Letteratura scientifica selezionata sul tema "Modèle de bruit blanc Gaussien"

En rendant aléatoires les intrants du modèle déterministe en cascade de réservoirs linéaires de Nash-Dooge, on obtient des modèles linéaires stochastiques adaptés aux petits bassins, qui peuvent être formulés comme des systèmes dynamiques stochastiques linéaires simples représentés par des équations différentielles stochastiques (EDS). Les processus du système, la précipitation et les pertes dues à l'évapotranspiration (cette dernière étant considérée comme un intrant négatif), sont respectivement modélisés par un processus composé de Poisson et par un bruit blanc gaussien à moyenne nulle superposé à une moyenne déterministe. Pour la réponse superficielle et la réponse souterraine, on propose des modèles stochastiques en cascades de Nash-Dooge à n réservoirs linéaires égaux et à deux réservoirs en parallèle. Des travaux récents sur la genèse des débits ont conduit à mettre au point un modèle dynamique grossier, plus plausible conceptuellement, formé de régimes à réponse rapide et à réponse lente parallèles. Ce modèle est élaboré en attribuant au réservoir lent toutes les pertes d'évapotranspiration, les fluctuations de celle-ci étant modélisées par un bruit gaussien coloré à moyenne nulle et en rationalisant un modèle d'infiltration linéarisé fonction d'un écoulement à régime lent précédant une précipitation. En fait, cette contribution vise à donner une portée plus générale à la théorie déterministe de Nash-Dooge basée sur l'hydrogramme unitaire, afin de l'étendre à une théorie linéaire stochastique de réponse d'un bassin.

L'objectif du présent travail est l'élaboration d'une méthodologie de validation des données hydrométriques mesurées dans un réseau d'assainissement. L'information validée est utilisée aussi bien en temps réel, pour optimiser les consignes de gestion, qu'en temps différé, pour poser le véritable diagnostic et évaluer, sur une base quotidienne, l'efficacité des systèmes d'assainissement. Le principe de base de la méthodologie proposée repose sur la redondance analytique de l'information provenant d'une part de la mesure directe du débit sur le terrain et d'autre part du débit simulé à partir des variables météorologiques. On compare ainsi d'une part, l'écart entre la valeur prévue par un modèle autorégressif (AR) et la valeur mesurée et d'autre part, l'écart entre la valeur prévue par ce même modèle AR et la valeur simulée par un modèle hydrologique. Parmi les valeurs, mesurée et simulée, celle qui se rapproche le plus de la valeur prévue est retenue. Afin de considérer des modèles non stationnaires et d'éviter le biais d'estimation des paramètres de régression par la méthode standard des moindres carrés, le filtre de Kalman est utilisé pour identifier les paramètres du modèle AR. La méthodologie proposée a été testée avec succès sur un bassin urbain de la municipalité de Verdun. L'hydrogramme mesuré a été bruité artificiellement à la fois par un bruit blanc et par un certain nombre de perturbations de grandes amplitudes et de différentes formes. Le processus de validation a permis de retrouver pratiquement les mesures initiales, non bruitées. Les critères de performance introduits sont largement concluants.

The standard Monte Carlo estimations of rare events probabilities suffer from too much computational time. To make estimations faster, kernel-based estimators proved to be more efficient for binary systems whilst appearing to be more suitable in situations where the probability density function of the samples is unknown. We propose a kernel-based Bit Error Probability (BEP) estimator for coded M-ary Quadrature Amplitude Modulation (QAM) systems. We defined soft real bits upon which an Epanechnikov kernel-based estimator is designed. Simulation results showed, compared to the standard Monte Carlo simulation technique, accurate, reliable and efficient BEP estimates for 4-QAM and 16-QAM symbols transmissions over the additive white Gaussian noise channel and over a frequency-selective Rayleigh fading channel. Les estimations de probabilités d'événements rares par la méthode de Monte Carlo classique souffrent de trop de temps de calculs. Des estimateurs à noyau se sont montrés plus efficaces sur des systèmes binaires en même temps qu'ils paraissent mieux adaptés aux situations où la fonction de densité de probabilité est inconnue. Nous proposons un estimateur de Probabilité d'Erreur Bit (PEB) à noyau pour les systèmes M-aires codés de Modulations d'Amplitude en Quadrature (MAQ). Nous avons défini des bits souples à valeurs réelles à partir desquels un estimateur à noyau d'Epanechnikov est conçu. Les simulations ont montré, par rapport à la méthode Monte Carlo, des estimées de PEB précises, fiables et efficaces pour des transmissions MAQ-4 et MAQ-16 sur canaux à bruit additif blanc Gaussien et à évanouïssements de Rayleigh sélectif en fréquence.

On étudie deux modèles statistiques: le modèle de régression à pas aléatoire et le modèle de bruit blanc gaussien. Dans ces modèles, le but est d'estimer en norme sup une fonction f inconnue, à partir des observations, en supposant que f appartient à une classe de Holder. Dans le modèle de régression, pour l'estimation d'une fonction unidimensionnelle, on obtient la constante exacte et un estimateur asymptotiquement exact. Dans le modèle de bruit blanc, on s'intéresse à l'estimation sur deux classes de fonctions multidimensionnelles anisotropes dont une est une classe additive. Pour ces deux classes, on détermine la constante exacte et un estimateur asymptotiquement exact et on met en évidence leur lien avec l'"optimal recovery". La dernière partie donne des résultats d'asymptotique exacte dans un cadre adaptatif dans le modèle de bruit blanc. On détermine la constante exacte adaptative et un estimateur asymptotiquement exact adaptatif pour l'estimation sur des classes anisotropes.

On construit un test d'ajustement de la normalité<br />pour les innovations d'un modèle ARMA(p,q) de tendance et moyenne<br />connues, basé sur l'approche du test lisse dépendant des<br />données et simple à appliquer. Une vaste étude de simulation<br />est menée pour étudier ce test pour des<br />tailles échantillonnales modérées. Notre approche<br />est en général plus puissante que les tests existants. Le niveau est<br />tenu sur la majeure partie de l'espace paramétrique. Cela est en accord avec les résultats<br />théoriques montrant la supériorité de l'approche du test lisse<br />dépendant des données dans des contextes similaires.<br /><br />Un test d'indépendance (ou d'indépendance sérielle) semi-paramétrique entre des sous-vecteurs de loi normale est proposé, mais sans<br />supposer la normalité jointe de ces marginales. La statistique de test<br />est une fonctionnelle de type Cramér-von Mises d'un processus défini à<br />partir de la fonction caractéristique empirique. Ce processus est<br />défini de façon similaire à celui de Ghoudi et al. (2001) construit à<br />partir de la fonction de répartition empirique et utilisé pour tester<br />l'indépendance entre des marginales univariées. La statistique de test<br />peut être représentée comme une V-statistique. Il est convergent pour<br />détecter toute forme de dépendance. La convergence faible du processus<br />est établie. La distribution asymptotique des fonctionnelles de<br />Cramér-von Mises est approchée par la méthode de Cornish-Fisher au<br />moyen d'une formule de récurrence pour les cumulants et par le<br />calcul numérique des valeurs propres dans la formule d'inversion. La<br />statistique de test est comparée avec celle de Wilks pour <br />l'hypothèse paramétrique d'indépendance dans le modèle MANOVA à<br />un facteur avec effets aléatoires.

Dans le cadre d'une analyse par ondelettes, nous étudions les propriétés statistiques de diverses classes de procédures. Plus précisément, nous cherchons à déterminer les espaces maximaux (maxisets) sur lesquels ces procédures atteignent une vitesse de convergence donnée. L'approche maxiset nous permet alors de donner une explication théorique à certains phénomènes observés en pratique et non expliqués par l'approche minimax. Nous montrons en effet que les estimateurs de seuillage aléatoire sont plus performants que ceux de seuillage déterministe. Ensuite, nous prouvons que les procédures de seuillage par groupes, comme certaines procédures d'arbre (proches de la procédure de Lepski) ou de seuillage par blocs, ont de meilleures performances au sens maxiset que les procédures de seuillage individuel. Par ailleurs, si les maxisets des estimateurs Bayésiens usuels construits sur des densités à queues lourdes sont de même nature que ceux des estimateurs de seuillage dur, nous montrons qu'il en est de même pour ceux des estimateurs Bayésiens construits à partir de densités Gaussiennes à grande variance et dont les performances numériques sont très bonnes.

On construit un test d'ajustement de la normalité pour les innovations d'un modèle ARMA( p,q ) de tendance et moyenne connues, basé sur l'approche du test lisse dépendant des données et simple à appliquer. Une vaste étude de simulation est menée pour étudier ce test pour des tailles échantillonnales modérées. Notre approche est en général plus puissante que les tests existants. Le niveau est tenu sur la majeure partie de l'espace paramétrique. Cela est en accord avec les résultats théoriques montrant la supériorité de l'approche du test lisse dépendant des données dans des contextes similaires. Un test d'indépendance (ou d'indépendance sérielle) semi-paramétrique entre des sous-vecteurs de loi normale est proposé, mais sans supposer la normalité jointe de ces marginales. La statistique de test est une fonctionnelle de type Cramér-von Mises d'un processus défini à partir de la fonction caractéristique empirique. Ce processus est défini de façon similaire à celui de Ghoudi et al. (2001) construit à partir de la fonction de répartition empirique et utilisé pour tester l'indépendance entre des marginales univariées. La statistique de test peut être représentée comme une V-statistique. Il est convergent pour détecter toute forme de dépendance. La convergence faible du processus est établie. La distribution asymptotique des fonctionnelles de Cramér-von Mises est approchée par la méthode de Cornish-Fisher au moyen d'une formule de récurrence pour les cumulants et par le calcul numérique des valeurs propres dans la formule d'inversion. La statistique de test est comparée avec celle de Wilks pour l'hypothèse paramétrique d'indépendance dans le modèle MANOVA à un facteur avec effets aléatoires.

Dans le cadre d'une analyse par ondelettes, nous nous intéressons à l'étude statistique d'une classe particulière d'espaces de Lorentz : les espaces de Besov faibles qui apparaissent naturellement dans le contexte de la théorie maxiset. Avec des hypothèses de type "bruit blanc gaussien", nous montrons, grâce à des techniques bayésiennes, que les vitesses minimax des espaces de Besov forts ou faibles sont les mêmes. Les distributions les plus défavorables que nous exhibons pour chaque espace de Besov faible sont construites à partir des lois de Pareto et diffèrent en cela de celles des espaces de Besov forts. Grâce aux simulations de ces distributions, nous construisons des représentations visuelles des "ennemis typiques". Enfin, nous exploitons ces distributions pour bâtir une procédure d'estimation minimax, de type "seuillage" appelée ParetoThresh, que nous étudions d'un point de vue pratique. Dans un deuxième temps, nous nous plaçons sous le modèle hétéroscédastique de bruit blanc gaussien et sous l'approche maxiset, nous établissons la sous-optimalité des estimateurs linéaires par rapport aux procédures adaptatives de type "seuillage". Puis, nous nous interrogeons sur la meilleure façon de modéliser le caractère "sparse" d'une suite à travers une approche bayésienne. À cet effet, nous étudions les maxisets des estimateurs bayésiens classiques - médiane, moyenne - associés à une modélisation construite sur des densités à queues lourdes. Les espaces maximaux pour ces estimateurs sont des espaces de Lorentz, et coïncident avec ceux associés aux estimateurs de type "seuillage". Nous prolongeons de manière naturelle ce résultat en obtenant une condition nécessaire et suffisante sur les paramètres du modèle pour que la loi a priori se concentre presque sûrement sur un espace de Lorentz précis.

