Licence Télécommunication S5 / Licence Electronique S5

Matière : Traitement du signal

Chargé du module : Mr Azeddine MEHAOUCHI

Traitement du signal : Chapitre N°02

Processus Aléatoires

Contenu du chapitre :
- Définitions (processus aléatoire, signal aléatoire, variable aléatoire)
- Caractéristiques des processus aléatoires : fonction de répartition, densité de probabilité,
fonction moyenne, fonction de corrélation, fonction de covariance.
- Concepts de stationnarité : stationnarité au sens strict et au sens large, concept d’ergodicité,
densité spectrale de puissance.
- Systèmes linéaires invariants aléatoire : moyenne, fonction d’autocorrélation, densité
spectrale de puissance, ….

1. Définitions
Un processus aléatoire (stochastique) décrive l'évolution d’une grandeur aléatoire en
fonction du temps (ou de l’espace). On peut le définir comme étant une famille de variables
aléatoires indexées par le temps définies su un même espace de probabilités. Il ne possède pas
des représentations temporelles analytiques. Chaque signal aléatoire observé représente une
réalisation particulière de ce processus.
Alors le processus aléatoire est une fonction à deux variables, l’une est le temps t , l’autre est la
variable aléatoire  .
 Pour une réalisation  i donnée, le processus aléatoire x (t ,  ) se réduit à une fonction
x(t ,  i ) que l’on notera simplement xi (t ) , c’est un signal aléatoire.
 A chaque instant ti , le processus aléatoire x (t ,  ) se réduit à une variable aléatoire x(ti ,  )
notée x(ti ) ou simplement X i .
 Selon que les variables t et  sont continuées ou discrètes, on parle de processus
aléatoires continus ou discrets.

Exemple N°01
 Le signal de parole, le signal radar, l'électrocardiogramme, l'électro-encéphalogramme, les
signaux sismiques, etc. sont des signaux aléatoires.
 La figure suivante représente un processus aléatoire.

Figure (2.1) : Processus aléatoire

Matière : Traitement du signal Page 1 sur 10 Année universitaire : 2020-2021

 Licence Télécommunication S5 / Licence Electronique S5
Matière : Traitement du signal
Chargé du module : Mr Azeddine MEHAOUCHI

2. Caractéristiques des processus aléatoires

2.1. Fonction de répartition et densité de probabilité

 Soit le processus aléatoire x(t ) . Pour un instant t1 , x(t1 )  X 1 est une variable aléatoire et sa
fonction de répartition (distribution) du premier ordre est définie par :
FX ( x; t1 )  Px(t1 )  x1
Et sa fonction densité (densité de probabilité) est définie par :
dFX1 ( x)
f X ( x; t1 ) 
dx

 Alors, la distribution du deuxième ordre est une fonction de répartition conjointe des deux
variables aléatoires X (t1 ) et X (t 2 ) donnée par :
FX 1 , X 2 ( x1 , x2 ; t1 , t 2 )  Px(t1 )  x1 , x(t 2 )  x2 
Et la fonction densité du deuxième ordre est donnée par :
 2 FX1 , X 2 ( x1 , x2 ; t1 , t 2 )
f X1 , X 2 ( x1 , x2 ; t1 , t 2 ) 
x1 x2
 En générale, on définit la distribution du nième ordre de X (t ) par :
FX 1 ,, X n ( x1 ,, xn ; t1 ,, tn )  Px(t1 )  x1 ,, x(t n )  xn 
Et la fonction densité du nième ordre est donnée par :
 n FX1 ,, X n ( x1 ,, xn ; t1 ,, t n )
f X1 ,, X n ( x1 ,, xn ; t1 ,, t n ) 
x1 xn

2.2. Fonctions moyenne, corrélation et covariance

 Les signaux aléatoires étant considérés comme des variables aléatoires indexées par le
temps, on définit la fonction moyenne d’un processus aléatoire par :

 x (t )  Ex(t )   x(t ) f X ( x; t )dx





En générale, la fonction moyenne est une fonction de temps.

