Université Ziane Achour de Djelfa ‫ﺟﺎﻣﻌﺔ ز ﺎن ﻋﺎﺷﻮر ﺑﺎ ﻠﻔﺔ‬

Faculté des Sciences et de la Technologie ‫ﻠﻴﺔ اﻟﻌﻠﻮم و اﻟﺘﻜﻨﻮﻟﻮﺟﻴﺎ‬

Département de Génie Electrique ‫ﻗﺴﻢ اﻟ ﻨﺪﺳﺔ اﻟﻜ ﺮ ﺎﺋﻴﺔ‬
Filière de Télécommunications ‫ﺷﻌﺒﺔ اﻻﺗﺼﺎﻻت اﻟﺴﻠﻜﻴﺔ و اﻟﻼﺳﻠﻜﻴﺔ‬

Niveau : 1ère année Master en Télécommunications Semestre : 01 Année Univ. : 2019/2020

Spécialité : Systèmes des Télécommunications Le 29/01/2020

Corrigé-Type
de l'Épreuve de la Matière : Signaux Aléatoires et Processus Stochastiques

Exercice 1 (05 points)

On considère le signal déterministe défini par :
x(t)  A  q T (t)

où qT(t) est la fonction rectangle définie par :

 t
1  pour t T
q T (t)   T
0 ailleurs


On suppose que A est une constante réelle positive.

1. Est-ce que le signal x(t) est à énergie finie ?

Réponse :

Le signal x(t) est à énergie finie car il est défini sur un intervalle de temps de durée finie. 0.5pt
2. Déterminer sa densité spectrale Sx(f).

Réponse :

La densité spectrale d’énergie d’un signal à énergie finie est :

2
S x ( f )  X(f) 0.25pt (Ex.1.1)

avec X(f) est la transformée de Fourier du signal x(t).

On a :

TF
q T (t)   T  sin c 2 ( fT) 0.25pt (Ex.1.2)

Donc :

TF
x(t)  A  q T (t)   A  T sin c 2 (  fT) 0.5pt (Ex.1.3)

Alors :

2
S x (f)  X(f)  A 2  T 2 sin c 4 ( fT) 0.5pt (Ex.1.4)

Année Univ. : 2019/2020 Page : 01/09

Corrigé-Type de l'Épreuve de la Matière : Signaux Aléatoires et Processus Stochastiques M1- Systèmes des Télécommunications

3. On donne le produit de convolution suivant : c()  qT ()  qT () . Donner l’expression de la fonction
d’autocorrélation Rx() de x(t) à l’aide de la fonction c().

Réponse :

La fonction d'autocorrélation est exprimée par :

R x ( )  TF  1  S x (f)  TF  1  A 2  T 2 sin c 4 ( fT)  0.25pt (Ex.1.5)

R x ( )  A 2  TF 1  T sin c 2 ( fT)   TF  1  T sin c 2 ( fT)   A 2  q T ( )  q T ( ) 0.25pt (Ex.1.6)

Donc :

R x ( )  A 2  c T (  ) 0.5pt (Ex.1.7)

4. Que représente la quantité Rx(0) ? Déterminer Rx(0) en fonction de A et T.

Réponse :

La quantité Rx(0) peut être calculée comme suit :

2
T
 t 2A 2 T
R x (0)  R 2 2
x (t) dt  2   A   1   dt 
 T 3
0.5pt (Ex.1.8)
0

Elle représente : l’énergie du signal x(t) . 0.5pt

On suppose maintenant que A est une variable aléatoire uniforme sur l’intervalle [0, Amax].

5. Déterminer E(x2(t)). Le signal x(t) est-il stationnaire ?

Réponse :

Comme A est une variable aléatoire uniforme sur [0, Amax], alors sa densité de probabilité est :

 1
 0    A max
p A ()   A max 0.25pt (Ex.1.9)
0 ailleurs


Le signal x(t)  A  q T (t) est, donc, aléatoire.

On a :

Amax 2
1 Amax
E  x(t)2   E  A 2  q2T (t)   q2T (t)  E  A 2   q2T (t).  2  d  .q2T (t) 0.25pt (Ex.1.10)
0 Amax 3

Comme E[x2(t)] dépend de t, le signal x(t) n’est pas stationnaire . 0.5pt

Année Univ. : 2019/2020 Page : 02/09

Corrigé-Type de l'Épreuve de la Matière : Signaux Aléatoires et Processus Stochastiques M1- Systèmes des Télécommunications

Exercice 2 (04 points)

On considère deux variables aléatoires indépendantes X et Y de lois uniformes sur l’ensemble {0, 1} vérifiant :

P[X=0]=P[X=1]=1/2 et P[Y=0]=P[Y=1]=1/2

On définit la variable aléatoire : Z=X+Y avec  une variable réelle positive.

