Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV...

72
CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices polynomiales et égalisation de canal Sylvie Icart Université de Nice Sophia Antipolis Laboratoire I3S Polytech’ Nice-Sophia 1 er mars 2013 S. Icart HDR 1e mars 2013 1 / 28

Transcript of Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV...

Page 1: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Matrices polynomiales et égalisation de canal

Sylvie Icart

Université de Nice Sophia AntipolisLaboratoire I3S

Polytech’ Nice-Sophia

1er mars 2013

S. Icart HDR 1e mars 2013 1 / 28

Page 2: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

1 CVParcoursEnseignementActivités de Recherche

2 Egalisation aveugle multivariablePosition du problèmeHypothèses

3 Matrices polynomialesMatrices particulièresFactorisation d’une matrice para-unitaire FIRDiagonalisation d’une matrice para-hermitienne

4 Conclusion et perspectives

S. Icart HDR 1e mars 2013 1 / 28

Page 3: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Parcours

MCF 61e section, UNS Laboratoire I3S depuis 1991Polytech’ Dépt Electronique -ESINSA (depuis 1999)12 mois de CRCT en 2011-12Département EEA, UFR Sciences (1991-99)Post-Doctorat INRIA Sophia (1991)Doctorat LAN Université de Nantes (1987-90)DEA Automatique et Informatique Industrielle (1987)Ingénieur ENSM, spécialité Automatique (1987)

S. Icart HDR 1e mars 2013 2 / 28

Page 4: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Enseignement

Logique et Electronique: TP ESINSA 1 & MEEATraitement du Signal: C, TD, TP LEEA & MEEA, CiP2Mathématiques: Algèbre et Outils Mathématiques pour l’IngénieurC,TD CiP1Automatique: C,TD,TP MEEA & Elec3 & Elec4Systèmes multivariables : DEA Aravis

S. Icart HDR 1e mars 2013 3 / 28

Page 5: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Responsabilités administratives

Responsabilité des Stages Techniciens (1999-2009)

70 étudiants, 8 semaines de stage minimumbourses, conventions, rapports, soutenancesaucun support administratif

Responsabilité de l’option TNS (2006-09)

15aine étudiants, 3 semestresmaquette pédagogique, edtintervenants industriels et académiques (>20)prix TI

Responsabilité des stages de fin d’études (2009-)

40-70 étudiants, 5 à 6 mois de stagerelations avec les entreprisesdevenir des étudiants nouvellement diplômés

S. Icart HDR 1e mars 2013 4 / 28

Page 6: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Responsabilités administratives

Responsabilité des Stages Techniciens (1999-2009)70 étudiants, 8 semaines de stage minimumbourses, conventions, rapports, soutenancesaucun support administratifResponsabilité de l’option TNS (2006-09)

15aine étudiants, 3 semestresmaquette pédagogique, edtintervenants industriels et académiques (>20)prix TI

Responsabilité des stages de fin d’études (2009-)

40-70 étudiants, 5 à 6 mois de stagerelations avec les entreprisesdevenir des étudiants nouvellement diplômés

S. Icart HDR 1e mars 2013 4 / 28

Page 7: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Responsabilités administratives

Responsabilité des Stages Techniciens (1999-2009)70 étudiants, 8 semaines de stage minimumbourses, conventions, rapports, soutenancesaucun support administratifResponsabilité de l’option TNS (2006-09)15aine étudiants, 3 semestresmaquette pédagogique, edtintervenants industriels et académiques (>20)prix TIResponsabilité des stages de fin d’études (2009-)

40-70 étudiants, 5 à 6 mois de stagerelations avec les entreprisesdevenir des étudiants nouvellement diplômés

S. Icart HDR 1e mars 2013 4 / 28

Page 8: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Responsabilités administratives

Responsabilité des Stages Techniciens (1999-2009)70 étudiants, 8 semaines de stage minimumbourses, conventions, rapports, soutenancesaucun support administratifResponsabilité de l’option TNS (2006-09)15aine étudiants, 3 semestresmaquette pédagogique, edtintervenants industriels et académiques (>20)prix TIResponsabilité des stages de fin d’études (2009-)40-70 étudiants, 5 à 6 mois de stagerelations avec les entreprisesdevenir des étudiants nouvellement diplômés

S. Icart HDR 1e mars 2013 4 / 28

Page 9: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Activités de Recherche

Commande multivariable, découplage (thèse)Commande d’un bras de robot flexible (post-doctorat)Traitement du signal, représentation temps-fréquence (thèse O.Lemoine)Égalisation à erreur bornée et dans le domaine spectralÉgalisation aveugle multicapteur (GDR & Dea R. Gautier & thèse L.Rota)Tenseurs et égalisation (thèse M. Sørensen)

Point commun: algèbre linéaire et multi-linéaireFocus: systèmes multivariablesApplication: égalisation

S. Icart HDR 1e mars 2013 5 / 28

Page 10: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Activités de Recherche

Commande multivariable, découplage (thèse)Commande d’un bras de robot flexible (post-doctorat)Traitement du signal, représentation temps-fréquence (thèse O.Lemoine)Égalisation à erreur bornée et dans le domaine spectralÉgalisation aveugle multicapteur (GDR & Dea R. Gautier & thèse L.Rota)Tenseurs et égalisation (thèse M. Sørensen)

Point commun: algèbre linéaire et multi-linéaireFocus: systèmes multivariablesApplication: égalisation

S. Icart HDR 1e mars 2013 5 / 28

Page 11: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Encadrements

Thèse O. Lemoine "Détection de signaux non stationnaires parreprésentation temps-fréquence", dirigée par G. Alengrin, octobre 1995(30%).Dea R. Gautier: "Séparation de mélanges convolutifs", juillet 1995.Dea A. Ansori "Simulation d’une chaîne de communication à l’aide dulogiciel Matlab", juin 1996.Thèse L. Rota "Égalisation aveugle de systèmes multi-utilisateurs",décembre 2004, co-direction avec P. Comon (50%).Thèse M. Sørensen "Tensor Tools with Application in SignalProcessing", juin 2010, co-direction avec L. Deneire et L. DeLathauwer (30%).

