Résumé : – Nous proposons un algorithme de diagonalisation conjointe par similitude d'un ensemble de matrices avec contrainte de non négati-vité sur les valeurs propres. Ce problème est au coeur de récentes méthodes de dé-mélange de signaux multidimensionnels. L'approche proposée garantit la non négativité des valeurs propres estimées et nous montrons à l'aide de simulations numériques que l'utilisation de cette contrainte permet d'améliorer l'estimation des valeurs propres. Abstract – In this paper we propose an algorithm for the joint eigenvalue decomposition of a matrix set with a non-negativity constraint on the eigenvalues. This kind of problem notably occurs for the separation of multidimensional signals. The proposed approach ensures the non-negativity of the estimated eigenvalues besides, our numerical simulations show that using the non-negativity constraint allows to improve the estimation of the eigenvalues.
https://hal.archives-ouvertes.fr/hal-01862233
Contributor : Xavier Luciani
<>
Submitted on : Monday, August 27, 2018 - 11:02:21 AM
Last modification on : Tuesday, January 21, 2020 - 1:37:15 AM
Long-term archiving on: Wednesday, November 28, 2018 - 1:39:37 PM
Rémi André, Xavier Luciani, Eric Moreau. Diagonalisation conjointe par similitude avec contrainte de non négativité sur les valeurs propres. GRETSI 2017, Sep 2017, Juan-les-Pins, France. ⟨hal-01862233⟩
