Partenaires

CNRS
Ministère de l'Enseignement Supérieur et de la Recherche
Ecole Centrale de Lille
Université de Lille 1
CRIStAL

« octobre 2017 »
L M M J V S D
25 26 27 28 29 30 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5


Rechercher

Sur ce site

Sur le Web du CNRS


Accueil du site > Soutenances de Thèses > JAOUA Nouha

Soutenance de Thèse : JAOUA Nouha

Nouha Jaoua a soutenu sa thèse le jeudi 6 juin 2013 à 10 h 30 au Grand Amphithéâtre de l’ Ecole Centrale de Lille

Titre de la thèse :

"Estimation Bayésienne non Paramétrique de Systèmes Dynamiques en présence de Bruit Alpha-stables"

Date :

Jeudi 6 juin 2013 - 10 h 30 - Grand Amphithéâtre - Ecole Centrale de Lille

Le jury de thèse est composé de :

Directeur de thèse : Emmanuel Duflos, Ecole Centrale de Lille 
Directeur de thèse : Philippe Vanheeghe, Ecole Centrale de Lille 

Rapporteur : Thierry Chonavel, TELECOM Bretagne
Rapporteur : Jean-François Giovannelli, Université de bordeaux I 

Membre : Noureddine Ellouze, ENIT, Tunis
Membre : Laurent Clavier, TELECOM Lille I
Membre : François Caron, INRIA
Membre : François Septier, TELECOM Lille I

Résumé :

Dans un nombre croissant d’applications, les perturbations rencontrées s’éloignent fortement des modèles classiques qui les modélisent par une gaussienne ou un mélange de gaussiennes. C’est en particulier le cas des bruits impulsifs que nous rencontrons dans plusieurs domaines, notamment celui des télécommunications. Dans ce cas, une modélisation mieux adaptée peut reposer sur les distributions alpha-stables. C’est dans ce cadre que s’inscrit le travail de cette thèse dont l’objectif est de concevoir de nouvelles méthodes robustes pour l’estimation conjointe état-bruit dans des environnements impulsifs. L’inférence est réalisée dans un cadre bayésien en utilisant les méthodes de Monte Carlo séquentielles. Dans un premier temps, cette problématique a été abordée dans le contexte des systèmes de transmission OFDM en supposant que les distorsions du canal sont modélisées par des distributions alpha-stables symétriques. Un algorithme de Monte Carlo séquentiel a été proposé pour l’estimation conjointe des symboles OFDM émis et des paramètres du bruit alpha-stable. Ensuite, cette problématique a été abordée dans un cadre applicatif plus large, celui des systèmes non linéaires. Une approche bayésienne non paramétrique fondée sur la modélisation du bruit alpha-stable par des mélanges de processus de Dirichlet a été proposée. Des filtres particulaires basés sur des densités d’importance efficaces sont développés pour l’estimation conjointe du signal et des densités de probabilité des bruits.