Université des Frères Mentouri Constantine 1

Faculté des Sciences de la Technologie

Département d’Electronique
Master Systèmes de Communication
Module Détection et Estimation

Chapitre 1
Exercices corrigés

Exercice 1: Soit la variable aléatoire X(t) définie par X (t )  A cos( 0 t  ) où A et  0 sont

des constantes et  une variable aléatoire de fonction de densité de probabilité:

 1
 , 0    2
f  ( )   2
0, ailleurs

1. Calculer la moyenne E[X(t)] ?

2. Calculer la fonction d’autocorrélation R XX (t   , t ) ?

3. Ce processus est-il stationnaire au sens large ?
Rappels: sin( x  y )  sin x cos y  cos x sin y et cos( x  y )  cos( x  y )  2 cos x cos y

Solutions :

1. Calcul de E[X(t)]
2 2
1
E[ X (t )]   X (t ) f ( )d 
0
 A cos( t   ) 2 d
0
0

A
 sin(0t  2 )  sin(0t )
2
Comme sin( x  y )  sin( x  y )  2 cos x sin y
alors
A
E[ X (t )]  cos(0 t ) sin( 2 )
4 =0
2. Calcul de R XX (t   , t )

R XX (t   , t )  E[ X (t   ) X (t )]
2
1
 A cos( 0 t   0   ) cos( 0 t   ) d
2

0
2

Comme cos( x  y )  cos( x  y )  2 cos x cos y

alors
2
A2
R XX (t   , t ) 
4  cos(2 t     2 )  cos(  )d
0
0 0 0

A2  1 2 
  sin( 2 0 t   0  2 ) 0  2 cos( 0 )
4  2 
En appliquant la transformation donnée en rappels, nous obtenons
A2 2 A2 A2
R XX (t   , t )  cos( 0 )  cos(2 0 t   0 ) sin(2 )  cos( 0 )
2  2
3. Le processus aléatoire X(t) est stationnaire au sens large car E[ X (t )] et R XX (t   , t ) ne
dépendent du temps t.

Exercice 2: Soit le PA X (t )  A cos( 0 t  ) où A et 0 sont des constantes et  est une VA

uniformément distribuée sur [0, 2 ] . Soit alors le PA Y(t)=X2(t).

1. Calculer la fonction d’autocorrélation RYY (t   , t ) ?

2. Calculer E [Y (t )] ?
3. Le PA Y(t) est-il stationnaire au sens large?

Rappels: 2 cos ( x)  1  cos 2 x et cos( x  y )  cos( x  y )  2 cos x cos y

2

Solutions:

Comme Y t   X (t ) , alors
2

1. R yy ( t   ,t )  E [ X ( t   ) X ( t )]
2 2
  E [ A 2 cos 2 ( 0 t   0   ) A 2 cos 2 ( 0 t   )]
 1 1 1 1 
 A 4 E   cos(2 0 t  2 0  2 )   cos(2 0 t  2 ) 
 2 2  2 2 
A4 A4
  E [cos(2 0 t  2 0  2 ) cos(2 0 t  2 )]
4 4
A4 A4
  E [cos(4 0 t  2 0  4 )  cos(2 0 )]
4 8
A4 A4
  cos(2 0 )
4 8

E [Y (t )]  E [ X 2 (t )]  E [ A 2 cos 2 ( 0 t   )] A2 A2 A2
  E [cos(2 0 t  2 )] 
2. 2 2 2 = Constante

3. Comme E [Y (t )] est constant et R yy (t   , t ) dépend uniquement de la différence de

temps τ, alors Y(t) est stationnaire au sens large.

Exercice 3:

Considérer le processus Y (t )  X (t  T ) , où X(t) est un processus réel stationnaire au sens

large de fonction d’autocorrélation Rxx () et de densité spectrale de puissance (DSP) S xx ( f ) .

T est une constante. Exprimer S xy ( f ) du processus Y(t) en termes de S xx ( f ) ?

