométrie. Malgré toute l'activité sur ce domaine, il y a encore des limitations fondamentales vis à vis des outils de base utilisés dans les approches actuelles. Notre idée principale est de développer de nouvelles géométries par delà la géométrie riemannienne. Ces géométries seront obtenues en considérant des chemins alternatifs aux géodésiques, et en approximant la géométrie riemannienne. À partir de là, des méthodes d'optimisation sur variétés spécifiques à l'apprentissage seront créées. Pour ce faire, des méthodes euclidiennes seront adaptées et de nouvelles seront créées en exploitant la géométrie intrinsèquement. Les approches proposées seront employées dans le contexte de l'apprentissage statistique, en développant de nouveaux modèles et méthodes géométriques.

Les retards sont omniprésents en ingénierie, en physique et en biologie et sont connus pour leur capacité à dégrader la stabilité et la robustesse. D'un point de vue théorique, les systèmes à retards (TDS) occupent une place intermédiaire entre les équations différentielles ordinaires et les systèmes généraux de dimension infinie. Une vaste littérature leur est consacrée, en particulier dans le cas linéaire. Malgré cette intense recherche, plusieurs résultats centraux manquent encore dans la théorie de la robustesse des TDS non-linéaires. Dans ce projet, nous les développons en exploitant des avancées récentes dans le traitement des systèmes de dimension infinie en combinaison avec les résultats spécifiques aux TDS développés par les candidats. Dans ROBUSTA, nous développons la théorie de la stabilité entrée-état (ISS), les propriétés de contraction de divers ordres et l'application des résultats au domaine des neurosciences et de la synthèse d'observateurs. L'ISS est une composante essentielle de la théorie du contrôle non-linéaire, à la fois pour l'analyse et la commande. L'utilisation effective de cette théorie requiert des caractérisations les moins restrictives possible. Cette exigence n'est, à ce jour, pas remplie pour les TDS. Ceci est particulièrement vrai dans le contexte des réseaux de grande dimension, pour lesquels les résultats actuels ne prennent pas en compte des possibles estimées des retards impliqués ou exploitent des hypothèses d'interconnection trop restrictives. Au delà de l'ISS, la théorie de la k-contraction offre des outils puissants d'analyse. Selon l'ordre k, elle permet d'établir l'unicité des points fixes, l'absence de cycles limites ou l'absence d'attracteurs chaotiques d'ordre supérieur. Dans les applications non-linéaires, de tels outils d'analyse qualitative font cruellement défaut. L'ambition de ROBUSTA est de remédier à cela en créant la théorie de la k-contraction pour les TDS. L'intérêt applicatif des outils développés sera démontré par la construction d'observateurs pour les systèmes de dimension finie et les TDS, ainsi que par des applications en neurosciences. En particulier, le développement de la k-contraction pour les TDS pourrait être décisif dans l'atténuation sélective des oscillations cérébrales parkinsoniennes par stimulation cérébrale profonde sans compromettre les dynamiques neuronales non-pathologiques.

L'objectif de PICNICS est de construire un schéma de compression original et efficace dédié aux nuages de points 3D statiques et dynamiques, servant pour les humains et les machines. Il s'appuiera sur les techniques d’intelligence artificielle les plus récentes pour proposer des solutions performantes aux 3D-PCs. PICNICS concevra une fonction d'encodage adéquate avec pour but de produire des attributs appropriés aux deux tâches. Cela inclut la stratégie d'allocation des ressources dans l'espace latent entre les attributs. Pour aborder l'aspect dynamique des 3D-PCs, une solution axée sur l'extraction de caractéristiques temporelles sera proposée. Le défi majeur est de rendre les modèles d'apprentissage utilisés faiblement/auto-supervisés et économes en étiquetage. Un autre objectif est de définir une solution globale d'évaluation de la qualité des 3D-PCs. Cela inclut la définition d'un paradigme d'évaluation subjective dédié pour les scénarios de réalité étendue, en plus de mesures de qualité basées sur la perception. Du côté des applications de PICNICS, différents cas d'utilisation de la vision artificielle seront étudiés sur des PC statiques et dynamiques, notamment la reconnaissance d'objets/lieux, la vidéosurveillance ainsi que la conduite autonome. Dans ces cas d'utilisation, tirer parti de différentes connaissances a priori, y compris la multimodalité et la redondance spatio-temporelle, permet de concevoir des modèles d'apprentissage auto-supervisés qui conviennent à la fois aux tâches de compression et d'utilité. Enfin, rendre les modèles proposés légers et temps réel est également un enjeu majeur, notamment pour les PC dynamiques. Tous les cas d'utilisation, conçus dans PICNICS, seront évalués à l'aide d’ensembles de données de référence disponibles.

