ENSISA 2017-2018

Signaux aléatoires

Travaux dirigés

Corrigé

Exercice 1
Soient A et B deux variables aléatoires réelles indépendantes, ayant pour loi la loi normale
centrée réduite N (0, 1), et ω un réel non nul. On dénit trois processus par : Xt = A cos(ωt)
Yt = B sin(ωt) Zt = Xt + Yt . Calculer la moyenne et la covariance des ces processus.
Sont-ils stationnaires ?
Solution
- mX (t) = E[A cos(ωt)] = cos(ωt)EA = 0
- mY (t) = E[B sin(ωt)] = sin(ωt)EB = 0 ; donc mY (t) = 0
- kX (s, t) = E[A cos(ωs)A cos(ωt)] = cos(ωs) cos(ωt)EA2 = cos(ωs) cos(ωt).
- kY (s, t) = sin(ωs) sin(ωt).
- kZ (s, t) = E[(Xs + Ys )(Xt +Yt )] = EXs Xt +EXs Yt +EYs Xt +EYs Yt = kX (s, t)+EXs EYt +
EYs EXt + kY (s, t)
= kX (s, t) + kY (s, t) = cos(ωs) cos(ωt) + sin(ωs) sin(ωt) = cos(t − s).

Exercice 2
Soient A et B deux variables aléatoires complexes centrées. On dénit un signal aléatoire
(Xt )t∈R en posant :
Xt = A exp{iλt} + B exp{iµt}, où λ et µ sont des réels distincts.
1. Montrer que si E(AB) = 0 le signal est stationnaire. On suppose que cette condition est
satisfaite dans la suite.
2. Calculer la fonction de corrélation γ du signal.
Solution
1. mX (t) = EXt = E[A exp{iλt} + B exp{iµt}] = exp{iλt}EA + exp{iµt}EB = 0.
kX (s, t) = EXs Xt
= exp{iλ(t − s)}EAA + exp{−iλs} exp{iµt}EAB
+ exp{−iµs} exp{iλt}EBA + exp{iµ(t − s)}EBB
= exp{iλ(t − s)}EAA + exp{iµ(t − s)}EBB;
 on a donc
γX (t) = exp{iλt}a + exp{iµt}b,
où l'on a posé a = EAA ≥ 0 et b = EBB ≥ 0.
2. Γ = aδλ/2π + bδµ/2π .

Exercice 3
Soit A et θ des variables aléatoires réelles indépendantes, A suivant la loi N (0, 1) et θ la
loi uniforme sur l'intervalle [0, 2π], notée U0,2π .
a) Calculer la moyenne et la covariance du processus Xt = A cos[2πat + θ], où a est un réel.
Le processus est-il stationnaire ?
b) Montrer que le signal Yt = cos[2πat+θ] est stationnaire et ergodique. Calculer sa puissance
et déterminer son spectre de puissance.

Exercice 4
1. Calculer la moyenne et la covariance du processus Xt = A cos[2πat + θ], où a est un réel.
Le processus est-il stationnaire ?
2. Montrer que le signal Yt = cos[2πat+θ] est stationnaire et ergodique. Calculer sa puissance
et déterminer son spectre de puissance.
Solution
1.
mX (t) = EXt = E[A cos(2πat + θ)] = EA × E cos[2πat + θ] = 0.

kX (s, t) = EXs Xt
= E[A2 cos(2πas + θ) cos(2πat + θ)]
1
= EA2 × E [cos(2πa(t − s)) + cos(2πa(s + t) + 2θ)]
2
1 2π
Z
1
= cos(2πa(t − s)) + cos(2πa(s + t) + 2x)dx
2 2 0
1 11
= cos(2πa(t − s)) + [sin(2πa(s + t) + 2x)]2π
0
2 22
1 1
= cos(2πa(t − s) + [sin(2πa(s + t) + 4π) − sin(2πa(s + t))]
2 4
1
= cos(2πa(t − s).
2
2.
Z 2π
1
mY (t) = EYt = E cos(2πat+θ) = cos(2πa(s+t)+x) = [sin(2πa(s+t)+x)]2π
0 = 0.
0 2
1
kY (s, t) = EYs Yt = E cos(2πas + θ) cos(2πat + θ) = cos(2πa(t − s));
2
 donc γY (t) = 21 cos(2πat) et la puissance vaut PY = γY (0) = 12 .
Ergodicité
Z T Z T
1 1
Yt (ω)dt = cos[2πat + θ(ω)]dt
2T −T 2T −T
1 1
= [ sin[2πat + θ(ω)]]T−T
2T 2πa
1
= [sin[2πaT + θ(ω)] − sin[−2πaT + θ(ω)]]
T 4a
qui tend vers 0.
Z T Z T
1 1
Yt ω)Yt+τ (ω)dt = {cos[2πat + θ(ω)] cos[2πa(t + τ ) + θ(ω)]}dt
2T −T 2T −T
Z T
1 1
= {cos[2πaτ ] + cos[2πa(2t + τ ) + 2θ(ω)]}dt
2T −T 2
Z T
1 1
= cos[2πaτ ] + cos[2πa(2t + τ ) + 2θ(ω)]dt
2 4T −T
1 1 1
= cos(2πaτ ) + [cos[2πa(2t + τ ) + 2θ(ω)]]T−T
2 T 8πa
qui tend vers 21 cos(2πaτ ) = γY (t).

