Borne Bayésienne pour les systèmes large-échelle : cas d'un bruit à queue lourde - Ifsttar Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

Borne Bayésienne pour les systèmes large-échelle : cas d'un bruit à queue lourde

Résumé

Nous nous intéressons dans ce travail à l'étude de bornes de Cramér-Rao Bayésiennes dans le cadre de l'estimation robuste de paramètres pour un bruit non-Gaussien. En effet, les mesures observées peuvent être perturbées par des réalisations de bruit aberrantes dont une modélisation ad-hoc est une loi de Student. A l'aide de la théorie des grandes matrices aléatoires, nous dérivons de manière analytique dans ce travail la borne Bayésienne de Cramér-Rao. Enfin, nous étudions l'effet du degré de liberté de la loi de Student sur leur comportement. Abstract – We are discussing in this work Bayesian lower bounds for multi-parameter robust estimation in non-Gaussian noise environment. Indeed, the data model can be affected by the presence outliers, leading to sparse noise following a Student's t distribution for instance. Using some results from the large random matrix theory, we derive closed-form expressions of the Bayesian Cramér-Rao bound asymptotically and study the influence of the degree of freedom.
Fichier principal
Vignette du fichier
gretsi_2.pdf (130.2 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01568175 , version 1 (24-07-2017)

Identifiants

  • HAL Id : hal-01568175 , version 1

Citer

Virginie Ollier, Remy Boyer, Mohammed Nabil El Korso, Pascal Larzabal. Borne Bayésienne pour les systèmes large-échelle : cas d'un bruit à queue lourde. 26eme Colloque francophone de traitement du signal et des images (GRETSI 2017), Sep 2017, juan-les-pins, France. ⟨hal-01568175⟩
314 Consultations
98 Téléchargements

Partager

Gmail Facebook X LinkedIn More