N° d'ordre

Laurent Gatet

Description

Niveau: Supérieur, Doctorat, Bac+8
N° d'ordre : 2514 2007 DOCTORAT de l' UNIVERSITE DE TOULOUSE délivré par l' INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE Ecole Doctorale : Génie Electrique, Electronique, Télécommunications Spécialité : Conception des Circuits Microélectroniques et Microsystèmes par M. Laurent GATET Soutenue le 27 Septembre 2007 devant le jury composé de : M. Pascal FOUILLAT Président M. Gérard DREYFUS Rapporteur Mme Fan YANG SONG Rapporteur M. Marc LESCURE Examinateur M. Daniel ROVIRAS Examinateur M. Luc LAPIERRE Examinateur Mme Hélène TAP-BETEILLE Directrice de thèse Thèse préparée au Laboratoire d'Optoélectronique pour les Systèmes Embarqués INP – ENSEEIHT Intégration de Réseaux de Neurones pour la Télémétrie Laser

• réseau de neurones


• signaux de sorties du télémètre et du réseau de neurones


• circuits analogiques


• mots clés - résumé


• phases d'entraînement et de validation expérimentales


• déphasage


• télémétrie laser

Sujets

• Montels
• Dreyfus
• Joseph
• Danielle
• Lescure

Informations

• Publié par: profil-feym-2012
• Nombre de lectures: 92
• Langue: Français
• Poids de l'ouvrage: 4 Mo

Extrait

N° d'ordre : 2514 2007

DOCTORAT

de l' UNIVERSITE DE TOULOUSE

délivré par

l' INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE


Ecole Doctorale : Génie Electrique, Electronique, Télécommunications

Spécialité : Conception des Circuits Microélectroniques et Microsystèmes

par

M. Laurent GATET




Intégration de


Réseaux de Neurones



pour la Télémétrie Laser





Soutenue le 27 Septembre 2007 devant le jury composé de :

M. Pascal FOUILLAT Président Gérard DREYFUS Rapporteur
meM Fan YANG SONG
M. Marc LESCURE Examinateur Daniel ROVIRAS
M. Luc LAPIERRE
meM Hélène TAP-BETEILLE Directrice de thèse

Thèse préparée au Laboratoire d'Optoélectronique pour les Systèmes Embarqués
INP – ENSEEIHT

Remerciements
Remerciements

meJe souhaite d'abord remercier du fond du cœur M Hélène TAP-BETEILLE pour son
encadrement, ses conseils et son soutien sans faille durant cette thèse. Ses nombreuses
qualités, telles que sa motivation inaltérable et sa grande facilité de communication, m'ont
permis de mettre en valeur jour après jour l'ensemble des travaux effectués.
Je tiens aussi à exprimer ma profonde gratitude à M. Marc LESCURE pour les conseils
qu'il m'a prodigués au cours de ces trois années. La pertinence de ses critiques et ses
nombreuses connaissances dans les domaines de l'optoélectronique et de la conception de
circuits analogiques m'ont permis d'explorer de nombreuses voies et d'étoffer
considérablement mes travaux de recherche.
Je souhaite remercier M. Daniel ROVIRAS pour l'expérience qu'il a su me transmettre tout
au long de cette thèse dans les domaines liés à l'utilisation et au paramétrage des réseaux de
neurones.
Je tiens à témoigner toute ma reconnaissance à M. Pascal FOUILLAT, président du jury de
mesoutenance, à M. Gérard DREYFUS et M Fan YANG SONG, rapporteurs de ce manuscrit,
et enfin à M. Luc LAPIERRE pour avoir accepté de faire partie de mon jury de thèse.
Je souhaite aussi remercier M. Francis BONY pour les compétences qu'il a mises en œuvre
lors de la conception du réseau de neurones numérique et pour la bonne humeur qu'il affiche
jour après jour au sein du laboratoire LOSE.
Un très grand merci à M. Francis JAYAT pour l'aide qu'il m'a apportée lors de la
réalisation des circuits imprimés de test des différents réseaux de neurones intégrés, et à M.
Clément TRONCHE pour l'ensemble du matériel qu'il a mis à ma disposition au moment des
tests de caractérisation des réseaux.
Je tiens à exprimer ma profonde gratitude à M. Thierry BOSCH, directeur du laboratoire
LOSE, pour tous les conseils qu'il a su me prodiguer au cours de ces trois années. Les
diverses connaissances acquises me seront particulièrement bénéfiques pour l'ensemble de
mes travaux à venir.
meJe souhaite aussi témoigner toute ma reconnaissance à M. Pascal TANNOU, M Danielle
me meANDREU, à M Nicole CAUSERO et M Catherine MONTELS pour le soutien permanent
qu'ils m'ont apporté tout au long de ces trois années.
Je remercie aussi M. Michel CATTOEN, M. Han CHENG, M. Julien PERCHOUX, M.
elleOlivier BERNAL, M. Denis STANDAROWSKI, M. Pierre LAQUERRE, M Caroline BES,
Remerciements
mel'ensemble des doctorants (M. Joseph EL ASSAD, M. Saroj PULLTEAP, M Maha
SULLEMAN, M. Usman ZABIT, M. Emmanuel MOUTAYE, …), et autres personnels du
laboratoire pour le sérieux et la bonne humeur qu'ils amènent ou ont amené au jour le jour.
Je souhaite enfin témoigner toute ma gratitude à l'ensemble des personnes qui m'ont
soutenu tout au long de cette thèse. Une grande partie de la qualité des résultats obtenus leur
incombe.