S. Icart HDR 1e mars 2013 6 / 28

Page 12: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Position du problèmen émetteurs p récepteurs

Canal s1

sn

w1

wp

Egaliseur

!1

!n

Egalisation aveugle multivariable : le canal et les sources sont inconnues

Hypothèsessources blanches et i.i.dautant de sources que d’observations (dans la suite)canal: linéaire, invariant dans le tempsmélange instantané : C (z) = C ,C ∈ Cn×n

mélange convolutif FIR: C (z) est une matrice polynomialeLa solution du problème n’est pas unique: on égalise à ∆(z)P prèsoù ∆(z) matrice diagonale de retards et P est une permutation

S. Icart HDR 1e mars 2013 7 / 28

Page 13: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Position du problèmen émetteurs p récepteurs

Canal s1

sn

w1

wp

Egaliseur

!1

!n

Egalisation aveugle multivariable : le canal et les sources sont inconnues

Hypothèsessources blanches et i.i.dautant de sources que d’observations (dans la suite)canal: linéaire, invariant dans le tempsmélange instantané : C (z) = C ,C ∈ Cn×n

mélange convolutif FIR: C (z) est une matrice polynomiale

La solution du problème n’est pas unique: on égalise à ∆(z)P prèsoù ∆(z) matrice diagonale de retards et P est une permutation

S. Icart HDR 1e mars 2013 7 / 28

Page 14: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Position du problèmen émetteurs p récepteurs

Canal s1

sn

w1

wp

Egaliseur

!1

!n

Egalisation aveugle multivariable : le canal et les sources sont inconnues

Hypothèsessources blanches et i.i.dautant de sources que d’observations (dans la suite)canal: linéaire, invariant dans le tempsmélange instantané : C (z) = C ,C ∈ Cn×n

mélange convolutif FIR: C (z) est une matrice polynomialeLa solution du problème n’est pas unique: on égalise à ∆(z)P prèsoù ∆(z) matrice diagonale de retards et P est une permutation

S. Icart HDR 1e mars 2013 7 / 28

Page 15: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Matrice polynomialeun polynôme... avec des coefficients matriciels

M(z) =∑k=0

Mkz−k ,Mk ∈ Cn×n, k ∈ N

ou... une matrice avec des coefficients polynomiaux

M(z) = (mij(z)) avec mij(z) =∑k=0

mijkz−k

i et j indices ’spatiaux’ et k indice temporel

ordre de M : plus grand indice k tel que Mk 6= 0 ou mijk 6= 0.

S. Icart HDR 1e mars 2013 8 / 28

Page 16: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Matrice polynomialeun polynôme... avec des coefficients matriciels

M(z) =∑k=0

Mkz−k ,Mk ∈ Cn×n, k ∈ N

ou... une matrice avec des coefficients polynomiaux

M(z) = (mij(z)) avec mij(z) =∑k=0

mijkz−k

i et j indices ’spatiaux’ et k indice temporel

ordre de M : plus grand indice k tel que Mk 6= 0 ou mijk 6= 0.

S. Icart HDR 1e mars 2013 8 / 28

Page 17: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Matrices polynomiales de Laurentl’indice temporel peut être positif ou négatif (matrice spectrale)

M(z) =

p∑k=m

Mkzk ,Mk ∈ Cn×n,m, p ∈ Z,m ≤ p

matrices L-unimodulaires: éléments inversibles de Cn×n[z , z−1]:

det(M(z)) = azα, a ∈ C∗, α ∈ Z

opérations élémentaires sur les lignes et les colonnes :

c j(z) ← α(z)c j(z), α 6= 0c j(z) ↔ c j ′(z)c j(z) ← c j(z) + α(z)c j ′(z)

S. Icart HDR 1e mars 2013 9 / 28

Page 18: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Matrices polynomiales de Laurentl’indice temporel peut être positif ou négatif (matrice spectrale)

M(z) =

p∑k=m

Mkzk ,Mk ∈ Cn×n,m, p ∈ Z,m ≤ p

matrices L-unimodulaires: éléments inversibles de Cn×n[z , z−1]:

det(M(z)) = azα, a ∈ C∗, α ∈ Z

opérations élémentaires sur les lignes et les colonnes :

c j(z) ← α(z)c j(z), α 6= 0c j(z) ↔ c j ′(z)c j(z) ← c j(z) + α(z)c j ′(z)

S. Icart HDR 1e mars 2013 9 / 28

Page 19: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Paraconjugaison: M(z) = MH( 1z∗ ), ∀z ∈ C∗,

sur le cercle unité: M(z) = MH(z).

Matrice para-hermitienne: M(z) = M(z)

S. Icart HDR 1e mars 2013 10 / 28

Page 20: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Paraconjugaison: M(z) = MH( 1z∗ ), ∀z ∈ C∗,

sur le cercle unité: M(z) = MH(z).

Matrice para-hermitienne: M(z) = M(z)

S. Icart HDR 1e mars 2013 10 / 28

Page 21: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Paraconjugaison: M(z) = MH( 1z∗ ), ∀z ∈ C∗,

sur le cercle unité: M(z) = MH(z).

Matrice para-hermitienne: M(z) = M(z)

S. Icart HDR 1e mars 2013 10 / 28

Page 22: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Paraconjugaison: M(z) = MH( 1z∗ ), ∀z ∈ C∗,

sur le cercle unité: M(z) = MH(z).

Matrice para-hermitienne: M(z) = M(z)

M(z) s(k) w(k)

Γw (z) = M(z)Γs(z)MH(1z∗

)

S. Icart HDR 1e mars 2013 10 / 28

Page 23: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Paraconjugaison: M(z) = MH( 1z∗ ), ∀z ∈ C∗,

sur le cercle unité: M(z) = MH(z).

Matrice para-hermitienne: M(z) = M(z)

M(z) s(k) w(k)

FIR blanc

Γw (z) = M(z)Γs(z)MH(1z∗

) = M(z)M(z)

S. Icart HDR 1e mars 2013 10 / 28

Page 24: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Paraconjugaison: M(z) = MH( 1z∗ ), ∀z ∈ C∗,

sur le cercle unité: M(z) = MH(z).

Matrice para-hermitienne: M(z) = M(z)

M(z) s(k) w(k)

FIR blanc

Γw (z) = M(z)Γs(z)MH(1z∗

) = M(z)M(z)

Matrice para-unitaire: M(z)M(z) = I

S. Icart HDR 1e mars 2013 10 / 28

Page 25: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Paraconjugaison: M(z) = MH( 1z∗ ), ∀z ∈ C∗,

sur le cercle unité: M(z) = MH(z).

