Stage - Bac+4 - +5 - Analyse de Signaux de Vélocimétrie par Intelligence Artificielle H/F

Deux approches innovantes ont été récemment proposées pour améliorer l'analyse des signaux VH sans utiliser le spectrogramme. La première consiste à inférer la vitesse directement sur le signal oscilloscope via une approche bayésienne [1]. Cette méthode montre des résultats prometteurs, mais nécessite une exploration approfondie pour capturer les comportements de vitesse rapides ou discontinues. La seconde approche est basée sur l'apprentissage automatique et s'inspire d'algorithmes de Machine Learning existants pour la séparation des sources audio et l'estimation de la hauteur tonale dans les enregistrements musicaux [2]. Bien que présentant des résultats encourageants, cette technique présente une précision limitée, des difficultés à discriminer plusieurs objets avec des vitesses différentes, une sensibilité au bruit ainsi qu'une dépendance aux données d'entraînement.

Dans ce contexte, le stage vise à mettre en place et à approfondir ces différentes approches, et à comparer leurs performances. D'autres algorithmes seront susceptibles d'être explorés.
L'ensemble des développements s'effectuera en Python.

Références :
[1] J.R. Allison et al., A Bayesian approach to time-domain photonic Doppler velocimetry analysis, Review of Scientific Instruments, 2025, https://doi.org/10.1063/5.0267409.
[2] A. Susser et al., Velocity Extraction Using Complete Time-Domain Waveform Data and Audio Machine Learning, 2026, https://doi.org/10.1007/s40870-026-00510-3.

Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l'inclusion des travailleurs handicapés.
Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation.