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.
Complete list of metadatas

Cited literature [14 references]  Display  Hide  Download

https://hal-centralesupelec.archives-ouvertes.fr/hal-01568175
Contributor : Remy Boyer <>
Submitted on : Monday, July 24, 2017 - 11:14:50 PM
Last modification on : Tuesday, November 19, 2019 - 1:47:50 AM

File

gretsi_2.pdf
Files produced by the author(s)

Identifiers

  • 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⟩

Share

Metrics

Record views

483

Files downloads

116