Estimateur de Tyler régularisé dans le cas sous-déterminé. Application à la détection d'objets enfouis - Université Grenoble Alpes
Communication Dans Un Congrès Année : 2017

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

Résumé

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.
Fichier principal
Vignette du fichier
reg_tyler.pdf (1.06 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01617064 , version 1 (16-10-2017)

Identifiants

  • HAL Id : hal-01617064 , version 1

Citer

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⟩
133 Consultations
139 Téléchargements

Partager

More