Post doctorate on robust estimation for vector sensors

Enac; Toulouse; Sur place; EUR 30 000 - 42 000; Plein temps

Résumé du poste

L’ENAC, École Nationale de l’Aviation Civile, cherche un candidat pour rejoindre une équipe de recherche à Toulouse afin de développer des méthodes d’estimation adaptées à des environnements radio perturbés. Le poste porte sur les capteurs vectoriels et l’estimation DOA, avec des approches robustes face au bruit non Gaussien et aux interférences civiles.

Le candidat collaborera avec des partenaires internationaux (Gipsa-lab, Aalto University) et pourra publier dans des revues techniques et

Description du poste

L’ENAC, École Nationale de l’Aviation Civile, est la plus importante des Grandes Écoles ou universités aéronautiques en Europe. Elle forme à un spectre large de métiers : des ingénieurs ou des professionnels de haut niveau capables de concevoir et faire évoluer les systèmes aéronautiques et plus largement ceux du transport aérien ainsi que des pilotes de ligne, des contrôleurs aériens ou encore des techniciens aéronautiques.Ses laboratoires de recherche sont à la pointe de l’innovation et travaillent activement en coopération avec des universités internationales de haut niveau pour un transport aérien toujours plus sûr, efficace et durable.L’ENAC est un établissement public à caractère scientifique, culturel et professionnel – grand établissement (EPSCP-GE), sous tutelle de la DGAC (Direction Générale de l’Aviation Civile), Direction du Ministère de la Transition Écologique et Solidaire. L’ENAC comprend une direction générale localisée à Toulouse et 8 sites en France. Pour soutenir sa dynamique en faveur de la promotion de la diversité, l’ENAC facilite l’accueil et l’intégration des travailleurs en situation de handicap.

The increasing vulnerability of GNSS receivers to intentional or unintentional interference—such as jamming or spoofing is a critical concern, especially in civil aviation. The ANR VEGETA project explores new directions to enhance the resilience of ranging systems by combining vector antennas and statistical geometric methods for time-delay and direction-of-arrival (DOA) estimation. Unlike traditional antenna arrays, vector sensors provide six-dimensional measurements (electric and magnetic field components) and offer opportunities for interference mitigation even in compact systems. This project aims to leverage such sensors along with tools from robust statistics, non-Gaussian modeling, and Riemannian geometry to improve the estimation of signal parameters in hostile radio environments.

Scientific objectives

• Investigating the estimation capabilities of vector sensors for multiple interfering signals, including identifiability analysis and the role of polarization diversity.
• Designing and analyzing robust algorithms for joint DOA and polarization estimation in the presence of non-Gaussian noise (e.g., Complex Elliptically Symmetric-distributed interference). This includes the development of M-estimators, performance assessments (e.g., CRB), and comparative simulations.
• Developing interference suppression methods that exploit prior information (such as known waveforms or satellite geometry), with a focus on civil GNSS applications.
• Contributing to the collection and exploitation of real GNSS data, including laboratory experiments with vector antennas and GNSS replay systems.
• Supporting the open dissemination of research outputs, including code publication, dataset curation, and contributions to a dedicated project website.

Academic environment

The successful candidate will join a dynamic research team based at ENAC (Toulouse), with strong ties to Gipsa-lab (Grenoble), and Aalto University (Finland). Regular interactions with these partners are planned through collaborative meetings, visits, and joint publications. This position provides an opportunity to publish in leading journals (e.g., IEEE TSP, ELSEVIER Signal Processing) and present at major international conferences (ICASSP, EUSIPCO). The candidate will also contribute to a broader open-science effort, with public sharing of data and algorithms.