4.3 M´ethodes utilisant les statistiques cycliques d’ordre 2
4.3.3 Extension du crit`ere au cas de plusieurs sources (p ≥ 3)
La fonction coˆut Γ se g´en´eralise au cas de p sources de la mani`ere suivante Γ(θ) =
La m´ethode propos´ee est justifi´ee par la proposition suivante (pour la d´emonstration voir Annexe ; A.2).
Proposition 4.1. La maximisation du crit`ere Γconduit `a la parfaite s´eparation des sources. En outre, la valeur maximale existe et est unique.
Remarque 4.3. Notons que le crit`ere Γest sym´etrique et donne les estimations de toutes les sources simultan´ement.
Algorithme
Nous r´esumons la m´ethode de s´eparation propos´ee par l’algorithme suivant
• Blanchiment des m´elangesz=Wx.
• Initialisation deθ, µ.
• It´erer : 1. y=Uz.
2. Calculer dΓ(θ)dθ . 3. θ ←θ−µdΓ(θ)dθ .
• R´ep´eter jusqu’`a la convergence.
• Restitution des sources s=U(θ)z.
4.3.4 R´ esultats de simulations
Nous pr´esentons dans ce paragraphe deux exemples de simulations pour illustrer la performance de la m´ethode. Dans le premier exemple, on traite le cas de deux sources cyclostationnaires de fr´equences cycliques diff´erentes. Dans le deuxi`eme exemple, nous traitons le cas de trois sources cyclostationnaires de fr´equences cycliques toutes diff´erentes.
Exemple 4.1. Consid´erons les deux sources cyclostationnaires `a l’ordre deux s1 et s2 respectivement de fr´equences cycliques α1 = 2F1 = 80 Hz et α2 = 2F2 = 30 Hz
s1(n) = a(n) cos(2πF1n), s2(n) = b(n) cos(2πF2n),
o`u a(n) et b(n) sont des signaux blancs ind´ependants gaussiens centr´es et r´eduits.
Le nombre d’´echantillons et la fr´equence d’´echantillonnage sont fix´es respectivement
`a 4000 et 40 KHz. La matrice de m´elange est A:=
1 0.9 0.75 1
.
4.3 M´ethodes utilisant les statistiques cycliques d’ordre 2 107 La figure 4.1 illustre la courbe representative du crit`ere propos´e ; c’est-`a-dire la fonc-tion coˆut
Sur ce mˆeme diagramme on a repr´esent´e l’´evolution du crit`ere propos´e par Bouguer-riou et al. dans [23] (pour le principe de cet algorithme voir Annexe ; A.5) :
θ∈ ainsi que l’erreur quadratique moyenne
θ ∈ 1; les autres coefficients de la d´ecomposition en s´erie de Fourier sont consid´er´es comme n´egligeables. On constate que notre crit`ere est r´egulier ; il admet un seul maximumθˆ=−0.0995rd correspondant `a l’estimation optimale (au sens de l’erreur quadratique moyenne) des sources s1 et s2; (voir figure 4.1). Les maxima de C1 et C2 sont respectivement θˆ1 =−0.0962 rd et θˆ2 =−0.1027 rd. Tous les maxima sont calcul´es par utilisation de l’algorithme de descente du gradient avec un pas fixe (µ= 0.01), pour 50 it´erations, en prenant comme point initial θ= 0. Nous observons que le maximum du crit`ere propos´eΓest tr`es proche de l’optimum th´eoriqueθe=−0.0996 rd, qui correspond aussi au minimum de l’EQM.
Nous pr´esentons dans le tableau (4.1), en dB, le SNR pour les trois algorithmes Sobi, Cyclosobi, Jade (pour le principe de ces algorithmes voir Annexe ; A.5), et ceux exploitant les fonctions de coˆut C1, C2 et Γ, o`u la taille des signaux est N = 4000.
