Calcul bayésien variationnel pour la séparation de sources avec un modèle Gauss-Markov caché

Show full item record

Files in this item

PDF GRETSI_2007_1305.pdf 523.2Kb

Pour citer ce document :
URI: http://hdl.handle.net/2042/17751
Title: Calcul bayésien variationnel pour la séparation de sources avec un modèle Gauss-Markov caché
Author: BALI, Nadia; MOHAMMAD-DJAFARI, Ali
Abstract: Dans cet article nous proposons une approche d'estimation variationnelle bayésienne (VB) pour un problème de séparation de source aveugle (BSS), comme alternative aux méthodes de MCMC. Les données correspondent à M images et les sources sont N images, supposées homogènes par morceaux. Pour assurer ces propriétés, nous proposons un modèle de Gauss-Markov pour les sources avec une variable cachée de classification qui est modélisée par un champ de Potts-Markov. Quelques résultats de simulation sont donnés pour illustrer les performances de la méthode proposée et quelque comparaison avec d'autres méthodes utilisées en séparation de sources (MCMC et VBICA) sont présentées.
Publisher: GRETSI, Groupe d’Etudes du Traitement du Signal et des Images
Date: 2007

This item appears in the following Collection(s)

Show full item record





Advanced Search