@InProceedings{1983_003-0001_10647,
	author = "Jacques MUNIER and Gilles Y. DELISLE",
	title = "L'analyse de signaux vectoriels par filtrage adapte-quadration-integration",
	booktitle = "9° Colloque sur le traitement du signal et des images",
	year = "1983",
	publisher = "GRETSI, Groupe d’Etudes du Traitement du Signal et des Images",
	number = "003-0001",
	pages = "p. 185-192",
	month = "may # 16--20",
	address = "Nice",
	doi = "",
	pdf = "1983_003-0001_10647.pdf",
	abstract = "Un signal vectoriel de dimension K peut souvent être considéré comme la somme d'un nombre fini de vecteurs significatifs et d'un nombre fini ou infini de vecteurs non-significatifs assimilés à du bruit-Dans chaque cas particulier, les vecteurs significatifs dépendent généralement d'un très petit nombre de paramètres caractéristiques et appartiennent donc à un certain sous-ensemble de l'espace vectoriel complexe de dimension K. Ce sous-ensemble constitue le modèle de signal pour le problème en question. L'analyse au second ordre d'un tel signal vectoriel consiste à estimer les paramètres des vecteurs significatifs et les variances de leurs amplitudes respectives (celles-ci étant supposées être des variables aléatoires non-corrélées). Une telle analyse paramétrique peut être réalisée au moyen de la méthode \"du maximum de vraisemblance\" de CAPON, laquelle est présentée dans ce papier comme étant strictement équivalente à une méthode de \"filtrage adapté discret\". Le principe de la méthode proposée consiste à choisir la dimension K du vecteur signal observé supérieure d'une unité au nombre estimé de vecteurs significatifs. La plus petite valeur propre de la matrice de covariance du vecteur observé est alors représentative du bruit seul et doit être annulée dans le but d'obtenir une finesse d'analyse infinie. La méthode apparaît ainsi comme étant une généralisation de la méthode de PISARENKO."
}