Matrice para-hermitienne: M(z) = M(z)

M(z) s(k) w(k)

FIR blanc Γw (z) = M(z)Γs(z)MH(

1z∗

) = M(z)M(z)

Matrice para-unitaire: M(z)M(z) = I

si, de plus, w blanc

Γw (z) = M(z)Γs(z)MH(1z∗

) = M(z)M(z) = I

S. Icart HDR 1e mars 2013 10 / 28

Page 26: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Factorisation d’une matrice para-unitaire FIR

si H(z) ∈ Cn×n[z−1] et H(z)H(z) = I [Vai] alors

H(z) = Q0Z (z)Q1 . . .Z (z)QN−1Z (z)QN

Q i ∈ Cn×n unitaires et Z (z) =

[I n−1 00 z−1

]Q i produit de n(n − 1)/2 rotations de Givens

U(i , j , θ, φ) =

I n1

... 0... 0

· · · cos θ · · · sin θeφ · · ·

0... I n2

... 0· · · − sin θe−φ · · · cos θ · · ·

0... 0

... I n3

i

j

N degré de Mc Millan de H(z)H(z) = A(z)QB(z) avec Q unitaire.

S. Icart HDR 1e mars 2013 11 / 28

Page 27: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Factorisation d’une matrice para-unitaire FIR

si H(z) ∈ Cn×n[z−1] et H(z)H(z) = I [Vai] alors

H(z) = Q0Z (z)Q1 . . .Z (z)QN−1Z (z)QN

Q i ∈ Cn×n unitaires et Z (z) =

[I n−1 00 z−1

]Q i produit de n(n − 1)/2 rotations de Givens

U(i , j , θ, φ) =

I n1

... 0... 0

· · · cos θ · · · sin θeφ · · ·

0... I n2

... 0· · · − sin θe−φ · · · cos θ · · ·

0... 0

... I n3

i

j

N degré de Mc Millan de H(z)H(z) = A(z)QB(z) avec Q unitaire.

S. Icart HDR 1e mars 2013 11 / 28

Page 28: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

C(z) s(k)

x(k)

B(z) Q A(z)

H(z)

w(k)

!(k)

On définit un critère de contraste:

Υ = ε

n∑i=1

Γsii ,ii

les cumulants de s s’expriment à partir de ceux de x :

Γsii ,ii =

∑abcd

∑τ

∑prst

aiq(τ1)a∗ir (τ2)ais(τ3)a∗it(τ4)qpaq∗rbqscq∗tdΓxac,bd (τ ).

Pour maximiser le contraste, on cherche les n(n−1)2 paires d’angles (θ, φ) de

Q qui maximisent Υ [ICR09].

S. Icart HDR 1e mars 2013 12 / 28

Page 29: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

C(z) s(k)

x(k)

B(z) Q A(z)

H(z)

w(k)

!(k)

On définit un critère de contraste:

Υ = ε

n∑i=1

Γsii ,ii

les cumulants de s s’expriment à partir de ceux de x :

Γsii ,ii =

∑abcd

∑τ

∑prst

aiq(τ1)a∗ir (τ2)ais(τ3)a∗it(τ4)qpaq∗rbqscq∗tdΓxac,bd (τ ).

Pour maximiser le contraste, on cherche les n(n−1)2 paires d’angles (θ, φ) de

Q qui maximisent Υ [ICR09].S. Icart HDR 1e mars 2013 12 / 28

Page 30: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Diagonalisation d’une matrice para-hermitienneMotivation :soit Γ(z) la matrice spectrale des observations, Γ(z) = Γ(z),supposons qu’il existe U(z) para-unitaire tq

Γ(z) = U(z)Λ(z)U(z) avec Λ(z) diagonale

C(z) s(k) w(k) !(z)

w(k)

v(k)

Γv (z) = U(z)Γw (z)U(z) = U(z)U(z)Λ(z)U(z)U(z) = Λ(z)

Analogie:toute matrice hermitienne est diagonalisable par une matrice unitaireProblème :C[z , z−1] est un anneau et pas un corps donc Cn×n[z , z−1] est unemodule et pas un espace vectoriel !

S. Icart HDR 1e mars 2013 13 / 28

Page 31: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Diagonalisation d’une matrice para-hermitienneMotivation :soit Γ(z) la matrice spectrale des observations, Γ(z) = Γ(z),supposons qu’il existe U(z) para-unitaire tq

Γ(z) = U(z)Λ(z)U(z) avec Λ(z) diagonale

C(z) s(k) w(k) !(z)

w(k)

v(k)

Γv (z) = U(z)Γw (z)U(z) = U(z)U(z)Λ(z)U(z)U(z) = Λ(z)

Analogie:toute matrice hermitienne est diagonalisable par une matrice unitaire

Problème :C[z , z−1] est un anneau et pas un corps donc Cn×n[z , z−1] est unemodule et pas un espace vectoriel !

S. Icart HDR 1e mars 2013 13 / 28

Page 32: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Diagonalisation d’une matrice para-hermitienneMotivation :soit Γ(z) la matrice spectrale des observations, Γ(z) = Γ(z),supposons qu’il existe U(z) para-unitaire tq

Γ(z) = U(z)Λ(z)U(z) avec Λ(z) diagonale

C(z) s(k) w(k) !(z)

w(k)

v(k)

Γv (z) = U(z)Γw (z)U(z) = U(z)U(z)Λ(z)U(z)U(z) = Λ(z)

Analogie:toute matrice hermitienne est diagonalisable par une matrice unitaireProblème :C[z , z−1] est un anneau et pas un corps donc Cn×n[z , z−1] est unemodule et pas un espace vectoriel !

