Bilan des travaux realisés par semaine

---

26.06.2007

Fait:

• Estimateur MV en arctg: le biais n'existe pas, mais asymptotiquement on montre qu'il tombe à zéro.
• Estimateur MV en arccos: calcul des variances et de la moyenne.
• Analysis de la convergence de l'algorithme LMS avec la méthode de l'ODE.

En cours:

• Filtrage de Kalman avec soustracteur de bruit.
• Estimateur de la phase avec la loi a priori.
• Analysis de la convergence de l'algorithme de Kalman avec l'ODE.

08.06.2007

Fait :

• Estimateur MV asymptotiquement sans biais mais la moyenne n'est pas définie pour un nombre finis de points...
• Tests faits sur la machine
  • l'HP ne sature pas
  • la saturation vient des micros qui ont une dynamique trop faible.
  • Il est donc impossible de capter une otoémission étant donné que la saturation des micros entraîne la génération d'harmoniques à 800Hz
  • La saturation peut se produire à très faible amplitude d'entrée (0.01), suivant l'enfoncement du bouchon dans l'oreille, le type de bouchon ainsi que l'individu.

En cours:

• Réfléchir à modifier les algos pour inclure une version de soustraction de bruit, si on dispose d'un micro pouvant capter le bruit séparément (ce qui n'est pas le cas

actuellement).

• Réfléchir à un algo d'estimation de la RI de la machine (style égalisation en telecoms)

---

01.06.2007

Fait :

• Algorithme LMS implanté performances > LMS mais < Kalman le facteur d oubli optimal est assez délicat à trouver
• documents sur l'EDO lus. Méthode relativement complexe qui va demander des révisions en systèmes dynamiques
• simulations plus approfondies sur les divers algorithmes de suivi et détermination

des paramètres + ou - optimaux pour le faire fonction (pas, facteur d'oubli)

En cours :

• correction du mini-rapport sur les estimateurs avant de le mettre en ligne
• tests sur la machine et mis en place de quelques scripts d'interface sous Matlab

---

25.05.2007

Fait:

• Mini rapport sur l'étude théorique et les simulations concernant les estimateurs MV
• Correction des bugs sur l'algo LMS - fonctionnement correct
• implantation d'un filtrage de Kalman étendu en suiveur de phase. Performance largement meilleures que le LMS.

En cours:

• Implantation d'un algorithme RLS
• Etude biblio sur la méthode de l'EDO

---

18.05.2007 (et semaines avant)

Fait:

• Calcul de 2 estimateurs ML pour la phase et simulations sous Matlab (biais, ecart-type) en fonction du nombre de points, de la fréquence d'échantillonnage et du rsb
  • conclusion: estimateurs relativement performants mais calculs trop longs dus à la fréquence d'échantillonnage beaucoup trop élevée. nécessité de décimation (on ne prendra qu'un point sur 10 ce qui est suffisant soit Fe=20e3)
• Mise en place d'un algorithme LMS "suiveur de phase" sous Matlab avec initialisation par estimateur ML
  • conclusion: performances décevantes avec rsb=-5dB et variaton lente sur la phase, on tourne entre 0 et 7 degrés d'erreur pas trouvé de step "optimal" qui convienne lorsque phi reste constant ou varie lentement (vitesse du coeur), nécessité de le régler à la main. Abandon de la solution LMS???

En cours:

• Implantation d'un filtre de Kalman. On attend de meilleures performances que le LMS
• En recherche de docs sur la méthode de l'EDO

to top