Résumé:
Bien que beaucoup de travaux de recherche sur la séparation aveugle de sources à valeurs réelles ont été publiés dans la littérature, le nombre de recherches ayant traité le cas complexe reste insuffisant. L'analyse en composantes indépendantes s'est révélée utile pour la séparation des signaux à valeurs complexes dans de nombreuses applications telles que les communications, l'analyse des données d'électroencéphalographie, la reconnaissance de visage et la détection radar.
Au cours de cette thèse, nous nous sommes intéressés au développement de nouvelles méthodes de résolution du problème de la SAS pour les mélanges convolutifs. Nous avons considéré le problème de la séparation aveugle de sources et la déconvolution aveugle.
En considérant le problème de déconvolution du signal de parole, la décomposition en modes empiriques a été proposée pour décomposer le spectre d’amplitude du signal de parole en une composante harmonique due à l’excitation glottique et une enveloppe spectrale représentant l’effet du conduit vocal. Les résultats de la déconvolution ont été exploités pour la caractérisation du signal de parole. La composante harmonique et l’enveloppe spectrale obtenues ont été utilisées pour l’estimation de la fréquence fondamentale et les formants, respectivement. Les résultats obtenus sur des signaux de parole synthétique et naturelle montent que la méthode proposée fournit une estimation conjointe précise de la fréquence fondamentale et des formants. L’information de phase a été exploitée pour l’estimation de la source glottique.