1. Trouver E[X], E[Y], E[X2] et E[Y2].

Réponse :

On a :

1 1 1
EX    xX x  PX  x   0   1  
2 2 2
0.25pt (Ex.2.1)

1 1 1
 
E X 2   xX x 2  PX  x   02   12  
2 2 2
0.25pt (Ex.2.2)

Donc :
2
1 1 1
  2
Var (X)  E X - EX      
2

2 2 4
0.5pt (Ex.2.3)

De la même manière, on calcule les moments pour Y, soit :

1 1 1
EY    yY y  PY  y   0   1  
2 2 2
0.25pt (Ex.2.4)

1 1 1
 
E Y 2   yY y 2  PY  y   0 2   12  
2 2 2
0.25pt (Ex.2.5)

Alors :
2
1 1 1
  2
Var (Y)  E Y - EY      
2

2 2 4
0.25pt (Ex.2.6)

2. En déduire la moyenne et la variance de la variable aléatoire Z.

Réponse :

On a Z=X+Y, on peut donc déduire que :

1
E  Z   E  X   E  Y   (  1)
2
0.25pt (Ex.2.7)

2
E  Z 2   E (X  Y)2   E  X   Y 2  2XY   2E  X 2   E  Y 2   2E  X  E  Y  (Ex.2.8)
 

Année Univ. : 2019/2020 Page : 03/09

Corrigé-Type de l'Épreuve de la Matière : Signaux Aléatoires et Processus Stochastiques M1- Systèmes des Télécommunications

1 1 1 1
2 2 2 2

E  Z 2   2E  X2   2E  X  E  Y   E  Y 2    2      2    1  0.25pt (Ex.2.9)

2 1 2 1 2 1
Var(Z)  E  Z 2  -E  Z  
2
 
    1     1   2  1
4 4
  0.25pt (Ex.2.10)

3. Déterminer la loi de la variable aléatoire Z.

Réponse :

La loi du couple (X, Y) est définie par :

 1
P(X , Y)  (0 ,0)  4

P(X , Y)  (0 ,1)  1
 4
 0.5pt (Ex.2.11)
P(X , Y)  (1,0)  1
 4
 1
P(X , Y)  (1,1) 
 4
On a : Z=X+Y, donc :

 1
P  Z  0   P  (X, Y)  (0, 0)  4

P  Z     P  (X, Y)  (1, 0)  1
 4
 1.0pt (Ex.2.12)
P  Z  1  P  (X, Y)  (0,1)  1
 4
 1
 P  Z    1  P  (X, Y)  (1,1) 
 4

Exercice 3 (05 points)

Soit X une variable aléatoire continue de densité de probabilité :

a 1
 k x pour x  [0, 1], avec a  R *
f(x)  
 0 ailleurs

1. Calculer la valeur de k.

Réponse :

La fonction de densité de probabilité f(x) vérifie :


 f(x)dx  1 (Ex.3.1)


Alors, on trouve :
1
a 1
kx dx 1 (Ex.3.2)
0

Année Univ. : 2019/2020 Page : 04/09

Corrigé-Type de l'Épreuve de la Matière : Signaux Aléatoires et Processus Stochastiques M1- Systèmes des Télécommunications

1
1
a 1  x a 2  k
kx dx  k     1 (Ex.3.3)
0  a  2 0 a  2

Donc :

k  a 2 0.25pt (Ex.3.4)

2. Calculer E(Xn) avec n  N* et en déduire E(X) et Var(X).

Réponse :

La densité de probabilité f(x) est :

 (a  2)x a  1 pour x  [0, 1], avec a  R *

f(x)  
 0 ailleurs 0.25pt (Ex.3.5)

Le moment d'ordre n peut être calculé comme suit :

1
n n
1
n  a 1  x n  a 2  a 2
E  X    x  f(x)dx   (a  2)  x dx (a  2)     0.25pt (Ex.3.6)
0  n  a  2 0 n  a  2

L'espérance est le moment d'ordre 1 (n=1) :

a 2
E[X] 
a 3
0.25pt (Ex.3.7)