 Pour comparer les processus aléatoires, on utilise la fonction de corrélation statistique.

Considérons les deux processus aléatoires x(t ) et y (t ) , leur fonction d’inter-corrélation
(corrélation mutuelle) est définie par :

  x(t ) y (t ) f
 
Rxy (t1 , t2 )  E[ x(t1 ) y (t2 )]  1 2 X ,Y ( x1 , y2 ; t1 , t2 )dx1dy2
  

Si on pose t1  t   et t 2  t , alors on a :
Rxy (t   , t )  E[ x(t   ) y (t )]
Et la fonction d’autocorrélation est définie par :
Rxx (t   , t )  E[ x(t   ) x(t )]

Matière : Traitement du signal Page 2 sur 10 Année universitaire : 2020-2021

 Licence Télécommunication S5 / Licence Electronique S5
Matière : Traitement du signal
Chargé du module : Mr Azeddine MEHAOUCHI

Noter que
Rxy (t   , t )  Ryx (t , t   )
Rxx (t   , t )  Rxx (t , t   )
Rxx (t , t )  E[ x 2 (t )]  0
Les processus aléatoires sont orthogonaux si Rxy (t1 , t2 )  0

 La fonction de covariance, qui n’est autre que la fonction de corrélation des processus
centrés. Alors, les fonctions d’inter-covariance et d’auto-covariance sont données par :
C xy (t   , t )  E[x(t   )   x (t   )y (t )   y (t )]
C xx (t   , t )  E[x(t   )   x (t   )x(t )   x (t )]
En développant ces expressions, on peut aboutir à :
C xy (t   , t )  Rxy (t   , t )   x (t   )  y (t )
C xx (t   , t )  Rxx (t   , t )   x (t   )  x (t )
Noter que
C xy (t   , t )  C yx (t , t   )
C xx (t   , t )  Cxx (t , t   )
Les processus aléatoires sont non-corrélés si Cxy (t1 , t2 )  0

 
La variance du processus aléatoire x(t ) est donnée par :
 x2 (t )  varx(t )  E x(t )   x (t )2  Cxx (t , t )  Rxx (t , t )   x2 (t )
La variance est une mesure de la dispersion de la variable aléatoire autour de sa moyenne. Sa
racine carrée est appelée écart-type (standard déviation).

 Les coefficients de corrélation (covariance normalisée) sont définies par :

Cxx (t1, t2 )
 xx (t1, t2 )   xx (t1 , t2 )  1
 x (t1 ) x(t2 )
C xy (t1 , t2 )
 xy (t1, t2 )   xy (t1 , t2 )  1
 x (t1 ) y(t2 )

 Si x(t ) est un processus aléatoire complexe, alors sa fonction d’autocorrélation et sa

fonction d’auto-covariance sont définie, respectivement, par :
Rxx (t   , t )  E[ x(t   ) x* (t )]
C xx (t   , t )  E[x(t   )   x (t   )x(t )   x (t ) ]
*

Où *
est le conjugué.

Matière : Traitement du signal Page 3 sur 10 Année universitaire : 2020-2021

 Licence Télécommunication S5 / Licence Electronique S5
Matière : Traitement du signal
Chargé du module : Mr Azeddine MEHAOUCHI

Exemple N°02
Soit processus aléatoire x(t ) donné par : x(t )  At ,    t  
Avec A est une variable aléatoire uniformément distribuée entre 0 et 1.
Déterminer la fonction moyenne, la fonction d’autocorrélation, la fonction d’autocovariance et
le coefficient d’autocorrélation.