Exercice 5
Soit X = (Xt )t∈R un signal aléatoire stationnaire de fonction de corrélation γX ; on pose
mX = EX0 .
a) Le signal Y = (Yt )t∈R , où pour tout t Yt = 4Xt+1 − 2, est-il stationnaire ? Si oui exprimer
la fonction de corrélation du signal Y en fonction de celle du signal X .
b) On suppose dans cette question que la fonction de corrélation du signal X est γX (τ ) =
exp{− |τ |}. Le signal Z = (Zt )t∈R , où pour tout t Zt = 2Xt + 3X2 , est-il stationnaire ? Si
oui exprimer la fonction de corrélation du signal Z en fonction de celle du signal X .
c) Soit Y = (Yt )t∈R un signal aléatoire stationnaire tel que pour tout couple (s, t) ∈ R2 les
variables Xs et Yt soient indépendantes. Montrer que le signal somme Z = (Zt )t∈R déni
parZt = Xt + Yt est stationnaire.

Exercice 6
Soient A et B deux variables aléatoires réelles indépendantes, A ayant pour loi la loi
uniforme sur [0, 1] U0,1 et B prenant les valeurs −1 et 1 avec probabilités 1/2. On pose pour
tout réel t Xt = B exp{−4iπAt}.
a) Montrer que le signal (Xt )t∈R est stationnaire.
b) Donner la fonction de corrélation du signal.
c) Quelle est la puissance du signal ?
d) Déterminer la densité spectrale du signal.

Exercice 7
Soit X = (Xt )t∈R un signal aléatoire stationnaire de fonction de corrélation γ et de densité
spectrale ΓX . Soit d un réel et Y = (Yt )t∈R le signal déni par Yt = Xt + Xt−d .
1. Montrer que le signal Y est stationnaire.
2. Exprimer la fonction de corrélation γY du signal Y en fonction de γX .
3. Que vaut la puissance PY du signal Y ? Pourquoi peut-on armer que PY ∈ [0, 4γX (0)].
4. Exprimer la densité spectrale du signal Y en fonction de celle du signal X . On pourra
utiliser l'égalité 1 + cos(2θ) = 2 cos2 (θ).
5. On suppose que ΓX (ν) = sinc2 (πdν). Calculer explicitement ΓY , puis γY . On rappelle
que 2 sin(θ) cos(θ) = sin(2θ).
Solution
1. E(Yt ) = E(Xt + Xt−d ) = 2mX .

EYs Yt = E[(Xs + Xs−d )(Xt + Xt−d )] = γ(t − s) + γ(t − d − s) + γ(t − s + d) + γ(t − s)

= 2γ(t − s) + γ(t − d − s) + γ(t − s + d)
2. γY (τ ) = 2γ(τ ) + γ(τ − d) + γ(τ + d)
3. PY = γY (0) = 2γ(0) + γ(−d) + γ(d) = 2[γ(0) + Re[γ(d)]]
Comme |γ(d)| ≤ γ(0), on a aussi |Re[γ(d)]| ≤ γ(0) ; il en résulte que γY (0) ∈ [0, 4γ(0)] ;
le cas γY (0) = 0 correspond à des franges sombres et le cas γY (0) = 4γ(0) correspond à
des franges brillantes.
4. ΓY (ν) =
R
γY (τ ) exp{−2iπτ ν)dτ
R R R
= 2 γ(τ ) exp{−2iπτ ν)dτ + γ(τ − d) exp{−2iπτ ν)dτ + γ(τ + d) exp{−2iπτ ν)dτ
= 2ΓX (ν) + exp{−2iπdν)ΓX (ν) + exp{2iπdν)ΓX (ν)
= ΓX (ν)[2 + 2 cos(2πdν)] = 2ΓX (ν)[1 + 1 cos(2πdν)]
= 4 cos2 (πdν)ΓX (ν).

