Processus gaussiens pour la séparation de sources et le codage informé

La separation de sources est la tâche qui consiste a recuperer plusieurs signaux dont on observe un ou plusieurs melanges. Ce probleme est particulierement difficile et de maniere a rendre la separation possible, toute information supplementaire connue sur les sources ou le melange doit pouvoir etre prise en compte. Dans cette these, je propose un formalisme general permettant d’inclure de telles connaissances dans les problemes de separation, ou une source est modelisee comme la realisation d’un processus gaussien. L’approche a de nombreux interets : elle generalise une grande partie des methodes actuelles, elle permet la prise en compte de nombreux a priori et les parametres du modele peuvent etre estimes efficacement. Ce cadre theorique est applique a la separation informee de sources audio, ou la separation est assistee d'une information annexe calculee en amont de la separation, lors d’une phase preliminaire ou a la fois le melange et les sources sont disponibles. Pour peu que cette information puisse se coder efficacement, cela rend possible des applications comme le karaoke ou la manipulation des differents instruments au sein d'un mix a un cout en debit bien plus faible que celui requis par la transmission separee des sources. Ce probleme de la separation informee s’apparente fortement a un probleme de codage multicanal. Cette analogie permet de placer la separation informee dans un cadre theorique plus global ou elle devient un probleme de codage particulier et beneficie a ce titre des resultats classiques de la theorie du codage, qui permettent d’optimiser efficacement les performances.