Contribution à la séparation aveugle de sources par utilisation des divergences entre densités de probabilité: application à l'analyse vibratoire

par Mohamed Salem Ould Mohamed

Thèse de doctorat en Automatique, traitement du signal et génie informatique

Sous la direction de Georges Delaunay.

Soutenue en 2010

à Reims .


  • Résumé

    Dans cette thèse, nous proposons un nouvel algorithme de séparation aveugle de sources, basé sur l'optimisation de l'information mutuelle sous contraintes. Le problème d'optimisation sous contraintes est résolu par passage au problème dual. L'estimateur proposé du gradient stochastique utilise l'estimation des densités par maximum de vraisemblance dans des modèles de lois exponentielles choisis par mi- nimisation du critère AIC. Ensuite, la méthode a été généralisée à l'ensemble des divergences entre densités de probabilité. Nous avons montré que l'algorithme uti- lisant la divergence particulière de Hellinger a de bonnes propriétés d'efficacité et robustesse en présence du bruit en comparaison avec l'information mutuelle. Dans le cadre de signaux cyclostationnaires, les méthodes précédentes de séparation ont été adaptées en utilisant des statistiques du second ordre. Nous illustrons les per- formances des algorithmes proposés pour des signaux simulés et pour des signaux réels issus de machines tournantes

  • Titre traduit

    Contribution to blind source separation by using divergences between probability densities: application to vibratory analysis


  • Résumé

    In this thesis, we propose a new blind source separation algorithm based on the optimization of mutual information under constraints. The optimization problem is solved by using the dual problem. The estimator of stochastic gradient is based on the estimation of the densities by maximum likelihood method. The densities are chosen from exponential families using the AIC criterion. Then, we propose a new al- gorithm for blind source separation based on the minimization of divergences witch generalizes the Mutual Information (MI) approach. We show that the algorithm using Hellinger's divergence has better properties in terms of effciency-robustness, for noisy data. In the context of cyclostationary signals, the above methods of sepa- ration were adapted using second order statistics. We illustrate the performances of the proposed algorithms through simulations and on real rotating machine vibration signals

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (171p.)
  • Annexes : Bibliogr. p.149-171

Où se trouve cette thèse ?

  • Bibliothèque : Université de Reims Champagne-Ardenne. Bibliothèque universitaire. Bibliothèque Moulin de la Housse.
  • Non disponible pour le PEB
  • Cote : 10REIMS010
  • Bibliothèque : Université de Reims Champagne-Ardenne. Bibliothèque universitaire. Bibliothèque Moulin de la Housse.
  • Disponible pour le PEB
  • Cote : 10REIMS010Bis
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.