Stage - Ingénieur en Traitement Statistique du Signal H/F Exail
- Saint-Germain-en-Laye - 78
- Stage
- 6 mois
- Bac +5
- Industrie Auto • Meca • Navale
- Industrie Aéronautique • Aérospatial
À noter sur ce job
Vous avez ces compétences ? Cliquez dessus pour les ajouter rapidement à votre profil !
Les missions du poste
Estimation du pilonnement par apprentissage profond guidé par la physique à partir de mesures inertielles
Le pilonnement désigne le mouvement de translation verticale d'un système maritime par rapport au géoïde. Son estimation précise est essentielle pour de nombreuses opérations en mer, notamment pour la stabilisation de plateformes lors de transferts de personnes ou de marchandises, ainsi que pour le post-traitement de données bathymétriques ou d'imagerie sonar.
Une centrale inertielle, associée à la connaissance de la pesanteur locale, permet d'estimer l'accélération verticale du système dans le repère géographique, puis le pilonnement par double intégration. Cette double intégration est toutefois instable : les moindres erreurs de mesure s'accumulent et font diverger l'estimation. Pour y remédier, les approches classiques appliquent un filtre passe-haut qui isole les composantes dynamiques du pilonnement. Ce filtre est cependant réglé de manière empirique, en fonction de l'état de mer, et nécessite un temps de convergence avant de fournir une estimation précise.
Le pilonnement peut pourtant être décomposé en trois contributions, dont l'articulation offre une structure physique pertinente à exploiter : (1) l'élévation de la surface libre, principalement induite par la houle, modélisée sous hypothèse de stationnarité comme un processus stochastique caractérisé par sa densité spectrale de puissance (spectres de Pierson-Moskowitz et JONSWAP [1]) ; (2) la réponse dynamique du porteur à cette excitation, décrite par son opérateur de réponse en amplitude (Response Amplitude Operator, RAO), dont la connaissance est généralement incomplète ; (3) le mouvement de navigation du porteur, observable via les mesures inertielles, elles-mêmes entachées des erreurs des capteurs.
L'objectif du stage est de développer une méthode d'estimation du pilonnement à partir des seules mesures inertielles, en exploitant les connaissances physiques disponibles, sans pour autant reposer sur un modèle explicite de la houle ni de la dynamique du porteur. La piste privilégiée est celle des approches hybrides, combinant modèles physiques et apprentissage profond. En particulier, les architectures KalmanNet [2, 3], qui associent le filtrage de Kalman à des réseaux de neurones récurrents, permettent de préserver la structure physique du modèle d'état dans le processus d'estimation, tout en exploitant les capacités d'apprentissage du réseau pour estimer les composantes inconnues à partir des données.
Bibliographie.
[1] Hasselmann, K. et al, Measurements of Wind-Wave Growth and Swell Decay during the Joint North Sea Wave Project (JONSWAP), Ergänzungsheft zur Deut. Hydrogr. Z., Reihe A (8°), 12, (1973), 1-95.
[2] H. Mortada, C. Falcon, Y. Kahil, M. Clavaud, et J.-P. Michel, Deep Learning-Augmented Kalman filter for State Estimation and Consistent Uncertainty Quantification. Dans 2025 33rd European Signal Processing Conference (EUSIPCO), IEEE, (2025), 885-889.
[3] C. Falcon, H. Mortada, M. Clavaud, et J.-P. Michel, Recursive KalmanNet : Analyse des capacités de généralisation d'un réseau de neurones récurrent guidé par un filtre de Kalman. Dans 30e Colloque sur le traitement du signal et des images, GRETSI, (2025), 425-428.
Missions.
- Réaliser un état de l'art des méthodes existantes d'estimation du pilonnement.
- Concevoir et développer des estimateurs du pilonnement intégrant les connaissances physiques disponibles.
- Entraîner et évaluer les méthodes développées sur des données simulées et expérimentales (INS, GNSS RTK).
- Évaluer les performances des estimateurs développés et les comparer aux méthodes de référence.
- Présenter régulièrement l'avancement des travaux et rédiger des rapports intermédiaires.
- Rédiger un rapport scientifique final respectant les standards académiques
Le profil recherché
- Étudiant·e en dernière année d'école d'ingénieurs généraliste ou en Master 2 de mathématiques.
- Motivation pour poursuivre le projet en thèse CIFRE à l'automne 2027.
- Solides connaissances en traitement statistique du signal et en séries temporelles.
- Connaissances en apprentissage profond (RNN, PINN).
- Expérience en développement avec Python et PyTorch.
Les avantages
- Télétravail
- Restaurant d'entreprise ou carte ticket restaurant
- Événements d’entreprise
- Prime d'intéressement
- Opportunités de mobilité interne
- Prime de cooptation
Les étapes de recrutement
Les étapes de recrutement peuvent varier selon l'offre à laquelle vous postulez.
-
Entretien téléphonique avec le/la Chargé.e de recrutement
-
Entretien sur site avec les opérationnels
-
Entretien complémentaire (optionnel)
-
Réponse finale
-
Exail en images
La carte
34 Rue de la Croix de Fer
78100 Saint-Germain-en-Laye
Publiée le 18/11/2026 - Réf : EMOXM545