<?xml version="1.0" encoding="utf-8"?>
<TEI xmlns="http://www.tei-c.org/ns/1.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:hal="http://hal.archives-ouvertes.fr/" xmlns:gml="http://www.opengis.net/gml/3.3/" xmlns:gmlce="http://www.opengis.net/gml/3.3/ce" version="1.1" xsi:schemaLocation="http://www.tei-c.org/ns/1.0 http://api.archives-ouvertes.fr/documents/aofr-sword.xsd">
  <teiHeader>
    <fileDesc>
      <titleStmt>
        <title>HAL TEI export of tel-04861221</title>
      </titleStmt>
      <publicationStmt>
        <distributor>CCSD</distributor>
        <availability status="restricted">
          <licence target="https://creativecommons.org/publicdomain/zero/1.0/">CC0 1.0 - Universal</licence>
        </availability>
        <date when="2026-05-24T04:04:18+02:00"/>
      </publicationStmt>
      <sourceDesc>
        <p part="N">HAL API Platform</p>
      </sourceDesc>
    </fileDesc>
  </teiHeader>
  <text>
    <body>
      <listBibl>
        <biblFull>
          <titleStmt>
            <title xml:lang="en">Fault-tolerant multi-sensor fusion methods : collaborative localization and characterization of a multi-robot system</title>
            <title xml:lang="fr">Méthodes de fusion multi-capteurs tolérantes aux défauts : localisation et caractérisation collaboratives d'un système multi-robots</title>
            <author role="aut">
              <persName>
                <forename type="first">Nawal</forename>
                <surname>Alsaleh</surname>
              </persName>
              <idno type="idhal" notation="numeric">1483375</idno>
              <idno type="halauthorid" notation="string">2390120-1483375</idno>
              <idno type="IDREF">https://www.idref.fr/280813864</idno>
              <affiliation ref="#struct-410272"/>
              <affiliation ref="#struct-1066983"/>
              <affiliation ref="#struct-1067382"/>
            </author>
            <editor role="depositor">
              <persName>
                <forename>ABES</forename>
                <surname>STAR</surname>
              </persName>
              <email type="md5">f5aa7f563b02bb6adbba7496989af39a</email>
              <email type="domain">abes.fr</email>
            </editor>
          </titleStmt>
          <editionStmt>
            <edition n="v1" type="current">
              <date type="whenSubmitted">2025-01-02 01:28:43</date>
              <date type="whenModified">2026-04-10 15:43:36</date>
              <date type="whenReleased">2025-01-02 01:28:44</date>
              <date type="whenProduced">2024-04-12</date>
              <date type="whenEndEmbargoed">2025-01-02</date>
              <ref type="file" target="https://theses.hal.science/tel-04861221v1/document">
                <date notBefore="2025-01-02"/>
              </ref>
              <ref type="file" subtype="author" n="1" target="https://theses.hal.science/tel-04861221v1/file/These_ALSALEH_Nawal.pdf" id="file-4861221-4227996">
                <date notBefore="2025-01-02"/>
              </ref>
            </edition>
            <respStmt>
              <resp>contributor</resp>
              <name key="131274">
                <persName>
                  <forename>ABES</forename>
                  <surname>STAR</surname>
                </persName>
                <email type="md5">f5aa7f563b02bb6adbba7496989af39a</email>
                <email type="domain">abes.fr</email>
              </name>
            </respStmt>
          </editionStmt>
          <publicationStmt>
            <distributor>CCSD</distributor>
            <idno type="halId">tel-04861221</idno>
            <idno type="halUri">https://theses.hal.science/tel-04861221</idno>
            <idno type="halBibtex">alsaleh:tel-04861221</idno>
            <idno type="halRefHtml">Machine Learning [cs.LG]. Université de Lille, 2024. English. &lt;a target="_blank" href="https://www.theses.fr/2024ULILB005"&gt;&amp;#x27E8;NNT : 2024ULILB005&amp;#x27E9;&lt;/a&gt;</idno>
            <idno type="halRef">Machine Learning [cs.LG]. Université de Lille, 2024. English. &amp;#x27E8;NNT : 2024ULILB005&amp;#x27E9;</idno>
            <availability status="restricted">
              <licence target="https://about.hal.science/hal-authorisation-v1/">HAL Authorization<ref corresp="#file-4861221-4227996"/></licence>
            </availability>
          </publicationStmt>
          <seriesStmt>
            <idno type="stamp" n="CNRS">CNRS - Centre national de la recherche scientifique</idno>