S. Icart HDR 1e mars 2013 13 / 28

Page 33: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Valeurs propres d’une matrice polynomialevaleurs propres de M(z) =

∑`k=0 Mkz−k [Lancaster]

racines de det(∑k=0

λkMk) = 0, λ ∈ C

Décomposition en valeurs propres polynomiale PEVD [McWhirter]:Soit M(z) ∈ Cn×n[z , z−1], on cherche les L-polynômes λ(z) et lesvecteurs L-polynomiaux v(z) tq

M(z)v(z) = λ(z)v(z), ∀z

soit M(z)U(z) = U(z)Λ(z)Problème:rien ne garantit une solution polynomiale (ni même rationnelle).Cas d’une matrice para-hermitienne:vecteurs propres "orthonormaux": v i (z)v j(z) = δij soit U(z)U(z) = I

S. Icart HDR 1e mars 2013 14 / 28

Page 34: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Valeurs propres d’une matrice polynomialevaleurs propres de M(z) =

∑`k=0 Mkz−k [Lancaster]

racines de det(∑k=0

λkMk) = 0, λ ∈ C

Décomposition en valeurs propres polynomiale PEVD [McWhirter]:Soit M(z) ∈ Cn×n[z , z−1], on cherche les L-polynômes λ(z) et lesvecteurs L-polynomiaux v(z) tq

M(z)v(z) = λ(z)v(z), ∀z

soit M(z)U(z) = U(z)Λ(z)

Problème:rien ne garantit une solution polynomiale (ni même rationnelle).Cas d’une matrice para-hermitienne:vecteurs propres "orthonormaux": v i (z)v j(z) = δij soit U(z)U(z) = I

S. Icart HDR 1e mars 2013 14 / 28

Page 35: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Valeurs propres d’une matrice polynomialevaleurs propres de M(z) =

∑`k=0 Mkz−k [Lancaster]

racines de det(∑k=0

λkMk) = 0, λ ∈ C

Décomposition en valeurs propres polynomiale PEVD [McWhirter]:Soit M(z) ∈ Cn×n[z , z−1], on cherche les L-polynômes λ(z) et lesvecteurs L-polynomiaux v(z) tq

M(z)v(z) = λ(z)v(z), ∀z

soit M(z)U(z) = U(z)Λ(z)Problème:rien ne garantit une solution polynomiale (ni même rationnelle).Cas d’une matrice para-hermitienne:vecteurs propres "orthonormaux": v i (z)v j(z) = δij soit U(z)U(z) = I

S. Icart HDR 1e mars 2013 14 / 28

Page 36: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Conjecture:

Soit H(z) ∈ Cn×n[z , z−1] une matrice para-hermitienne (H = H) alors∃ U(z) ∈ Cn×n[z , z−1] para-unitaire (UU = I ),∃ Λ(z) ∈ Cn×n[z , z−1] diagonale tq:

H(z) = U(z)Λ(z)U(z), ∀z

Exemple:

Soit H(z) =

[1 11 −2z−1 + 6− 2z

], alors il n’existe pas de solution !

S. Icart HDR 1e mars 2013 15 / 28

Page 37: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Polynômes invariants d’une matrice L-polynomialeForme de L-Smith (théorème de la base adaptée):Soit M ∈ Cn×n[z , z−1], ∃ U1,U2 ∈ Cn×n[z , z−1] L-unimodulaires tq

U1(z)M(z)U2(z) = Λ(z)

Λ(z) =

λ1(z)

. . .λr (z)

0

0 0

λi unique à une multiplication par un monôme près.λi divise λi+1.r rang normal de M .

M LS∼ P ssi elles ont même forme de L-Smith.

Pour assurer l’unicité des polynômes invariants:λi L-monic i.e. polynôme monic n’ayant pas 0 comme racine

S. Icart HDR 1e mars 2013 16 / 28

Page 38: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Polynômes invariants d’une matrice L-polynomialeForme de L-Smith (théorème de la base adaptée):Soit M ∈ Cn×n[z , z−1], ∃ U1,U2 ∈ Cn×n[z , z−1] L-unimodulaires tq

U1(z)M(z)U2(z) = Λ(z)

Λ(z) =

λ1(z)

. . .λr (z)

0

0 0

λi unique à une multiplication par un monôme près.λi divise λi+1.r rang normal de M .

M LS∼ P ssi elles ont même forme de L-Smith.Pour assurer l’unicité des polynômes invariants:λi L-monic i.e. polynôme monic n’ayant pas 0 comme racine

S. Icart HDR 1e mars 2013 16 / 28

Page 39: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Calcul pratique des L-polynômes invariants λi (z) :

λi (z) =∆i (M(z))

∆i−1(M(z))

∆i (M(z)) pgcd L-normalisé des mineurs i × i de M (pas de racine en 0,coefficient du terme de plus haut degré =1)

pgcd: il faut être sur un anneau euclidien et donc définir un "degré" pourun polynôme de Laurent.soit p(z) ∈ C[z , z−1],

p(z) =∑i=m

piz i avec m, ` ∈ Z,m ≤ `, pi ∈ C, pmp` 6= 0

L-degré de p : d(p) = `−msi p ∈ C[z ], d(p) = deg(p) ssi z = 0 n’est pas zéro de p.

S. Icart HDR 1e mars 2013 17 / 28

Page 40: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Calcul pratique des L-polynômes invariants λi (z) :

λi (z) =∆i (M(z))

∆i−1(M(z))

∆i (M(z)) pgcd L-normalisé des mineurs i × i de M (pas de racine en 0,coefficient du terme de plus haut degré =1)pgcd: il faut être sur un anneau euclidien et donc définir un "degré" pourun polynôme de Laurent.soit p(z) ∈ C[z , z−1],

p(z) =∑i=m

piz i avec m, ` ∈ Z,m ≤ `, pi ∈ C, pmp` 6= 0

L-degré de p : d(p) = `−m

si p ∈ C[z ], d(p) = deg(p) ssi z = 0 n’est pas zéro de p.

S. Icart HDR 1e mars 2013 17 / 28

Page 41: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Calcul pratique des L-polynômes invariants λi (z) :

λi (z) =∆i (M(z))

∆i−1(M(z))

∆i (M(z)) pgcd L-normalisé des mineurs i × i de M (pas de racine en 0,coefficient du terme de plus haut degré =1)pgcd: il faut être sur un anneau euclidien et donc définir un "degré" pourun polynôme de Laurent.soit p(z) ∈ C[z , z−1],

p(z) =∑i=m

piz i avec m, ` ∈ Z,m ≤ `, pi ∈ C, pmp` 6= 0

L-degré de p : d(p) = `−msi p ∈ C[z ], d(p) = deg(p) ssi z = 0 n’est pas zéro de p.

