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.
Type de document :
Communication dans un congrès
26eme Colloque GRETSI Traitement du Signal & des Images, GRETSI 2017, Sep 2017, juan-les-pins, France
Liste complète des métadonnées

Littérature citée [14 références]  Voir  Masquer  Télécharger

https://hal-centralesupelec.archives-ouvertes.fr/hal-01568175
Contributeur : Remy Boyer <>
Soumis le : lundi 24 juillet 2017 - 23:14:50
Dernière modification le : jeudi 13 septembre 2018 - 15:24:04

Fichier

gretsi_2.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01568175, version 1

Citation

Virginie Ollier, Rémy Boyer, Mohammed Nabil El Korso, Pascal Larzabal. Borne Bayésienne pour les systèmes large-échelle : cas d'un bruit à queue lourde. 26eme Colloque GRETSI Traitement du Signal & des Images, GRETSI 2017, Sep 2017, juan-les-pins, France. 〈hal-01568175〉

Partager

Métriques

Consultations de la notice

399

Téléchargements de fichiers

55