Exercice 8
a) Déterminer la transformée de Fourier de l'application γ(τ ) = 1[−T,T ] (τ ), puis montrer que
γ n'est pas une fonction de corrélation.
b) Montrer que l'application γ(τ ) = |τ | exp{− |τ |} n'est pas une fonction de corrélation.
Solution
a) sin(2πT
πν
ν)
n'est pas positif.
b) γ n'atteint pas son maximum en 0.
Exercice 9
On se donne des variables aléatoires Y1 , Y2 , Z1 et Z2 globalement indépendantes. On
suppose que les variables Z1 et Z2 suivent une loi uniforme U[−1,1] , et que les variables Y1 et
Y2 suivent une loi de densité h(x) = 21 exp{−|x|}. On dénit un signal aléatoire X = (Xt )t∈R
par r
3
Xt = [Z1 exp{−2iπtY1 } + Z2 exp{−2iπtY2 }].
2
1. Montrer que le signal X est stationnaire.
2. Déterminer sa fonction de corrélation et sa puissance.
3. Déterminer la densité spectrale du signal.
4. On note Y le signal transformé de X par le ltre de réponse percussionnelle h(t) =
Solution
1.
r
3
EXt = E{ [Z1 exp{−2iπtY1 } + Z2 exp{−2iπtY2 }]}
r 2
3
= [EZ1 × exp{−2iπtY1 } + EZ2 × E exp{−2iπtY2 }]
2
=0

k(s, t) = E(Xs Xt )
3
= [EZ12 exp{−2iπ(t − s)Y1 }]
2
3
+ E[Z1 exp{2iπsY1 }Z2 exp{−2iπtY2 }]
2
3
+ E[Z2 exp{2iπsY2 }Z1 exp{−2iπtY1 }]
2
3
+ E[Z22 exp{2iπ(t − s)Y2 }]
2
3
= [EZ12 × E exp{−2iπ(t − s)Y1 } + EZ1 × EZ2 × exp{2iπsY1 } × E exp{−2i pitY2 }
2
+ EZ1 × EZ2 × E exp{2iπsY2 } × E exp{−2iπtY1 } + EZ22 × E exp{−2iπ(t − s)Y2 }
R +∞ R1
Comme EZ1 = EZ2 = 0 et EZ12 = EZ22 = −∞ z 2 12 1[−1,1] (z)dz = 21 −1 z 2 dz = 61 [z 3 ]1−1 =
3, on obtient
1

1 1
k(s, t) = E exp{−2iπ(t − s)Y1 } + E exp{−2iπ(t − s)Y2 } = E exp{−2iπ(t − s)Y1 },
2 2
et donc Z +∞
1
γ(τ ) = E exp{−2iπτ Y1 } = exp{−2iπτ y} exp{− |y|}dy.
−∞ 2
 2. Si g(y) = 12 exp{− |y|} on a γ(τ ) = gb(τ ) = 1+4π 2 τ 2 .
1

En conséquence P = γ(0) = 1.
3. ΓX (ν) = 12 exp{− |ν|}.
4. H(ν) = b
h(ν) = exp{−|ν|}
ΓY (ν) = |H(ν)|2 × ΓX (ν) = exp{−2 |ν|} × 12 exp{−|ν|} = 12 exp{−3|ν|}
γY (τ ) = 9+4π3 2 τ 2 .

Exercice 10
On considère un signal stationnaire X = (Xt )t∈R dont la densité spectrale ΓX est l'appli-
cation constante égale à 41 . Ce signal est transformé par un ltre linéaire de réponse percus-
sionnelle h = 2T1 IT , où IT désigne la fonction indicatrice de l'intervalle [−T, T ], T > 0. On
note Y = (Yt )t∈R le signal transformé du signal X par ce ltre.
a) Déterminer la fonction de transfert du ltre.
b) Déterminer la densité spectrale du signal Y .
c) Quelle est la fonction de corrélation du signal Y ?
d) Quelle est la puissance du signal Y ?

