Explorer les Livres électroniques
Catégories
Explorer les Livres audio
Catégories
Explorer les Magazines
Catégories
Explorer les Documents
Catégories
Introduction
Notion de signaux alatoires
Stationnarit & Ergodicit
Reprsentation spectral et DSP
Conclusion
Introduction
Signaux alatoires
Notion de signal alatoire :
Un signal alatoire est un processus se droulant dans le temps et gouverne, au moins partiellement, par
les lois au hasard.
1 1 , 1
{() } =
5
, ; , , =
( , ; , )
Thorme :
Un processus alatoire est entirement dcrit par ses densits de probabilit dordre n :
1 , 2 , . . , ; 1, , ,
Cette densit reprsente la faon dont les valeurs du processus se distribuent aux n
instants 1, , , .
6
Cest la moyenne des valeurs que prend le processus X (t) un instant t fix, sur un trs
grand nombre de ralisations.
10
( =
, =
= , , ,
1 , 2 = 1 2
+
= 1 2 2 1 , 2 , 1 , 2 111 2
Variance
= {[ ] } =
( )
Fonctions de covariance
Fonction dautocovariance
( , )= E{[ ] [ ]}
Fonction dintercovariance
( , )= E{[ ] [ 12 ]}
Moyennes statistiques
13
Moyennes temporelles
14
1
2
()2
22
1
2
Notation :
x N(m, )
m: moyenne et cart-type
1
2
(x) = F(x)|~ 0,1 =
()2
22
LOI UNIFORME
Loi uniforme discret
Une variable alatoire qui peut prendre n valeurs possibles k1 , k2 , , kn, suit une loi uniforme lorsque
la probabilit de nimporte quelle valeur ki est gale 1/n.
LOI UNIFORME
La densit de probabilit de la loi uniforme continue est une fonction porte sur
l'intervalle [a, b] :
1
f(x)=
Fonction de rpartition
0 <
F(x)=
SIGNAUX STATIONNAIRES
Pour un processus alatoire quelconque, les caractristiques statistiques (densits de probabilits
dordre n, moments) dpendent des instants ti auxquels elles sont calcules.
Certains processus prsentent des caractristiques statistiques invariantes tout changement de
lorigine des temps. On dit quils sont stationnaires.
1 , 2 , . . , ; 1 , 2 . , = 1 , 2 , . . , ; 1 + , 2 + . , +
18
2 1 , 2 , 1 , 2 = 2 1 , 2 , 2 1
on obtient :
19
} = )2 1 1 1 = 2 Donc la variance est indpendante du temps.
Processus Ergodique
Trs souvent, on ne dispose que dune seule ralisation du signal alatoire analyser.
On peut se demander dans ce cas si les moyennes temporelles peuvent servir estimer
les moyennes statistiques. Clairement cela nest pas possible si le processus est non
stationnaire (car dans ce cas les moyennes statistiques varient au cours du temps).
Si le processus est stationnaire et si de surcrot les moyennes statistiques et temporelles
concident le processus est dit ergodique.
Lergodicit est une proprit trs utile puisquelle permet de retrouver les proprits
statistiques dun signal alatoire (et son spectre de puissance) par lanalyse dune seule
ralisation de ce signal. Cette proprit est parfois difficile vrifier.
22
Ergodicit
Processus Ergodique
Lergodicit est considr comme une des notions les plus importantes en statistiques.
Intuitivement, un processus (signal) sera ergodique si une ralisation quelconque de ce
processus porte en elle toutes les informations statistiques permettant de dcrire le
processus dans son ensemble (cd sur toutes ses ralisations).
Lergodicit permet en particulier de calculer le spectre dun signal alatoire partir
dune
seule ralisation
Dans certains cas on peut tablir lergodicit par le calcul thorique. Sinon on ladmet et
on vrifie a posteriori que le systme conu fonctionne bien !
23
= | |2
1/2
25
ne convient pas:
un signal alatoire stationnaire est gnralement dnergie infinie, donc problme de convergence
de lintgrale de Fourier.
Remarques :
[| 2 |]
= lim
27
28
Thorme de WIENER-KHINTCHINE
= )(
Autrement dit, la densit spectrale de puissance dun processus
alatoire est gale la transforme de Fourier de sa fonction dautocorrlation.
dautocovariance.
Un processus alatoire est gaussien ssi, quel que soit k et la suite des instants (t1, . . . , tk),
le vecteur alatoire k dimensions (X(t1), . . . , X(tk)) est un vecteur gaussien.
30
31
32