Solution
A est une variable uniformément distribuée entre 0 et 1, alors, sa fonction densité donnée par :
f A ( A)  1, 0  A  1
 La fonction moyenne

 x (t )  Ex(t )   x(t ) f A ( A) dA   At dA  t 
A2 t
 1 1

 0
2 0 2
 La fonction d’autocorrélation

Rxx (t1 , t2 )  E[ x(t1 ) x(t2 )]   x(t1 ) x(t2 ) f A ( A)dA   A t1t2 dA 

A3 tt
 1 1
2
t1t2  1 2
 0
3 0
3
 La fonction d’autocovariance
t1t2 t1 t2 t1t2
C xx (t1 , t2 )  Rxx (t1, t2 )   x (t1 )  x (t2 )   
3 2 2 12
 Le coefficient d’autocorrélation
Cxx (t1, t2 ) t1t2 / 12
 xx (t1, t2 )   1
 x (t1 ) x(t2 ) (t1 / 12)(t22 / 12)
2

3. Concept de stationnarité
On dit qu'un processus est stationnaire si ses caractéristiques statistiques sont invariantes
dans le temps. On défini plusieurs types de stationnarité.

3.1. Stationnarité au sens strict (SSS)

Un processus aléatoire est dit stationnaire au sens strict lorsque toutes ces caractéristiques
statistiques à tout ordre sont indépendantes de l'origine du temps.
C’est-à-dire, x(t ) et x(t  t 0 ) ont les mêmes fonctions densités et fonctions de répartition :
 FX 1 ,, X n ( x1 ,  , x n ; t1 ,  , t n )  FX1 ,, X n ( x1 ,  , x n ; t1  t 0 ,  , t n  t 0 )

 f X 1 ,, X n ( x1 ,  , x n ; t1 ,  , t n )  f X1 ,, X n ( x1 ,  , x n ; t1  t 0 ,  , t n  t 0 )
En particulier, considérons le cas du premier ordre :
 FX ( x; t )  FX ( x; t  t 0 )  FX ( x)

 f X ( x; t )  f X ( x; t  t 0 )  f X ( x)
Alors, un processus aléatoire est dit stationnaire du premier ordre si sa moyenne et sa variance
sont constantes :

Matière : Traitement du signal Page 4 sur 10 Année universitaire : 2020-2021

 Licence Télécommunication S5 / Licence Electronique S5
Matière : Traitement du signal
Chargé du module : Mr Azeddine MEHAOUCHI

 x (t )  E x(t )   x
 varx(t )   x
 2

De même, pour les fonctions de répartition et de densité du deuxième ordre,

 FX 1 , X 2 ( x1 , x 2 ; t1 , t 2 )  FX 1 , X 2 ( x1 , x 2 ; t1  t 2 )

 f X 1 , X 2 ( x1 , x 2 ; t1 , t 2 )  f X1 , X 2 ( x1 , x 2 ; t1  t 2 )
Alors, un processus aléatoire est dit stationnaire du deuxième ordre si ses caractéristiques
statistiques d'ordre 2 ne dépendent que de l'écart temporel entre les deux instants t1 et t 2 :
 Rxx (t1, t2 )  Rxx (t1  t2 )  Rxx ( )

C xx (t1 , t2 )  Cxx (t1  t2 )  C xx ( )

3.2. Stationnarité au sens large (SSL)

Un processus aléatoire est dit stationnaire au sens large si sa moyenne et sa fonction
d'auto-corrélation sont invariantes dans le temps.
  x (t )  Ex(t )   x

Rxx (t1 , t2 )  Rxx (t   , t )  Rxx ( )
 Noter que, stationnarité au sens strict implique stationnaire au sens large, alors SSL est une
forme de stationnarité moins régide que stationnarité du dexième ordre.