The INSTINCT project is going to enable globally sustainable, interactive, immersive, and intelligent ‘beyond communications’ 6G connectivity by developing three complementary but critical breakthrough technology pillars: ·sensing-assisted communication technologies, thus allowing localization, tracking, mapping, monitoring, imaging, incident detection and semantics become integral parts of connectivity services (Pillar 1), ·intelligent surfaces, holographic radios and cell free systems, which offer wavefront engineering functionalities and tuneability of the wireless environment and can act as reconfigurable and intelligent sensors (Pillar 2), and ·Machine Learning (ML) techniques-based co-design of Sensing and Communications INSTINCT proposes a revolutionary path to 6G and has the ambition to specify the relevant KPIs/KVIs, formulate suitable models, devise the theoretical framework, invent new technologies, evaluate via simulations and validate by means of 2 HW and 1 SW demonstrators, a networked intelligence concept able to meet the unprecedented 6G requirements. To realise this vision, INSTINCT consortium brings together all relevant stakeholders from across Europe, with an impressive record of interdisciplinary research excellence, technology innovation, standardisation and transfer, and implementation expertise.

La prochaine génération des réseaux mobiles devrait permettre le fonctionnement efficace des systèmes industriels IoT (IIoT), comprenant le contrôle sensible au temps des machines, la perception/décision distribuée des véhicules autonomes et la collaboration des robots, tout en étant sobre en énergie. L'objectif du projet est de fournir un cadre de communication orienté vers des objectifs permettant le contrôle conjoint du réseau sans fil et des applications IIoT. Les contributions scientifiques envisagées comprennent, côté du réseau, la prédiction de la QoS, l'intégration de la 5G et du TSN et la reconfiguration du réseau orientée vers des objectifs et, côté des applications IIoT, la perception collaborative et la planification distribuée des chemins et des tâches. Le cadre du projet CANCUN partira de l'objectif de l'application IIoT et d'une planification des tâches de haut niveau fournie par un contrôleur central, et en déduira une planification de la configuration/reconfiguration du réseau correspondante qui devrait répondre aux exigences de l'application avec une grande confiance. Une fois que les tâches sont lancées et que les robots/véhicules mobiles commencent à exécuter les tâches, le réseau sans fil se reconfigure et s'efforce d'atteindre en permanence l'objectif de l'application. Les leviers d'approvisionnement en capacité et en couverture seront l'allocation des ressources radio et l'intégration flexible des interfaces sans fil et des petites cellules mmWave, tandis que l'apprentissage par renforcement (et en particulier les bandits manchots) sera l'outil privilégié dans CANCUN pour apprendre la configuration optimale du réseau. L’approche axée sur les objectifs opère sur deux fronts. Premièrement, le contrôleur réseau, conscient de l'objectif de l'application, élabore une politique optimale de planification et d'allocation des ressources qui échantillonne sélectivement les sources dont les données sont censées avoir le plus grand impact sur l'objectif de l'application. Deuxièmement, une prédiction conjointe de la qualité de service et du trafic conduira, du côté des sources, à une adaptation continue du mode de fonctionnement et du trafic généré à l'état du réseau. Un tel paradigme axé sur les objectifs est préconisé par CANCUN comme un catalyseur essentiel de la durabilité des réseaux industriels 6G, car il permet de transmettre la quantité minimale de trafic nécessaire pour atteindre l'objectif de l'application, au lieu de respecter constamment une QoS cible (en termes de débit de données et latence), comme pour les URLLC dans les réseaux 5G. Les principaux objectifs de CANCUN sont les scénarios avec des véhicules autonomes à basse vitesse (ALSV), tels que les zones industrielles et les campus, où la sécurité doit être assurée malgré l'environnement difficile et l'absence de signalisation routière. Les solutions de CANCUN seront étudiées théoriquement et testées sur des bancs d'essai développés au CS et NTU. Les schémas sélectionnés seront testés avec des véhicules autonomes à basse vitesse coordonnés à l'aide des communications 5G sur la planification des trajets et l'évitement des collisions.

