Déconvolution dynamique par descente de gradient préconditionnée
Actes du Colloque GRETSI 2025.
Abstract
Nous considérons le problème de la déconvolution d'impulsions de Dirac à partir d'observations dans le domaine de Fourier lorsque leurs positions et amplitudes évoluent dynamiquement au cours du temps. Pour suivre efficacement cette évolution, l’originalité de notre approche réside dans l’introduction d’un algorithme de descente de gradient avec préconditionnement diagonal et momentum, une méthode de premier ordre exploitant la structure du problème pour accélérer la convergence. Notre contribution principale est de montrer que cette méthode peut être appliquée de manière efficace dans un cadre dynamique en réutilisant les estimations précédentes à chaque pas de temps.
Cite
@inproceedings{gabet2025DeconvolutionDynamique,
author = {Gabet, Joseph and Ferreira Da Costa, Maxime and Soussen, Charles},
title = {Déconvolution dynamique par descente de gradient préconditionnée},
booktitle = {Actes du Colloque GRETSI 2025},
year = {2025}
}