Le travail présenté dans cette thèse concerne la Séparation<br />Aveugle de Sources (SAS). La SAS consiste à estimer n signaux<br />inconnus (les sources) d'après la seule connaissance de m<br />mélanges de ces signaux (les observations).<br /><br />Nous étudions dans un premier temps l'identifiabilité des sources<br />dans le problème de la séparation aveugle de mélanges linéaires<br />instantanés (sur)déterminés (m >= n). Plusieurs modèles de<br />sources identifiables sont examinés. En particulier, il est montré<br />que si les sources possèdent une diversité temporelle et/ou<br />fréquentielle, leur indépendance mutuelle à l'ordre 2 suffit à<br />garantir leur identifiabilité.<br /><br />Nous décrivons dans un deuxième temps quelques méthodes de SAS<br />construites sur les hypothèses des modèles identifiables examinés.<br />Ces méthodes ont en commun d'être basées sur une procédure de<br />diagonalisation simultanée de matrices. Nous nous intéressons plus<br />particulièrement à une méthode adaptée aux sources<br />non-stationnaires, basée sur la diagonalisation simultanée de<br />matrices extraites du Spectre de Wigner-Ville Spatial (SWVS) des<br />observations à certains points du plan temps-fréquence (et après<br />blanchiment spatial). Nous proposons une approche théorique dans<br />un contexte stochastique qui justifie l'approximation en pratique<br />du SWVS par des Représentations Temps-Fréquence Spatiales de la<br />classe de Cohen. Les performances de la méthode dépendent dans une<br />large mesure de la sélection des points temps-fréquence et nous<br />proposons un critère de sélection robuste basé sur la détection<br />d'auto-termes simples des sources. Une étude statistique des<br />performances des méthodes exposées est réalisée sur des signaux<br />synthétiques non-stationnaires de type TVARMA. Une série de<br />critères d'évaluation originaux est proposée.<br /><br />Enfin, dans un troisième temps, nous montrons comment les méthodes <br />de SAS présentées dans le cas de mélanges linéaires instantanés <br />peuvent être généralisées à la séparation de mélanges convolutifs à <br />Réponse Impulsionnelle Finie en utilisant une procédure de <br />bloc-diagonalisation simultanée. Quelques résultats sur des <br />mélanges synthétiques de signaux audio sont présentés.

Ce travail de thèse propose d’analyser les signaux issus d’une source omnidirectionnelle sphérique réfléchis par un milieu sédimentaire stratifié et enregistré par une antenne d’hydrophones, en vue de caractériser quantitativement les sédiments marins aux moyennes fréquences, i.e. comprises entre 1 et 10 kHz. La recherche développée dans ce manuscrit propose une méthodologie facilitant la recherche des paramètres géoacoustiques du milieu avec la méthode des sources images, ainsi qu’un ensemble de solutions techniques appropriées afin d’améliorer cette méthode d’inversion récemment développée. La méthode des sources images repose sur une modélisation physique de la réflexion des ondes émises par une source sur un milieu stratifié sous l’approximation de Born. Par conséquent, la réflexion de l’onde sur le milieu stratifié peut être représentée par une collection de sources images, symétriques de la source réelle par rapport aux interfaces, dont les positions spatiales sont liées à la vitesse des ondes acoustiques et aux épaisseurs des couches. L’étude se décline en deux volets : traitements des signaux et inversion des paramètres géoacoustiques. La première partie du travail est focalisée sur le développement de la méthode des sources images. La méthode originelle se basait sur la construction de cartes de migration et de semblance de signaux pour déterminer les paramètres d’entrée de l’algorithme d’inversion qui sont des temps de trajet et des angles d’arrivée. Afin d’éviter cette étape, nous détectons les temps d’arrivée avec l’opérateur d’énergie de Teager-Kaiser (TKEO) et nous trouvons les angles par une méthode de triangulation. Le modèle d’inversion a été ensuite intégré en prenant en compte la possibilité de déformation de l’antenne. Cette partie se termine par une nouvelle approche qui combine TKEO et des méthodes temps fréquence afin d’avoir une bonne détection du temps d’arrivée dans le cas de signaux fortement bruités. Sur le plan du modèle et de l’inversion géoacoustique, nous proposons tout d’abord une description précise du modèle direct en introduisant le concept de sources images virtuelles. Cette étape permet de mieux comprendre l’approche développée. Ensuite, nous proposons une extension de la méthode des sources image pour l’inversion de paramètres géoacoustiques supplémentaires : la densité, l’atténuation et la vitesse des ondes de cisaillement. Cette extension est basée sur les résultats de l’inversion originelle (estimation du nombre de strates, de leur épaisseur, et de la vitesse des ondes de compression) ainsi que sur l’utilisation de l’amplitude des signaux réfléchis. Ces améliorations et extensions de la méthode des sources images sont illustrées par leur application sur des signaux synthétiques et des signaux réels issus d’expérimentations en cuve et à la mer. Les résultats obtenus sont très satisfaisants, tant au niveau des performances de calcul que de la qualité des estimations fournies. / This thesis aims at analyzing the signals emitted from a spherical omnidirectional source reflected by a stratified sedimentary environment and recorded by a hydrophone array in order to characterize quantitatively the marine sediments at medium frequencies, i.e. between 1 and 10 kHz. The research developed in this manuscript provides a methodology to facilitate the estimation of medium geoacoustic parameters with the image source method, and some appropriate technical solutions to improve this recently developed inversion method. The image source method is based on a physical modeling of the wave reflection emitted from a source by a stratified medium under the Born approximation. As result, the reflection of the wave on the layered medium can be represented by a set of image sources, symmetrical to the real source with respect to the interfaces, whose spatial positions are related to the sound speeds and the thicknesses of the layers. The study consists of two parts : signal processing and inversion of geoacoustic parameters. The first part of the work is focused on the development of the image source method. The original method was based on migration and semblance maps of the recorded signals to determine the input parameters of the inversion algorithm which are travel times and arrival angles. To avoid this step, we propose to determine the travel times with the Teager-Kaiser energy operator (TKEO) and the arrival angles are estimate with a triangulation approach. The inversion model is then integrated, taking into account the possible deformation of the antenna. This part concludes with a new approach that combines TKEO and time-frequency representations in order to have a good estimation of the travel times in the case of noisy signals. For the modeling and geoacoustic inversion part, we propose first an accurate description of the forward model by introducing the concept of virtual image sources. This idea provides a deeper understanding of the developed approach. Then, we propose an extension of the image sources method to the estimation of supplementary geoacoustic parameters : the density, the absorption coefficient, and the shear wave sound speed. This extension is based on the results of the original inversion (estimation of the number of layers, their thicknesses, and the pressure sound speeds) and on the use of the amplitudes of the reflected signals. These improvements and extents of the image source method are illustrated by their applications on both synthetic and real signals, the latter coming from tank and at-sea measurements. The obtained results are very satisfactory, from a computational point of view as well as for the quality of the provided estimations.

Cette thèse propose de nouvelles méthodes d'analyse d'enregistrements cérébraux intra-crâniens (potentiels de champs locaux), qui pallie les lacunes de la méthode temps-fréquence standard d'analyse des perturbations spectrales événementielles : le calcul d'une moyenne sur les enregistrements et l'emploi de l'activité dans la période pré-stimulus. La première méthode proposée repose sur la détection de sous-ensembles d'électrodes dont l'activité présente des synchronisations cooccurrentes en un même point du plan temps-fréquence, à l'aide de modèles bayésiens de mélange gaussiens. Les sous-ensembles d'électrodes pertinents sont validés par une mesure de stabilité calculée entre les résultats obtenus sur les différents enregistrements. Pour la seconde méthode proposée, le constat qu'un bruit blanc dans le domaine temporel se transforme en bruit ricien dans le domaine de l'amplitude d'une transformée temps-fréquence a permis de mettre au point une segmentation du signal de chaque enregistrement dans chaque bande de fréquence en deux niveaux possibles, haut ou bas, à l'aide de modèles bayésiens de mélange ricien à deux composantes. À partir de ces deux niveaux, une analyse statistique permet de détecter des régions temps-fréquence plus ou moins actives. Pour développer le modèle bayésien de mélange ricien, de nouveaux algorithmes d'inférence bayésienne variationnelle ont été créés pour les distributions de Rice et de mélange ricien. Les performances des nouvelles méthodes ont été évaluées sur des données artificielles et sur des données expérimentales enregistrées sur des singes. Il ressort que les nouvelles méthodes génèrent moins de faux-positifs et sont plus robustes à l'absence de données dans la période pré-stimulus / This thesis promotes new methods to analyze intracranial cerebral signals (local field potentials), which overcome limitations of the standard time-frequency method of event-related spectral perturbations analysis: averaging over the trials and relying on the activity in the pre-stimulus period. The first proposed method is based on the detection of sub-networks of electrodes whose activity presents cooccurring synchronisations at a same point of the time-frequency plan, using bayesian gaussian mixture models. The relevant sub-networks are validated with a stability measure computed over the results obtained from different trials. For the second proposed method, the fact that a white noise in the temporal domain is transformed into a rician noise in the amplitude domain of a time-frequency transform made possible the development of a segmentation of the signal in each frequency band of each trial into two possible levels, a high one and a low one, using bayesian rician mixture models with two components. From these two levels, a statistical analysis can detect time-frequency regions more or less active. To develop the bayesian rician mixture model, new algorithms of variational bayesian inference have been created for the Rice distribution and the rician mixture distribution. Performances of the new methods have been evaluated on artificial data and experimental data recorded on monkeys. It appears that the new methods generate less false positive results and are more robust to a lack of data in the pre-stimulus period

