Abstract FR:

Cette these s'inscrit dans le cadre de la conception et de l'analyse d'algorithmes adaptatifs pour la separation non supervisee de melanges lineaires instantanes de sources statistiquement independantes. Ce probleme est entre autres rencontre en communication numerique ou des signaux a bande etroite sont superposes sur les capteurs d'une antenne avec des retards inferieurs a la duree symbole. Dans un premier temps nous introduisons la notion d'extraction de sources qui consiste a isoler une source pure d'une maniere non supervisee. A cette fin nous proposons un critere que nous minimisons par un algorithme adaptatif tres simple pilotant le vecteur poids d'un neurone lineaire. Ensuite nous adaptons le critere aux cas de sources discretes dans le but d'ameliorer les performances d'extraction. La deuxieme etape de notre travail porte sur le probleme de la separation simultanee de toutes les sources lorsque leur nombre est inconnu et inferieur ou egal au nombre de capteurs. Les coefficients d'un reseau de neurones lineaire sont adaptes selon trois algorithmes differents dans le but de minimiser un critere concu pour assurer l'extraction de toutes les sources. En presence de bruit et de plus de capteurs que de sources, les algorithmes font preuve d'une meilleure efficacite quant a la rejection du bruit par les neurones supplementaires. Ainsi la performance de separation se trouve sensiblement amelioree. L'application en traitement d'antenne des resultats obtenus constitue la troisieme partie de notre travail. Grace a une parametrisation adequate du reseau de separation adaptee au modele de melange recu sur une antenne lineaire uniforme, il devient possible en meme temps de separer les sources et d'estimer leurs angles d'arrivee. En appliquant le critere de separation de sources propose au prealable, nous obtenons un algorithme adaptatif pilotant les estimateurs des angles d'arrivee des sources. Des criteres plus simples sont ensuite proposes.