Abstract FR:

La these porte sur l'amelioration des performances des algorithmes de type gradient-stochastique (dit lms) 1-d et 2-d par l'utilisation de techniques de decomposition en ondelettes orthogonales, en sous-bandes et du filtrage rapide. Dans le premier cas (lms 1-d), l'application de la transformee en ondelettes au signal d'entree, suppose colore, suivi d'une normalisation de l'energie des coefficients obtenus permet d'ameliorer le conditionnement de sa matrice d'autocorrelation et d'accelerer ainsi la convergence du lms 1-d. En plus de l'etude de ce type d'algorithme, nous proposons quelques versions rapides, dont la complexite de calcul est comparable a celle d'un lms 1-d temporel. Dans le deuxieme cas (lms 2-d), nous utilisons des techniques de filtrage rapide afin de reduire la complexite de calcul du lms 2-d sans toutefois affecter sa convergence. Ces nouveaux algorithmes sont, ensuite, appliques aux problemes d'annulation d'echo acoustique, d'egalisation et de rehaussement d'images