S. Icart HDR 1e mars 2013 17 / 28

Page 42: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Exemples

A(z) =

[z 0z z

],

gcd{z , z , z} = z , detA(z) = z2, d’où A(z)S∼ zI

L-gcd{z , z , z} = 1, L-gcd{z2} = 1, soit A(z)LS∼ I .

B(z) =

[z 0

z − 1 z

], B(z)

S∼[1 00 z2

]et B(z)

LS∼ I

U1(z)B(z)U2(z) = I avec

U1(z) =

[1 −1

−z−1 + z−2 z−1

]et U2(z) =

[1 z0 1

](non uniques).

S. Icart HDR 1e mars 2013 18 / 28

Page 43: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Exemples

A(z) =

[z 0z z

],

gcd{z , z , z} = z , detA(z) = z2, d’où A(z)S∼ zI

L-gcd{z , z , z} = 1, L-gcd{z2} = 1, soit A(z)LS∼ I .

B(z) =

[z 0

z − 1 z

], B(z)

S∼[1 00 z2

]

et B(z)LS∼ I

U1(z)B(z)U2(z) = I avec

U1(z) =

[1 −1

−z−1 + z−2 z−1

]et U2(z) =

[1 z0 1

](non uniques).

S. Icart HDR 1e mars 2013 18 / 28

Page 44: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Exemples

A(z) =

[z 0z z

],

gcd{z , z , z} = z , detA(z) = z2, d’où A(z)S∼ zI

L-gcd{z , z , z} = 1, L-gcd{z2} = 1, soit A(z)LS∼ I .

B(z) =

[z 0

z − 1 z

], B(z)

S∼[1 00 z2

]et B(z)

LS∼ I

U1(z)B(z)U2(z) = I avec

U1(z) =

[1 −1

−z−1 + z−2 z−1

]et U2(z) =

[1 z0 1

](non uniques).

S. Icart HDR 1e mars 2013 18 / 28

Page 45: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Propriétés des L-polynômes invariantsMatrice L-unimodulaire (det(U) = azα): λi (z) = 1, ∀i

detU(z) = azα = detU1(z) detΛ(z) detU2(z),donc detΛ(z) = czβ , mais λi L-monic, donc λi (z) = 1,∀i .

Matrice para-unitaire (UU = I ): λi (z) = 1,∀i

detU(z)U(z) = 1 = czα∏n

i=1 λi (z)c∗z−α∏n

i=1 λi (z)donc λi inversible, mais λi L-monic, d’où λi = 1.

matrice para-unitaire LS∼ matrice L-unimodulaire

Matrice para-hermitienne (H = H): λi auto-inversif

λi (z) = eθi zmi λi (z) avec θi ∈ R,mi = deg(λi )

ΛHLS∼ ΛH mais ΛH n’est pas la L-forme de Smith de H

car ΛH ∈ Cn×n[z−1] (alors que ΛH = ΛH ∈ Cn×n[z ])

S. Icart HDR 1e mars 2013 19 / 28

Page 46: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Propriétés des L-polynômes invariantsMatrice L-unimodulaire (det(U) = azα): λi (z) = 1, ∀idetU(z) = azα = detU1(z) detΛ(z) detU2(z),donc detΛ(z) = czβ , mais λi L-monic, donc λi (z) = 1,∀i .Matrice para-unitaire (UU = I ): λi (z) = 1,∀i

detU(z)U(z) = 1 = czα∏n

i=1 λi (z)c∗z−α∏n

i=1 λi (z)donc λi inversible, mais λi L-monic, d’où λi = 1.

matrice para-unitaire LS∼ matrice L-unimodulaire

Matrice para-hermitienne (H = H): λi auto-inversif

λi (z) = eθi zmi λi (z) avec θi ∈ R,mi = deg(λi )

ΛHLS∼ ΛH mais ΛH n’est pas la L-forme de Smith de H

car ΛH ∈ Cn×n[z−1] (alors que ΛH = ΛH ∈ Cn×n[z ])

S. Icart HDR 1e mars 2013 19 / 28

Page 47: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Propriétés des L-polynômes invariantsMatrice L-unimodulaire (det(U) = azα): λi (z) = 1, ∀idetU(z) = azα = detU1(z) detΛ(z) detU2(z),donc detΛ(z) = czβ , mais λi L-monic, donc λi (z) = 1,∀i .Matrice para-unitaire (UU = I ): λi (z) = 1,∀idetU(z)U(z) = 1 = czα

∏ni=1 λi (z)c∗z−α

∏ni=1 λi (z)

donc λi inversible, mais λi L-monic, d’où λi = 1.

matrice para-unitaire LS∼ matrice L-unimodulaire

Matrice para-hermitienne (H = H): λi auto-inversif

λi (z) = eθi zmi λi (z) avec θi ∈ R,mi = deg(λi )

ΛHLS∼ ΛH mais ΛH n’est pas la L-forme de Smith de H

car ΛH ∈ Cn×n[z−1] (alors que ΛH = ΛH ∈ Cn×n[z ])

S. Icart HDR 1e mars 2013 19 / 28

Page 48: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Propriétés des L-polynômes invariantsMatrice L-unimodulaire (det(U) = azα): λi (z) = 1, ∀idetU(z) = azα = detU1(z) detΛ(z) detU2(z),donc detΛ(z) = czβ , mais λi L-monic, donc λi (z) = 1,∀i .Matrice para-unitaire (UU = I ): λi (z) = 1,∀idetU(z)U(z) = 1 = czα

∏ni=1 λi (z)c∗z−α

∏ni=1 λi (z)

donc λi inversible, mais λi L-monic, d’où λi = 1.

matrice para-unitaire LS∼ matrice L-unimodulaire

Matrice para-hermitienne (H = H): λi auto-inversif

λi (z) = eθi zmi λi (z) avec θi ∈ R,mi = deg(λi )

ΛHLS∼ ΛH mais ΛH n’est pas la L-forme de Smith de H

car ΛH ∈ Cn×n[z−1] (alors que ΛH = ΛH ∈ Cn×n[z ])

