[StageM2] Stochastic guarantees in wireless communication networks

Contact: Ke Feng, Chargée de Recherche CNRS, ke.feng@ensea.frLab: ETIS UMR 8051, CYU, ENSEA, CNRS, 6 Av. du Ponceau, 95000 Cergy, FranceDuration: 6 monthsStarting Date: 02/2026 ContextThe objective of this internship is to explore performance guarantees (such as link reliability and delay) for next-generation wireless communication networks and to reduce the…

Lire la suite

[StageM2 + Phd] Exploration of a new method for analyzing interferometric images applied to the study of planetary formation.

Centre de Recherche Astrophysique de Lyon Advisors Ferreol Soulez (CRAL, Lyon) Jean-Philippe Berger (IPAG, Grenoble) Keywords: Inverse problems, High-Contrast Imaging, Sparse Aperture Masking, Circumstellar environnement Contact ferreol.soulez@univ-lyon1.fr Potential for a follow-up as a PhD thesis Scientific context: The study of the morphology of protoplanetary disks at very high angular resolution…

Lire la suite

[StageM2] : acoustique sous-marine à Toulon

Université de Toulon Laboratoire IM2NP (UMR) Sujet de stage (4 mois) – Mars 2026 à mi-juillet. Titre : Développement d’un algorithme de détection adapté aux données « DAS » Le DAS (Distributed Acoustic Sensing) est une technologie offrant de nouvelles opportunités pour la mise en place de systèmes de surveillance sous-marine. A l’aide…

Lire la suite

[StageM2] Deep-Unrolling approaches for RADAR signal processing

For many years, deep learning has enabled significant performance gains in various applications, even in fields that are not accustomed to using this type of method. Despite these successes, deep learning-based methods still suffer from some drawbacks in applicative fields related to RADAR signal processing. First, these methods require a…

Lire la suite

[Stage M2] Traitement d’images et apprentissage automatique

Système d’Exploration Automatisée des Micro-reliefs, protubérances et Emissions gazeuses en milieu maRin. Le stage a pour objectif le développement et la mise en œuvre d’un protocole automatisé de traitement et d’analyse des données de sismique haute résolution, visant : La description détaillée est disponible dans le fichier PDF : https://sdrive.cnrs.fr/s/Ask6R2Ac7BbrNMm

Lire la suite

[Stage M2] Analyse de la dynamique instationnaire d’écoulements et des comportements d’espèces aquatiques à partir de vidéos expérimentales

Contexte Ce projet s’inscrit dans le cadre de la recherche en écohydraulique, domaine à l’interface entre l’hydrodynamique et l’écologie. Il vise à améliorer la compréhension des mécanismes d’adaptation comportementale des poissons face aux caractéristiques physiques des écoulements dans les passes à poissons et autres ouvrages de franchissement piscicole. Bien qu’il…

Lire la suite

[StageM2] Détection de cibles multiples et denses par réseau de neurones dans un signal radar

L’unité MATS du département DEMR (Département Electromagnétisme et Radar) est en charge du développement de méthodes de traitement pour les différents moyens expérimentaux du département. Ces traitements sont dédiés aux signaux émis et reçus par des capteurs électromagnétiques (EM). Sujet Un radar primaire fonctionne en émettant un signal défini par…

Lire la suite

[StageM2] Détection de formes d’onde électromagnétiques par deep learning avec intégration dans GNU Radio

L’unité MATS du département DEMR (Département Electromagnétisme et Radar) est en charge du développement de méthodes de traitement pour les différents moyens expérimentaux du département. Ces traitements sont dédiés aux signaux émis et reçus par des capteurs électromagnétiques (EM). Sujet Le spectre électromagnétique est porteur de nombreux signaux d’origine humaine….

Lire la suite

[StageM2] Domain Adaptation of Unrolled Neural Networks

Context Recent advances in deep learning have revolutionized many signal and image processing tasks. In fact, deep neural networks excel at learning complex, non-linear patterns from large datasets, often outperforming classical methods. However, the application of deep learning to signal processing tasks presents specific challenges. These methods require vast amounts…

Lire la suite