Stratégies d'optimisation pour la détection aveugle de sources à un capteur en situation d'interférence forte

Dans cette thèse nous étudions la détection aveugle de sources pour des mélanges linéaires à un seul capteur et dans des situations dominées par l'interférence. Nos hypothèses de travail portent uniquement sur l'indépendance des sources et le caractère fini et uniforme de leur distribution. Centrant notre étude autour d'un algorithme itératif de la littérature, plusieurs méthodes d'initialisation sont proposées afin d'en améliorer la robustesse quant aux cas les plus défavorables. En particulier, la relation entre les minima locaux vers lesquels les algorithmes considérés peuvent converger et la géométrie des constellations sous-jacentes aux mélanges est étudiée. Plusieurs méthodes visant à intégrer cette information au processus de détection global sont analysées. Les résultats obtenus par simulation sur des configurations de mélange variées attestent de l'efficacité des stratégies proposées via à vis des algorithmes de détection aveugle traditionnels. Une extension de notre méthode à des canaux sélectifs en fréquence et pour des transmissions multi-porteuses est également effectuée, conduisant à de nouvelles propositions d'initialisation. Notre étude se conclut par des considérations plus générales quant à l'aptitude des algorithmes de classification à pouvoir discerner des ensembles de points exhibant une forte proximité.In this thesis we address the blind channel estimation and source detection of linear mixtures with a single sensor in scenarios strongly dominated by interference. In this framework our only assumptions relate to the sources mutual independence, as well as the discrete and uniform nature of their probability distribution. Based on existing iterative algorithms from the literature, we propose several initialization strategies so as to enhance both their overall performance and robustness to highly unfavorable mixture configurations. We provide a detailed analysis of the relation between the spurious fixed points these algorithms are known to possibly converge to and the underlying mixtures geometry. Possible strategies to account for this additional information in the overall detection process are discussed as well. Simulation results attest to a significant improvement of the achieved error rates compared to all tested traditional detection schemes. An extension of the method to the estimation of frequency-selective channels in multiuser and orthogonal multicarrier transmissions is then performed, along with several initialization propositions. We conclude our study by more general considerations on clustering algorithms and their ability to discriminate between partially entangled data classes