 On dit que deux processus x(t ) et y (t ) sont conjointement stationnaires si les

caractéristiques statistiques conjointes de x(t ) et y (t ) sont les mêmes que les
caractéristiques statistiques conjointes de x(t  t 0 ) et y (t  t 0 ) .
C’est-à-dire, x(t ) et y (t ) sont conjointement SSL implique que :
Rxy (t   , t )  Rxy ( )  Cxy ( )   x  y

3.3. Propriétés des fonctions de corrélation et de covariance

Soient les deux processus aléatoires x(t ) et y (t ) réels et individuellement SSL et
conjointement SSL.
 Parité : la fonction de corrélation est une fonction paire
Rxx ( )  Rxx ( ) et Rxy ( )  Ryx (  )
 Parité : la fonction de covariance est une fonction paire
Cxx ( )  Cxx ( ) et Cxy ( )  C yx (  )
 Valeurs à l’origine : en   0 , on a :
Rxx (0)  E[ x 2 (t )]   x2   x2 et C xx (0)   x2
 Inégalités : valeurs maximum à l’origine
Rxx ( )  Rxx (0) et Cxx ( )  Cxx (0)
Rxy ( )  Rxx (0) Ryy (0) et Cxy ( )  Cxx (0)C yy (0)

Matière : Traitement du signal Page 5 sur 10 Année universitaire : 2020-2021

 Licence Télécommunication S5 / Licence Electronique S5
Matière : Traitement du signal
Chargé du module : Mr Azeddine MEHAOUCHI

 Coefficients de corrélation : à partir des inégalités précédentes, il est facile de montrer que
les coefficients de corrélation vérifient
Cxx ( ) C xy ( ) C xy ( )
 1   xx ( )  1 et  1   xy ( )   1
 x2  x y C xy (0)
Avec  xx (0)  1 et  xy (0)  1
 Comportement pour    : l’interdépendance entre x(t ) et x(t   ) diminue lorsque 
croit indéfiniment. A la limite, les processus devient statistiquement indépendantes.
lim C xx ( )  0 et lim Rxx ( )  lim Cxx ( )   x2   x2
        

Exemple N°03
Considère le processus aléatoire
x(t )  A cos( w0 t   )
Avec A et w0 sont des constants et  est une variable aléatoire ayant une distribution
uniforme sur 0, 2  .
1. Détermine la fonction moyenne et la fonction d’autocorrélation.
2. Est-ce-que x(t ) est stationnaire au sens large.

Solution
 est une variable aléatoire ayant une distribution uniforme sur 0, 2  , alors, on a :
1
f  ( )  , 0    2
2
 La fonction moyenne

 x (t )  Ex(t )   x(t ) f  ( )d   cos(w t   )d

A
 2

2
0
 0
2
A
 sin(w0 t   )  0
2 0

 La fonction d’autocorrélation
R xx (t   , t )  E[ x(t   ) x(t )]  E[ A 2 cos( w0 (t   )   ) cos( w0 t   )]
A2
 E[cos(w0 )  cos( w0 (2t   )  2 )]
2
A2  
 0
2 2
 cos( w  ) d   cos( w ( 2t   )  2 ) d  
4  0 
0 0


A2 sin( w0 (2t   )  2 )  A 2
2

 cos( w0 )  0   cos( w0 )

2

4
 2 0  2
 Parce que la fonction moyenne de x(t ) est constante et la fonction d’autocorrélation de
x(t ) est une fonction seulement de  , nous concluons que x(t ) est stationnaire au sens
large.

Matière : Traitement du signal Page 6 sur 10 Année universitaire : 2020-2021

 Licence Télécommunication S5 / Licence Electronique S5
Matière : Traitement du signal
Chargé du module : Mr Azeddine MEHAOUCHI

4. Ergodicité
Un processus aléatoire stationnaire est dit ergodique si l’on peut identifier les valeurs
moyennes statistiques aux valeurs moyennes temporelles.
 Les valeurs moyennes statistiques (moyennes évaluées sur l’ensemble des états posibles) :

  X

E X (t ) 
n n
(t ) f X ( x) dx (Moment d’ordre n )


 Les valeurs moyennes temporelles (sur une seulle réalisation) :

X
1
T / 2
 X n (t )  lim n
(t ) dt (Produit scalaire)
T  T
T / 2

4.1. Ergodicité en espérance

Un processus aléatoire stationnaire est dit ergodique en espérence (moyenne) si :
EX (t )  X (t ) 

