Abstract FR:

La plupart des modèles traditionnellement utilises dans le traitement des signaux non-stationnaires se ramènent directement ou indirectement au cas stationnaire. Plus récemment, toutefois, l'intérêt s'est porte sur des modèles capables de donner des descriptions plus structurées des trajectoires des paramètres. Un fort courant est constitué par les modèles linéaires dont les coefficients varient dans le temps selon un deuxième modele, que nous avons réunis sous la dénomination de modèles à deux niveaux. Trois grandes classes peuvent être distinguées. Tout d'abord, les modèles évolutifs, ou les trajectoires des paramètres s'expriment comme une combinaison linéaire de fonctions du temps connues a priori, donnant une description déterministe de l'évolution des paramètres. La deuxième classe est donnée par les modèles à coefficients stochastiques. Dans ces modèles, les coefficients sont considérés comme la réalisation d'un processus stochastique vectoriel dont les caractéristiques sont déterminées par le modele au deuxième niveau. Ils reprennent alors l'idée d'évolution stochastique sous-jacente aux modèles adaptatifs. Enfin, il y a les modèles associes à l'évolution des paramètres d'analyse de la parole issus de l'analyse LPC. Dans cette étude, nous élargissons la gamme des modèles non-stationnaires à deux niveaux. Nous proposons un nouveau modele qui fait le pont entre les deux approches citées ci-dessus: l'évolution certaine et l'évolution aléatoire du vecteur des paramètres. Nous examinons les propriétés d'un modele dont le deuxième niveau est composé de deux parties: l'une déterministe représentée par une commination linéaire de fonctions connues a priori, a la manière des modèles évolutifs, et l'autre purement stochastique. Nous avons étudié deux méthodes d'estimation applicables à un cas particulier simple, ou la composante stochastique est un bruit blanc vectoriel.