Réduction de dimension pour la Séparation Aveugle de Sources

National audienceIn this article, we consider the dimension reduction problem in the context of blind source separation. We propose (1) a new model based on approximate joint block diagonalization, which allows to find the sources along with their subspace simultaneously, and (2), a Riemannian optimization approach to solve it, original in this context. Our model recovers sources that are independant from the noise and less sensible to the à priori estimation of the number of sources. The efficiency of our model as compared to the state of the art is illustrated through the source separation of an electroencephalographic recording.Dans cet article, nous considérons le problème de la réduction de dimension dans le cadre de la séparation aveugle de sources. Nous proposons (1) un nouveau modèle basé sur la diagonalisation par blocs conjointe qui permet de retrouver simultanément les sources et leur sous-espace et (2), une approche par optimisation Riemannienne pour le résoudre, originale dans ce contexte. Notre modèle produit des sources indépendantes du bruit et moins sensibles à l'estimation à priori du nombre de sources. L'efficacité de notre modèle par rapport à l'état de l'art est illustré sur la séparation de sources d'un enregistrement électroencéphalographique