Identification de distributions dans des séries temporelles multivariées présentant des corrélations à délais
Résumé
Les modèles par chaînes de Markov cachées ont prouvé leur efficacité pour la segmentation et la restauration de signaux multivariées. En particulier, ces modèles et les extensions associées sont appréciés pour leur robustesse au bruit et pour les outils d'estimation non supervisée qui leurs sont associés. Parmi ces extensions, les Chaînes de Markov Triplet amènent une généralisation permettant de prendre en compte des distributions de bruit complexes ou encore l'introduction d'a priori élaborés. Dans cet article, cette modélisation est adoptée avec l'objectif d'identifier les distributions multidimensionnelles à corrélation retardée dans le temps dans des séries temporelles multivariées. Un processus auxiliaire est ainsi introduit pour modéliser les états à retard existant entre les canaux observés. Les paramètres sont estimés à partir des données à l'aide de l'algorithme d'estimation conditionnelle itérative. La méthode est validée et illustrée sur des données simulées.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...