Le moment d'ordre 2 est exprimée par :

a 2
E[X 2 ]  0.25pt (Ex.3.8)
a 4

La variance peut être, donc, exprimée par :

2 2
a 2  a 2   a  3    a  2  a  4  a 2
Var (X)  E[X2 ] -E[X] 2      a  2
a 4  a 3  2
 2 0.25pt (Ex.3.9)
 a  3  a  4   a  3  a  4

3. Déterminer la fonction de répartition de X.

Réponse :

La fonction de répartition est définie par :

x x
FX (x)  P  X  x    f(x) dx   (a  2)x a 1 dx  x a 2 avec x  [0, 1] 0.25pt (Ex.3.10)
 0

Alors :
0 x0
 a 2
FX (x)   x x  [0, 1] 0.25pt (Ex.3.11)
1 x1


Année Univ. : 2019/2020 Page : 05/09

Corrigé-Type de l'Épreuve de la Matière : Signaux Aléatoires et Processus Stochastiques M1- Systèmes des Télécommunications

On considère une nouvelle variable aléatoire : Y=− l (X) pour X0. n

4. Déterminer la densité de probabilité de Y.

On a :

 Y   ln( X )  X  e -Y  X  e -Y (Ex.3.12)
    
 pour x  0 , 1  pour 0  x  e  y  1 pour 0  y  

On Remarque que puisque X prend ses valeurs entre 0 et 1, Y prend ses valeurs entre 0 et +. Donc :

FY ( y )  0 pour y0 (Ex.3.13)

On a X=e-Y, donc, pour y  0 (en prenant garde que la fonction y  e  y est décroissante) :

P ( Y  y )  P (e  Y  e  y )  P (X  e  y )  1  FX (e  y ) (Ex.3.14)

En utilisant l'expression (Ex. 3.11), on obtient :

FY (y)  1  FX (e  y )  1  e  (a  2)y pour y  0 (Ex.3.15)

Alors, la fonction de distribution peut être exprimée par :

 1  e  (a  2) y pour y  0
FY (y)   0.5pt (Ex.3.16)
 0 pour y  0

Donc, on peut extraire la fonction de probabilité :

dFY (y)  (a  2)e  (a  2)y pour y  0

fY (y) 
dy

 0 pour y  0
0.5pt (Ex.3.17)

5. Refaire la question (2) pour Y.

Réponse :

Le moment d'ordre n peut être calculé comme suit :


  n e (a 2)y
n n n  (a 2)y nm 
m1

E  Y    y  f(y)dy   (a  2)  y e dy   e(a2)y  yn   m
 y   (n  k)   (Ex.3.18)
0  m1 (a  2)  k 0 0

1 n1 n!
E Yn   n
(a  2) k 0
(n  k) 
(a  2)n
0.5pt (Ex.3.19)

L'espérance est le moment d'ordre 1 (n=1) :

1
E[Y] 
a 2
0.5pt (Ex.3.20)

Le moment d'ordre 2 est exprimée par :

2
E[Y 2 ]  0.5pt (Ex.3.21)
(a  2)2

Année Univ. : 2019/2020 Page : 06/09

Corrigé-Type de l'Épreuve de la Matière : Signaux Aléatoires et Processus Stochastiques M1- Systèmes des Télécommunications

La variance peut être, donc, exprimée par :

2 1 1
Var (Y)  E[Y 2 ] -E[Y] 2  2

(a  2) (a  2)2

(a  2)2
0.5pt (Ex.3.22)

Exercice 4 (06 points)

Soit le processus stochastique :

R
x(t)=
2
e j( t  )
(1+e j /2 )  e j(t  ) (1+e j /2 ) 
où φ est une variable aléatoire uniformément distribuée sur [-π, π] et r et ω des variables réelles.

1. Simplifier l’expression de x(t).

Réponse :

On simplifie la formulation de x(t) comme suit :

R
x(t)=
2
e j(t  )

(1+e j /2 )  e j(t  ) (1+e j /2 )  R  cos(t  )  sin(t  )  0.5pt (Ex.4.1)

2. Calculer la moyenne mx(t) et la corrélation Rx(t, t+ τ) de x(t).

Réponse :

La moyenne mx(t) est :

mx (t)  E  x(t)  E R  cos(t  )  R  sin(t  )  R  E  cos(t  )  sin(t  ) (Ex.4.2)

 étant une variable aléatoire uniformément distribuée sur [-π, π]. Alors, sa densité de probabilité est :