Exercice 11 (Reinhart)
Soient A et B deux variables réelles indépendantes ayant pour loi la loi uniforme sur [0, 1]
U0,1 . On pose pour tout réel t Xt = exp{2iπ[At + B]}.
1. Montrer que le signal (Xt )t∈R est stationnaire.
2. Déterminer la densité spectrale du signal et sa puissance.
3. Le signal est-il ergodique ?
Solution
1.
m(t) = EXt = E exp{2iπ[At + B]} = E exp{2iπAt} × E exp{2iπB};
or Z 1
1
E exp{2iπB} = exp{2iπx}dx = [exp{2iπx}]10 = 0.
0 2iπ
kX (s, t) = EXs Xt = E exp{2iπA(t − s)}
i) si s = t : kX (s, t) = 1
i) si s =
6 t
Z 1
1 1
kX (s, t) = exp{2iπx(t}dx = [exp{2iπx(t−s)}]10 = [exp{2iπ(t−s)}−1
0 2iπ(t − s) 2iπ(t − s)
Donc γX (0) = 1 et pour τ 6= 0
1 1 sin(πτ )
γX (τ ) = [exp{2iπτ −1] = exp{iπτ }[exp{iπτ }−exp{−iπτ }] = exp{iπτ } =
2iπτ 2iπτ πτ
 2. D'après le formulaire ΓX = 1[0,1] ; P =γX (0) = 1
RT RT
3. 1
2T −T Xt ω)Xt+τ (ω)dt =
1
2T −T exp{2iπA(ω)τ }dt = exp{2iπA(ω)τ }

Exercice 12
1) Soit γZ la fonction de corrélation d'un signal stationnaire Z . Indiquer pourquoi si γZ (0) = 0
alors on a pour tout réel t γZ (t) = 0.
2) Soit X = (Xt )t∈R un signal stationnaire réel de fonction de corrélation γX . On note mX la
valeur commune des espérances EXt .
On suppose qu'il existe un réel strictement positif T0 pour lequel γX (T0 ) = γX (0).
On dénit un signal Y = (Yt )t∈R en posant pour tout réel t Yt = Xt+T0 − Xt .
a) Que vaut γX (−T0 ) ?
b) Montrer que le signal Y est stationnaire.
c) Exprimer la fonction de corrélation γY du signal Y en fonction de γX .
d) Montrer que γY (0) = 0.
e) ) En déduire que pour tout entier relatif k ∈ Z on a γX (kT0 ) = γX (0).

Exercice 13
Soit (Xt )t∈R un signal aléatoire complexe stationnaire de fonction de corrélation γ . On
suppose qu'il existe un réel T0 > 0 tel que γ(0) = γ(T0 ). On veut montrer que l'application γ
est périodique de période T0 .
Première méthode[Charbit]
a) Utiliser l'inégalité de Cauchy-Schwarz pour montrer que pour tous réels t et τ on a :
|E(Xt+τ +T0 − Xt+τ )Xt |2 = 0.

b) Déduire de l'égalité E[(Xt+τ +T0 − Xt+τ )Xt ] = 0 que γ(τ + T0 ) = γ(τ ), i.e. que γ est
périodique.
Deuxième méthode
a) Soit Y = Xt+T0 − Xt ; calculer EY et E |Y |2 . En déduire que Xt+T0 = Xt presque partout.
b) Conclure que pour tout réel τ on a γ(τ + T0 ) = γ(τ ).
Solution
1) a)
|E(Xt+τ +T0 − Xt+τ )Xt |2 ≤ E(|Xt+τ +T0 − Xt+τ |2 ) × E(|Xt |2 );
or
E(|Xt+τ +T0 − Xt+τ |2 ) = EXt+τ +T0 Xt+τ +T0 − EXt+τ +T0 Xt+τ − EXt+τ Xt+τ +T0 + EXt+τ Xt+τ
= γ(0) − γ(−T0 ) − γ(To ) + γ(0)
= 0,
puisque
γ(−T0 ) = γ(To ) = γ(0) = γ(0).
b)
E(Xt+τ +T0 − Xt+τ )Xt = γ(τ + T0 ) − γ(τ ) = 0.