Mots Clés - Résumé
Mots Clés

- Réseaux de neurones
- Technologie CMOS basse tension
- Classification de surfaces
- Mesure de distance
- Circuits intégrés analogiques (ASIC)
- Télémétrie laser

Résumé

Grandes lignes : Un réseau de neurones est une architecture paramétrable composée de
plusieurs modules appelés neurones. Ils peuvent être utilisés pour compenser des variations
non souhaitées de certains phénomènes physiques ou pour effectuer des tâches de
discrimination.
Un réseau de neurones a été intégré en technologie CMOS basse tension pour être implanté
au sein d'un télémètre laser par déphasage. Deux études ont été menées en parallèle. La
première consiste à lever l'indétermination sur la mesure de distance déduite de la mesure de
déphasage. La seconde étude permet la classification de différents types de surfaces à partir de
deux signaux issus du télémètre.

Résumé détaillé : Un réseau de neurones a la faculté de pouvoir être entraîné afin
d'accomplir une tâche d'approximation de fonction ou de classification à partir d’un nombre
limité de données sur un intervalle bien défini. L’objectif de cette thèse est de montrer
l’intérêt d’adapter les réseaux de neurones à un type de système optoélectronique de mesure
de distance, la télémétrie laser par déphasage.
La première partie de ce manuscrit développe de manière succincte leurs diverses
propriétés et aptitudes, en particulier leur reconfigurabilité par l'intermédiaire de leurs
paramètres et leur capacité à être intégré directement au sein de l'application. La technique de
mesure par télémétrie laser par déphasage est développée dans le deuxième chapitre et
comparée à d’autres techniques télémétriques.
- A - Mots Clés - Résumé
Le troisième chapitre montre qu'un réseau de neurones permet d'améliorer nettement le
fonctionnement du télémètre. Une première étude met en valeur sa capacité à accroître la
plage de mesure de distance sans modifier la résolution. Elle est réalisée à partir de mesures
expérimentales afin de prouver le réel intérêt de la méthode comportementale développée. La
deuxième étude ouvre une nouvelle perspective relative à l’utilisation d’un télémètre laser par
déphasage, celle d’effectuer la classification de différents types de surfaces sur des plages de
distances et d’angles d’incidence variables.
Pour valider expérimentalement ces deux études, les cellules de base du neurone de type
perceptron multi-couches ont été simulées puis implantées de manière analogique. Les phases
de simulation, de conception et de test du neurone analogique sont détaillées dans le
quatrième chapitre. Un démonstrateur du réseau de neurones global a été réalisé à partir de
neurones élémentaires intégrés mis en parallèle. Une étude de la conception des mêmes
cellules en numérique est détaillée succinctement dans le cinquième chapitre afin de justifier
les avantages associés à chaque type d’intégration.
Le dernier chapitre présente les phases d’entraînement et de validation expérimentales du
réseau intégré pour les deux applications souhaitées. Ces phases de calibrage sont effectuées
extérieurement à l’ASIC, par l’intermédiaire de l’équation de transfert déterminée après
caractérisation expérimentale et qualification du réseau de neurones global. Les résultats
expérimentaux issus de la première étude montrent qu’il est possible d'obtenir à partir des
signaux de sorties du télémètre et du réseau de neurones, une mesure de distance de précision
(50µm) sur un intervalle de mesure 3 fois plus important que celui limité à la mesure du
déphasage. Concernant l'application de discrimination de surfaces, le réseau de neurones
analogique implanté est capable de classer quatre types de cibles sur l'intervalle
[0.5m ; 1.25m] pour un angle d'incidence pouvant varier de -π/6 à π/6.

- B - Keywords - Abstract
Keywords

- Neural networks
- Low-voltage CMOS technolog