 

 X (t ) f X ( x)dx


 E X (t ) 

Où 
T  T 
 X (t )  lim 1 X (t ) dt
T / 2

 T / 2

4.2. Ergodicité en autocorrélation

Un processus aléatoire stationnaire est dit ergodique en autocorrélation si :
EX (t   ) X (t )  X (t   ) X (t ) 
 E X (t   ) X (t )  R XX ( )

T  T 
Où  X (t   ) X (t )  lim 1 X (t   ) X (t ) dt
T / 2


 T / 2

Exemple N°04
Considérons le processus aléatoire d’exemple N°03.
Est-ce-que x(t ) est ergodique en espérance et en autocorrélation ?

Solution
 La valeur moyenne temporelle

 
1 A ct
T / 2 T / 2
 X (t )  lim X (t ) dt  lim cos(w0 t   ) dt  lim  0
T  T T  T T  T
T / 2 T / 2

On a  x  x(t )  0 , donc x(t ) est ergodique en espérance.

 L’autocorrélation temporelle
A2  
 X (t   ) X (t ) dt  lim  
1
T / 2 T / 2 T / 2
 X (t   ) X (t )  lim  cos( w  ) dt  cos(w0 ( 2t   )  2 ) dt 
T  T T  2T
 T / 2 
0
T / 2 T / 2

 lim
A2
T  2T
 cos(w0 )T  cst 
A2
cos(w0 )
2

Matière : Traitement du signal Page 7 sur 10 Année universitaire : 2020-2021

 Licence Télécommunication S5 / Licence Electronique S5
Matière : Traitement du signal
Chargé du module : Mr Azeddine MEHAOUCHI

On a E  X (t   ) X (t )  X (t   ) X (t )  R xx ( ) 
A2
cos(w0 ) , donc x(t ) est ergodique en
2
autocorrélation.

5. Densités spectrales de puissance

Dans cette section, on considère que les processus aléatoires sont stationnaires aux sens
large SSL.

5.1. Densités spectrales de puissance

Théorème de Wiener-Khintchine : la densité spectrale de puissance d’un processus aléatoire
stationnaire au sens large est la transformée de Fourier de sa fonction d’autocorrélation.

G XX ( f )  f R XX ( )  R


XX ( )e  jw d


Donc, en prenant la transformée inverse, on obtient :

G XX ( f )   G XX ( f )e jw df

R XX ( )  f 1



Noter que :
 La densité spectrale de puissance G XX ( f ) est réelle, positive et paire.

  G

 La puissance moyenne totale du processus est : PX  E x (t )  R XX (0)  2
XX ( f )df


5.2. Densités inter-spectrales de puissance

La densité inter-spectrale de puissance des processus aléatoires stationnaires au sens large
est la transformée de Fourier de sa fonction d’intercorrélation.

G XY ( f )  f R XY ( )  R


XY ( )e  jw d


Et la transformée inverse donne :

G XY ( f )   G XY ( f )e jw df

R XY ( )  f 1



5.3. Bruit blanc

Un bruit blanc est un signal aléatoire b(t ) centré (à moyenne nulle), stationnaire au second
ordre, sa fonction d’autocorrélation est donnée par :
R BB ( )   2  ( )
Utilisant la transformée de Fourier, on obtient : G BB ( f )   2
Qui indiquant que b(t ) a une densité spectrale de puissance constante sur tout l'axe des
fréquences. Cela veut dire que le processus n’est pas limité en fréquence et donc que sa
puissance moyenne tend vers l’infinie.

Matière : Traitement du signal Page 8 sur 10 Année universitaire : 2020-2021

 Licence Télécommunication S5 / Licence Electronique S5
Matière : Traitement du signal
Chargé du module : Mr Azeddine MEHAOUCHI

Exemple N°05
Considérons le processus aléatoire d’exemple N°03.
Déterminer la densité spectrale de puissance.

