430 research outputs found
Law & Economics Perspectives on Electricity Regulation
No full textThis paper first reviews some of the main contributions of the new institutional economics to the analysis of the process of competitive transformation of network industries. It shows that neoinstitutional analysis is complementary to the microeconomics of rational pricing, since it accounts for the decisive role of an institutional framework adapted to new transactions. It emphasizes the importance of the political reform process, which draws on the conditions of attractiveness and feasibility to define an initial reorganization of property rights in these industries. The paper then analyzes in this light some of the main challenges ahead for electricity regulation: the question of investment in generation capacities and the link to long term contracts, the regulation of wholesale market power, the support to Renewable Energy Sources for Electricity (RES-E) and the design of new regulatory authorities.Electricity Markets; New Institutional Economics; Law & Economics
Stationnarités brisées : approches à l'analyse et à la synthèse
No full textNonstationarity characterizes transient physical phenomena. For example, it may be caused by a speed variation of an accelerating engine. Similarly, because of the Doppler effect, a stationary sound emitted by a moving source is perceived as being nonstationary by a motionless observer. These examples lead us to consider a class of nonstationary signals formed from stationary signals whose stationarity has been broken by a physically relevant deformation operator. After describing the considered deformation models (Chapter 1), we present different methods that extend the spectral analysis and synthesis to such signals. The spectral estimation amounts to determining simultaneously the spectrum of the underlying stationary process and the deformation breaking its stationarity. To this end, we consider representations of the signal in which this deformation is characterized by a simple operation.Thus, in Chapter 2, we are interested in the analysis of locally deformed signals. The deformation describing these signals is simply expressed as a displacement of the wavelet coefficients in the time-scale domain. We take advantage of this property to develop a method for the estimation of these displacements. Then, we propose an instantaneous spectrum estimation algorithm, named JEFAS. In Chapter 3, we extend this spectral analysis to multi-sensor signals where the deformation operator takes a matrix form. This is a doubly nonstationary blind source separation problem. In Chapter 4, we propose a synthesis-based approach to study locally deformed signals. Finally, in Chapter 5, we construct a time-frequency representation adapted to the description of locally harmonic signals.La non-stationnarité est caractéristique des phénomènes physiques transitoires. Par exemple, elle peut être engendrée par la variation de vitesse d'un moteur lors d'une accélération. De même, du fait de l'effet Doppler, un son stationnaire émis par une source en mouvement sera perçu comme étant non stationnaire par un observateur fixe. Ces exemples nous conduisent à considérer une classe de non-stationnarité formée des signaux stationnaires dont la stationnarité a été brisée par une opérateur de déformation physiquement pertinent. Après avoir décrit les modèles de déformation considérés (chapitre 1), nous présentons différentes méthodes permettant d'étendre l'analyse et la synthèse spectrale à de tels signaux. L'estimation spectrale des signaux revient à déterminer le spectre du processus stationnaire sous-jacent et la déformation ayant brisé sa stationnarité.Ainsi, dans le chapitre 2, nous nous intéressons à l'analyse de signaux localement déformés pour lesquels la déformation subie s'exprime simplement comme un déplacement des coefficients d'ondelettes dans le plan temps-échelle. Nous tirons profit de cet propriété pour proposer l'algorithme d'estimation du spectre instantané JEFAS. Dans le chapitre 3, nous étendons cette analyse spectrale aux signaux multi-capteurs pour lesquels l'opérateur de déformation prend une forme matricielle. Il s'agit d'un problème de séparation de sources doublement non stationnaire. Dans le chapitre 4, nous proposons un approche à la synthèse pour étudier des signaux localement déformés. Enfin, dans le chapitre 5, nous construisons une représentation temps-fréquence adaptée à l'étude des signaux localement harmoniques
Séparation de sources doublement non stationnaire
