-Echantillonnage. -Variable aléatoire. -Transformée de Fourier d’un -Sur- échantillonnage. -Espérance mathématique, signal numérique. -Sous-échantillonnage. (moyenne). -TF discrète -Quantification scalaire. -Moment d’ordre 2 (variance). -Fenêtrage. -Quantification vectorielle. -Estimation (statistique). -observation spectrale -Systèmes. -Processus aléatoire. -Distribution et Peigne de Dirac. -Systèmes linéaires. - Covariance. -Echantillonnage idéal. -Systèmes linéaires invariants par translation(ou dans le temps). -Systèmes à Réponse . -Systèmes. Impulsionnelle Finie(RIF). -Processus stationnaire au -Filtres RIF et RII. second ordre au sens large(SSL).
-Systèmes à Réponse -Covariance d’un SSL. -Filtre à phase minimum .
Impulsionnelle Infinie(RII). -Identification d’un système -Processus Autorégressif. -Processus aléatoire. linéaire par filtrage de Wiener. -Algorithme LMS. -Identification d’un modèle -Processus de Poisson. -Processus Autorégressif. gaussien. -Fonction de vraisemblance. -Identification d’un modèle AR. -Processus Gaussien -Filtrage de Wiener. - Identification d’un modèle par -Application à l’estimation. -Filtrage de Kalman Kalman. -Systèmes paramétrés. -théorie Bayes. --Algorithme RLS -Exemple : Le perceptron -Théorie de Fisher. -Programmes Masters S7.