Académique Documents
Professionnel Documents
Culture Documents
TP N° 3, S1 : TAS
But du TP : Ce TP a pour objectif de Manipuler un signal aléatoire, connaitre les propriétés d’un bruit
blanc à différentes distributions, étudier les notions de stationnarité et ergodicité.
Préparation théorique :
1. Donner le rôle des fonctions suivantes : mean, normal, uniform, rand, randn, sum, ….et leurs syntaxes.
Définir un bruit blanc en deux lignes? bruit blanc gaussien ? bruit blanc uniforme ?
Définir « variables aléatoires indépendantes et identiquement distribuées » (i.i.d) ?
Que représente la matrice de variance-covariance pour un vecteur aléatoire ?
Générer un vecteur de v.a. et une matrice de v.a. de distribution uniforme et une autre de distribution
normale.
Pour la partie pratique donner des figures claires ( nom de la figure et des axes )
1
Départ Télécom, FGE Master RTB, M1 octobre 2022
TP N° 3, S1 : TAS
2. Calculer l’autocorrélation du vecteur aléatoire par les 3 façons données dans le programme
suivant. Vérifier les propiétés de l’autocorrélation.
Ceci est un programme en matlab, il est demandé de le convertir en Python
x=[1 2 3 4];
acf1 =xcorr(x) % Méthode 1
acf2=conv(x,fliplr(conj(x))) % Méthode 2
L = 2*length(x)-1;
acf4=ifft(fft(x,L).*fft(fliplr(conj(x)),L)) % Méthode 3
Exercice 4
1. Même question que 1. De l’exercice 3, pour un vecteur de 500 variables aléatoires
2. Interprétez ce graphe par rapport à la matrice variance covariance d’un vecteur aléatoire..
3. Comment influe la variane σ2 sur la figure de l’autocorrélation. Quelle est l’énergie du
signal ? Comparer avec la théorie (l’autocorrélation au point zéro est égale à l’énergie du signal et
est égale à la variance)
4. Générer un ensemble de vecteurs gaussiens pour simuler un processus aléatoire, dont la
moyenne et la variance sont égales respectivement à 5 et à 16. Calculer la moyenne et la
corrélation en lignes et en colonnes de ces réalisations. Que pouvez-vous dire de la stationnarité
et l’ergodicité à l’ordre 1 et au sens large ?
5. Télécharger à partir du link un fichier de séries temporelles d’extension csv (vous pouvez
utiliser un autre fichier de séries temporelles de votre choix). Tracer la donnée et tester si le
processus est stationnaire.
https://www.analyticsvidhya.com/blog/2021/08/python-tutorial-working-with-csv-file-for-data-
science/