Abstract FR:

Plusieurs sources, qui émettent simultanément des signaux, sont reçues mélangées sur un réseau de capteurs. La séparation de sources est l'opération qui reconstitue les signaux émis par chacune des sources a partir du mélange enregistre sur les capteurs. Ce problème est devenu classique en traitement du signal. Sans connaissances sur le modèle de propagation, il ne peut pas être résolu par les techniques classiques. A partir de travaux récents sur la séparation de sources non-gaussiennes par les statistiques d'ordre supérieur à deux, ce travail a cherché à analyser les performances d'une technique utilisant un critère construit par l'approche du maximum de vraisemblance. Dans la restriction au cas de deux sources qui peuvent être à valeurs complexes ou réelles, les estimateurs n'ont pas de biais. De plus, les expressions théoriques des variances asymptotiques ont été calculées. En parallèle, à ces formulations des bornes de Cramer-Rao, une formule analytique plus simple utilisant les cumulants d'ordre 4 a été comparée de façon satisfaisante. Une approche plus générale englobant l'étude du biais et des variances asymptotiques a été introduite. Elle s'appuie sur la théorie de la robustesse statistique. De plus une application sur des données réelles a été réalisée qui a confirme la faisabilité de la séparation de sources et a permis d'introduire un mode de visualisation original. Ce dernier utilise des outils décrivant les polarisations d'ondes. Ce travail a montre que l'utilisation d'algorithmes aux ordres supérieurs complète les techniques de caractérisation, fondées sur les propriétés énergétiques des sources non-gaussiennes