Intégration de Réseaux de Neurones pour la Télémétrie Laser

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.

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.

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