No full textInternational audienceBlind source separation (BSS) techniques aims at joint estimation of source signals and a mixing matrix from observations of mixtures. This paper addresses a doubly nonstationary BSS problem, where the mixing matrix is time dependent and sources are nonstationary, more precisely deformed stationary signals, following the model of [1]. An algorithm for joint BSS and estimation of stationarity-breaking deformations and spectra is introduced, that exploits suitable approximations for the behavior of the wavelet transform of such nonstationary signals. The performance of the approach is evaluated on numerical simulations, and compared with other nonstationary BSS algorithms.Les techniques de séparation aveugle de sources (blind source separation, BSS) visent à estimer conjointement des signaux sources et une matrice de mélange à partir des observations de mélanges. Cet article aborde un problème de BSS doublement non stationnaire, où la matrice de mélange dépend du temps et les sources sont non stationnaires. Plus précisément, ce sont des signaux stationnaires déformés, suivant le modèle de [1]. Nous présentons un algorithme joint pour la BSS et l'estimation des déformations brisant la stationnarité et des spectres. Il s'appuie sur des approximations appropriées du comportement de la transformée en ondelettes de ces signaux non stationnaires. Les performances de cet algorithme sont évaluées sur des simulations numériques et comparées à d'autres algorithmes de BSS non stationnaires
Joint nonstationary blind source separation and spectral analysis
No full textInternational audienceWe address a nonstationary blind source separation (BSS) problem. The model includes both nonstationary sources and mixing. Therefore, we introduce an algorithm for joint BSS and estimation of stationarity-breaking deformations and spectra. Finally, its performances are evaluated on a synthetic example
multi-user sessions materials
No full textSome of the materials recorded during the multi-user collaborative sessions
Credits
Timelapses:
3-tangra_concept_2.mp4 : Tanguy, Clémence
10-paper_summit.mp4: Softyoda, Laurent, Ultr-X, Ikxi, Swann // image reference author: Thomas Gugel
13-all_seing_monolith.mp4: Softyoda, Wuaieyo, Staz, Swann // image reference author: Stuart Wade
14-campsite.mp4: NotFood, Staz, Wuaieyo, Swann // image reference author: Mohamed Chahin
18-surreal_architecture.mp4: Staz, NotFood, Softyoda, Wuaieyo, Oenvoyage, Spacefarer, Tianerad, Fabian, Yoyodespin, Swann // image reference author: Michiel Schrijver
19-abstract_city.mp4: Adrien, Tanguy, Bruno, Gorgio, Axel // image reference author: Quan Pham Tung
20-scene_sky_island.mp4 : Fabian, NotFood, Wuaieyo, Staz, Swann // image reference author: Péng ái
22-xbox-clubs-image.mp4 : NotFood, Wuaieyo, Staz, Deajynn, Swann // image reference author: Alex Pushilin
25-castles.mp4 : Softyoda, Fabian, NotFood, Wuaieyo, Swann // image reference author: Timothy J. Reynolds
27-random_house_5.mp4: NotFood, Wuaieyo, Swann // image reference author: Mohamed Chahin
28-wind_mill_in_nemcice.mp4: Wuaieyo, NotFood, Swann // image reference author: Febin_Raj
33-ancient_gods_threshold.mp4 NotFood, Kysios, Wuaieyo, Swann // image reference author: Elodie Mondoloni
Animation projects results:
34-outrun_result.gif: NotFood, Fabian, Wuaieyo, Ultr-X, Swann
35-mstrd_II_result.gif: Tanguy, Gorgio, Adrien // image reference author: gifmk7
36-elmo_result.gif: Gorgio, Fabian, Tanguy, Adrien
(more to come
Spectral Estimation for Multivariate Locally Time-Warped Signals
No full textInternational audienceSpectral estimation generally aims at determining from a single realization of a given signal, the distribution of its power as a function of frequency. In this paper, we focus on multivariate, locally time-warped signals. We show that the spectral estimation problem can also be interpreted as a doubly nonstationary blind source separation (BSS) problem, where both the mixing matrix and the original sources contribute to nonstationarity. We then introduce a BSS algorithm for joint spectral estimation of nonstationary sources. The performance of the proposed approach is evaluated on numerical simulations, and compared with other nonstationary BSS algorithms
Broken stationarities : analysis-based and synthesis-based approaches
