Documents disponibles écrits par cet auteur

State Representation and Robust Subspace Tracking / BEKHTAOUI Zineb 

Public ISBD Titre : State Representation and Robust Subspace Tracking Type de document : texte imprimé Auteurs : BEKHTAOUI Zineb, Auteur Année de publication : 2023-2024 Accompagnement : CD Langues : Anglais (eng) Catégories : Electronique:Vision et Technologies de l’Information et de la Communication ( VTIC ) Mots-clés : Sous-espace robuste  Vecteurs propres  Représentation d’état  Séparation aveugle de sources  Localisation angulaire  Traitement du signal  Estimation robuste Robust subspace  Eigenvectors  State representation  Blind source separation  Source localization  Signal processing  Robust estimation Résumé : Dans ce mémoire, nous avons considéré le traitement de signal par la technique des sous espaces. En effet, de par ses applications diverses telles que la compression de données, l’estimation paramétrique, la séparation de sources, la décomposition tensorielle, etc., l’estimation des sous-espaces principaux ou mineurs d’un signal multi-variant a fait l’objet d’un grand nombre de travaux de recherche, en particulier dans le cas où le système considéré est variant dans le temps. Dans ce cas, l’estimation du sous-espace doit être réalisée de manière adaptative et si possible à faible coût, nous visons par conséquent à toujours réduire la complexité calculatoire. Dans nos travaux cités ci-après, nous nous sommes penchés sur la problématique des bruits non-gaussien, soit le bruit impulsif tel que le bruit en créneaux ou le bruit α-stable, ou les données erronées ou manquantes. Nous avons donc présenté dans ce contexte, de nouveaux algorithmes robustes de poursuite de sous-espaces. Plus tard, nous avons appliqué ces algorithmes à la représentation d’état avec le cas de l’estimation et la poursuite des directions d’arrivées de cibles mouvantes en champ lointain. Nous avons par la suite étendu nos algorithmes au cas de l’estimation des vecteurs propres principaux. Enfin, nous avons appliqué ces derniers pour le blanchiment adaptatif en séparation aveugle de sources. Les performances de tous les algorithmes proposés ont été évalués et validés par simulation, et les travaux correspendants ont tous été soumis et acceptés en production scientifique. In this thesis, we have considered signal processing using the subspaces technique. Indeed, due to its various applications such as data compression, parametric estimation, source separation, tensor decomposition, etc., the estimation of the main or minor subspaces of a multi-variant signal has been the subject of a large number of research works, in particular in the case where the considered system is time-varying. In this case, the estimation of the subspace must be done in an adaptive way, and if possible at a low cost, we, therefore, aim to always reduce the computational complexity. In our work cited below, we have addressed the problem of non-Gaussian noise, i.e. impulsive noise such as burst noise or α-stable noise, outliers, or missing data. In this context, we have presented new robust subspace tracking algorithms. Later, we applied these algorithms to the state representation in the case of the estimation and tracking of directions of arrival. We then extended our algorithms to the case of principal eigenvectors estimation. Finally, we have applied them to blind source separation. The proposed algorithms’ performances have been evaluated and validated by simulation and have all been submitted and accepted for scientific production. Directeur de thèse : MECHE Abdelkrim State Representation and Robust Subspace Tracking [texte imprimé] / BEKHTAOUI Zineb, Auteur . - 2023-2024 . -  + CD. Langues : Anglais (eng) Catégories : Electronique:Vision et Technologies de l’Information et de la Communication ( VTIC ) Mots-clés : Sous-espace robuste  Vecteurs propres  Représentation d’état  Séparation aveugle de sources  Localisation angulaire  Traitement du signal  Estimation robuste Robust subspace  Eigenvectors  State representation  Blind source separation  Source localization  Signal processing  Robust estimation Résumé : Dans ce mémoire, nous avons considéré le traitement de signal par la technique des sous espaces. En effet, de par ses applications diverses telles que la compression de données, l’estimation paramétrique, la séparation de sources, la décomposition tensorielle, etc., l’estimation des sous-espaces principaux ou mineurs d’un signal multi-variant a fait l’objet d’un grand nombre de travaux de recherche, en particulier dans le cas où le système considéré est variant dans le temps. Dans ce cas, l’estimation du sous-espace doit être réalisée de manière adaptative et si possible à faible coût, nous visons par conséquent à toujours réduire la complexité calculatoire. Dans nos travaux cités ci-après, nous nous sommes penchés sur la problématique des bruits non-gaussien, soit le bruit impulsif tel que le bruit en créneaux ou le bruit α-stable, ou les données erronées ou manquantes. Nous avons donc présenté dans ce contexte, de nouveaux algorithmes robustes de poursuite de sous-espaces. Plus tard, nous avons appliqué ces algorithmes à la représentation d’état avec le cas de l’estimation et la poursuite des directions d’arrivées de cibles mouvantes en champ lointain. Nous avons par la suite étendu nos algorithmes au cas de l’estimation des vecteurs propres principaux. Enfin, nous avons appliqué ces derniers pour le blanchiment adaptatif en séparation aveugle de sources. Les performances de tous les algorithmes proposés ont été évalués et validés par simulation, et les travaux correspendants ont tous été soumis et acceptés en production scientifique. In this thesis, we have considered signal processing using the subspaces technique. Indeed, due to its various applications such as data compression, parametric estimation, source separation, tensor decomposition, etc., the estimation of the main or minor subspaces of a multi-variant signal has been the subject of a large number of research works, in particular in the case where the considered system is time-varying. In this case, the estimation of the subspace must be done in an adaptive way, and if possible at a low cost, we, therefore, aim to always reduce the computational complexity. In our work cited below, we have addressed the problem of non-Gaussian noise, i.e. impulsive noise such as burst noise or α-stable noise, outliers, or missing data. In this context, we have presented new robust subspace tracking algorithms. Later, we applied these algorithms to the state representation in the case of the estimation and tracking of directions of arrival. We then extended our algorithms to the case of principal eigenvectors estimation. Finally, we have applied them to blind source separation. The proposed algorithms’ performances have been evaluated and validated by simulation and have all been submitted and accepted for scientific production. Directeur de thèse : MECHE Abdelkrim

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
9065	02-09-637	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-09-637.pdf Adobe Acrobat PDF