S. Icart HDR 1e mars 2013 19 / 28

Page 49: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Propriétés des L-polynômes invariantsMatrice L-unimodulaire (det(U) = azα): λi (z) = 1, ∀idetU(z) = azα = detU1(z) detΛ(z) detU2(z),donc detΛ(z) = czβ , mais λi L-monic, donc λi (z) = 1,∀i .Matrice para-unitaire (UU = I ): λi (z) = 1,∀idetU(z)U(z) = 1 = czα

∏ni=1 λi (z)c∗z−α

∏ni=1 λi (z)

donc λi inversible, mais λi L-monic, d’où λi = 1.

matrice para-unitaire LS∼ matrice L-unimodulaire

Matrice para-hermitienne (H = H): λi auto-inversif

λi (z) = eθi zmi λi (z) avec θi ∈ R,mi = deg(λi )

ΛHLS∼ ΛH mais ΛH n’est pas la L-forme de Smith de H

car ΛH ∈ Cn×n[z−1] (alors que ΛH = ΛH ∈ Cn×n[z ])

S. Icart HDR 1e mars 2013 19 / 28

Page 50: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Ordre vs Degré

Ordre défini pour des matrices polynomiales [Kailath, Vaidyanathan],Degré défini pour des matrices rationnelles propres : somme desdegrés des dénominateurs de la forme de Smith McMillan,nombre de retards minimum pour "implémenter" M(z).

Exemple:

H(z) =

1z

1z

1z

1+z2

z2

= H−2z−2 + H−1z−1 + H0, ordre de H(z) =2

Soit N(z) = z2H(z) polynomiale.

Forme de Smith de N : S(z) =

[1 00 z(1 + z2)− z2

]Forme de Smith McMillan de H(z) : SM(z) =

[ 1z2 00 1−z+z2

z

](non causale)

degré de McMillan de H(z) est 2+1=3.

S. Icart HDR 1e mars 2013 20 / 28

Page 51: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Ordre vs Degré

Ordre défini pour des matrices polynomiales [Kailath, Vaidyanathan],Degré défini pour des matrices rationnelles propres : somme desdegrés des dénominateurs de la forme de Smith McMillan,nombre de retards minimum pour "implémenter" M(z).

Exemple:

H(z) =

1z

1z

1z

1+z2

z2

= H−2z−2 + H−1z−1 + H0, ordre de H(z) =2

Soit N(z) = z2H(z) polynomiale.

Forme de Smith de N : S(z) =

[1 00 z(1 + z2)− z2

]Forme de Smith McMillan de H(z) : SM(z) =

[ 1z2 00 1−z+z2

z

](non causale)

degré de McMillan de H(z) est 2+1=3.

S. Icart HDR 1e mars 2013 20 / 28

Page 52: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Ordre vs Degré

Ordre défini pour des matrices polynomiales [Kailath, Vaidyanathan],Degré défini pour des matrices rationnelles propres : somme desdegrés des dénominateurs de la forme de Smith McMillan,nombre de retards minimum pour "implémenter" M(z).

Exemple:

H(z) =

1z

1z

1z

1+z2

z2

= H−2z−2 + H−1z−1 + H0, ordre de H(z) =2

Soit N(z) = z2H(z) polynomiale.

Forme de Smith de N : S(z) =

[1 00 z(1 + z2)− z2

]Forme de Smith McMillan de H(z) : SM(z) =

[ 1z2 00 1−z+z2

z

](non causale)

degré de McMillan de H(z) est 2+1=3.

S. Icart HDR 1e mars 2013 20 / 28

Page 53: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Ordre vs Degré

Ordre défini pour des matrices polynomiales [Kailath, Vaidyanathan],Degré défini pour des matrices rationnelles propres : somme desdegrés des dénominateurs de la forme de Smith McMillan,nombre de retards minimum pour "implémenter" M(z).

Exemple:

H(z) =

1z

1z

1z

1+z2

z2

= H−2z−2 + H−1z−1 + H0, ordre de H(z) =2

Soit N(z) = z2H(z) polynomiale.

Forme de Smith de N : S(z) =

[1 00 z(1 + z2)− z2

]

Forme de Smith McMillan de H(z) : SM(z) =

[ 1z2 00 1−z+z2

z

](non causale)

degré de McMillan de H(z) est 2+1=3.

S. Icart HDR 1e mars 2013 20 / 28

Page 54: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Ordre vs Degré

Ordre défini pour des matrices polynomiales [Kailath, Vaidyanathan],Degré défini pour des matrices rationnelles propres : somme desdegrés des dénominateurs de la forme de Smith McMillan,nombre de retards minimum pour "implémenter" M(z).

Exemple:

H(z) =

1z

1z

1z

1+z2

z2

= H−2z−2 + H−1z−1 + H0, ordre de H(z) =2

Soit N(z) = z2H(z) polynomiale.

Forme de Smith de N : S(z) =

[1 00 z(1 + z2)− z2

]Forme de Smith McMillan de H(z) : SM(z) =

[ 1z2 00 1−z+z2

z

](non causale)

degré de McMillan de H(z) est 2+1=3.

S. Icart HDR 1e mars 2013 20 / 28

Page 55: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

L-degréL-degré d’un polynôme de Laurent:

soit p(z) =∑i=m

piz i , L-degré de p : d(p) = `−m

L-degré d’une matrice polynomiale de Laurent:

soit H(z) =

p∑k=m

Hkzk ,m ≤ p,Hm et Hp 6= 0.

I Ξ(z) = z−mH(z) matrice polynomiale (en z) associéeI H(z) = z−pH(z) matrice causale associée (polynomiale en z−1)

ordre de H : ordre de Ξ, soit p −mL-degré de H : degré de McMillan de H .

Exemple: H(z) =

[1 11 z−1 + z

]= H−1z−1 + H0 + H1z , ordre 2

H(z) = z−1H(z) =

[z−1 z−1

z−1 1 + z−2

]L-degré 3

S. Icart HDR 1e mars 2013 21 / 28

Page 56: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

L-degréL-degré d’un polynôme de Laurent:

soit p(z) =∑i=m

piz i , L-degré de p : d(p) = `−m

L-degré d’une matrice polynomiale de Laurent:

soit H(z) =

p∑k=m

Hkzk ,m ≤ p,Hm et Hp 6= 0.

I Ξ(z) = z−mH(z) matrice polynomiale (en z) associéeI H(z) = z−pH(z) matrice causale associée (polynomiale en z−1)

ordre de H : ordre de Ξ, soit p −mL-degré de H : degré de McMillan de H .

