Description
Date depot: 1 janvier 1900
Titre: Techniques de traitement du signal appliqués au traitement statistique des données
Directeur de thèse:
Michel TERRE (CEDRIC)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
Le sujet proposé concerne le domaine de la classification temps réel de données. Il s'agit de classer au fil de l'eau des données multidimensionnelles issues de capteurs et de mettre à jour les paramètres des classes (typiquement moyenne et variance d'une classe).
Les applications sont nombreuses et peuvent concerner, par exemple, des problèmes de télécommunications (dans le cas de canaux de propagation qui changent rapidement [5]) ou des problèmes de radar pour lesquels il convient d'associer efficacement des pistes radar et des détections (plots).
Par rapport aux méthodes existantes, l'approche envisagée se situe dans le prolongement d'un ensemble de travaux [1][2][3] effectués récemment au sein de l'équipe de traitement du signal (équipe CEDRIC/Laetitia, EA4639) du Conservatoire National des Arts et Métiers (http://cedric.cnam.fr)
Ces travaux ont la particularité de proposer une approche interdisciplinaire entre les statistiques et le traitement du signal. Des résultats très intéressants ont dernièrement été obtenus en appliquant des méthodes d'analyse spectrale issues du traitement du signal [5] à des problèmes d'identification de modes de variables aléatoires (problème 'classique' de statistiques).
Références
[1] N.Paul, M. Terré, L. Féty, 'The K-Product criterion for Gaussian Mixture Estimation,' in Proc. IEEE 7th Nordic Signal Processing Symposium, Reykjavik, Iceland, June 2006.
[2] N.Paul, M. Terré, L. Féty, 'Un Algorithme Non-Itératif pour la Classification d’Observations Bidimensionnelles', 14ième Rencontre de la Société Francophone de Classification 5-7 Septembre 2007, ENST, PARIS.
[3] N. Paul, M. Terré, L. Féty, 'A global algorithm to estimate the expectations of the components of an observed univariate mixture,' Advances in Data Analysis and Classification, Volume 1, pp 201-219, 2007.
[4] N. Paul, M. Terré, L. Féty, 'A Spectral Analysis Approach for Univariate Gaussian Mixture Estimation,' International Conference on Statistical Computing (CompStat), Porto, August 2008.
[5] M. Terré, L. Féty, N. Paul, 'Optimisation of a clustering based criterion for Blind Channel Estimation,' IEEE SPAWC 2009, Perugia, June 2009.
[6] Nicolas Paul, Alexandre Girard, Michel Terré, 'Evolution du critère « K-Produit » pour l’estimation des mélanges de lois,' Gresti 2013, Brest, septembre 2013.
Doctorant.e: Smith Stanley