Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

14 mars 2019

Thèse ENS Cachan en traitement statistique du signal : Calibration robuste à grande échelle pour la radio-astronomie


Catégorie : Doctorant


Titre : Calibration robuste à grande échelle pour la radio-astronomie

Thèse au laboratoire SATIE de l'ENS Cachan en traitement statistique du signal

 

Contexte

Un effort considérable a été récemment porté sur la construction et l’étude des grands interféromètres dits du futur, tel que le LOw Frequency ARray (LOFAR) et le Square Kilometer Array (SKA) qui va être achevé en 2025 avec 2.5 millions d'antennes. Ceci est principalement dû aux découvertes fondamentales qui seront à la portée de tels interféromètres. Cependant, les performances, en termes de reconstruction et de cartographie, de ces instruments reposent sur la conception d’algorithmes de calibration précis, robustes et de faible complexité.

 

Actuellement, la précision de reconstruction et de cartographie est en deçà de la sensibilité à laquelle ces instruments donneront accès, et ceci est principalement dû à une calibration sous-optimale et peu robuste. L’objectif de cette thèse est de proposer des contributions méthodologiques visant à casser les deux verrous que sont la robustesse des algorithmes de calibration et leur complexité calculatoire en très grande dimension. La spécificité de cette thèse est de concevoir des algorithmes paramétriques distribués parcimonieux basés sur des modèles suffisamment fins afin d’approcher les performances théoriques optimales de ces instruments mais suffisamment simple pour permettre leur mise en place pour résoudre les problèmes liés à la calibration et à la cartographie. Et ceci afin d’accompagner les radioastronomes dans la mutation technologique que vivent les grands radiotélescopes.

 

Mots-clés

Traitement statistique du signal, optimisation à grande échelle, radio-astronomie, robustesse

 

Compétences attendues

Le candidat aura une formation en Master (M2) Recherche et/ou 3ème année de cursus ingénieur dans le domaine du traitement du signal et des images, mathématiques appliquées ou science des données. Il maîtrisera les outils statistiques du traitement du signal et sera intéressé par les aspects d’optimisation numérique. Le candidat saura utiliser et développer sous Matlab/Python, en se formant si besoin.

 

 

 

Encadrements

Pascal Larzabal (Pr., ENS Cachan), Mohammed Nabil El Korso (MCF HDR, Université Paris‐Ouest/LEME) et Arnaud Breloy (MCF, Université Paris‐Ouest/LEME).

 

Lieu

Laboratoire SATIE de l'ENS Cachan

 

Financement

Concours ADUM Paris Saclay

 

Candidatures

Envoyer un CV sous forme électronique M. N. El Korso (m.elkorso@u-paris10.fr), A. Breloy (abreloy@u-paris10.fr) et P. Larzabal (pascal.larzabal@satie.ens-cachan.fr).

 

Références

[1] V. Ollier, M. N. El Korso, R. Boyer, P. Larzabal and M. Pesavento, "Relaxed concentrated MLE for robust calibration of radio interferometers", (invited) in Proc. of EUSIPCO 2016, Budapest, Hungary.

[2] M. Brossard, M. N. El Korso, M. Pesavento, R. Boyer and P. Larzabal, "Calibration of Radio Interferometers Using a Sparse DOA Estimation Framework", (invited) in Proc. of EUSIPCO 2016, Budapest, Hungary.

[3] M. Haardt, M. Pesavento, F. Röemer and M. N. El Korso, "Subspace Methods and Exploitation of Special Array Structures", Academic Press Library in Signal, Elsevier, August 2013.

[4] V. Ollier, M. N. El Korso, R. Boyer, P. Larzabal and M. Pesavento, "Joint ML calibration and DOA estimation with separated arrays", in Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2016), Shaingai, China, March 2016.

[5] A. Breloy, G. Ginolhac, F. Pascal, P. Forster, "Robust Covariance Matrix estimation in Low-Rank Heterogeneous Context", Signal Processing, IEEE Transactions on, 2016.

[6] P. Bianchi, W. Hachem, and F. Iutzeler. A stochastic coordinate descent primal-dual algorithm and applications to distributed optimization. IEEE Transactions on Automatic Control, 2016.

[7] A. Ferrari, D. Mary, R. Flamary, and C. Richard. Distributed image reconstruction for very large arrays in radio astronomy. In IEEE Sensor Array and Multichannel Signal Processing Workshop (SAM), 2014.

[8] S. J. Wijnholds, S. Tol, R. Nijboer, and A. V. D. Veen, “Calibration challenges for future radio telescopes,” IEEE Signal Processing Mag., vol. 27, pp. 30-42, Jan. 2010.

[9] A. Leshem and A. V. D. Veen, “Radio astronomical imaging in the presence of strong radio interference,” IEEE Trans. Inform. Theory, vol. 46, pp. 1730-1747, Aug. 2000.

[10] S. J. Wijnholds and A. V. D. Veen, “Multisource self-calibration for sensor arrays”, IEEE Trans. Signal Processing, vol. 57, pp. 3512-3522, Sep. 2009.

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.