Exemple: H(z) =

[1 11 z−1 + z

]= H−1z−1 + H0 + H1z , ordre 2

H(z) = z−1H(z) =

[z−1 z−1

z−1 1 + z−2

]L-degré 3

S. Icart HDR 1e mars 2013 21 / 28

Page 57: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

L-degréL-degré d’un polynôme de Laurent:

soit p(z) =∑i=m

piz i , L-degré de p : d(p) = `−m

L-degré d’une matrice polynomiale de Laurent:

soit H(z) =

p∑k=m

Hkzk ,m ≤ p,Hm et Hp 6= 0.

I Ξ(z) = z−mH(z) matrice polynomiale (en z) associéeI H(z) = z−pH(z) matrice causale associée (polynomiale en z−1)

ordre de H : ordre de Ξ, soit p −mL-degré de H : degré de McMillan de H .

Exemple: H(z) =

[1 11 z−1 + z

]= H−1z−1 + H0 + H1z , ordre 2

H(z) = z−1H(z) =

[z−1 z−1

z−1 1 + z−2

]L-degré 3

S. Icart HDR 1e mars 2013 21 / 28

Page 58: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Exemple d’une matrice para-hermitiennne non-diagonalisable

Soit H(z) =

[1 11 −2z−1 + 6− 2z

],H = H , detH(z) = −2z−1 + 5− 2z

L- forme de Smith : S(z) =

[1 00 1− 5

2z + z2

]Supposons ∃ U para-unitaire tq UHU = Λ ; S LS∼ Λ,alors L-gcd{λ1, λ2} = 1 et λ1(z)λ2(z) = c ′zα

′detH(z).

Mais si des λi polynomiaux existent, alors ils sont para-hermitiens, donc (àune permutation près):λ1(z) = c , c ∈ R∗ et λ2(z) = dzβ(1− 5

2z + z2).

Paramètrons H(z)v(z) = cv(z), c ∈ R∗, ceci aboutit à un système sanssolution.

Il n’existe pas de matrice polynomiale para-unitaire tq UHU = Λ.

S. Icart HDR 1e mars 2013 22 / 28

Page 59: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Exemple d’une matrice para-hermitiennne non-diagonalisable

Soit H(z) =

[1 11 −2z−1 + 6− 2z

],H = H , detH(z) = −2z−1 + 5− 2z

L- forme de Smith : S(z) =

[1 00 1− 5

2z + z2

]Supposons ∃ U para-unitaire tq UHU = Λ ; S LS∼ Λ,alors L-gcd{λ1, λ2} = 1 et λ1(z)λ2(z) = c ′zα

′detH(z).

Mais si des λi polynomiaux existent, alors ils sont para-hermitiens, donc (àune permutation près):λ1(z) = c , c ∈ R∗ et λ2(z) = dzβ(1− 5

2z + z2).

Paramètrons H(z)v(z) = cv(z), c ∈ R∗, ceci aboutit à un système sanssolution.

Il n’existe pas de matrice polynomiale para-unitaire tq UHU = Λ.

S. Icart HDR 1e mars 2013 22 / 28

Page 60: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Exemple d’une matrice para-hermitiennne non-diagonalisable

Soit H(z) =

[1 11 −2z−1 + 6− 2z

],H = H , detH(z) = −2z−1 + 5− 2z

L- forme de Smith : S(z) =

[1 00 1− 5

2z + z2

]Supposons ∃ U para-unitaire tq UHU = Λ ; S LS∼ Λ,alors L-gcd{λ1, λ2} = 1 et λ1(z)λ2(z) = c ′zα

′detH(z).

Mais si des λi polynomiaux existent, alors ils sont para-hermitiens, donc (àune permutation près):λ1(z) = c , c ∈ R∗ et λ2(z) = dzβ(1− 5

2z + z2).

Paramètrons H(z)v(z) = cv(z), c ∈ R∗, ceci aboutit à un système sanssolution.

Il n’existe pas de matrice polynomiale para-unitaire tq UHU = Λ.

S. Icart HDR 1e mars 2013 22 / 28

Page 61: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Approximation polynomiale de la PEVD

Pas de solution exacte: on relâche les hypothèses

PropositionSoit A : C → Cn×n continue, alors∃ U ,V continues tq UUH = I , VV H = I sur C et

A(z) = V (z)Σ(z)UH(z), ∀z ∈ C

avec Σ = diag{σi} et σi ∈ C(R), i = 1 à n.

Soit σ(z) = supu,v∈C1 <(u(z)HA(z)v(z)

)(1)

où C1 = {w : C → Cn continue tq wH(z)w(z) = 1,∀z ∈ C}σ est une fonction continue (C1 compact).Ensuite, on procède par déflation:A← A− σ1v1uH

1 avec (σ1, v1, u1) solution de (1).

S. Icart HDR 1e mars 2013 23 / 28

Page 62: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Approximation polynomiale de la PEVD

Pas de solution exacte: on relâche les hypothèses

PropositionSoit A : C → Cn×n continue, alors∃ U ,V continues tq UUH = I , VV H = I sur C et

A(z) = V (z)Σ(z)UH(z), ∀z ∈ C

avec Σ = diag{σi} et σi ∈ C(R), i = 1 à n.

Soit σ(z) = supu,v∈C1 <(u(z)HA(z)v(z)

)(1)

où C1 = {w : C → Cn continue tq wH(z)w(z) = 1,∀z ∈ C}σ est une fonction continue (C1 compact).

Ensuite, on procède par déflation:A← A− σ1v1uH

1 avec (σ1, v1, u1) solution de (1).

S. Icart HDR 1e mars 2013 23 / 28

Page 63: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Approximation polynomiale de la PEVD

Pas de solution exacte: on relâche les hypothèses

PropositionSoit A : C → Cn×n continue, alors∃ U ,V continues tq UUH = I , VV H = I sur C et

A(z) = V (z)Σ(z)UH(z), ∀z ∈ C

avec Σ = diag{σi} et σi ∈ C(R), i = 1 à n.