Les simulations sont r´ep´et´ees 500 fois. Nous constatons que la m´ethode Sobi est la moins performante parmi ces m´ethodes car elle a ´et´e con¸cue pour la s´eparation de signaux stationnaires. Nous constatons ´egalement que la m´ethode Cyclosobi propos´ee par Boustany et Antoni [27], et qui repr´esente une extension de la m´ethode Sobi
mais pour les signaux cyclostationnaires, donne des r´esultats mielleurs que celle de Sobi. La m´ethode Jade donne des r´esultats interm´ediaires entre la m´ethode Cyclosobi et la m´ethode de Bougarriou C1 et C2 qui consiste `a extraire un signal d’int´erˆet cyclostationnaire. Nous observons que la m´ethode utilisant le crit`ere Γ que nous avons propos´e donne les meilleurs r´esultats. Nous pr´esentons dans la figure 4.2 les signaux sources, les observations et les sources estim´ees par maximisation de Γ.
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
−0.6
−0.4
−0.2 0 0.2 0.4 0.6 0.8 1 1.2
θ(rd) Fonction coût Γ
Fonctions coûts C 1,C
2 EQM
Fig. 4.1 – Fonctions coˆut Γ, C1, C2 et Erreur Quadratique Moyenne.
(s,x) Sobi(s,y) Cyclosobi(s,y) Jade(s,y) C1(s,y) C2(s,y) Γ(s,y)
s1 3.99 22.25 31.58 35.41 38.78 −− 41.08
s2 4.91 22.34 30.65 34.44 −− 39.05 41.94
Tab. 4.1 – SNR en dB pourSobi, Cyclosobi,Jade, C1,C2 et Γ.
Exemple 4.2. Consid´erons trois sources cyclostationnaires `a l’ordre deux de fr´equences
4.3 M´ethodes utilisant les statistiques cycliques d’ordre 2 109
Fig. 4.2 – Les signaux sources (en haut), les m´elanges (au milieu) et les sources estim´ees (en bas) obtenus par maximisation de Γ.
cycliques respectives α1 = 2F1 = 60 Hz, α2 = 2F2 = 140 Hz et α3 = 2F3 = 260 Hz s1(n) = a(n) cos(2πF1n),
s2(n) = b(n) cos(2πF2n), s3(n) = c(n) cos(2πF3n),
o`u a(n), b(n) et c(n) sont des signaux blancs gaussiens ind´ependants centr´es et r´eduits. Le nombre d’´echantillons et la fr´equence d’´echantillonnage sont fix´es res-pectivement `a 4000 et 40 Khz. La matrice de m´elange est
A :=
Dans ce cas3×3de s´eparation de sources, apr`es l’´etape de blanchiment, nous aurons besoin de trois rotations θ1, θ2 et θ3 de l’espace des signaux blanchis pour pouvoir
restituer les sources. Soit U une matrice 3×3 telle que UUT = I et det U = 1.
Les param`etres θ1, θ2 et θ3 repr´esentent les trois angles de rotation possibles de l’es-pace des signaux blanchis z, o`u −π/2< θ1, θ2, θ3 < π/2. Le crit`ereΓ(θ)dans ce cas s’´ecrit (voir l’´equation (4.16))
Γ(θ) =
Le maximum de la fonction coˆut Γ est calcul´e par utilisation de l’algorithme de descente du gradient avec un pas fixe (µ = 0.001), pour 100 it´erations, en prenant comme point initial (θ1, θ2, θ3) = (0,0,0). Nous montrons sur le tableau (4.2), les SNRs entre les signaux sources et sources estim´ees par maximisation deCi, i= 1,2,3 et Γ, o`u la taille des signaux est N = 4000. Les simulations sont r´ep´et´ees 500 fois.
Nous constatons que la m´ethode Sobi ne donne pas de bons r´esultats. La m´ethode Jade donne de meilleurs r´esultats. La m´ethode de Bouguerriou C1, C2 et C3 permet de s´eparer les signaux avec des r´esultats plus performants que ceux obtenus avec la m´ethode de Jade. Nous observons que la m´ethode propos´ee Γ donne les meilleurs r´esultats. Nous pr´esentons dans la figure 4.3 les signaux sources, les observations et les sources estim´es par maximisation de Γ.
4.4 M´ethodes bas´ees sur la minimisation des divergences p´enalis´ees 111