Exercice 14
Soit (Xt )t∈R un signal aléatoire stationnaire, réel et centré, de fonction de corrélation γ
non nulle.
1. On se donne un réel t0 et un réel θ > 0 et on essaye de prédire la valeur Xt0 +θ du processus
au temps t0 + θ à partir de sa valeur Xt0 au temps t0 . On utilise comme estimateur de
Xt0 +θ la variable λXt0 , où λ est un réel à déterminer. On appellera erreur de prédiction
(ou erreur quadratique moyenne) le réel ε2 = E(Xt0 +θ − λXt0 )2 .
(a) Calculer explicitement l'erreur de prédiction.
(b) Déterminer le réel λ0 qui minimise l'erreur de prédiction.
2. Etant donnés un réel T > 0 et un entier n ≥ 2, on cherche à estimer la valeur XnT +θ du
processus à l'instant nT + θ à partir des valeurs du processus échantillonné aux instants
T, 2T, ..., nT . L'estimateur utilisé est de la forme Y = λ1 XT + λ2 X2T + ... + λn XnT ,
où λ1 , ..., λn sont des réels que l'on déterminera en minimisant l'erreur de prédiction
ε2 = E(XnT +θ − Y )2 .
Pour cela on pose : Λ = (λ1 , ..., λn ), A = (XT , X2T , .., XnT ), ρ(t) = γ(0)
γ(t)
, G = (gij )i,j=1,...,n ,
où gij = ρ[(j − i)T ] et Φ = (ϕ1 , ..., ϕn ) est le vecteur colonne dont le transposé est
t
Φ = (ρ[(n − 1)T + θ], ρ[(n − 2)T + θ], ..., ρ(θ)).
Avec ces notations Y = λ1 XT + λ2 X2T + ... + λn XnT = Λ ×t A.
(a) Montrer que ε2 = ρ(0)[1 − 2ΛΦ + ΛGt Λ].
(b) Calculer les n dérivées partielles par rapport aux variables λ1 , λ2 , ..., λn .
(c) Monter que le système obtenu en égalant à 0 les n dérivées partielles calculées en b)
peut s'écrire −Φ + G t Λ = 0.
(d) En déduire le vecteur optimal Λ0 .
Solution
1.
g(λ) = E(Xt0 +θ − λXt0 )2
= E(Xt0 +θ − λXt0 )(Xt0 +θ − λXt0 )
= E(Xt0 +θ )2 − λE(Xt0 +θ Xt0 ) − λE(Xt0 Xt0 +θ ) + λ2 E(Xt0 )2
= γ(0) − λγ(−θ) − λγ(θ) + λ2 γ(0)
= λ2 γ(0) − 2λγ(θ) + γ(0).
 Le réel λ0 qui minimise le polynôme ci-dessus est donnée par
0 = g 0 (λ0 ) = 2λ0 γ(0) − 2γ(θ);
par conséquent
γ(θ)
λ0 = .
γ(0)
(a)
 n
X 2
h(λ1 , ..., λn ) = E XnT +θ − λi XiT
i=1
 2 n
X n
X 2
= E XnT +θ −2 XnT +θ λi XiT + λi XiT
i=1 i=1
n
X n
X X
= γ(0) − 2 λi γ[(n − i)T + θ]λi + γ(0) λ2i + 2 λi λj γ[(i − j)T ]
i=1 i=1 i<j
h n
X n
X X i
2
= γ(0) 1 + λi − 2 λi ρ[(n − i)T + θ]λi + 2 λi λj gij
i=1 i=1 i<j
h n
X X i
= γ(0) 1 − 2 λi ρ[(n − i)T + θ]λi + λi λj gij
i=1 i,j

= ρ(0)[1 − 2ΛΦ + ΛGt Λ].

