Some contributions to statistical signal processing and applications to audio enhancement and mobile localization
Mahdi Triki · OpenGrey (Institut de l'Information Scientifique et Technique) · 2007
Un processus aléatoire est un modèle mathématique qui décrit un phénomène qui évolue d'une façon imprévisible. Si des informations a priori, sur la structure ou les statistiques du signal, sont disponibles les performances du traitement statistique augmentent significativement. Nous étudions trois types d'a priori : spectrale, spatiale, et statistique; et nous considérons particulièrement des applications au débruitage audio et à la localisation des mobiles. D'abord, nous étudions la représentation structurale du signal audio. Le modèle proposé exploite les corrélations tempofréquentielless du signal audio. Nous avons appliqué notre modèle au débruitage audio la séparation audio sous-déterminée. Les résultats expérimentaux montrent que l'approche proposée convient à l'analyse des signaux de musiques et de la parole, et produisent de bons résultats auditifs. Ensuite, nous étudions le dereverberation aveugle des signaux audio. Nous proposons un égaliseur basé sur la prédiction linéaire, exploitant les diversités spatiales, temporelles, et spectrales. Les simulations prouvent que l'égaliseur proposé surpasse le filtre spatial classique. La dernière partie de la thèse se concentre sur l'estimation Bayésienne des paramètres. Nous introduisons le concept d'estimation conditionnellement non-biaisé par morceau, pour laquelle la contrainte du biais concerne un paramètre à la fois. De cette manière, chaque paramètre est traité comme déterministe tandis que les autres paramètres sont traités comme Bayésiens. Une introduction plus générale du concept est motivée par l'estimation LMMSE des canaux, pour laquelle les implications du concept sont illustrées dans diverses manières.