Safran développe des équipements de communication et de positionnement pour des applications spatiales. Pour ce faire, elle dispose d'une équipe d'ingénieurs pluridisciplinaire capable de développer des solutions radio complètes intégrant les fonctions RF, le traitement numérique du signal, le logiciel embarqué temps réel, le développement de cartes numériques ainsi que la partie mécanique. Comme Syrlinks a réalisé intégralement le récepteur GNSS, son adaptabilité est donc son atout. Il peut donc fonctionner dans différents environnements (terrestre, spatial LEO, spatial GEO etc..). Cela nécessite donc des algorithmes d'estimation statistiques qui seront utilisés pour adapter la solution de navigation. Dans cette perspective, plusieurs défis sont à relever, du fait de la polyvalence des environnements et de la diversité des mesures. Un nouvel algorithme plus polyvalent et plus flexible ainsi que différents outils et méthodes de mathématiques appliquées et statistiques deviennent donc nécessaire. L'objectif de cette alternance est de définir les différentes méthodes ainsi que ses possibilités d'optimisation et leurs tests statistiques de validation associés. Il s'agira en particulier de générer différentes simulations permettant de couvrir l'ensemble des optimisations possibles. Exemples de méthodes et algorithmes statistiques à analyser : -Moindres carrés pondérés (WLS) -Filtre de Kalman unscented -Matrice d'information de Fisher avec les bornes de Cramer-Rao pour paramètres mixtes réels et entiers -Principe d'invariance étendue Les solutions seront à évaluer en termes de contrainte système ainsi qu'en termes de performance vis-à-vis des besoins de précision attendus. Les travaux seront réalisés dans un environnement Windows et Python/C pour la modélisation. Détail des activités à réaliser pour chaque méthode : *Etude bibliographique des différentes méthodes existantes *Estimation de la complexité pour un périmètre fonctionnel défini dans l'étude *Mise en place des différents algorithmes de statistique sous Python *Réalisation d'un simulateur de performance de pondération sous Python *Analyse des performances dans différents contextes opérationnels *Rédaction d'un rapport global de synthèse des travaux Le candidat devra être motivé par le sujet et disposer de bonnes bases dans le domaine des mathématiques appliquées ainsi que dans le domaine de la statistique. Une connaissance du domaine du traitement du signal serait un plus. Par ailleurs, compte tenu des outils utilisés dans l'étude, il devra avoir de bonnes notions en programmation PYTHON. Les informations recherchées provenant d'articles et de livres ainsi que les rapports demandés seront en anglais. Pour cela, un niveau d'anglais intermédiaire (B-2) est recommandé.