Sur la séparation aveugle de sources dans des mélanges convolutifs et non-linéaires

On blind source separation in convolutive and nonlinear mixtures

• Auteur / Autrice : Massoud Babaiezadeh Malmiri
• Direction : Christian Jutten
• Type : Thèse de doctorat
• Discipline(s) : Signal, image, parole, télécoms
• Date : Soutenance en 2002
• Etablissement(s) : Grenoble INPG
• Partenaire(s) de recherche : Laboratoire : Laboratoire des images et des signaux (Grenoble ; 1998-2007)

Résumé

Dans cette thèse, la séparation aveugle de sources dans des mélanges convolutif Post Non-linéaire (CPNL) est étudiée. Pour séparer ce type de mélanges, nous avons d'abord développé des nouvelles méthodes pour séparer les mélanges convultifs et les mélanges Post Non-Linéaires (PNL). Ces méthodes sont toutes basées sur la minimisation de l'information mutuelle des sorties. Pour minimiser l'information mutuelle, nous calculons d'abord sa ''différentielle'', c'est-à-dire, sa variation en fonction d'une petite variation de son argument. Cette différentielle est alors utilisée pour concevoir des approches de type gradient pour minimiser l'information mutuelle des sorties. Ces approches peuvent être appliquées pour séparation aveugle des mélanges linéaires instantanés, convolutifs, PNL et CPNL.