(b) Pour tout k ∈ [1..n], posant λ = (λ1 , ..., λn ) et remarquant que la matrice G est
symétrique
n
∂h X
(λ) = ρ(0)[−2ϕk + 2 λi gik ].
∂λk i=1

(c) Le vecteur λ qui annule les dérivées partielles est tel que pour k ∈ [1..n]
n
X
ϕk = λi gik ,
i=1

ce qui équivaut à
Φ = G t Λ.
Si la matrice G est inversible, le vecteur optimal Λ0 est donné par
Λ0 = t [G−1 Φ]

Exercice 15 (Charbit)
Soit X = (Xt )t∈R un signal aléatoire stationnaire centré. On dénit un signal Y = (Yt )t∈R
Rt
par la formule : Yt (ω) = T1 t−T Xu (ω)du, où T est un réel > 0.
 1. Montrer que Y est le transformé de X par un ltre linéaire dont on précisera la fonction
de transfert H. Tracer le graphe de |H|. Ce ltre est appelé un ltre moyenneur.
2. On suppose que la densité spectrale de X est l'application Γ = k1[−a,a] . Quelle est la
fonction de corrélation de X ?
3. Déterminer la densité spectrale du signal Y .
4. Quelle est la puissance du signal Y ?
5. Calculer explicitement la puissance dans le cas où aT  10 (ce qui permet de remplacer
l'intégrale entre −a et a par une intégrale entre −∞ et +∞).
R +∞
6. Montrer que pour tout T > 0 T −∞ sinc2 (πT ν)dν = 1. Déterminer les limites
R +a R +a
lim T −a sinc2 (πT ν)dν et lim T −a sinc2 (πT ν)dν .
T →+∞ T →0
R 10 R 20
Valeurs numériques : −10 sinc (πx)dx ' 0.989873 et
2
−20 sinc
2
(πx)dx ' 0.9949346.
Solution
1.
Z t Z Z
1 1 1
Yt (ω) = Xu (ω)du = 1[t−T,t] (u)Xu (ω)du = 1[0,T ] (t − u)Xu (ω)du,
T t−T T T
car t − T ≤ u ≤ t ⇔ 0 ≤ t − u ≤ T .
On a donc h(t) = T1 1[0,T ] , et par conséquent
sin(πT ν)
H(ν) = exp{−iπνT } = exp{−iπνT }sinc(T πν).
T πν
2. γX (t) = k sin(2πat)
πt

T πν ] k1[−a,a] (ν).
3. ΓY (ν) = |H(ν)|2 ΓX (ν) = [ sin(πT ν) 2
R +∞ R +∞
4. PY = k −∞ |H(ν)|2
dν = k 2
−∞ |h(t)| dt = T
k

R +∞ R +∞  sin(πT ν) 2
ou encore PY = k −∞ |H(ν)| dν = k −∞
2
T πν dν .
Posant g(t) = (1 − |t|
T )IT (t), on a g
b(ν) = T ( sinπTπTν ν )2 . Donc
R +∞  sin(πT ν) 2 R +∞
k −∞ T πν dν = k
T −∞ gb(ν)dν = Tk g(0) = Tk .

Exercice 16
Soit X = (Xt )t∈R un signal aléatoire stationnaire gaussien, réel et centré. On suppose que
X est un bruit blanc de densité spectrale constante égale à k . On note Y = (Yt )t∈R R le signal
1 t
obtenu par ltrage par le ltre moyenneur de paramètre T , i.e. donné par Yt = T t−T Xu du.
a) Calculer la densité spectrale de Y .
b) En déduire la fonction de corrélation de Y .
c) Calculer la fonction d'intercorrélation entre X et Y .
d) Quelle est la loi de Yt ?

Exercice 17
Soient X = (Xt )t∈R et Y = (Yt )t∈R deux signaux aléatoires indépendants, stationnaires
et centrés, ayant même densité spectrale Γ = k1[−a,a] .
a) Soit V = (Vt )t∈R le signal Vt = Xt cos(ωt), avec ω > 2πa. Calculer la fonction de corrélation
de V . Le signal V est-il stationnaire ?
b) Mêmes questions pour le signal W = (Wt )t∈R donné par Wt = Yt sin(ωt), avec ω > 2πa.
c) Montrer que le signal Zt = Vt + Wt est stationnaire.

Exercice 18
Soient X et Y des variables aléatoires réelles indépendantes, X suivant une loi U−2,2
(donc EX 2 = V X = 34 ) et Y une loi ayant pour densité sur R l'application f (x) = 21 e−|x| . On
dénit un signal aléatoire Z = (Zt )t∈R en posant pour tout réel t Zt = X exp{−2iπtY }. Soit
g l'application dénie pour tout réel τ par g(τ ) = e−|τ | .
a) Montrer que le signal est stationnaire.
b) Déterminer la fonction de corrélation du signal ainsi que sa puissance.
c) Montrer que la densité spectrale du signal s'écrit ΓZ = ag , où a est un réel.
d) On appelle W = (Wt )t∈R le signal transformé du signal Z par le ltre de convolution de
réponse percussionnelle h(τ ) = 9+4π6 2 τ 2 . Déterminer la densité spectrale ΓW du signal W .
.

e) Déterminer la fonction de corrélation du signal W .