Cette thèse porte sur l'influence d'un bruit Gaussien dans l'équation de Landau-Lifshitz-Gilbert Stochastique (SLLG). Il s'agit d'une équation aux dérivées partielles stochastique, non linéaire, avec une contrainte non convexe sur le module des solutions. Le chapitre 1 se consacre tout d'abord à la solvabilité locale de SLLG. Utilisant les propriétés classiques de l'intégration stochastique dans un espace de Banach, nous proposons une formulation mild, et donnons l'existence et l'unicité d'une solution locale en dimension quelconque, pour un bruit Gaussien régulier en espace, dans le cas sur-amorti. Dans un second temps, nous effectuons une étude spécifique de la dimension deux d'espace. Le chapitre 2 porte sur l'existence de solutions fortes au sens probabiliste pour SLLG en 2D. En se basant sur la formule de l'énergie, nous donnons une méthode permettant d'obtenir une solution globale en temps, de manière unique. Le chapitre 3 s'intéresse à l'unicité des solutions faibles en 2D. Un résultat déterministe donnait l'unicité sachant en supposant l'énergie décroît au cours du temps, hypothèse impossible dans le cas bruité. Nous montrons néanmoins l'unicité des solutions faibles vérifiant une propriété de sur-martingale sur la fonctionnelle d'énergie. Le chapitre 4 donne l'existence, sous l'hypothèse de sur-amortissement, de solutions explosives en temps fini. Nous expliquons que contrairement au cas déterministe, une singularité peut apparaître avec probabilité positive, quelle que soit la donnée initiale choisie. Nous revenons ensuite au cas d'une dimension d'espace quelconque, proposant dans le chapitre 5 un nouveau schéma numérique semi-discrétisé en temps. Ce chapitre est basé sur un article en collaboration avec F. Alouges et A. De Bouard. Nous montrons la convergence en loi d'un schéma de projection pour SLLG, qui a l'avantage de respecter de manière exacte la contrainte sur le module des solutions. Ce schéma traite le cas d'un terme de bruit assez général, régularisé en espace mais de dimension infinie. Nous montrons ensuite comment l'implémenter dans le chapitre 6, à l'aide d'éléments finis, et nous donnons une méthode pratique pour approcher un bruit régulier dans ce cadre. Nous mettons également en évidence le phénomène d'explosion, observé numériquement malgré la présence d'une terme gyromagnétique, et d'un bruit plus général qu'au chapitre 4<br>This thesis is devoted to the influence of a noise term in the stochastic Landau-Lifshitz-Gilbert Equation (SLLG). It is a nonlinear stochastic partial differential equation with a non-convex constraint on the modulus of the solutions. First, we study in chapter 1 the question of local solvability. Using classical properties of stochastic integration with Banach space-valued processes, we propose a mild formulation, and give the existence and uniqueness of a local solution in any dimension, for a Gaussian noise, regular in space. Secondly, we focus on the specific study of SLLG in a two-dimensional space domain. Chapter 2 deals with the existence of a strong solution, in the probabilistic sense. Using the energy formula, we give a method to obtain uniquely a global solution in time. Chapter 3 gives uniqueness of weak solutions, provided that the energy satisfies a super-martingale property. This is the stochastic counterpart of a known deterministic result giving the uniqueness of weak solutions, knowing that the energy decreases. Chapter 4 gives the existence, in the so-called ``overdamped case'', of solutions that blow-up in finite time. We prove that, unlike the deterministic case, a singularity may appear with positive probability, regardless of the initial data chosen. Then we return to the case of general dimension of space, providing in chapter 5 a new time semi-discrete scheme for SLLG. This chapter is based on an article in collaboration with F. Alouges and A. De Bouard. We show the convergence in law of a projection-type scheme for SLLG, which has the advantage of respecting exactly the local constraint on the magnitude. This scheme treats the case of a rather general noise term regularized in space but infinite-dimensional. In Chapter 6, we show how to implement it with a finite element dicretization in space, and we give a practical method for approaching a regular noise in this framework. We also evidence numerical blow-up of the solutions, despite the presence of a gyromagnetic term, and of a more general noise than that of Chapter 4

Nous présentons quelques contributions à l'estimation fonctionnelle par méthodes d'ondelettes.<br />Deux axes de recherches orientent notre travail. Premier axe: étude de modèles statistiques complexes. Le point de départ de notre étude est le modèle de bruit blanc gaussien généralisé et le modèle de régression à pas aléatoires.<br />Ceux-ci font intervenir une fonction perturbant l'estimation de la fonction inconnue.<br />Notre objectif est de montrer l'influence exacte de cette fonction parasite via l'approche minimax sous le risque Lp. Dans un premier temps,<br />nous utilisons des méthodes en ondelettes pour cerner les limites de cette approche lorsque l'on se place sur des boules de Besov standards. Dans un deuxième temps, nous étudions l'alternative des boules de Besov pondérées et des méthodes en ondelettes déformées.<br />Deuxième axe: estimation adaptative. Nous étudions les performances de plusieurs estimateurs de seuillage par blocs en ondelettes sous le risque Lp.<br />Nous montrons leurs excellentes propriétés minimax et maxisets pour un large panel de modèles statistiques. En guise d'applications, nous traitons le modèle de régression à pas aléatoires et le modèle de convolution en bruit blanc gaussien.