            <idno type="stamp" n="UNIV-VALENCIENNES">Université de Valenciennes et du Hainaut-Cambresis</idno>
            <idno type="stamp" n="IEMN">Institut d'électronique, de microélectronique et de nanotechnologie</idno>
            <idno type="stamp" n="STAR">STAR - Dépôt national des thèses électroniques</idno>
            <idno type="stamp" n="CRISTAL">Centre de Recherche en Informatique, Signal et Automatique de Lille (CRISTAL)</idno>
            <idno type="stamp" n="UNIV-LILLE">Université de Lille</idno>
            <idno type="stamp" n="THESES-UPHF" corresp="UNIV-VALENCIENNES">Thèses de doctorat de l'Université Polytechnique Hauts-de-France</idno>
            <idno type="stamp" n="UNIV-CATHOLILLE">Université catholique de Lille</idno>
          </seriesStmt>
          <notesStmt/>
          <sourceDesc>
            <biblStruct>
              <analytic>
                <title xml:lang="en">Fault-tolerant multi-sensor fusion methods : collaborative localization and characterization of a multi-robot system</title>
                <title xml:lang="fr">Méthodes de fusion multi-capteurs tolérantes aux défauts : localisation et caractérisation collaboratives d'un système multi-robots</title>
                <author role="aut">
                  <persName>
                    <forename type="first">Nawal</forename>
                    <surname>Alsaleh</surname>
                  </persName>
                  <idno type="idhal" notation="numeric">1483375</idno>
                  <idno type="halauthorid" notation="string">2390120-1483375</idno>
                  <idno type="IDREF">https://www.idref.fr/280813864</idno>
                  <affiliation ref="#struct-410272"/>
                  <affiliation ref="#struct-1066983"/>
                  <affiliation ref="#struct-1067382"/>
                </author>
              </analytic>
              <monogr>
                <idno type="nnt">2024ULILB005</idno>
                <imprint>
                  <date type="dateDefended">2024-04-12</date>
                </imprint>
                <authority type="institution">Université de Lille</authority>
                <authority type="school">École graduée Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....)</authority>
                <authority type="supervisor">Denis Pomorski</authority>
                <authority type="supervisor">Kamel Haddadi</authority>
                <authority type="jury">Virginie Dégardin [Président]</authority>
                <authority type="jury">Tân-Phu Vuong [Rapporteur]</authority>
                <authority type="jury">Bernard Kamsu-Foguem [Rapporteur]</authority>
                <authority type="jury">Serge Reboul</authority>
              </monogr>
            </biblStruct>
          </sourceDesc>
          <profileDesc>
            <langUsage>
              <language ident="en">English</language>
            </langUsage>
            <textClass>
              <keywords scheme="author">
                <term xml:lang="en">Machine learning</term>
                <term xml:lang="en">Deep learning</term>
                <term xml:lang="en">Materials characterization</term>
                <term xml:lang="en">Microwave</term>
                <term xml:lang="en">Localization</term>
                <term xml:lang="en">Mobile robot</term>
                <term xml:lang="fr">Contrôle et évaluation non destructive par micro-ondes</term>
                <term xml:lang="fr">Apprentissage profond</term>
                <term xml:lang="fr">Apprentissage automatique</term>
                <term xml:lang="fr">Caractérisation de matériaux</term>
                <term xml:lang="fr">Microondes</term>
                <term xml:lang="fr">Localisation</term>
                <term xml:lang="fr">Robot mobile</term>
              </keywords>
              <classCode scheme="halDomain" n="info.info-lg">Computer Science [cs]/Machine Learning [cs.LG]</classCode>
              <classCode scheme="halTypology" n="THESE">Theses</classCode>
              <classCode scheme="halOldTypology" n="THESE">Theses</classCode>
              <classCode scheme="halTreeTypology" n="THESE">Theses</classCode>
            </textClass>
            <abstract xml:lang="en">
