Cette thèse traite les applications du filtrage particulaire aux problèmes de communications numériques. Basée sur un modèle bayesien, le filtrage particulaire estime séquentiellement des paramètres inconnus à partir des mesures, en approximant leur distribution a posteriori par un grand nombre d’échantillons. Tout d’abord, le filtrage particulaire est appliqué à l’estimation des données dans des systèmes radiomobiles mono-antenne et multi-antennes. Les performances obtenues sont comparées avec celles des algorithmes classiques à réduction de complexité. L’algorithme particulaire proposé présente un comportement similaire à celui de l’algorithme T qui offre le meilleur compromis entre performance et complexité. Par la suite, l’application à l’estimation des retards de différents trajets d’un canal à évanouissement dans un système à étalement de spectre est traitée. Le filtrage particulaire améliore nettement la capacité discriminatrice de l’estimateur classique par avance-retard.

This thesis deals with the applications of the particle filtering methods to digital communications. Based on a Bayesian model, the particle filtering methods sequentially estimate unknown parameters from measurements, approximating their posterior distribution by a large number of samples. Firstly, the particle filtering methods are applied to the data estimation in wireless SISO and MIMO systems. The obtained performance is compared to the one of the classical reduced-complexity algorithms. We have also shown that the proposed particle algorithm and the tree search T algorithm presents a similar behavior. Then, the application to the estimation of the delays of the different paths of a fading channel in a spread spectrum system is considered. The particle filtering methods outperform the discrimination capacity of the classical early-late gate timing error detector.