L’imagerie ultrasonore 3D ultrarapide est actuellement en plein développement dans les laboratoires de recherche. Cependant, son application clinique est limitée par une qualité d'image insuffisante. Ce projet vise à s’affranchir de cette limitation en proposant diverses méthodes de traitement du signal et de l'image pour l'imagerie ultrasonore 3D fonctionnelle appliquée au muscle cardiaque. Pendant une ischémie, la structure tissulaire subit divers changements tels que l’œdème et la re-perfusion, et la prise en charge des patients est en pleine évolution. Ainsi, l’obtention d’un marqueur tissulaire local liée à l’orientation du tissu cardiaque est capital pour améliorer la prise en charge des patients et évaluer le succès préalable du traitement. Cependant, une imagerie 3D en temps réel de haute qualité est nécessaire pour permettre aux praticiens de visualiser le cœur et d’effectuer des mesures locales. Ainsi, grâce à l’utilisation d’algorithmes d’apprentissage profond, un volume 3D haute résolution sera généré à partir d’un nombre limité de volume basse résolution. Ce processus d’apprentissage sera réalisé à la fois sur des données synthétiques et expérimentales. Une fois localisé, l’anisotropie du tissu sera mesurée en utilisant la cohérence des signaux ultrasonores. Cette approche consiste à calculer la matrice de covariance spatiale 3D. L’estimation de cette matrice est réalisée avec un support temporel limités par rapport à sa dimension en nombre d’éléments de la sonde et nécessite des techniques de traitement du signal spécifique pour la calculer efficacement, la comprendre intelligemment et proposer un estimateur dédié à l’anisotropie locale. De plus, la structure de la matrice de cohérence, calculée à partir de la matrice de covariance spatiale, sera explorée. L'intégration de l'évaluation de cette matrice de cohérence en tant que paramètre d'une distribution de variable matricielle sera étudiée pour s'adapter aux signaux biologiques et garantir une estimation robuste de l'anisotropie. Le projet abordera aussi l’estimation hors-plan de l’anisotropie ainsi que l’extension du champ de vue, essentiels pour les futures applications cliniques. Actuellement, la mesure est limitée aux plans parallèles à la sonde ce qui limite son utilisation. En imagerie cardiaque, un champ de vue plus larges est nécessaire, et la validité de la mesure de l’anisotropie avec ce type d’acquisition doit être vérifiée. Enfin, ces méthodologies seront validées à l’aide de différents modèles in vitro et d’un modèle animal d’ischémie avant leur évaluation sur des sujets sains. L’imagerie proposée sera comparée à l’imagerie par résonnance magnétique de diffusion, technique de l’état de l’art pour estimer l’anisotropie du muscle cardiaque, mais inenvisageable dans une routine clinique. En conclusion, ce projet vise à valider l’ensemble de la chaîne d’acquisition et de post-traitement pour développer un nouveau marqueur de l’anisotropie du muscle cardiaque en imagerie ultrasonore. Ce marqueur sera comparé à des techniques d’imagerie de référence pour évaluer son potentiel pour de futures applications cliniques chez l’homme.

Les problèmes inverses bilinéaires (BIPs) sont omniprésents dans l’ingénierie et les sciences appliquées, car ils sont naturellement adaptés pour modéliser des systèmes linéaires inconnus. Néanmoins, les BIPs présentent de nombreux défis statistiques et algorithmiques. Ils exigent des hypothèses structurelles strictes sur chaque variable pour être identifiable, telles que la parcimonie ou une structure de rang faible. Par ailleurs, ils ne sont résolubles qu’à une classe d’ambiguïté près. Les garanties théoriques pour les BIPs sont démontrées aujourd’hui au cas par cas, et les approches algorithmiques reposent sur la discrétisation des variables d’entrée, conduisant à des solutions sous-optimales et à la reconstruction d’artefacts parasites. De plus, la stabilité du bruit reste largement inexplorée. Comme les systèmes de mesures sont généralement supposés être invariants par translation, le problème de super-résolution aveugle présente un intérêt particulier en imagerie et télécommunication. Il s’agit d’un BIP continu dont l’une des entrées prend la forme d’une mesure creuse sur l’espace de Radon, et où la fonction bilinéaire à inverser est convolutive. Le projet aborde l’identifiabilité et la stabilité du problème de déconvolution aveugle selon différentes méthodes d’échantillonnage, telles que l’échantillonnage direct, l’échantillonnage dans le domaine de Fourier, ou encore dans le domaine temps-fréquence. Plus précisément, une théorie complète de la limite de Rayleigh sera étudiée sous ces hypothèses de bilinéarités. De plus, des algorithmes efficaces capables de résoudre les BIPs sans recourir à la discrétisation seront étudiés. Le projet BITS2 se concentre sur deux applications principales : 1) La réalisation de systèmes d’imagerie et de détection auto-étalonnés, permettant à un expérimentateur d’éviter la tâche fastidieuse de calibrer les dispositifs de mesure en exploitant la diversité des observations multi-canaux. 2) La conception de protocoles de sécurité couche physique basés sur les BIPs pour protéger à la fois les messages et les paramètres physiques d’un émetteur sur un canal de communication sans, tels que sa position physique. Enfin, les analyses mathématiques et les outils développés dans le projet BITS2 sont destinés à favoriser l’interaction entre un large éventail de domaines, notamment l’analyse harmonique, le traitement du signal et les télécommunications. Le projet inclut également l’organisation d’un séminaire thématique dans le domaine du “traitement des signaux structurés pour la sécurité des données”.