Accéder directement au contenu Accéder directement à la navigation
Communication dans un congrès

Estimateur de Tyler régularisé dans le cas sous-déterminé. Application à la détection d'objets enfouis

Abstract : Among the various covariance matrix estimators, the regularised Tyler estimator performs independently from the data distribution and is robust to data outlier corruption. However, the shrinkage parameter value selection depends on the target application and data configuration, and have a direct influence on the estimator performance results. Thus finding a generic rule optimal for every criterion is not straightforward. This paper proposes a new regularistaion parameter selection based on a subspace approach. The performances of this method are investigated both in simulation and application to the adaptive buried objects detection problem.
Type de document :
Communication dans un congrès
Liste complète des métadonnées

Littérature citée [13 références]  Voir  Masquer  Télécharger

https://hal.univ-grenoble-alpes.fr/hal-01617064
Contributeur : Guillaume Ginolhac <>
Soumis le : lundi 16 octobre 2017 - 09:41:53
Dernière modification le : vendredi 9 octobre 2020 - 09:44:45
Archivage à long terme le : : mercredi 17 janvier 2018 - 12:42:35

Fichier

reg_tyler.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01617064, version 1

Citation

Quentin Hoarau, Arnaud Breloy, Guillaume Ginolhac, Abdourrahmane Atto, Jean-Marie Nicolas. Estimateur de Tyler régularisé dans le cas sous-déterminé. Application à la détection d'objets enfouis. GRETSI 2017, Sep 2017, Juan Les Pins, France. ⟨hal-01617064⟩

Partager

Métriques

Consultations de la notice

143

Téléchargements de fichiers

74