28.06.2013 Views

Curriculum Vitae - APC - Université Paris Diderot-Paris 7

Curriculum Vitae - APC - Université Paris Diderot-Paris 7

Curriculum Vitae - APC - Université Paris Diderot-Paris 7

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

II. Trois axes de recherche<br />

2.1. Matrices aléatoires et ondes en milieux complexes<br />

Un des résultats importants des recherches que j’ai conduites ces dernières années concerne l’application d’une nouvelle<br />

approche de la propagation des ondes en milieu complexe, fondée sur la théorie des matrices aléatoires. Ces recherches<br />

ont été menées dans le cadre de la thèse d’Alexandre Aubry.<br />

En laboratoire, on sonde un milieu inhomogène inconnu en employant des réseaux de N éléments piézo-électriques<br />

indépendants (typiquement N~100), capables de convertir les signaux électriques en ultrasons et réciproquement (Fig. 1), à<br />

des fréquences de l’ordre du MHz. Nous nous intéressons ici aux propriétés statistiques de l’opérateur de propagation<br />

G, en rétrodiffusion.<br />

Fig. 1 : Dispositif expérimental modèle. La « cible » à imager (cylindre métallique<br />

de diamètre 10 mm) est dissimulée à une distance de 10 mm derrière une « forêt »<br />

de diffuseurs métalliques (épaisseur 20 mm, diamètre 0,8 mm, densité 12 tiges/cm 2 ,<br />

libre parcours moyen de diffusion 7 mm, à 3 MHz) répartis aléatoirement.<br />

En fait, quelle que soit l’utilisation qui est faite du réseau (qu’il s’agisse d’imagerie classique par focalisation, de mesures<br />

d’intensités, de corrélations spatio-temporelles du champ, etc…) toute l’information disponible est contenue dans la<br />

matrice G des fonctions de Green inter-éléments. Pour les ondes ultrasonores, celle-ci est mesurable directement : une<br />

impulsion brève est émise par l’élément n°i, et l’élément n°j enregistre le champ résultant gij(t). L’opération est répétée<br />

pour toutes les valeurs possibles de i et de j, ce qui fournit un ensemble de N 2 signaux temporels dont chacun est un<br />

élément de la matrice G. Une analyse temps-fréquence est ensuite effectuée, ce qui conduit à une série de matrices<br />

complexes G(T,f) ou f désigne la fréquence et T le temps d’écho.<br />

Le cas d’école représenté sur la figure 1 est celui d’une cible échogène, dissimulée derrière une forêt de plusieurs centaines<br />

de tiges métalliques plus petites, réparties aléatoirement. L’expérience a lieu dans une cuve remplie d’eau. Ici l’épaisseur<br />

de la couche diffusante est environ le triple de son libre parcours moyen, aussi la diffusion multiple domine-t-elle<br />

clairement et l’intensité de l’écho cohérent qui a traversé le milieu, s’est réfléchi sur la cible et revient vers le réseau est<br />

atténuée d’un facteur exp(6) ~ 400 par la diffusion. Naturellement, dans cette situation où la diffusion multiple domine, les<br />

techniques classiques d’imagerie échouent totalement. C’est ce qu’illustre l’image échographique réalisée avec le même<br />

réseau (fig. 2) :<br />

Fig. 2 : Image échographique classique, en échelle logarithmique (dB),<br />

réalisée par focalisation en émission et réception. Les premiers diffuseurs<br />

de la forêt sont très clairement détectés. Mais au-delà de quelques mm (soit<br />

l’ordre de grandeur du libre parcours moyen de diffusion) la diffusion<br />

multiple devient prépondérante et l’image obtenue est une figure de speckle,<br />

sans aucun lien direct avec la structure physique du milieu. La cible<br />

échogène, qui se trouve ici à la profondeur Z=70 mm n’est absolument pas<br />

détectée alors que son diamètre est douze fois supérieur à celui des<br />

diffuseurs environnants.<br />

Ici la contribution de diffusion simple recherchée (l’écho direct de la cible) est complètement noyée dans les contributions<br />

de diffusion simple et surtout multiple provenant de la forêt de petites tiges. Peut-on en retrouver la trace dans la matrice<br />

G, et construire une image plus fiable malgré la diffusion multiple ?<br />

Malgré le désordre, en régime de diffusion multiple les éléments de la matrice G ne sont ni indépendants (à cause des<br />

corrélations courte portée du champ diffus et de la réciprocité, qui impose Gij=Gji) ni identiquement distribués (à cause de<br />

la rétrodiffusion cohérente, en moyenne les éléments diagonaux Gii ont une variance double des éléments non<br />

diagonaux). Cela se traduit par un écart, que nous avons étudié, par rapport à la loi dite du « quart de cercle »<br />

ρ ˆ 2<br />

λ = 4 − ˆ λ , qui décrit la densité de probabilité des valeurs singulières λˆ d’une matrice aléatoire carrée de grandes<br />

QC<br />

( ) π<br />

dimensions [6].<br />

De plus, nos travaux ont établi que même dans un milieu constitué de diffuseurs aléatoirement répartis, en régime de<br />

diffusion simple la matrice G présente une propriété remarquable supplémentaire : quelle que soit la réalisation du<br />

désordre considérée, une forme particulière de cohérence spatiale persiste le long de ses anti-diagonales, c’est-à-dire<br />

pour tous les couples d’éléments (i,j) tels que i+j=constante. En revanche, en régime de diffusion multiple (loin du seuil de

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!