Auteur / Autrice : | Rémi André |
Direction : | Éric Moreau |
Type : | Thèse de doctorat |
Discipline(s) : | Automatique, signal, productique, robotique |
Date : | Soutenance le 07/09/2018 |
Etablissement(s) : | Toulon |
Ecole(s) doctorale(s) : | École doctorale Mer et Sciences. ED 548 (Toulon) |
Partenaire(s) de recherche : | Laboratoire : LIS Laboratoire d’Informatique et Systèmes. UMR CNRS 7020 (Marseille, Toulon) |
Jury : | Président / Présidente : Olivier Michel |
Examinateurs / Examinatrices : David Brie, Adel Belouchrani, Xavier Luciani, Martin Haardt, Laurent Albera | |
Rapporteurs / Rapporteuses : David Brie, Adel Belouchrani |
Résumé
Cette thèse présente de nouveaux algorithmes de diagonalisation conjointe par similitude. Cesalgorithmes permettent, entre autres, de résoudre le problème de décomposition canonique polyadiquede tenseurs. Cette décomposition est particulièrement utilisée dans les problèmes deséparation de sources. L’utilisation de la diagonalisation conjointe par similitude permet de paliercertains problèmes dont les autres types de méthode de décomposition canonique polyadiquesouffrent, tels que le taux de convergence, la sensibilité à la surestimation du nombre de facteurset la sensibilité aux facteurs corrélés. Les algorithmes de diagonalisation conjointe par similitudetraitant des données complexes donnent soit de bons résultats lorsque le niveau de bruit est faible,soit sont plus robustes au bruit mais ont un coût calcul élevé. Nous proposons donc en premierlieu des algorithmes de diagonalisation conjointe par similitude traitant les données réelles etcomplexes de la même manière. Par ailleurs, dans plusieurs applications, les matrices facteursde la décomposition canonique polyadique contiennent des éléments exclusivement non-négatifs.Prendre en compte cette contrainte de non-négativité permet de rendre les algorithmes de décompositioncanonique polyadique plus robustes à la surestimation du nombre de facteurs ou lorsqueces derniers ont un haut degré de corrélation. Nous proposons donc aussi des algorithmes dediagonalisation conjointe par similitude exploitant cette contrainte. Les simulations numériquesproposées montrent que le premier type d’algorithmes développés améliore l’estimation des paramètresinconnus et diminue le coût de calcul. Les simulations numériques montrent aussi queles algorithmes avec contrainte de non-négativité améliorent l’estimation des matrices facteurslorsque leurs colonnes ont un haut degré de corrélation. Enfin, nos résultats sont validés à traversdeux applications de séparation de sources en télécommunications numériques et en spectroscopiede fluorescence.