No full textLa non-stationnarité est caractéristique des phénomènes physiques transitoires. Par exemple, elle peut être engendrée par la variation de vitesse d'un moteur lors d'une accélération. De même, du fait de l'effet Doppler, un son stationnaire émis par une source en mouvement sera perçu comme étant non stationnaire par un observateur fixe. Ces exemples nous conduisent à considérer une classe de non-stationnarité formée des signaux stationnaires dont la stationnarité a été brisée par une opérateur de déformation physiquement pertinent. Après avoir décrit les modèles de déformation considérés (chapitre 1), nous présentons différentes méthodes permettant d'étendre l'analyse et la synthèse spectrale à de tels signaux. L'estimation spectrale des signaux revient à déterminer le spectre du processus stationnaire sous-jacent et la déformation ayant brisé sa stationnarité. Ainsi, dans le chapitre 2, nous nous intéressons à l'analyse de signaux localement déformés pour lesquels la déformation subie s'exprime simplement comme un déplacement des coefficients d'ondelettes dans le plan temps-échelle. Nous tirons profit de cet propriété pour proposer l'algorithme d'estimation du spectre instantané JEFAS. Dans le chapitre 3, nous étendons cette analyse spectrale aux signaux multi-capteurs pour lesquels l'opérateur de déformation prend une forme matricielle. Il s'agit d'un problème de séparation de sources doublement non stationnaire. Dans le chapitre 4, nous proposons un approche à la synthèse pour étudier des signaux localement déformés. Enfin, dans le chapitre 5, nous construisons une représentation temps-fréquence adaptée à l'étude des signaux localement harmoniquesNonstationarity characterizes transient physical phenomena. For example, it may be caused by a speed variation of an accelerating engine. Similarly, because of the Doppler effect, a stationary sound emitted by a moving source is perceived as being nonstationary by a motionless observer. These examples lead us to consider a class of nonstationary signals formed from stationary signals whose stationarity has been broken by a physically relevant deformation operator. After describing the considered deformation models (chapter 1), we present different methods that extend the spectral analysis and synthesis to such signals. The spectral estimation amounts to determining simultaneously the spectrum of the underlying stationary process and the deformation breaking its stationarity. To this end, we consider representations of the signal in which this deformation is characterized by a simple operation. Thus, in chapter 2, we are interested in the analysis of locally deformed signals. The deformation describing these signals is simply expressed as a displacement of the wavelet coefficients in the time-scale domain. We take advantage of this property to develop a method for the estimation of these displacements. Then, we propose an instantaneous spectrum estimation algorithm, named JEFAS. In chapter 3, we extend this spectral analysis to multi-sensor signals where the deformation operator takes a matrix form. This is a doubly nonstationary blind source separation problem. In chapter 4, we propose a synthesis approach to study locally deformed signals. Finally, in chapter 5, we construct a time-frequency representation adapted to the description of locally harmonic signal
Spectral estimation for non-stationary signal classes
No full textInternational audienceAn approach to the spectral estimation for some classes of non-stationary random signals is developed, that addresses stationary random processes deformed by a stationarity-breaking transformation. Examples include frequency modulation , time warping, non-stationary filtering and others. Under suitable smoothness assumptions on the transformation, approximate expressions are obtained in adapted representation spaces. In the Gaussian case, this leads to approximate maximum likelihood estimation algorithms, which are illustrated on synthetic as well as real signals
Time-scale synthesis for locally stationary signals
No full textInternational audienceWe develop a timescale synthesis-based probabilistic approach for the modeling of locally stationary signals. Inspired by our previous work, the model involves zero-mean, complex Gaussian wavelet coefficients, whose distribution varies as a function of time by time dependent translations on the scale axis. In a maximum a posteriori approach, we propose an estimator for the model parameters, namely the time-varying scale translation and an underlying power spectrum. The proposed approach is illustrated on a denoising example. It is also shown that the model can handle locally stationary signals with fast frequency variations, and provide in this case very sharp timescale representations more concentrated than synchrosqueezed or reassigned wavelet transform
- …
