http://univ-bejaia.dz/dspace/123456789/355 Fri, 22 May 2026 22:05:49 GMT 2026-05-22T22:05:49Z http://univ-bejaia.dz/dspace/123456789/27354 Biological, signals processing using artificial intelligence Merbouti, Mohammed abdenacer; Cherifi, Dailila ; promotrice The acquisition procedures for reading biological signals determine the type of the signal obtained and with the advance of acquisition techniques, biological signals have an almost unlimited variety of types some of which are rarely addressed. This thesis establishes a foundational framework for categorizing biological signals by origin, dynamics, and physical form, with a focused review of ECG applications. It highlights the dominance of heuristic, machine learning, and neural network approaches in pathology detection and biometric authentication while identifying understudied areas such as ECG-based imaging and emotion recognition. Building on this, a robust seven-step peak analyzer-based machine learning method is proposed for detecting the ECG characteristic peaks (P, Q, R, S, and T peak) with the rarely studied Wolff-Parkinson-White (WPW) pattern via Delta wave localization, comparing the performance of neural networks, k-nearest neighbors (KNN), and Naïve Bayes algorithms on the MITDB Arrhythmia database. The approach achieves high precision (99.25% accuracy with neural networks) and addresses limitations of the method’s dependency on the R peak detection leading to the proposal of an improved novel reinforcement learning-driven peak analyzer paired with an LSTM classifier to automate a real-time independent delineation of the fiducial points (onset, peak, and end) of the ECG characteristic waves, reducing input samples by 95.93% while maintaining low time error, short running time (40.11 ms per beat), and strong classification performance (96.07% sensitivity for peaks) on the QTDB and a custom CWD dataset. Les procédures d’acquisition des signaux biologiques déterminent le type de signal obtenu. Avec l’avancée des techniques d’acquisition, les signaux biologiques présentent une variété quasi illimitée, dont certains types sont rarement étudiés. Cette thèse établit un cadre fondamental pour catégoriser les signaux biologiques par origine, dynamique et forme physique, avec un examen ciblé des applications de l’électrocardiogramme (ECG). Elle met en lumière la dominance des approches heuristiques, d’apprentissage automatique et des réseaux de neurones dans la détection de pathologies et l’authentification biométrique, tout en identifiant des domaines sous-étudiés tels que l’imagerie basée sur l’ECG et la reconnaissance des émotions. Sur cette base, une méthode robuste en sept étapes, basée sur un analyseur de pics et l’apprentissage automatique, est proposée pour détecter les pics caractéristiques de l’ECG (P, Q, R, S, T), notamment le motif de Wolff-Parkinson-White (WPW) via la localisation de l’onde Delta, en comparant les performances des réseaux de neurones, des k-plus proches voisins (KNN) et de l’algorithme Naïve Bayes sur la base de données MITDB d’arythmie. L’approche atteint une haute précision (99,25 % de précision avec les réseaux de neurones) et aborde les limites de la dépendance de la méthode à la détection du pic R, conduisant à la proposition d’un nouvel analyseur de pics amélioré, piloté par apprentissage par renforcement et couplé à un classifieur LSTM pour automatiser la délimitation en temps réel des points fiduciaires (début, pic, fin) des ondes caractéristiques de l’ECG, réduisant les échantillons d’entrée de 95,93 % tout en maintenant une faible erreur temporelle, un temps d’exécution court (40,11 ms par battement) et une performance de classification élevée (96,07 % de sensibilité pour les pics) sur la base QTDB et un jeu de données personnalisé CWD. Specialty: Telecommunications Systems Wed, 01 Jan 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27354 2025-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27353 Contribution to the optimization of radio resources sharing in lte5g networks Ouazziz, ,Yacine; Azni, Mohamed ; promoteur; Tounsi, Mohamed ; co-promoteur The fifth generation (5G) of wireless networks supports multi-numerology operation, enabling different subcarrier spacings (SCS) to coexist for diverse services like eMBB, URLLC, and mMTC. However, this flexibility breaks OFDM orthogonality, causing inter-numerology interference (INI) that degrades performance—especially without guard bands or under high-order modulations. This thesis examines INI in downlink dual-numerology OFDM systems and proposes a two-stage mitigation method: (1) time-domain resampling to align OFDM symbols, and (2) a high-order FIR high-pass filter to suppress out-of-band (OOB) emissions from the higher-SCS numerology. The approach is implemented in MATLAB using a 3GPP-compliant framework. Performance is evaluated from QPSK to 256-QAM using BER, EVM, SINR, and SE. Results show time alignment suffices for lower-order modulations, while FIR filtering is crucial at higher orders. Operating without guard bands improves spectral efficiency, with minor distortion to the filtered signal. Overall, the proposed method achieves effective INI mitigation without complex cancellation or channel knowledge, offering a practical solution for real-time 5G applications. La cinquième génération (5G) des réseaux sans fil prend en charge le fonctionnement multi-numérologie, permettant la coexistence de différents espacements de sous-porteuses (SCS) pour répondre à divers services comme l’eMBB, l’URLLC et le mMTC. Cependant, cette flexibilité compromet l’orthogonalité