Abstract FR:

Cette thèse propose des algorithmes utilisables dans un contexte multivoies. Nous considérons deux applications : l'annulation d'écho stéréophonique et l'égalisation en aveugle d'un système simo. Dans les 2 cas, les signaux reçus sur les capteurs sont des combinaisons linéaires d'une même source. Donc, leur matrice de covariance est mal conditionnée. Cela est gênant pour les algorithmes adaptatifs. En égalisation aveugle ce problème a été résolu par le choix de la structure. En annulation d'écho, nous avons proposé un nouvel algorithme adaptatif qui combine un algorithme en sous-bandes avec une méthode de type domaine transforme. Il possède une bonne vitesse de convergence et il est compatible avec une stratégie de pas de calcul variable. En égalisation aveugle, nous avons développé des algorithmes adaptatifs à faible cout et ayant de bonnes performances asymptotiques. Nous avons choisi l'approche maximum de vraisemblance déterministe. Mais, ces méthodes présentent souvent des minima locaux. Nous avons tout d'abord propose un algorithme bloc. Nous avons établi un test permettant de savoir s’il converge vers le minimum global. Pour améliorer ses performances, nous avons proposé deux autres algorithmes blocs prenant en compte une partie de l'a priori sur les symboles. Le test précèdent reste valable et ces derniers algorithmes sont robustes au manque de diversité. Nous avons ensuite construit un algorithme adaptatif à partir de chaque algorithme bloc. Ils ont une structure proche de celle d'un dfe à decision souple. Puis, nous proposons un autre algorithme pour lequel les filtres et les symboles sont remis à jour par un gradient stochastique. Parmi, ces 4 algorithmes à faible cout, les algorithmes incluant un a priori convergent plus rapidement et sont robustes à la surestimation de l'ordre du canal.