Solution
 La densité spectrale de puissance
A2
Le processus aléatoire x(t ) est SSL et sa fonction d’autocorrélation est R xx ( )  cos( w0 ) .
2
Alors, on a :
 A2  A2
G XX ( f )  f R XX ( )  f  cos(w0 )   ( f  f 0 )   ( f  f 0 )
 2  4

6. Systèmes linéaires invariants (filtres)

Les filtres sont des systèmes linéaires invariants qui très utilisés dans diverses
applications du traitement du signal. Les entrées de ces filtres sont généralement des
processus aléatoires. Donc cette opération de filtrage peut être considérée comme une
opération de modélisation d’une séquence aléatoire.
Soit un filtre analogique de réponse impulsionnelle h(t ) , attaqué par un signal d’entré
x(t ) , la sortie est un signal y (t ) tel que :

 h( ) x(t   )dt   x( )h(t   )dt

 
y (t )  x(t )  h(t ) 
 

Utilisant la transformée de Fourier des deux membres, on obtient :

y (t )  f x(t )  h(t )  X ( f ) H ( f )

 h(t )e

Où H ( f ) est réponse fréquentielle du filtre H ( f )   j 2 ft
dt .


6.1. Fonction moyenne

E  y (t )   h( ) E x(t   )d  

 
La fonction moyenne de la sortie est : X (t   )h( )d
 

Si x(t ) et un processus aléatoire stationnaire au sens large :

E  y (t )    X (t   )h( )d   X  h( )d

 

 

 h( )e

 X  jw 2 f
d   X H ( 0)
f 0


6.2. Fonction d’autocorrélation

Dans qui ce suit, on cherchera les relations entre les autocorrélations de la sortie et de
l’entrée, l’inter-corrélation et les densités spectrales.

Matière : Traitement du signal Page 9 sur 10 Année universitaire : 2020-2021

 Licence Télécommunication S5 / Licence Electronique S5
Matière : Traitement du signal
Chargé du module : Mr Azeddine MEHAOUCHI

La fonction d’autocorrélation de sortie est :

RYY ( )  y ( ) * y  ( )  h( )  x( ) * h ( )  x  ( )
 h( ) * h ( )  x( ) * x ( )
D’où la relation :
RYY ( )  R XX ( ) * R HH ( )
Avec la relation convolution-corrélation est donnée par :
R xy ( )  x( ) * y  ( )

6.3. Fonction d’inter-corrélation

La fonction d’inter-corrélation est donnée par :
RXY ( )  x( ) * y  ( )  x( ) * x ( )  h* ( )
D’où la relation :
R XY ( )  R XX ( ) * h * ( )

6.4. Densité spectrale de puissance

La densité spectrale de la sortie des deux processus aléatoires stationnaires au sens large
est donnée par :

Gxx ( f )  f R yy ( )  f h( )  h ( )  Rxx ( ) 
 H ( f ) Gxx ( f )
2

Exemple N°07
Soit un processus aléatoire SSL x(t ) appliqué à un filtre de réponse impulsionnelle :
N0
h(t )  e t u (t ),   0 avec R XX ( ) 
 ( )
2
Déterminer la densité spectrale et la fonction d’autocorrélation de la sortie.

Solution

 La réponse fréquentielle du filtre est :  

H ( f )  f h(t )  f e t u (t ) 

  jw
2
D’où H ( f ) 
2

 2  w2
La densité spectrale d’entrée est : G XX ( f )  f RXX ( )  f  0  ( )  0
N  N

 2  2
N0  2
 La densité spectrale de sortie est : GYY ( f )  GXX ( f ) H ( f ) 
2

2  2  w2
 La fonction d’autocorrélation de la sortie :

R yy ( )  TF 1 G yy ( f )  TF 1  0 2
 N 2  N 0  
2 
 e
 4  w  4

Matière : Traitement du signal Page 10 sur 10 Année universitaire : 2020-2021