Estimation QSM

QCM sur les signaux aléatoires
Question 1
Un signal aléatoire est-il nécessairement continu ?
(a) Oui (b) Non
Réponse correcte : (b)
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
Un signal aléatoire est-il nécessairement stationnaire ?
(a) Oui (b) Non
Explication :
Un signal aléatoire peut être stationnaire ou non stationnaire. Un signal aléatoire

stationnaire est un signal aléatoire dont les propriétés statistiques ne varient pas au
cours du temps. Un signal aléatoire non stationnaire est un signal aléatoire dont les
propriétés statistiques varient au cours du temps.
Question 3
Quelle est la définition de la fonction d'autocorrélation d'un signal aléatoire ?
(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.
Réponse correcte : (a)
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
Quelle est la définition de la densité spectrale de puissance d'un signal aléatoire

stationnaire ?
(a) La densité spectrale de puissance d'un signal aléatoire stationnaire est la

transformée de Fourier de la fonction d'autocorrélation du signal. (b) La densité
spectrale de puissance d'un signal aléatoire stationnaire est la moyenne des valeurs
du signal à une fréquence donnée.
Explication :
La densité spectrale de puissance d'un signal aléatoire stationnaire est la

transformée de Fourier de la fonction d'autocorrélation du signal. Elle est notée par
Sxx(f), où f est la fréquence.
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
Quel est le but de l'estimation des signaux aléatoires ?

(a) Réduire le bruit (b) Améliorer la résolution (c) Réduire la distorsion
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.
QCM sur les signaux aléatoires
Question 1
La figure ci-dessous représente la fonction d'autocorrélation d'un signal aléatoire.

Quelle est la nature de ce signal ?
S'ouvre dans une nouvelle fenêtre www.f-

legrand.fr
la fonction d'autocorrélation d'un signal aléatoire
(a) Stationnaire (b) Non stationnaire (c) Continue (d) Discrète
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
La figure ci-dessous représente la densité spectrale de puissance d'un signal

aléatoire. Quelle est la nature de ce signal ?
[Image de la densité spectrale de puissance d'un signal aléatoire]
Réponse correcte : (c)
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
La figure ci-dessous représente la corrélation entre deux signaux aléatoires. Quelle

est la nature de la relation entre les deux signaux ?
[Image de la corrélation entre deux signaux aléatoires]
(a) Correspondance (b) Indépendance (c) Causalité
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
La figure ci-dessous représente un signal aléatoire. Quelle est la meilleure estimation

de la valeur moyenne du signal ?
[Image d'un signal aléatoire]
(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 :
La meilleure estimation de la valeur moyenne d'un signal aléatoire est la moyenne

des valeurs du signal.
Question 5

de la valeur maximale du signal ?
(a) La valeur maximale du signal (b) La moyenne des valeurs maximales du signal
(c) La médiane des valeurs maximales du signal
Explication :
La meilleure estimation de la valeur maximale d'un signal aléatoire est la valeur

maximale du signal.
Question 6

de la variance du signal ?
(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 :
La meilleure estimation de la variance d'un signal aléatoire est la moyenne des

carrés des écarts des valeurs du signal par rapport à la moyenne.
Question 1
La méthode de Welch est une méthode d'estimation de la densité spectrale de

puissance d'un signal aléatoire :
Réponse correcte : (d)

Explication :

puissance d'un signal aléatoire discret.
Question 2
La méthode de Welch est basée sur le principe de :
(a) La moyenne (b) La somme (c) La moyenne pondérée (d) La sommation pondérée
Explication :
La méthode de Welch est basée sur la sommation pondérée des autocorrélations du

signal.
Question 3
La méthode de Welch est un estimateur :
(a) Biaisé (b) Non biaisé
Explication :
La méthode de Welch est un estimateur non biaisé de la densité spectrale de

puissance d'un signal aléatoire stationnaire.
Question 4
La méthode de Welch est plus efficace que la méthode de l'estimation directe de la

densité spectrale de puissance pour des signaux aléatoires :
(a) De longue durée (b) De courte durée (c) Stationnaires (d) Non stationnaires
Explication :

densité spectrale de puissance pour des signaux aléatoires de courte durée.
QCM sur les estimateurs biaisés et non biaisés
Question 1
Un estimateur est dit biaisé lorsque :
(a) L'espérance mathématique de l'estimateur est égale à la valeur vraie du

paramètre estimé (b) L'espérance mathématique de l'estimateur est différente de la
valeur vraie du paramètre estimé
Explication :
Un estimateur est dit biaisé lorsque l'espérance mathématique de l'estimateur est

