Académique Documents
Professionnel Documents
Culture Documents
Estimation QSM
Estimation QSM
Estimation QSM
Question 1
Explication :
Un signal aléatoire peut être continu ou discret. Un signal aléatoire continu est un
signal aléatoire dont les valeurs sont des nombres réels. Un signal aléatoire discret
est un signal aléatoire dont les valeurs sont des nombres entiers.
Question 2
Explication :
Question 3
(a) La fonction d'autocorrélation d'un signal aléatoire est la moyenne des produits
des valeurs du signal à un instant donné et des valeurs du signal à un autre instant
donné. (b) La fonction d'autocorrélation d'un signal aléatoire est la moyenne des
produits des valeurs du signal à un instant donné et des valeurs du signal à un autre
instant donné, pondérés par l'inverse de la distance entre les deux instants.
Explication :
La fonction d'autocorrélation d'un signal aléatoire est la moyenne des produits des
valeurs du signal à un instant donné et des valeurs du signal à un autre instant
donné. Elle est notée par Rxx(τ), où τ est le décalage temporel entre les deux
instants.
Question 4
Explication :
Question 5
Quelle est la définition de la corrélation d'un signal aléatoire avec un autre signal
aléatoire ?
(a) La corrélation d'un signal aléatoire avec un autre signal aléatoire est la moyenne
des produits des valeurs des deux signaux à un instant donné. (b) La corrélation d'un
signal aléatoire avec un autre signal aléatoire est la moyenne des produits des
valeurs des deux signaux à un instant donné, pondérés par l'inverse de la distance
entre les deux instants.
Explication :
La corrélation d'un signal aléatoire avec un autre signal aléatoire est la moyenne des
produits des valeurs des deux signaux à un instant donné. Elle est notée par Rxy(τ),
où τ est le décalage temporel entre les deux signaux.
Question 6
Explication :
L'estimation des signaux aléatoires est utilisée pour réduire le bruit dans un signal.
Le bruit est une perturbation indésirable qui peut réduire la qualité d'un signal.
L'estimation des signaux aléatoires peut être utilisée pour éliminer le bruit et
améliorer la qualité du signal.
Question 1
Explication :
La fonction d'autocorrélation d'un signal stationnaire est une fonction symétrique par
rapport à l'origine. La fonction d'autocorrélation représentée sur la figure est
symétrique, donc le signal est stationnaire.
Question 2
Explication :
La densité spectrale de puissance d'un signal stationnaire est une fonction continue.
La densité spectrale de puissance représentée sur la figure est continue, donc le
signal est stationnaire.
Question 3
Explication :
La corrélation entre deux signaux aléatoires est nulle si les signaux sont
indépendants. La corrélation représentée sur la figure est nulle, donc les deux
signaux sont indépendants.
Question 4
(a) La moyenne des valeurs du signal (b) La moyenne des valeurs du signal à des
instants réguliers (c) La moyenne des valeurs du signal à des instants aléatoires
Explication :
(a) La valeur maximale du signal (b) La moyenne des valeurs maximales du signal
(c) La médiane des valeurs maximales du signal
Explication :
Question 6
(a) La moyenne des carrés des écarts des valeurs du signal par rapport à la
moyenne (b) La moyenne des carrés des écarts des valeurs du signal par rapport à
la valeur maximale (c) La moyenne des carrés des écarts des valeurs du signal par
rapport à la valeur minimale
Explication :
Question 1
Question 2
(a) La moyenne (b) La somme (c) La moyenne pondérée (d) La sommation pondérée
Explication :
Question 3
Explication :
Question 4
(a) De longue durée (b) De courte durée (c) Stationnaires (d) Non stationnaires
Explication :
Question 1
Explication :
Question 2
Explication :
Un estimateur non biaisé n'est pas toujours optimal. Un estimateur optimal est celui
qui minimise l'erreur quadratique moyenne entre l'estimateur et la valeur vraie du
paramètre estimé.
Question 3
Explication :
Question 1
Explication :
Question 1
Explication :
Question 2
Explication :
Explication :
Question 4
Explication :
Question 1
Explication :
Question 2
La méthode de Yule-Walker est un estimateur :
Explication :
Question 3
Explication :
Question 4
La méthode de Yule-Walker est plus efficace que la méthode de Burg pour des
signaux aléatoires :
(a) De courte durée (b) De longue durée (c) Stationnaires (d) Non stationnaires
Explication :
La méthode de Yule-Walker est plus efficace que la méthode de Burg pour des
signaux aléatoires de courte durée.
Question 1
Explication :
Un estimateur non biaisé n'est pas toujours efficace. Un estimateur efficace est celui
qui minimise l'erreur quadratique moyenne entre l'estimateur et la valeur vraie du
paramètre estimé.
Question 2
Un estimateur non biaisé peut être utilisé pour estimer n'importe quel paramètre.
Explication :
Un estimateur non biaisé peut être utilisé pour estimer un paramètre dont la
distribution est connue.
Question 3
Question 4
Question 1
La méthode de Welch est une méthode d'estimation de la densité spectrale de
puissance d'un signal aléatoire :
Explication :
Question 2
(a) La moyenne (b) La somme (c) La moyenne pondérée (d) La sommation pondérée
Explication :
Question 3
Explication :
Question 4
Explication :
Question 1
Explication :
Question 2
Explication :
Question 1
Explication :
La dapodisation est une technique qui consiste à remplacer les échantillons d'un
signal par des échantillons pondérés. Cela permet d'améliorer la résolution spectrale
du signal.
Question 2
Explication :
Question 1
Explication :
Question 2
Explication :
Un estimateur non biaisé n'est pas toujours optimal. Un estimateur optimal est celui
qui minimise l'erreur quadratique moyenne entre l'estimateur et la valeur vraie du
paramètre estimé.
Question 3
Explication :
Question 2
La transformée de Fourier est une fonction qui permet de passer d'un signal dans le
domaine temporel au domaine fréquentiel.
Question 1
Explication :
La fonction d'autocorrélation estimée est une fonction lisse. Cela indique que la
fenêtre utilisée est une fenêtre rectangulaire.
Question 2
Explication :
Question 1
Explication :
La densité spectrale de puissance estimée est plus fine que la densité spectrale de
puissance réelle. Cela indique que la dapodisation a été utilisée pour estimer la
densité spectrale de puissance.
Question 2
Explication :
Question 1
Explication :
La densité spectrale de puissance estimée est décalée vers le haut par rapport à la
densité spectrale de puissance réelle. Cela indique que l'estimateur utilisé est biaisé.
Question 2
Explication :