SINUS-IT : une approche évolutionnaire de l'analyse harmonique
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Abdulkarimova, Ulviya
Date de soutenance : 02-09-2021

Directeur(s) de thèse : Collet, Pierre - Rolando, Christian

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Informatique
Classification : Informatique

Mots-clés libres : Évolution artificielle, Stratégies d'évolution, Algorithmes génétiques, Transformée de fourier, Analyse harmonique, FT-ICR, Structure isotopique, Parallélisation GPGPU, Parallélisation en îlots
Mots-clés :
  • Analyse harmonique (mathématiques)
  • Algorithmes génétiques
Résumé : L’analyse spectrale est l’une des branches principales du traitement du signal. De nombreux appareils expérimentaux produisent des signaux qui sont des sommes de sinus amorties. Avec perfectionnements de ces appareils, le volume de données qu’ils produisent ne cesse de grandir. Dans cette thèse, nous concentrerons sur des données issues d’un spectromètre de masse à résonance cyclonique ionique transformée de Fourier (FT-ICR) et des données simulées. Notre contribution consiste à explorer l'apport des méthodes évolutives pour surmonter les limitations de la méthode de la transformée de Fourier (FT). Nous avons effectué une étude comparative des méthodes par FT et évolution artificielle. Les résultats obtenus avec SINUS-IT sont de meilleure qualité que ceux de FT, sans nécessité de débruitage ou apodisation. SINUS-IT a pu déterminer le paramètre de phase avec une bonne précision et les résultats ont été obtenus en utilisant moins d'échantillons, ce qui réduirait le temps d'acquisition.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2021STRAD018
Type de ressource : Thèse