Thèse soutenue

Imagerie et diagnostic de micro-structures sous-longueur d’onde, d’approches semi-analytiques à l’apprentissage profond

FR  |  
EN
Auteur / Autrice : Peipei Ran
Direction : Dominique Lesselier
Type : Thèse de doctorat
Discipline(s) : Traitement du signal et des images
Date : Soutenance le 15/12/2020
Etablissement(s) : université Paris-Saclay
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
Partenaire(s) de recherche : Laboratoire : Laboratoire des signaux et systèmes (Gif-sur-Yvette, Essonne ; 1974-....) - Laboratoire Génie électrique et électronique de Paris (Gif-sur-Yvette, Essonne ; 1998-....)
référent : Faculté des sciences d'Orsay
Jury : Président / Présidente : Thomas Rodet
Examinateurs / Examinatrices : Oliver Dorn, Rémi Douvenot, Peter Maass, Joe LoVetri, Sandor Bilicz, Sébastien Lambot
Rapporteurs / Rapporteuses : Oliver Dorn, Rémi Douvenot

Résumé

FR  |  
EN

Le test électromagnétique d’un ensemble fini en forme de grille de tiges diélectriques cylindriques circulaires infiniment longues dont certaines manquent est investigué à partir de données fréquence simple et multiple et en régime temporel. Les distances sous-longueur d’onde entre tiges adjacentes et des diamètres de tige de sous-longueur d’onde sont considérées sur toute la bande de fréquences d’opération et cela conduit à un défi majeur en raison du besoin de super-résolution dans la microstructure, bien au-delà du critère de Rayleigh. Tout un ensemble de méthodes de résolution est étudié et des simulations numériques systématiques illustrent avantages et inconvénients, complétées par le traitement de données expérimentales en laboratoire acquises sur un prototype de micro-structure en chambre anéchoïque micro-onde. Ces méthodes, qui diffèrent selon les informations a priori prises en compte et la polyvalence qui en résulte, comprennent retournement temporel, inversions de source de contraste, binaires ou parcimonieuses, ainsi que réseaux de neurones convolutifs éventuellement combinés avec des réseaux récurrents.