Exercice 19
Soit X = (Xt )t∈R un signal stationnaire de fonction de corrélation γX (τ ) = e−2|τ | . Ce
signal est transformé par un ltre de réponse percussionelle h(x) = e−x 1[0,+∞[ (x). On note
Y = (Yt )t∈R le signal transformé de X par ce ltre.
a) Quelle est la fonction de transfert du ltre ?
b) Déterminer la densité spectrale du signal X .
c) Montrer que la densité spectrale du signal Y s'écrit ΓY (ν) = 31 [ 1+4π4 2 ν 2 − 1+π12 ν 2 ].
d) Déterminer la fonction de corrélation du signal Y .

Exercice 20
On dénit un signal X = (Xt )t∈R par Xt = exp{−2iπ[A + tB]}, où les variables A et B
sont indépendantes, A ayant une densité f (x) = 1[0,1] (x) et B une loi normale N (0, 1).
a) Montrer que le signal X est stationnaire.
b) Donner la fonction de corrélation du signal X .
c) On transforme ce signal par un ltre de convolution de réponse percusssionnelle h(t) =
exp{−π 2 t2 }, et on appelle Y = (Yt )t∈R le signal transformé du signal X par ce ltre.
Déterminer la fonction de corrélation du signal Y .

Exercice 21
On considère deux variables aléatoires réelles indépendantes Y et Z . La variable Y admet
pour densité l'application fY (y) = 21 1[−1,1] (y).
On dénit un signal aléatoire X par : ∀t ∈ R Xt = exp{2iπ(Y + tZ)}.
R +∞
1. En utilisant le formulaire, calculer c = −∞ sinc2 (2πt)dt.
R +∞
L'application positive g(x) = 1c sinc2 (2πx) vérie −∞ g(t)dt = 1 ; c'est donc une densité
de probabilité.
2. On suppose que la variable Z a pour densité l'application g . Montrer que le signal X est
stationnaire.
3. Calculer la fonction de corrélation de X .
4. Déterminer la densité spectrale du signal X .
5. On appelle W = (Wt )t∈R le signal transformé du signal X par le ltre de réponse per-
cussionnelle h(t) = 1[−1,1] (t). Déterminer la densité spectrale du signal W ainsi que sa
puissance.
6. Indiquer comment on pourrait calculer la fonction de corrélation du signal W .
Solution
1. La relation de Parseval s'écrit
Z+∞ Z+∞
2
12[−1,1] x(x)dx =

2sinc(2πt) dt,
−∞ −∞

et en conséquence
Z +∞ Z+∞ Z1
1 1 1 1
sinc2 (2πt)dt = 1[−1,1] x(x)dx = dx = 2 = .
−∞ 4 4 4 2
−∞ −1

2.
γ(τ ) = E exp{2iπτ Z}
3. +∞
|τ |
Z
γ(τ ) = E exp{2iπτ Z} = exp{2iπτ z}2sinc2 (2πz)dz = (1 − )1[−2,2] (τ ).
−∞ 2
4. ΓX (ν) = 2sinc2 (2πν)
 5.
H(ν) = ĥ(ν) = 2sinc2 (2πν)
ΓW (ν) = ΓX (ν)|H(ν)|2 = 8sinc4 (2πν)
Z+∞ Z+∞
PW = ΓW (ν)d(ν) = 8 sinc4 (2πν)
−∞ −∞
Z+∞ Z2
1 |ν| ν 8
=8 (1 − )2 1[−2,2] (ν)d(ν) = 4 (1 − )2 d(ν) =
4 2 2 3
−∞ 0

6. Si f (t) = (1 − |t|2 )1[−2,2] (t), fˆ(t) = 2sinc2 (2πt). Par conséquent si l'on pose g = f ∗ f , on a
ĝ(ν) = fˆ2 (ν) = 4sinc4 (2πν)

Exercice 22
Un signal aléatoire stationnaire X = (Xt )t∈R est transformé par un ltre de convolution
de réponse percussionnelle h et fonction de transfert H en un signal Y = (Yt )t∈R . Sachant
que pour tout réel τ γX (τ ) = 1+4π1 2 τ 2 et γY (τ ) = 25+4π
20
2 τ 2 , et que pour tout réel ν H(ν) > 0,

déterminer h et H.

