Académique Documents
Professionnel Documents
Culture Documents
Processus alatoires
1.
Introduction
Dfinition
Px lim
A partir de
x (t )
T / 2
x(t )
dt
(1.1)
T / 2
x lim
T / 2
x(t )dt
T / 2
(1.2)
(1.3)
ou de sa densit de probabilit :
p X i ( x ) p X ( x, t i )
dF X i ( x )
(1.4)
dx
N N
n 1
Si lon connait la loi de probabilit de X , lesprance mathmatique est donne
par :
E X
xp
(1.6)
( x ) dx
X 1 , X 2 , , X k T
. Ce
3.
(1.7)
Processus alatoire
24
Statistiques dordre 1
xp
Moment dordre
Xi
(1.8)
( x ) dx
E X in
(1.9)
p X i ( x ) dx
E ( X i E[ X i ]) n
( x E[ X
]) n p X i ( x ) dx
(1.10)
E ( X i E[ X i ]) 2
( x E[ X
]) 2 p X i ( x ) dx
(1.11)
2 E[ X i2 ] m X2 i
(1.12)
Statistiques dordre 2
F X ( x1 , x 2 ) prob ( X 1 x1 , X 2 x 2 )
et la densit de probabilit :
p X ( x1 , x 2 )
2 FX ( x1 , x 2 )
x1 x 2
(1.14)
T
On peut alors dfinir les diffrents moments du vecteur alatoire [ X 1 , X 2 ]
m
n
par E[ X 1 X 2 ] , en particulier, pour comparer les variables alatoires, on utilise la
x 2 p X ( x1 , x 2 ) dx1 dx 2
(1.15)
(x
X 1 )( x 2 X 2 ) p X ( x1 , x 2 ) dx1 dx 2
(1.16)
Remarque : Si t1 t 2 , on aura
(1.17)
26
3.2.2.
(1.18)
(1.19)
(1.20)
rx (t1 , t 2 ) rx ( ), c x (t1 , t 2 ) c x ( ), t 2 t1
(1.21)
E X i2 E X 2 X2
3.2.3.
Processus ergodique
X
rX (m)
1 N
Xi
N i 1
(1.22)
1 N m 1
*
X i ( n) X i ( n m)
N m i 1
, m 0,1, , N 1
(1.23)
(1.24)
x ( ) lim
T / 2
(1.25)
T / 2
(1.26)
X ( )
c x ( )
, X (0) 1
X2
(1.27)
c x ( ) E X (t ) m X X (t ) m X rx ( ) m X2
(1.28)
(1.29)
Valeur en = 0 : En 0 , on a :
c x (0) x2 et rx (0) x2 m X2
(1.30)
(1.31)
(1.32)
28
lim c x ( ) 0
(1.33)
Et
2
2
lim rx ( ) lim c x ( ) m X m X
(1.34)
corrlation dont les lments sont les fonctions de corrlation des composantes
deux deux :
R XX E XX T
R XX
(1.35)
E X 1 X 1 E X 1 X 2 E X 1 X k
E X X
2 1
E X k X k
E X k X 1
4.
(1.36)
(1.37)
est indpendante de
(1.39)
n , et la fonction dautocorrlation :
rx ( n, n k ) rx ( k ) c x ( k ) m X2
29
(1.40)
n et
nk .
Matrice dautocorrlation
T
Soit un vecteur de M variables alatoires X X (n), X (n 1), X (n M 1) .
La matrice dautocorrlation de ce processus est :
R XX E XX T
R XX
5.
rX ( 0 )
rX (1)
rX ( M 1)
(1.41)
rX (1) rX ( M 1)
rX ( 0 )
Les filtres linaires sont trs utiliss dans diverses applications du traitement
du signal. les entres de ces filtres sont gnralement des processus alatoires.
Donc cette opration de filtrage peut tre considre comme une opration de
modlisation dune squence alatoire. Les modles les plus rencontrs sont le
processus AR, le processus MA et le processus ARMA [1,4,5].
Soient X (n) , Y (n) et h(n) lentre du filtre, la sortie du filtre et la rponse
impulsionnelle du filtre respectivement.
X ( n ) a k X ( n k ) e( n )
(1.42)
k 1
X ( Z ) 1 a1 Z 1 a 2 Z 2 a p Z p E ( Z )
30
(1.43)
(1.44)
1 a k Z k
k 1
Sx ( f )
1 ak e
2
j 2fk
(1.45)
k 1
Nous avons besoin destimer les coefficients du modle ak ainsi que la variance
2
du bruit n .
En multipliant lequation (1.42) par X (n l )
p
E X ( n) X ( n l ) a k E X ( n k ) X ( n l ) E e( n ) X ( n l )
k 1
(1.46)
2
Le terme E e(n) X ( n l ) vaut n pour l 0 . Cependant pour l 0 ce terme est
nul du fait que les termes X (n l ) et e(n) sont idependants et E e( n) 0 . Le
premier terme de lequation () est la fonction dautocorrelation rx (l ) .
Donc :
p
rx (l ) a k rx (l k ), l 0
k 1
31
(1.47)
rx (1)
rx ( 2)
rx ( p )
r X ( 0)
rX (1)
rX ( p 1)
rX ( 1) rX ( p 1) a 1
a
2 R x a rx
rX ( 0 ) a p
(1.48)
a R x1 rx
Et la variance du bruit :
p
n2 rx (0) a k rx (k )
(1.50)
k 1
5.2. Processus MA
Un processus MA est dfinit par :
X ( n)
b e( n k ) , b
k 0
(1.51)
X ( Z ) E ( Z ) 1 b1 Z 1 bq Z q
(1.52)
Processus ARMA
k 0
l 0
a k X (n k ) bl e(n l ) , a0 b0 1
Oubien sous la forme :
32
(1.53)
k 1
l 1
(1.54)
H (Z )
1 bl Z l
l 1
p
1 ak Z
(1.55)
k 1
x2
exp
2
2 2
2
(1.56)
p X ( x) rect ( x )
33
1 / 2
1 / 2
xp X ( x)dx
xdx 0
(1.58)
E X2
p X ( x)dx
1 / 2
1 / 2
dx
1
12
(1.59)
2
Un bruit blanc u (n) est un processus alatoire centr vrifiant : ru (0) u et
ru (k ) 0 pour k 0 . La densit spectrale de puissance est donc constante sur
tout laxe des frquences
Pu ( f ) u2 cte.
34