Soit σ(z) = supu,v∈C1 <(u(z)HA(z)v(z)

)(1)

où C1 = {w : C → Cn continue tq wH(z)w(z) = 1,∀z ∈ C}σ est une fonction continue (C1 compact).Ensuite, on procède par déflation:A← A− σ1v1uH

1 avec (σ1, v1, u1) solution de (1).

S. Icart HDR 1e mars 2013 23 / 28

Page 64: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

PropositionSoit H(z) une matrice para-hermitienne définie positive sur C qui s’écritH(z) = A(z)AH(z) avec A ∈ C(Cn×n)alors ∃V ∈ C(Cn×n) tq V (z)V H(z) = I sur C et

H(z) = V (z)Λ(z)V (z)H , ∀z ∈ C

avec Λ = diag{λi}, λi ∈ C(R), λi ≥ 0, i =1 à n.

Considérons la "SVD" de A: A = VΣUH , avec VV H = I , UUH = I .Alors, H = VΣUHUΣHV H = VΣΣHV H .Soit Λ = ΣΣH , Λ diagonale avec λi (z) = |σi (z)|2 ≥ 0,∀z ∈ C.

S. Icart HDR 1e mars 2013 24 / 28

Page 65: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

PropositionSoit H(z) une matrice para-hermitienne définie positive sur C qui s’écritH(z) = A(z)AH(z) avec A ∈ C(Cn×n)alors ∃V ∈ C(Cn×n) tq V (z)V H(z) = I sur C et

H(z) = V (z)Λ(z)V (z)H , ∀z ∈ C

avec Λ = diag{λi}, λi ∈ C(R), λi ≥ 0, i =1 à n.

Considérons la "SVD" de A: A = VΣUH , avec VV H = I , UUH = I .Alors, H = VΣUHUΣHV H = VΣΣHV H .Soit Λ = ΣΣH , Λ diagonale avec λi (z) = |σi (z)|2 ≥ 0, ∀z ∈ C.

S. Icart HDR 1e mars 2013 24 / 28

Page 66: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Enfin, comme l’ensemble des polynômes de Laurent sur C est dense dansl’ensemble des fonctions continues de C dans Cn×n, on a

PropositionSoit H ∈ Cn×n[z , z−1] une matrice para-hermitienne définie positive sur C,∃n vecteurs L-polynomiaux v i ∈ Cn[z , z−1] et n L-polynômes λi positifssur C tq

H(z)v i (z) ≈ λi (z)v i (z)

avec v i (z)Hv j(z) ≈ δij , ∀z ∈ C.

Ce résultat prouve la conjecture de [McWhirter].On ne sait rien sur les degrés des λi (z) et v i (z).Les exemples montrent que la maximisation de <

(u(z)HA(z)v(z)

)sur C

doit être faite judicieusement.

S. Icart HDR 1e mars 2013 25 / 28

Page 67: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Enfin, comme l’ensemble des polynômes de Laurent sur C est dense dansl’ensemble des fonctions continues de C dans Cn×n, on a

PropositionSoit H ∈ Cn×n[z , z−1] une matrice para-hermitienne définie positive sur C,∃n vecteurs L-polynomiaux v i ∈ Cn[z , z−1] et n L-polynômes λi positifssur C tq

H(z)v i (z) ≈ λi (z)v i (z)

avec v i (z)Hv j(z) ≈ δij , ∀z ∈ C.

Ce résultat prouve la conjecture de [McWhirter].On ne sait rien sur les degrés des λi (z) et v i (z).Les exemples montrent que la maximisation de <

(u(z)HA(z)v(z)

)sur C

doit être faite judicieusement.

S. Icart HDR 1e mars 2013 25 / 28

Page 68: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Conclusion et perspectives

rôle des matrices polynomiales dans l’égalisationla PEVD exacte est un problème ouvertà quelle condition une matrice polynomiale est-elle diagonalisable(ordre-degré)?

lien entre matrices polynomiales et tenseurs :

M(z) =∑k=0

Mkz−k ,Mk ∈ Cn×n

M(z) = (mij(z)) avec mij(z) =∑k=0

mijkz−k

S. Icart HDR 1e mars 2013 26 / 28

Page 69: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Conclusion et perspectives

rôle des matrices polynomiales dans l’égalisationla PEVD exacte est un problème ouvertà quelle condition une matrice polynomiale est-elle diagonalisable(ordre-degré)?lien entre matrices polynomiales et tenseurs :

M(z) =∑k=0

Mkz−k ,Mk ∈ Cn×n

M(z) = (mij(z)) avec mij(z) =∑k=0

mijkz−k

S. Icart HDR 1e mars 2013 26 / 28

Page 70: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Si H(z) est L-polynomiale para-hermitienne, alors

H(z) =d∑

k=−d

Hkzk

H−k = HHk , ∀k

si U para-unitaire d’ordre `, U(z) = zm∑`k=0 Ukzk

∑k=0

UkUHk = I

∑j=k

U jUHj−k = 0 ∀k ∈ {1, . . . , `}

S. Icart HDR 1e mars 2013 27 / 28

Page 71: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

Réécrire les équations polynomiales en terme de tenseur d’ordre 3 :

H(z) = U(z)Λ(z)U(z) avec Λ(z) diagonale

Problème contraint : contraintes orthogonalité, H−k = HHk

lien avec la HOSVD ?

S. Icart HDR 1e mars 2013 28 / 28

Page 72: Matrices polynomiales et égalisation de canaltel.archives-ouvertes.fr/tel-00805547/file/...CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives Matrices

CV Egalisation aveugle multivariable Matrices polynomiales Conclusion et perspectives

S. Icart, P. Comon, and L. Rota. Blind paraunitary equalization. SignalProcessing, 89(3) : pages 283-290, mars 2009.

M. Sørensen, L. De Lathauwer, S. Icart, and L. Deneire. On Jacobi-typemethods for blind equalization of paraunitary channels. Signal Processing,92(3): pages 617-624, 2012.

M. Sørensen, L. De Lathauwer, P. Comon, S. Icart, and L. Deneire.Canonical polyadic decomposition with a columnwise orthonormal factormatrix. SIAM Journal on Matrix Analysis and Applications, 33(4) : pages1190-1213, 2012.

S. Icart and P. Comon. Some properties of Laurent polynomial matrices, In9th IMA International Conference on Mathematics in Signal Processing,Birmingham, dec 2012.

S. Icart HDR 1e mars 2013 28 / 28