1
 - 
p ()   2  0.5pt (Ex.4.3)
 0 ailleurs

La moyenne mx(t) est donc :

 
R
mx (t)  R    cos(t  )  sin(t  ) p ()d  2    cos(t  )  sin(t  ) d  0 0.5pt (Ex.4.4)
 

La corrélation Rx(t, t+τ) est :

R x (t,t  )  E  x(t)x(t  ) (Ex.4.5)

On obtient donc :

R2  
R x (t,t  )     cos(t  )  sin(t  )   cos((t  )  )  sin((t  )  )  d (Ex.4.6)
2  

Année Univ. : 2019/2020 Page : 07/09

Corrigé-Type de l'Épreuve de la Matière : Signaux Aléatoires et Processus Stochastiques M1- Systèmes des Télécommunications

R2   R2 
R x (t,t  )    cos()  sin(2t    2)  d   cos()  d  R2  cos() (Ex.4.7)
2   2 

R x (t,t  )  R2  cos() 0.5pt (Ex.4.8)

3. Le processus x(t) est-il stationnaire au sens large ?

Réponse :

La moyenne de x(t) est constante et sa corrélation ne dépend que de τ, donc le processus

stochastique est SSL.
0.5pt

4. Est-ce que le processus est à moyenne et à corrélation ergodiques ?

Réponse :

La moyenne temporelle de x(t) est exprimée par :

 1 T   1 T 
x(t)  Lim    x(t)dt   Lim     R  cos(t  )  R  sin(t  )  dt  (Ex.4.9)
2T  T  T    2T  T
T    

T
x(t)  Lim  R  0.5pt (Ex.4.10)
  sin(  t   )  cos( t   )   0
T    4 T

On a donc mx (t) = x (t)  0 . Le processus est à moyenne ergodique .

0.5pt
La moyenne temporelle de la corrélation Rx(t) est exprimée par :

R x (t)  Lim  1  T 
   x(t)  x(t  )dt  (Ex.4.11)
T    2T  T 

R x (t)  Lim  R2  T 
    cos(t  )  sin(t  )    cos  (t  )     sin  (t  )     dt  (Ex.4.12)
T    2T  T 

R x (t)  Lim  R2  T 
    cos     sin  (2t  )  2   dt   R cos   
2
(Ex.4.13)
T    2T  T 

R x (t)  R x ()  R2 cos    0.5pt (Ex.4.14)

On a donc R x ()=R x () . Le processus est donc également à corrélation ergodique . 0.5pt

Année Univ. : 2019/2020 Page : 08/09

Corrigé-Type de l'Épreuve de la Matière : Signaux Aléatoires et Processus Stochastiques M1- Systèmes des Télécommunications

Soit un autre processus stochastique y(t)=x(t)+At où A est une variable aléatoire de moyenne nulle, de
variance égale à 1 et indépendante de x(t).

5. Calculer la moyenne mx(t) et la corrélation Rx(t, t+ τ )de x(t).

Réponse :

La moyenne my(t) est exprimée comme suit :

my (t)  E y(t)  Ex(t)  A  t  Ex(t)  t  EA   0 0.5pt (Ex.4.15)

La corrélation Ry(t, t+ τ ) est exprimée par :

R y (t,t  )  E  y(t)  y(t  )  E  x(t)  A  t  x(t  )  A  (t  )   (Ex.4.16)

R y (t,t  )  E  x(t)  x(t  )  A  t  x(t  )  A  (t  )  x(t)  A 2  t  (t  ) (Ex.4.17)

Puisque A est une VA indépendante de x(t), on peut simplifier l'équation (Ex.4.17) comme suit :

R y (t,t  )  E  x(t)x(t  )  t  E  A   E  x(t  )  (t  )  E  A   E  x(t)  t  (t  )  E  A 2  (Ex.4.18)

Vu que : E[A]=0 et var(A)=1, on obtient : E[A2]=1.

Alors :

R y (t, t  )  Ex(t)x(t  )  t(t  )  R x (t, t  )  t  (t  ) (Ex.4.19)

R y (t,t  )  R2  cos() t  (t  ) 0.5pt (Ex.4.20)

6. Est-ce que y(t) est stationnaire au sens large ?

Réponse :

Le processus stochastique y(t) n'est pas SSL car sa fonction de corrélation dépend de t et τ. 0.5pt

Année Univ. : 2019/2020 Page : 09/09