TD4 | TNS 2019/20

EXERCICE 4
1. RSB = 1/σ 2 .
2. y(n) = s(n) + αs(n − 1) + b(n).
Éléments de correction TD4 3. RSB = (1 + α2 )/σ 2 .
4. On modélise y(n) comme un processus AR(1), on
EXERCICE 1
calcule les paramètres b0 et a1 de 1−ab10z −1 , puis on
1. rxx (0) = 0.0562 filtre y(n) par l’inverse de ce filtre pour le blanchir
rxx (1) = rxx (−1) = 0.0012, (le décorréler).
rxx (2) = rxx (−2) = −0.0014, ry (0) = 1 + α2 + σ 2 , ry (1) = α.
2 +σ 2 )−α2
rxx (3) = rxx (−3) = −0.0083, ⇒ a1 = 1+αα2 +σ2 et b20 = (1+α 1+α2 +σ 2
rxx (4) = rxx (−4) = −0.0132,
rxx (5) = rxx (−5) = 0.0038,
rxx (p) = rxx (−p) = 0 ∀p > 5.
2. Pper (f = 0) = 0.0204
3. Pcorr (f = 0) = 0.0204
EXERCICE 2
— y(n) = x(n) + αx(n − p)
— H(z) = 1 + αz −p
— A partir de l’autocorrélation ry (k) (faire le calcul).
— Filtrer y(n) avec H −1 (z).
EXERCICE 3
On peut résoudre cet exercice sans l’algorithme de Dur-
bin (non vu en cours), en utilisant les équations de Yule
Walker :
    2 
r(0) · · · r(P ) 1 σe
 r(1) · · · r(P − 1)   −a1   0 
 ···  =  ··· 
    
 ··· ··· ···
r(P ) · · · r(0) −aP 0
1. P = 1 : a1 = r(1)/r(0) = 2/3 et σe2 = 5σ 2 /3
P = 2 : a1 = 4/5, a2 = −1/5 et σe2 = 1.6σ 2
P = 3 : a1 = 3/4, a2 = 0, a3 = −1/4 et σe2 =
1.5σ 2
3 Pour P = 4, σe2 = 1.33σ 2 . La puissance de l’erreur
de prédiction continue à diminuer (faiblement).
4 E[x(n)2 ] = r(0), E[x(n)x(n − 1)] = r(1), etc.
⇒ β = α = 1.

Sonia Djaziri Larbi Laboratoire Signaux Systèmes Statistiques (L3S) - ENIT 1