Contribution à la séparation aveugle de sources

Contribution to the blind separation of sources

• Auteur / Autrice : Ali Mansour
• Direction : Christian Jutten
• Type : Thèse de doctorat
• Discipline(s) : Signal, image, parole
• Date : Soutenance en 1997
• Etablissement(s) : Grenoble INPG
• Partenaire(s) de recherche : Laboratoire : Laboratoire de traitement d'images et reconnaissance de formes (Grenoble19..-1998)

Mots clés

Mots clés libres

Sciences appliquees

Telecommunications et theorie de l'information

Traitement signal

Convolution

Methode geometrique

Methode analytique

Cumulant

Separation source

Kurtosis

Matrice sylvester

Signal processing

Convolution

Geometrical method

Analytical method

Cumulant

Résumé

Le probleme de separation de sources est un probleme relativement recent en traitement du signal, qui consiste a separer des sources, statistiquement independantes, observees par un reseau de capteurs. Dans cette these, plusieurs approches ont ete etudiees : deux approches directes, valables uniquement pour le melange lineaire instantane, ont ete proposees. La premiere, analytique, est basee sur les statistiques de signaux observes, l'autre geometrique, est basee sur les distributions de ces signaux, dont la densite de probabilite est supposee a support borne. Pour les signaux de meme signe de kurtosis, on a propose un algorithme adaptatif base uniquement sur les cumulants croises (2x2). Ce critere est valable pour les melanges instantanes, aussi bien pour les melanges convolutifs. L'hypothese concernant le signe de kurtosis est assez frequent dans la litterature sur la separation de sources. Des etudes sur cette hypothese, et sur sa relation avec la nature de sources, sont presentees dans cette these. Finalement, en s'inspirant des methodes d'identification aveugles et a l'aide de deux parametrisations differentes de la matrice de sylvester, on montre la possibilite de separer un melange convolutif ou le transformer en un melange instantane, en utilisant les statistiques de second ordre. Dans ce cadre, trois algorithmes de sous-espaces sont proposes.