Cet article présente une méthode de conception de filtres numériques RII (Réponse Impulsionnelle Infinie) à phase linéaire . Le problème consiste à approcher au mieux les caractéristiques d'amplitude et de phase définies dans le domaine fréquentiel, préalablement données par l'utilisateur . La méthode proposée utilise la programmation linéaire (PL) qui exige que les contraintes soient mises sous forme linéaire . Pour concevoir des filtres stables, la plupart des méthodes utilisant la PL insèrent dans le problème d'approximation des contraintes de stabilité linéaires suffisantes mais non nécessaires ce qui restreint le champ de recherche des filtres . De plus ces contraintes, supplémentaires vis-à-vis du problème d'approximation lui-même, alourdissent le schéma de résolution . Une nouvelle démarche est utilisée dans cet article pour résoudre le problème de la stabilité des filtres . Celui-ci est traité en deux temps : (a) on suppose que la stabilité est assurée a priori, ce qui permet d'alléger la formulation du problème et (b) on la vérifie a posteriori à l'aide d'un critère . Des exemples de filtres sont donnés illustrant les améliorations apportées comparativement à ceux obtenus par des méthodes concurrentes ....

Une technique nous permettant d'obtenir des diagrammes de directivité à faisceau constant sur une très large bande est présentée. Le vecteur covariance est formé en considérant la partie réelle et la partie imaginaire de certains éléments de la matrice de covariance. C'est en filtrant ce vecteur par une matrice qu'un opérateur peut contrôler le niveau, le nombre, et la position des lobes secondaires ainsi que la largeur du faisceau de directivité du traitement. L'efficacité de la méthode proposée lors de la caractérisation de signaux basse fréquence est démontrée, par comparaison avec quatre autres approches....

Dans cet article, nous développons un modèle d'image qui fait appel aux champs aléatoires markoviens de Pickard dans le but de modéliser des notions contextuelles aussi vagues et imprécises que « l'uniformité d'une région » ou « la continuité du bord d'un objet ». Nous décrivons une méthode d'estimation par maximum de vraisemblance a posteriori obtenue par une généralisation simple d'une méthode largement utilisée dans le contexte unidimensionel de la reconnaissance de la parole . Nous développons deux méthodes d'estimation non supervisée des paramètres du modèle et nous montrons au moyen de plusieurs exemples que notre technique permet de traiter avec succès des problèmes de restauration et de segmentation d'images digitales à niveaux de gris ....
Dans cet article, nous développons un modèle d'image qui fait appel aux champs aléatoires markoviens de Pickard dans le but de modéliser des notions contextuelles aussi vagues et imprécises que « l'uniformité d'une région » ou « la continuité du bord d'un objet ». Nous décrivons une méthode d'estimation par maximum de vraisemblance a posteriori obtenue par une généralisation simple d'une méthode largement utilisée dans le contexte unidimensionel de la reconnaissance de la parole . Nous développons deux méthodes d'estimation non supervisée des paramètres du modèle et nous montrons au moyen de plusieurs exemples que notre technique permet de traiter avec succès des problèmes de restauration et de segmentation d'images digitales à niveaux de gris ....