Cette thèse s'inscrit dans le contexte de l'analyse des signaux biomédicaux multicapteurs par des méthodes stochastiques. Les signaux auxquels nous nous intéressons présentent un caractère oscillant transitoire bien représenté par les décompositions dans le plan temps-fréquence c'est pourquoi nous avons choisi de considérer non plus les décours temporels de ces signaux mais les coefficients issus de la décomposition de ces derniers dans le plan temps-fréquence. Dans une première partie, nous décomposons les signaux multicapteurs sur une base de cosinus locaux (appelée base MDCT) et nous modélisons les coefficients à l'aide d'un modèle à états latents. Les coefficients sont considérés comme les réalisations de processus aléatoires gaussiens multivariés dont la distribution est gouvernée par une chaîne de Markov cachée. Nous présentons les algorithmes classiques liés à l'utilisation des modèles de Markov caché et nous proposons une extension dans le cas où les matrices de covariance sont factorisées sous forme d'un produit de Kronecker. Cette modélisation permet de diminuer la complexité des méthodes de calcul numérique utilisées tout en stabilisant les algorithmes associés. Nous appliquons ces modèles à des données électroencéphalographiques et nous montrons que les matrices de covariance représentant les corrélations entre les capteurs et les fréquences apportent des informations pertinentes sur les signaux analysés. Ceci est notamment illustré par un cas d'étude sur la caractérisation de la désynchronisation des ondes alpha dans le contexte de la sclérose en plaques. / This thesis adresses the problem of multichannel biomedical signals analysis using stochastic methods. EEG signals exhibit specific features that are both time and frequency localized, which motivates the use of time-frequency signal representations. In this document the (time-frequency labelled) coefficients are modelled as multivariate random variables. In the first part of this work, multichannel signals are expanded using a local cosine basis (called MDCT basis). The approach we propose models the distribution of time-frequency coefficients (here MDCT coefficients) in terms of latent variables by the use of a hidden Markov model. In the framework of application to EEG signals, the latent variables describe some hidden mental state of the subject. The latter control the covariance matrices of Gaussian vectors of fixed-time vectors of multi-channel, multi-frequency, MDCT coefficients. After presenting classical algorithms to estimate the parameters, we define a new model in which the (space-frequency) covariance matrices are expanded as tensor products (also named Kronecker products) of frequency and channels matrices. Inference for the proposed model is developped and yields estimates for the model parameters, together with maximum likelihood estimates for the sequences of latent variables. The model is applied to electroencephalogram data, and it is shown that variance-covariance matrices labelled by sensor and frequency indices can yield relevant informations on the analyzed signals. This is illustrated with a case study, namely the detection of alpha waves in rest EEG for multiple sclerosis patients and control subjects.

Cette thèse propose de nouvelles méthodes d'analyse d'enregistrements cérébraux intra-crâniens (potentiels de champs locaux), qui pallie les lacunes de la méthode temps-fréquence standard d'analyse des perturbations spectrales événementielles : le calcul d'une moyenne sur les enregistrements et l'emploi de l'activité dans la période pré-stimulus. La première méthode proposée repose sur la détection de sous-ensembles d'électrodes dont l'activité présente des synchronisations cooccurrentes en un même point du plan temps-fréquence, à l'aide de modèles bayésiens de mélange gaussiens. Les sous-ensembles d'électrodes pertinents sont validés par une mesure de stabilité calculée entre les résultats obtenus sur les différents enregistrements. Pour la seconde méthode proposée, le constat qu'un bruit blanc dans le domaine temporel se transforme en bruit ricien dans le domaine de l'amplitude d'une transformée temps-fréquence a permis de mettre au point une segmentation du signal de chaque enregistrement dans chaque bande de fréquence en deux niveaux possibles, haut ou bas, à l'aide de modèles bayésiens de mélange ricien à deux composantes. À partir de ces deux niveaux, une analyse statistique permet de détecter des régions temps-fréquence plus ou moins actives. Pour développer le modèle bayésien de mélange ricien, de nouveaux algorithmes d'inférence bayésienne variationnelle ont été créés pour les distributions de Rice et de mélange ricien. Les performances des nouvelles méthodes ont été évaluées sur des données artificielles et sur des données expérimentales enregistrées sur des singes. Il ressort que les nouvelles méthodes génèrent moins de faux-positifs et sont plus robustes à l'absence de données dans la période pré-stimulus.