Exercice 23
R +∞
a) Soitf (x) = exp{− |x|}. Donner la valeur de c = −∞ f (x)dx.
R +∞
L'application h = 1c f est une densité de probabilité puisque −∞ h(x)dx = 1.
On dénit un signal aléatoire Z = (Zt )t∈R en posant pour tout réel t Zt = exp{−2iπ[Y +
tX]}, où les variables X et Y sont indépendantes, Y suivant une loi de densité g(x) =
8 1[−4,4] (x) et X une loi de densité h.
1

b) Montrer que le signal Z est stationnaire.

c) Déterminer la fonction de corrélation du signal Z , puis sa densité spectrale. Vérier que
ΓZ (ν) = a exp{−|ν|}, où a ∈ [0, +∞[.
d) On appelle U = (Ut )t∈R le signal transformé du signal Z par un ltre de convolution de
réponse percussionnelle h(t) = 4+4π 4
2 t2 . Déterminer la fonction de transfert H du ltre.

e) Déterminer la densité spectrale du signal U , puis sa fonction de corrélation.

Exercice 24
Soit X = (Xt )t∈R un signal aléatoire stationnaire.
1. Vérier que pour touts réels s et t |γ(t) − γ(s)| = |E[X0 (Xt − Xs )]|.
2. En utilisant l'inégalité de Cauchy-Schwarz, montrer que si pour tout réel t0 lim E|Xt −
t→t0
Xt0 |2 = 0 la fonction de corrélation γX du signal X est continue.
 3. Montrer que si γX est continue en 0, alors pour tout réel t0 lim E|Xt − Xt0 |2 = 0.
t→t0
4. En déduire que si γX est continue en 0, alors γX . est continue.
Solution
1. E[X0 (Xt − Xs )] = E(X0 Xt ) − E(X0 Xs ) = γ(t) − γ(s)
2. Pour tout couple de réels (τ, τ0 ) on a
|γ(τ ) − γ(τ0 )| = |E[X0 (Xτ − Xτ0 )]|
≤ E|X0 (Xτ − Xτ0 )|
1 1
≤ [E|X0 |2 ] 2 × [E|Xτ − Xτ0 |2 ] 2
1
= PX × [E|Xτ − Xτ0 |2 ] 2
3.
E|Xt − Xt0 |2 = E[|Xt |2 − Xt Xt0 − Xt0 Xt + |Xt0 |2
= γ(0) − γ(t0 − t) − γ(t − t0 ) + γ(0)


= 2 γ(0) − Re γ(t − t0 ) .

Exercice 25
RT
Soit X = (Xt )t∈R un signal aléatoire stationnaire. Montrer que si lim T1 0 γX (t)dt = 0,
T →+∞
alors  Z T
1 2

lim E  Xt dt − mX  = 0.
T →+∞ T 0
Solution
1 Z T 2  1 Z T  1 Z T 
Xt dt − mX  = Xt dt − mX × Xt dt − mX
 
T 0 T 0 T 0

1 Z T  1 Z T 
= Xs ds − mX × Xt dt − mX
T 0 T 0
Z TZ T
1 T 1 T
Z Z
1
= 2 Xs Xt dsdt − mX Xt dt − mX Xt dt + |mX |2
T 0 0 T 0 T 0
d'où
1 Z T 2 h 1 Z TZ T 1 T
Z
1 T
Z i
E Xt dt − mX  = E 2 Xs Xt dsdt − mX Xt dt − mX Xt dt + |mX |2
 
T 0 T 0 0 T 0 T 0
Z TZ T Z T
1 T
Z
1 1
= 2 E(Xs Xt )dsdt − mX E(Xt )dt − mX E(Xt )dt + |mX |2
T 0 0 T 0 T 0
Z T hZ T Z T
1 T
Z
1 i 1
= 2 γX (t − s)ds dt + mX mX dt − mX mX dt + |mX |2
T 0 0 T 0 T 0
Z T hZ T
1 i
= 2 γX (t − s)ds dt − |mX |2 − |mX |2 + |mX |2
T 0 0
Z T hZ T
1 i
= 2 γX (t − s)ds dt − |mX |2
T 0 0