Académique Documents
Professionnel Documents
Culture Documents
Etude de La Méthode Des Moindres Carrée Récursive Et Application Au Signal de Parole
Etude de La Méthode Des Moindres Carrée Récursive Et Application Au Signal de Parole
Rsum :Dans cet article nous prsenterons une tude dtaille de la mthode des moindres carrs rcursive,
ensuite nous ferrons une application de cette algorithme pour identifier les paramtres du modle auto rgressif
AR associ au signal de parole. La technique propos ici permet didentifier les paramtres du modle auto
rgressif ARMA avec des estimations non biaises, cette mthode est base sur la minimisation dun critre
quadratique.
Mots cls : moindres carrs, prdiction, modle, estimation baise, parole.
J = [ (k )]
k =1
(1)
a y ( t i) = b u ( t i) + e(t)
i i (2) T = [ a1 a2 an ; b0 b1 . bm ]
i =0 i =0
T (t) = [-y (t-1) y (t - n) ;
u (t) u (t-m)]
Avec a0 = 1
u ( t ) : Entre du systme
Avec
T : vecteur des paramtres identifier
y ( t ) : Sortie du systme T (t) : vecteur des donnes.
e (t ) : Bruit blanc. y (t) : sortie du systme
e (t) : bruit blanc affect au systme
T : dsigne la transpose dun vecteur ou
En utilisant la transforme en Z, lquation (2) peut dune matrice.
scrire :
On dfinit lerreur de prdiction comme tant la
E ( Z ) = A ( Z ) Y (Z ) B ( Z ) U ( Z )
reprsente la somme des carrs des erreurs de
(5) prdictions, et qui est mentionn au dessous [2] :
JN ( )
= 0 (10)
= ( N)
JN() 2 N
[
= (t) y(t) T (t)
N t=1
] (11)
=(N)
De lquation (10) et (11), on dduit la solution
En dveloppant lquation (2), on obtient : optimale au sens des moindres carrs de la forme
suivante :
y (t) = - a1 y (t 1) a2 y (t 2) - - an y (t n) + b0 N N
u (t) + + bm u (t -m) + e (t) (N) = [ (t ) T (t ) ]1.(t) y(t) (12)
t=1 t =1
[ ] N
N
E ( N) = 0 + E[ (k) T (k ) ]1.(k )e(k)
Daprs les quations (12) et (13), on a :
k =1 k =1
O E : reprsente lesprance mathmatique.
t
(t ) = R 1
( t ) (k ) y ( k ) (14)
k =1
La mthode des moindres carrs fournit une
estimation non biaise dans le cas o e (k) une
t 1
( t ) = R 1 ( t ) (k ) y ( k ) + (t ) y (t ) (15) squence alatoire centre (moyenne nulle).
k =1 Do, on crit : [ ]
E (N) =0 et lestimateur est non
biais.
(t ) = R 1 (t ) R (t 1) (t 1) + ( t ) y( t ) (16)
Finalement : ( N ) 0 quand N
(t) = R1(t)R(t) (t 1) (t)T (t) (t 1) + (t) y(t) (17)
7 Exemple de simulation
(t) = (t 1) + R 1 (t )(t ) y(t) T (t 1) (t ) (18) Considrons un systme physique stable ayant la
fonction de transfert suivante :
1 + 2 Z 1
H ( z ) = Z 1
Daprs cette dernire quation (18), on remarque que
1 + 0.3Z 1 + 0.8Z 2
la solution des moindres carrs rcursive contient le
Avec a1 = 0.3 a2 = 0.8 b1 = 1 b2 = 2
terme R-1(t) qui ncessite une inversion matricielle
chaque instant t. Donc, on utilise le lemme dinversion
Limplmentation de lalgorithme MCR sur PC, en
matric ielle qui se prsente sous la forme
utilisant le langage de programmation MATLAB, nous
suivante [2] : a donn les rsultats suivants :
[B CD ]T 1
[
= B 1 B 1CDT B1 1 + DT B 1C ]1
(19)
Nous posons:B = R( t 1) , C = ( t ) , D = T ( t)
Or [
R 1 (t ) = R(t 1) (t ) T (t ) ]
1
(20)
(t) = (t 1) + P(t)(t)T (t) y(t) T (t 1)(t) (22)
1
P(t) = P(t 1) P(t 1)(t)T P(t 1) (23)
1+ (t)P(t 1)(t)
T