de l’OFDM, entraînant des interférences inter-numérologies (INI) qui dégradent les performances, notamment sans bandes de garde ou avec des modulations d’ordre élevé. Cette thèse étudie l’INI dans les systèmes OFDM à double numérologie en liaison descendante et propose une méthode de réduction en deux étapes : (1) un rééchantillonnage temporel pour aligner les symboles OFDM, et (2) un filtre passe-haut FIR d’ordre élevé pour atténuer les émissions hors bande (OOB) de la numérologie à SCS plus élevé. La méthodologie est implémentée sous MATLAB selon une simulation conforme au 3GPP. Les performances sont évaluées de la QPSK à la 256-QAM à l’aide des indicateurs BER, EVM, SINR et efficacité spectrale. Les résultats montrent que l’alignement temporel suffit pour les modulations faibles, tandis que le filtrage FIR est crucial pour préserver l’exactitude à haut ordre. L’absence de bandes de garde améliore l’efficacité spectrale, au prix d’une légère distorsion sur la numérologie filtrée. Dans l’ensemble, la méthode proposée permet une atténuation efficace de l’INI sans annulation itérative ni connaissance du canal, offrant une solution pratique pour les applications 5G en temps réel. Option: Networks and Telecommunications Thu, 01 Jan 2026 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27353 2026-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/27349 Commande intelligente d’un véhicule électrique Djouadi, Hafidh; Lehouche, Hocine ; promoteur; Ouari, Kamel ; co-promoteur Face à la crise énergétique et aux défis environnementaux, le développement de véhicules électriques et hybrides est une priorité pour réduire la dépendance aux énergies fossiles et limiter les émissions polluantes. Cette thèse propose des stratégies de contrôle innovantes pour optimiser les systèmes de propulsion électrique, en se concentrant sur la commande de vitesse des moteurs synchrones à aimants permanents (MSAP). Trois méthodes principales ont été développées : la commande prédictive robuste, la commande prédictive à mode glissant d’ordre 2, et la commande prédictive-backstepping. Ces approches améliorent la robustesse, la précision et l’efficacité énergétique, sans recourir à un estimateur de couple de charge. Les résultats, validés par des simulations et un cycle de conduite réel, démontrent des performances supérieures, contribuant ainsi à l’avancement des technologies de mobilité durable. Faced with the energy crisis and environmental challenges, the development of electric and hybrid vehicles is a priority to reduce dependence on fossil fuels and limit polluting emissions. This thesis proposes innovative control strategies to optimize electric propulsion systems, focusing on speed control of permanent magnet synchronous motors (PMSM). Three main methods were developed: robust predictive control, second order sliding mode predictive control, and predictive-backstepping control. These approaches enhance robustness, precision, and energy efficiency without requiring a load torque estimator. The results, validated through simulations and a real driving cycle, demonstrate superior performance, contributing to the advancement of sustainable mobility technologies Spécialité : Automatique et systèmes Wed, 01 Jan 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/27349 2025-01-01T00:00:00Z http://univ-bejaia.dz/dspace/123456789/25899 Contribution A La Conception Des Systèmes Flous De Type TSK En Utilisant Les Algorithmes Evolutionnaires Application A La Modélisation Et La Commande Des Systèmes Non-Linéaires Brikh, Lamine; Guenounou, Ouahib ; promoteur; Lehouche, Hocine ; co-promoteur Cette thèse se concentre sur la conception et l’optimisation des systèmes flous de type TSK (Takagi Sugeno-Kang), en mettant l'accent sur la modélisation et le contrôle des systèmes non linéaires à l’aide de techniques d’apprentissage automatique et d’algorithmes évolutionnaires. Deux contributions principales y sont présentées. La première consiste en une version améliorée de l’algorithme Particle Swarm Optimization (PSO), spécialement adaptée pour un apprentissage plus efficace des paramètres des systèmes flous. La seconde propose une hybridation novatrice entre deux algorithmes distincts, visant à réduire et à optimiser la structure des systèmes flous. Les résultats expérimentaux et théoriques, présentés en conclusion, démontrent que l’intégration des algorithmes évolutionnaires dans la conception des systèmes flous TSK constitue une solution alternative prometteuse pour la gestion des systèmes non linéaires, qu’il s’agisse de cas théoriques ou d’applications en temps réel. This thesis focuses on the design and optimization of Takagi-Sugeno-Kang (TSK) fuzzy systems, with an emphasis on the modelling and control of non-linear systems using machine learning techniques and evolutionary algorithms. Two main contributions are presented. The first is an improved version of the Particle Swarm Optimization (PSO) algorithm, specially adapted for more efficient learning of fuzzy system parameters. The second proposes an innovative hybridization between two distinct algorithms, aimed at reducing and optimizing the structure of fuzzy systems. The experimental and theoretical results presented in the conclusion show that the integration of evolutionary algorithms in the design of TSK fuzzy systems is a promising alternative solution for the management of non-linear systems, both in theoretical cases and in real-time applications. Spécialité : Automatique et systèmes Wed, 01 Jan 2025 00:00:00 GMT http://univ-bejaia.dz/dspace/123456789/25899 2025-01-01T00:00:00Z