Bien que le traitement conjoint des mesures multimodales soit supposé conduire à de meilleures performances que celles obtenues en exploitant une seule modalité ou plusieurs modalités indépendamment, il existe des exemples en littérature qui prouvent que c'est pas toujours vrai. Dans cette thèse, nous analysons rigoureusement, en termes d'information mutuelle et d'erreur d'estimation, les différentes situations de l'analyse multimodale afin de déterminer les conditions conduisant à des performances optimales.Dans la première partie, nous considérons le cas simple de deux ou trois modalités, chacune étant associée à la mesure bruitée d'un signal, avec des liens entre modalités matérialisés par les corrélations entre les parties utiles du signal et par les corrélations les bruits. Nous montrons comment les performances obtenues sont améliorées avec l'exploitation des liens entre les modalités. Dans la seconde partie, nous étudions l'impact sur les performances d'erreurs sur les liens entre modalités. Nous montrons que ces fausses hypothèses dégradent les performances, qui peuvent alors devenir inférieure à celles atteintes avec une seule modalité.Dans le cas général, nous modélisons les multiples modalités comme un canal gaussien bruité. Nous étendons alors des résultats de la littérature en considérant l'impact d'erreurs sur les densités de probabilité du signal et du bruit sur l'information transmise par le canal. Nous analysons ensuite cette relation dans la cas d'un modèle simple de deux modalités. Nos résultats montrent en particulier le fait inattendu qu'une double inadéquation du bruit et du signal peuvent parfois se compenser et ainsi conduire à de très bonnes performances<br>The joint processing of multimodal measurements is supposed to lead to better performances than those obtained using a single modality or several modalities independently. However, in literature, there are examples that show that is not always true. In this thesis, we analyze, in terms of mutual information and estimation error, the different situations of multimodal analysis in order to determine the conditions to achieve the optimal performances.In the first part, we consider the simple case of two or three modalities, each associated with noisy measurement of a signal. These modalities are linked through the correlations between the useful parts of the signal and the correlations between the noises. We show that the performances are improved if the links between the modalities are exploited. In the second part, we study the impact on performance of wrong links between modalities. We show that these false assumptions decline the performance, which can become lower than the performance achieved using a single modality.In the general case, we model the multiple modalities as a noisy Gaussian channel. We then extend literature results by considering the impact of the errors on signal and noise probability densities on the information transmitted by the channel. We then analyze this relationship in the case of a simple model of two modalities. Our results show in particular the unexpected fact that a double mismatch of the noise and the signal can sometimes compensate for each other, and thus lead to very good performances

Le problème étudié dans cette thèse est celui du débruitage d'images numériques cor- rompues par un bruit blanc gaussien. Les méthodes utilisées pour récupérer une meilleure image reposent sur les patchs et sont des variantes des Non-Local Means. Les contributions de la thèse sont à la fois pratiques et théoriques. Tout d'abord, on étudie précisément l'influence des divers paramètres de la méthode. On met ensuite en lumière une lim- ite observée sur le traitement des bords par les méthodes à patchs habituelles. On donne alors une meilleure façon de combiner l'information fournie à partir des patchs pour estimer pixel par pixel. D'un point de vue théorique, on présente un cadre non asymptotique pour contrôler notre estimateur. On donne alors des résultats de type inégalités oracles pour des estimateurs vérifiant des propriétés plus restrictives. Les techniques utilisées reposent sur l'agrégation d'estimateurs, et plus particulièrement sur l'agrégation à poids exponentiels. La méthode requiert typiquement une mesure du risque, obtenue à travers un estimateur sans biais de celui-ci, par exemple par la méthode de Stein. Les méthodes de débruitage étudiées sont analysées numériquement par simulations.