              <p>This thesis aims to develop methodologies dedicated to improve the functionality of mobile robots to accomplish a mission, in particular the microwave electromagnetic characterization of materials in their environment. The success of this mission depends on precise navigation and accurate perception of the environment by the robots, a challenge that is often affected by sensor failures and uncertainties. In this regard, the thesis primarily focuses on two fundamental points. In the first, we develop a robust localization method to ensure precise and fault-tolerant autonomous navigation for mobile robots. This method relies on an informational statistical approach, incorporating an adaptive threshold that facilitates fast and accurate detection of sensor faults. The effectiveness of this method is validated through a comparative study against existing approaches from the literature.The second point is to develop nondestructive testing and evaluation techniques using microwaves (microwave Non Destructive Testing &amp; Evaluation MNDT&amp;E) for material characterization. Initially, we consider conventional MNDT&amp;E techniques, coupled with an analytical modeling. Recognizing the limitations of analytical modeling, we present three novel « intelligent » MNDT&amp;E techniques that integrate machine learning (ML) and deep learning (DL) models. These techniques are based on two microwave approaches: free-space propagation for non-contact characterization using a monostatic radar and guided propagation for contact characterization using an open-ended rectangular waveguide (OERW). The sensors developed integrate the constraints of compactness and low cost, compatible with a non-laboratory context. In a first phase, the proposed techniques are employed to measure the reflection coefficients of materials S_11, generating three distinct databases. The second phase involves using ML and DL models to relate the measured electromagnetic responses and the identified material types or the presence of damage. Additionally, various measurement setups and topologies are introduced and implemented alongside the proposed methods. The performance of each setup combination is assessed and analyzed based on selected metrics under both laboratory and realistic conditions.Finally, we present a feasibility study based on a metallic waveguide six-port reflectometer. This device offers advantages particularly well suited to non-laboratory requirements, such as low power consumption, electrical measurement accuracy and the ability to operate in harsh environments. Furthermore, the system developed for operation in V-band frequencies (55-75 GHz) facilitates a shift from microwave to millimeter-wave characterization, establishing a foundation for accurate and efficient analysis. Increasing frequencies expand the spectrum of information captured, enhancing the capabilities, accuracies, and versatility of nondestructive testing and evaluation techniques.</p>
            </abstract>
            <abstract xml:lang="fr">
              <p>Cette thèse vise à développer des méthodologies dédiées à améliorer la fonctionnalité de robots mobiles pour accomplir une mission, en particulier la caractérisation électromagnétique micro-onde de matériaux dans leur environnement. Le succès de cette mission dépend de la navigation précise et de la perception exacte de l'environnement par les robots, un challenge qui est souvent perturbé par les défaillances et les incertitudes des capteurs. À cet égard, la thèse se concentre principalement sur deux points fondamentaux. Dans le premier, nous développons une méthode de localisation robuste pour assurer une navigation autonome précise et tolérante aux défauts pour les robots mobiles. Cette méthode repose sur une approche statistique informationnelle, incorporant un seuil adaptatif qui facilite la détection rapide et précise des défauts de capteurs. L'efficacité de cette méthode est validée par une étude comparative avec des approches existantes de la littérature.Le deuxième point consiste à développer des techniques de contrôle et d'évaluation non destructives par micro-ondes (Microwave Non Destructive Testing &amp; Evaluation - MNDT&amp;E) pour la caractérisation des matériaux. Initialement, nous considérons des techniques conventionnelles de MNDT&amp;E, associées à une modélisation analytique. Reconnaissant les limites de la modélisation analytique, nous présentons trois nouvelles techniques « intelligentes » de MNDT&amp;E qui intègrent des modèles d'apprentissage automatique (Machine Learning - ML) et d'apprentissage profond (Deep Learning - DL). Ces techniques reposent sur deux approches micro-ondes : la propagation en espace libre pour la caractérisation sans contact en utilisant un radar mono-statique et la propagation guidée pour la caractérisation en contact en utilisant un guide d'ondes rectangulaire (Open-Ended Rectangular Waveguide - OERW). Les capteurs développés intègrent des contraintes de faible encombrement et faible coût, compatibles avec un contexte hors laboratoire. Dans une première phase, les techniques proposées sont utilisées pour mesurer les coefficients de réflexion S_11 des matériaux, générant trois bases de données distinctes. La deuxième phase consiste à utiliser les modèles ML et DL afin de relier les réponses électromagnétiques mesurées et les types de matériaux identifiés ou la présence de défauts. De plus, différentes configurations et topologies de mesure sont introduites et mises en œuvre. La performance de chaque configuration est évaluée et analysée en fonction de métriques sélectionnées dans des conditions de laboratoire et des conditions réalistes.Enfin, nous présentons une étude de faisabilité basée sur un réflectomètre six ports à guide d'ondes métallique. Ce dispositif présente des avantages particulièrement bien adaptés à des contingences hors laboratoire tels que sa consommation électrique réduite, sa précision de mesure électrique et sa capacité à opérer en environnement difficile. De plus, le système développé pour un fonctionnement en bande de fréquences V (55-75 GHz) facilite le passage de la caractérisation des micro-ondes à celle des ondes millimétriques, jetant les bases d'une analyse précise et efficace. La montée en fréquences élargit le spectre des informations capturées, améliorant les capacités, la précision et la versatilité des techniques de contrôle et d'évaluation non destructifs.</p>
            </abstract>
          </profileDesc>
        </biblFull>
      </listBibl>
    </body>
    <back>
      <listOrg type="structures">
        <org type="laboratory" xml:id="struct-410272" status="VALID">
          <idno type="IdRef">18388695X</idno>
          <idno type="RNSR">201521249L</idno>
          <idno type="ROR">https://ror.org/05vrs3189</idno>
          <idno type="Wikidata">Q116959497</idno>
          <orgName>Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189</orgName>
          <orgName type="acronym">CRIStAL</orgName>
          <date type="start">2015-01-01</date>
          <desc>
            <address>
              <addrLine>Université de Lille - Campus scientifique - Bâtiment ESPRIT - Avenue Henri Poincaré - 59655 Villeneuve d’Ascq</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">https://www.cristal.univ-lille.fr/</ref>
          </desc>
          <listRelation>
            <relation name="UMR9189" active="#struct-120930" type="direct"/>
            <relation name="UMR9189" active="#struct-374570" type="direct"/>
            <relation name="UMR9189" active="#struct-441569" type="direct"/>
          </listRelation>
        </org>
        <org type="laboratory" xml:id="struct-1066983" status="VALID">
          <idno type="IdRef">138736421</idno>
          <idno type="ISNI">0000000403683863</idno>
          <idno type="RNSR">199812849E</idno>
          <idno type="ROR">https://ror.org/02q4res37</idno>
          <idno type="Wikidata">Q3151942</idno>
          <orgName>Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520</orgName>
          <orgName type="acronym">IEMN</orgName>
          <date type="start">2021-01-01</date>
          <desc>
            <address>
              <addrLine>[Univ. Lille, CNRS, Centrale Lille Institut, Junia, Univ. Polytechnique Hauts-de-France] ––Laboratoire Central – Cité Scientifique – Avenue Poincaré – CS 60069 – 59652 VILLENEUVE D’ASCQ CEDEX</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">http://www.iemn.fr/</ref>
          </desc>
          <listRelation>
            <relation active="#struct-120930" type="direct"/>
            <relation active="#struct-374570" type="direct"/>
            <relation name="UMR8520" active="#struct-441569" type="direct"/>
            <relation active="#struct-1001263" type="direct"/>
            <relation active="#struct-1059196" type="direct"/>
            <relation active="#struct-300877" type="indirect"/>
          </listRelation>
        </org>
        <org type="researchteam" xml:id="struct-1067382" status="VALID">
          <idno type="RNSR">199223928Y</idno>
