Adaptive signals recovery by convex optimization

Résumé : Nous considérons le problème de débruitage d'un signal ou d'une image observés dans le bruit gaussien. Dans ce problème les estimateurs linéaires classiques sont quasi-optimaux quand l'ensemble des signaux, qui doit être convexe et compact, est connu a priori. Si cet ensemble n'est pas spécifié, la conception d'un estimateur adaptatif qui ``ne connait pas'' la structure cachée du signal reste un problème difficile. Dans cette thèse, nous étudions une nouvelle famille d'estimateurs des signaux satisfaisant certains propriétés d'invariance dans le temps. De tels signaux sont caractérisés par leur structure harmonique, qui est généralement inconnu dans la pratique.Nous proposons des nouveaux estimateurs capables d'exploiter la structure harmonique inconnue du signal è reconstruire. Nous démontrons que ces estimateurs obéissent aux divers "inégalités d'oracle," et nous proposons une implémentation algorithmique numériquement efficace de ces estimateurs basée sur des algorithmes d'optimisation de "premier ordre." Nous évaluons ces estimateurs sur des données synthétiques et sur des signaux et images réelles.
Type de document :
Thèse
Computation and Language [cs.CL]. Université Grenoble Alpes, 2018. English. 〈NNT : 2018GREAM004〉
Liste complète des métadonnées

Littérature citée [40 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01767206
Contributeur : Abes Star <>
Soumis le : lundi 15 octobre 2018 - 16:30:09
Dernière modification le : samedi 29 décembre 2018 - 01:05:02

Fichier

OSTROVSKII_2018_diffusion.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01767206, version 2

Collections

Citation

Dmitrii Ostrovskii. Adaptive signals recovery by convex optimization. Computation and Language [cs.CL]. Université Grenoble Alpes, 2018. English. 〈NNT : 2018GREAM004〉. 〈tel-01767206v2〉

Partager

Métriques

Consultations de la notice

84

Téléchargements de fichiers

44