différente de la valeur vraie du paramètre estimé.
Question 2
Un estimateur non biaisé est toujours optimal.
(a) Vrai (b) Faux
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
La méthode de l'estimation directe de la densité spectrale de puissance est un

estimateur :
Explication :

estimateur biaisé de la densité spectrale de puissance d'un signal aléatoire
stationnaire.
QCM sur le principe de l'analyse spectrale
Question 1
L'analyse spectrale est une technique qui permet d'étudier la composition

fréquentielle d'un signal.
(a) Vrai (b) Faux
Explication :
L'analyse spectrale est une technique qui permet d'étudier la composition

fréquentielle d'un signal. Elle consiste à transformer le signal dans le domaine
fréquentiel.
Question 1
L'estimation de la densité spectrale de puissance d'un signal aléatoire stationnaire

peut être effectuée par :
(a) La méthode de Welch (b) La méthode de l'estimation directe (c) La méthode de

l'estimateur de Wiener
Réponse correcte : (a, b, c)
Explication :
L'estimation de la densité spectrale de puissance d'un signal aléatoire stationnaire

peut être effectuée par plusieurs méthodes, dont la méthode de Welch, la méthode
de l'estimation directe et la méthode de l'estimateur de Wiener.
Question 2
(a) Non biaisé (b) Biaisé
Explication :

Question 3
La méthode de l'estimation directe est un estimateur :
Explication :
La méthode de l'estimation directe est un estimateur biaisé de la densité spectrale de

Question 4
La méthode de l'estimateur de Wiener est un estimateur :
Explication :
La méthode de l'estimateur de Wiener est un estimateur non biaisé de la densité

spectrale de puissance d'un signal aléatoire stationnaire.
QCM sur l'estimation de la fonction d'autocorrélation
Question 1
L'estimation de la fonction d'autocorrélation d'un signal aléatoire stationnaire peut

être effectuée par :
(a) La méthode de Yule-Walker (b) La méthode de Burg
Réponse correcte : (a, b)
Explication :
L'estimation de la fonction d'autocorrélation d'un signal aléatoire stationnaire peut

être effectuée par plusieurs méthodes, dont la méthode de Yule-Walker et la
méthode de Burg.
Question 2
La méthode de Yule-Walker est un estimateur :
Explication :
La méthode de Yule-Walker est un estimateur non biaisé de la fonction

d'autocorrélation d'un signal aléatoire stationnaire.
Question 3
La méthode de Burg est un estimateur :
Explication :
La méthode de Burg est un estimateur biaisé de la fonction d'autocorrélation d'un

signal aléatoire stationnaire.
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
Un estimateur non biaisé est toujours efficace.
(a) Vrai (b) Faux

Explication :
Un estimateur non biaisé n'est pas toujours efficace. Un estimateur efficace est celui
paramètre estimé.
Question 2
Un estimateur non biaisé peut être utilisé pour estimer n'importe quel paramètre.
(a) Vrai (b) Faux
Explication :
Un estimateur non biaisé peut être utilisé pour estimer un paramètre dont la
distribution est connue.
Question 3

(a) Vrai (b) Faux
Question 4
La méthode de Yule-Walker est un estimateur non biaisé de la fonction

d'autocorrélation d'un signal aléatoire stationnaire.
(a) Vrai (b) Faux
QCM sur la méthode de Welch
Question 1
puissance d'un signal aléatoire :
Explication :

puissance d'un signal aléatoire discret.
Question 2
La méthode de Welch est basée sur le principe de :
(a) La moyenne (b) La somme (c) La moyenne pondérée (d) La sommation pondérée
Explication :
La méthode de Welch est basée sur la sommation pondérée des autocorrélations du

signal.
Question 3
Explication :

Question 4

densité spectrale de puissance pour des signaux aléatoires :
(a) De longue durée (b) De courte durée

Explication :

densité spectrale de puissance pour des signaux aléatoires de courte durée.
QCM sur les fenêtres
Question 1
La figure ci-dessous représente la fonction d'autocorrélation d'un signal aléatoire

stationnaire. Quelle fenêtre est la plus appropriée pour estimer la fonction
d'autocorrélation de ce signal ?
S'ouvre dans une nouvelle fenêtre slideplayer.fr

la fonction d'autocorrélation d'un signal aléatoire stationnaire
(a) Fenêtre rectangulaire (b) Fenêtre de Hamming
Explication :
Une fenêtre rectangulaire ne modifie pas la forme de la fonction d'autocorrélation. La

figure ci-dessous montre que la fonction d'autocorrélation du signal est une fonction
lisse. Par conséquent, une fenêtre rectangulaire est la plus appropriée pour estimer
cette fonction.
Question 2

