Séparation aveugle des sources en mélange convolutif

Cette these, realisee dans le cadre d'un contrat avec edf/der, a pour but de mettre en evidence des methodologies permettant de separer des melanges convolutifs de sources de facon aveugle. Le premier chapitre recense un certain nombre de techniques existant dans le domaine, en expliquant les interets et limitations. Dans le second chapitre, nous etudions une technique couramment utilisee, la decorrelation, sur laquelle, toutefois, peu de resultats theoriques existaient jusqu'alors. Nous montrons que, lorsque le melange est a reponse impulsionnelle infinie, il existe une infinite de solutions non separantes. De plus, meme lorsque le melange est a reponse impulsionnelle finie, la methode est peu robuste et presente des solutions parasites numeriques. Le troisieme chapitre est consacre a l'etude des fonctions de contraste. Nous en generalisons le concept afin qu'elles soient applicables meme lorsque les sources ne sont pas des filtrees lineaires de sequences independantes et identiquement distribuees. Utilisant une approche par deflation, nous mettons en evidence une categorie de contrastes qui presentent l'avantage de n'avoir aucun maximum local non separant. Apres avoir generalise la prediction lineaire afin qu'elle soit applicable lorsque le nombre de sources est superieur ou egal au nombre de capteurs, nous rappelons au chapitre suivant les techniques liees a l'annulation de cumulants croises ainsi qu'a une approche frequentielle. Enfin, le dernier chapitre est consacre a la validations de ces diverses techniques tant sur des signaux reels que sur une large serie de simulations.