Détection micro-onde champ proche en milieux hétérogènes // Microwave Near Field Sensing in Heterogeneous Media

Cette thèse porte sur le développement de techniques de détection en champ proche par micro-ondes pour des applications en biomédecine, agronomie et géophysique. L'objectif principal est de concevoir des algorithmes peu complexes qui résolvent efficacement des problèmes inverses liés à la caractérisation et à la détection des propriétés diélectriques avec diverses distributions géométriques dans des milieux hétérogènes.
Le candidat commencera par effectuer une revue complète des méthodes existantes de détection radar et de traitement du signal avancé. Un modèle physique précis de la propagation des micro-ondes en champ proche sera élaboré, servant de base à de nouvelles méthodes de détection basées sur le concept de tomographie itérative pilotée par la physique. L'objectif final est de formuler des algorithmes efficaces, adaptés aux applications en temps réel, et de les valider par une mise en œuvre expérimentale. À cette fin, un prototype évolutif sera développé, passant de milieux 2D à des scénarios 3D plus complexes.
Ce projet interdisciplinaire combine la modélisation physique, le développement d'algorithmes et l'expérimentation pratique. Il offre l'opportunité de faire progresser le domaine de l'imagerie par micro-ondes, avec des implications majeures pour les applications biomédicales et environnementales.

------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This thesis focuses on the development of microwave near-field sensing techniques for applications in biomedicine, agronomy, and geophysics. The primary objective is to design low-complexity algorithms that effectively solve complex inverse problems related to the characterization and detection of dielectric properties with various geometric distributions in heterogeneous media.
The candidate will begin by conducting a comprehensive review of existing radar-based and advanced signal processing methods. A precise physical model of microwave propagation in near-field conditions will be developed, serving as the foundation for new detection methods based on the concept of physics-driven iterative tomography. The ultimate goal is to formulate efficient algorithms suitable for real-time applications and validate them through experimental implementation. To achieve this, an evolving prototype setup will be developed, progressing from 2D media to more complex 3D scenarios.
This interdisciplinary project combines physical modeling, algorithm development, and practical experimentation. It presents an opportunity to advance the field of microwave imaging, with significant implications for biomedical and environmental applications.

------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Systèmes (LETI)
Service : Service Technologies Sans Fils
Laboratoire : Laboratoire Antennes, Propagation, Couplage Inductif
Date de début souhaitée : 01-09-2025
Ecole doctorale : Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS)
Directeur de thèse : PAGANI Pascal
Organisme : CEA
Laboratoire : DRT/DSYS/STSF/LAPCI
URL : www.leti-cea.fr

Public/private mixed funding

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Systèmes (LETI)
Service : Service Technologies Sans Fils

Etudiant en école d’ingénieur ou Master 2 en électromagnétisme, traitement du signal, physique appliquée ou mathématiques. Solides compétences en programmation (Matlab, Python, etc.) et fort intérêt pour l’analyse de données expérimentales.