          <orgName>Circuits Systèmes Applications des Micro-ondes - IEMN</orgName>
          <orgName type="acronym">CSAM - IEMN</orgName>
          <date type="start">2021-01-01</date>
          <desc>
            <address>
              <addrLine>Groupe CSAM - IEMN- CCHB IRCICA - 50 Avenue Halley - 59650 Villeneuve d'Ascq</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">https://www.iemn.fr/la-recherche/les-groupes/groupe-csam</ref>
          </desc>
          <listRelation>
            <relation active="#struct-1066983" type="direct"/>
            <relation active="#struct-120930" type="indirect"/>
            <relation active="#struct-374570" type="indirect"/>
            <relation name="UMR8520" active="#struct-441569" type="indirect"/>
            <relation active="#struct-1001263" type="indirect"/>
            <relation active="#struct-1059196" type="indirect"/>
            <relation active="#struct-300877" type="indirect"/>
          </listRelation>
        </org>
        <org type="institution" xml:id="struct-120930" status="VALID">
          <idno type="IdRef">256304629</idno>
          <idno type="ISNI">0000000122034461</idno>
          <idno type="ROR">https://ror.org/01x441g73</idno>
          <orgName>Centrale Lille</orgName>
          <desc>
            <address>
              <addrLine>École Centrale de Lille - Cité Scientifique - CS 20048 59651 Villeneuve d'Ascq Cedex</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">https://centralelille.fr/</ref>
          </desc>
        </org>
        <org type="regroupinstitution" xml:id="struct-374570" status="VALID">
          <idno type="IdRef">223446556</idno>
          <idno type="ISNI">0000 0001 2242 6780</idno>
          <idno type="ROR">https://ror.org/02kzqn938</idno>
          <idno type="Wikidata">Q3551621</idno>
          <orgName>Université de Lille</orgName>
          <desc>
            <address>
              <addrLine>EPE Université de Lille. -- 42 rue Paul Duez, 59000 Lille</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">https://www.univ-lille.fr/</ref>
          </desc>
        </org>
        <org type="regroupinstitution" xml:id="struct-441569" status="VALID">
          <idno type="IdRef">02636817X</idno>
          <idno type="ISNI">0000000122597504</idno>
          <idno type="ROR">https://ror.org/02feahw73</idno>
          <orgName>Centre National de la Recherche Scientifique</orgName>
          <orgName type="acronym">CNRS</orgName>
          <date type="start">1939-10-19</date>
          <desc>
            <address>
              <country key="FR"/>
            </address>
            <ref type="url">https://www.cnrs.fr/</ref>
          </desc>
        </org>
        <org type="institution" xml:id="struct-1001263" status="VALID">
          <idno type="IdRef">242335675</idno>
          <idno type="ROR">https://ror.org/02ezch769</idno>
          <orgName>Université Polytechnique Hauts-de-France</orgName>
          <orgName type="acronym">UPHF</orgName>
          <date type="start">2019-09-09</date>
          <desc>
            <address>
              <addrLine>Campus Mont Houy59313 Valenciennes Cedex 9</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">http://www.uphf.fr/</ref>
          </desc>
        </org>
        <org type="institution" xml:id="struct-1059196" status="VALID">
          <idno type="IdRef">258598026</idno>
          <idno type="ROR">https://ror.org/02evec030</idno>
          <orgName>JUNIA</orgName>
          <orgName type="acronym">JUNIA</orgName>
          <date type="start">2021-01-01</date>
          <desc>
            <address>
              <addrLine>2 Rue Norbert Segard59014 Lille</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">https://www.junia.com/</ref>
          </desc>
          <listRelation>
            <relation active="#struct-300877" type="direct"/>
          </listRelation>
        </org>
        <org type="regroupinstitution" xml:id="struct-300877" status="VALID">
          <idno type="IdRef">026582481</idno>
          <idno type="ROR">https://ror.org/025s1b152</idno>
          <orgName>Université catholique de Lille</orgName>
          <orgName type="acronym">UCL</orgName>
          <desc>
            <address>
              <addrLine>60 boulevard Vauban - 59800 Lille</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">http://www.univ-catholille.fr/</ref>
          </desc>
        </org>
      </listOrg>
    </back>
  </text>
</TEI>