Compléments Master/ Processus stochastiques/ Applications

Exercice : Application du filtre de Kalman linéaire au débruitage d’un signal sinusoïdal

1- Les étapes à suivre :

a) Ecriture du modèle d’état (équation d’état et de mesure)
b) Estimation des paramètres du filtre (conditions initiales et variances de bruit
d’état et de mesure)
c) Implantation du filtre
d) Résultats du filtrage

2- Application
a) Ecriture du modèle d’état (équation d’état et de mesure)

Le signal sinusoïdal bruité que nous allons utiliser est généré à l’aide du logiciel
Matlab. Il est de la forme , de fréquence f et d’amplitude a. A ce
signal, nous ajoutons un bruit additif v de variance R.
Le principe du filtre de Kalman est basé sur un modèle à variables d’état, ce qui
impose, pour toute application du filtre, la modélisation du problème en fonction des
paramètres à estimer et des mesures de capteurs.
Nous devons donc définir deux équations : l’équation d’état qui décrit l’évolution
du système de l’instant k à l’instant (k+1) et l’équation de mesure ou d’observation.

Dans le cas d’un signal sinusoïdal le vecteur d’état est un vecteur à deux
composantes. La première composante d’état étant le signal à estimer.

Si on pose a =1 et T la période d’échantillonnage, on obtient :

et

Ces équations peuvent s’écrire sous forme matricielle comme suit :

1
 Compléments Master/ Processus stochastiques/ Applications

avec

A représente la matrice de transition ou de l’évolution de l’état du système de

l’instant k à l’instant (k+1).
En ajoutant w(t) le bruit d’état lié à l’erreur de modélisation du signal, on obtient
l’équation d’état suivante :

L’équation de mesure en fonction du vecteur d’état s’écrit alors :

avec le vecteur de mesure et v(t) un bruit de mesure relié aux appareils de mesure.

3- Modèle de la sinusoïde dans l’espace d’état

Les équations précédentes nous donnent alors le modèle d’état suivant :

4- Exemple de signal sinusoïdal bruité

signal bruité
3

1
y(t)

-1

-2

-3
0 2 4 6 8 10 12 14 16 18 20
t

Figure 1 Courbes montrant un signal sinusoïdal pur et un signal sinusoïdal bruité

2
Compléments Master/ Processus stochastiques/ Applications

3
 Compléments Master/ Processus stochastiques/ Applications

signal bruité
2

1.5

0.5

-0.5

-1

-1.5

-2
0 5 10 15 20

Sortie du filtre de Kalman

1.5

0.5

-0.5

-1

-1.5
0 5 10 15 20
30 premièrs échantillons

4
 Compléments Master/ Processus stochastiques/ Applications

Sortie du filtre de Kalman

1.5

0.5

-0.5

-1

-1.5
480 485 490 495 500
20 derniers échantillons

Evolution des éléments de la matrice de variances K

1

0.8

0.6

0.4

0.2

-0.2

0 10 20 30 40 50

5
 Compléments Master/ Processus stochastiques/ Applications

erreur d'estimation de la sinusoïde

2

1.5

0.5

-0.5

-1

-1.5

-2
0 50 100 150