Solutions:

La fonction d’intercorrélation R xy () est donnée par :

R xy ( )  E[ X (t   )Y (t )]  E[ X (t   ) X (t  T )]  R xx (  T )

Alors,

S xy ( f )  S xx ( f )e j 2 fT

Autrement dit, le retard T apparait à l’exposant comme une phase décalée de 2f.

Exercice 4:

Considérer le processus aléatoire X (t )  A cos(2f c t  ) , où A et fc sont constantes, et Θ est

une variable aléatoire uniformément sur l’intervalle [0,2 ] .
1. Calculer la moyenne temporelle ?
2. Calculer l’autocorrélation temporelle ?
Solutions:

Il a été montré à l’exercice 1 que les fonctions moyenne et d’autocorrélation de X(t)

E[ X (t )]  0 et Rxx ( )  ( A 2 / 2) cos(2f c ) . Soit la fonction échantillon du processus X(t)

x(t )  A cos(2 f c t   )

1. La moyenne temporelle est :

T
A
 x(t )   lim
T  2T  cos(2 f t   )dt  0
T
c

2. L’autocorrélation temporelle est:

T
A2
 x(t   ) x(t )   lim
T  2T  cos[2 f
T
c (t   )   ] cos(2 f c t   )dt

2
A
 cos(2 f c )
2

Par conséquent, le processus X(t) est ergodique sur la moyenne et sur l’autocorrélation.

Exercice 5:

Soient I(t) et Q(t) deux processus aléatoires donnés par :

I(t) = X cos ωt + Y sin ωt et Q(t) = Y cos ωt – X sin ωt
où X et Y sont des variables aléatoires décorrélées de moyennes nulles. Les moyennes
2 2 2
quadratiques de X et Y sont E[ X ]  E[Y ]   . Calculer la fonction d’intercorrélation de I(t)
et Q(t).
Solutions:

La fonction d’intercorrélation de I(t) et Q(t) est :

Riq (t   , t )  E[ I (t   )Q(t )]
 E{[ X cos(t   )  Y sin(t   )][Y cos t  X sin t ]}
 E[ XY ][cos(t   ) cos t  sin(t   ) sin t ]
 E[ X 2 ] cos(t   ) sin t  E[Y 2 ] sin(t   ) cos t

En utilisant les identités trigonométriques et le fait que X et Y soient des variables aléatoires
décorrélées de moyennes nulles (E[XY] = E[X] E[Y] = 0), nous obtenons:
Riq (t   , t )   2 sin 

Exercice 6:

Calculer la DSP du voltage v(t) aux bornes du circuit RC de la Figure 1 du au bruit thermique
généré dans R, en utilisant :

1. Le circuit équivalent de Thévenin ?

2. Le circuit équivalent de Norton ?
3. Le théorème de Nyquist ?

Solutions:

1. En utilisant le circuit équivalent de Thévenin, le circuit résultant est celui de la Figure 2. La

fonction de transfert de la source de bruit, par diviseur de tension est :
1
j C 1
H ( j )  
1 1  jRC
R
j C
Par conséquent,
2 2kTR
S v0v0 ( f )  S vn vn ( ) H ( j ) 
1  RC 
2
2. En utilisant le circuit equivalent de Norton, le circuit résultant est celui de la Figure 3. Dans
ce cas, fa fonction de transfert est :
R
j C R
H ( j )  
1 1  jRC
R
j C

+ +
vN(t) 
C v0(t) C v0(t)
R
R

_ _

Figure 1. Circuit RC Figure 2 Circuit équivalent de Thévenin

IN(t)  R C v0(t)

Figure 3. Circuit équivalent de Norton

La DSP du signal d’entrée est donc:

2 2kT R 2kTR
S v0v0 ( )  S inin ( ) H ( j )  
R 1  RC  2
1  RC 
2

3. La fonction de transfert aux bornes du circuit est :

R
j C R R RC
H ( j )    j
1 1  jRC 1  RC  2
1  RC 
2
R
j C

Du théorème de Nyquist, la DSP de la source de tension de bruit de la résistance est :

S v0v0 ( )  2kT
Z ( j )  2kTR 2
e 1  (RC )

Nous remarquons que les réponses aux questions 1., 2. et 3. sont similaires.