stationnaire. Quelle fenêtre est la plus appropriée pour estimer la fonction
d'autocorrélation de ce signal ?
S'ouvre dans une nouvelle fenêtre
fr.scribd.com
la fonction d'autocorrélation d'un signal aléatoire stationnaire
Explication :
Une fenêtre de Hamming atténue les lobes secondaires de la fonction

d'autocorrélation. La figure ci-dessous montre que la fonction d'autocorrélation du
signal présente des lobes secondaires. Par conséquent, une fenêtre de Hamming est
la plus appropriée pour estimer cette fonction.
QCM sur la dapodisation
Question 1
La dapodisation est une technique qui permet de :
(a) Améliorer la résolution spectrale (b) Améliorer la précision spectrale
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
La dapodisation est une technique qui :
(a) Est toujours efficace (b) N'est pas toujours efficace

Explication :
La dapodisation est une technique qui peut améliorer la résolution spectrale du

signal, mais elle peut également réduire la précision spectrale. La dapodisation n'est
donc pas toujours efficace.
QCM sur les estimateurs biaisés et non biaisés
Question 1
Un estimateur est dit biaisé lorsque :
(a) L'espérance mathématique de l'estimateur est égale à la valeur vraie du

paramètre estimé (b) L'espérance mathématique de l'estimateur est différente de la
valeur vraie du paramètre estimé
Explication :
Un estimateur est dit biaisé lorsque l'espérance mathématique de l'estimateur est

différente de la valeur vraie du paramètre estimé.
Question 2
Un estimateur non biaisé est toujours optimal.
(a) Vrai (b) Faux
Explication :
Un estimateur non biaisé n'est pas toujours optimal. Un estimateur optimal est celui
paramètre estimé.
Question 3

estimateur :

Explication :

estimateur biaisé.
Question 2
La transformée de Fourier est une fonction qui permet de passer d'un signal dans le
domaine temporel au domaine fréquentiel.
(a) Vrai (b) Faux
QCM sur l'effet de la fenêtre sur l'estimation de la fonction d'autocorrélation
Question 1

stationnaire. Quelle fenêtre est utilisée pour estimer la fonction d'autocorrélation ?
[Image de la fonction d'autocorrélation d'un signal aléatoire stationnaire]
Explication :
La fonction d'autocorrélation estimée est une fonction lisse. Cela indique que la
fenêtre utilisée est une fenêtre rectangulaire.
Question 2

stationnaire. Quelle fenêtre est utilisée pour estimer la fonction d'autocorrélation ?
[Image de la fonction d'autocorrélation d'un signal aléatoire stationnaire]

Explication :
La fonction d'autocorrélation estimée présente des lobes secondaires. Cela indique

que la fenêtre utilisée est une fenêtre de Hamming.
QCM sur l'effet de la dapodisation sur l'estimation de la densité spectrale de

puissance
Question 1

aléatoire stationnaire. La dapodisation a-t-elle été utilisée pour estimer la densité
spectrale de puissance ?
[Image de la densité spectrale de puissance d'un signal aléatoire stationnaire]
(a) Oui (b) Non
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

aléatoire stationnaire. La dapodisation a-t-elle été utilisée pour estimer la densité
spectrale de puissance ?
(a) Oui (b) Non
Explication :
La densité spectrale de puissance estimée est similaire à la densité spectrale de

puissance réelle. Cela indique que la dapodisation n'a pas été utilisée pour estimer la
densité spectrale de puissance.
QCM sur l'effet du biais sur l'estimation de la densité spectrale de puissance
Question 1

aléatoire stationnaire. L'estimateur utilisé est-il biaisé ?
(a) Oui (b) Non
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

aléatoire stationnaire. L'estimateur utilisé est-il biaisé ?
(a) Oui (b) Non
Explication :
La densité spectrale de puissance estimée est alignée avec la densité spectrale de

puissance réelle. Cela indique que l'estimateur utilisé n'est pas biaisé.

Estimation QSM

Transféré par

Droits d'auteur :

Formats disponibles

Vous aimerez peut-être aussi

Estimation QSM

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estimation QSM

Transféré par

Droits d'auteur :

Formats disponibles

QCM sur les signaux aléatoires

Un signal aléatoire est-il nécessairement continu ?

(a) Oui (b) Non

Réponse correcte : (b)

Un signal aléatoire est-il nécessairement stationnaire ?

(a) Oui (b) Non

Réponse correcte : (b)

Un signal aléatoire peut être stationnaire ou non stationnaire. Un signal aléatoire

Quelle est la définition de la fonction d'autocorrélation d'un signal aléatoire ?

Réponse correcte : (a)

Quelle est la définition de la densité spectrale de puissance d'un signal aléatoire

(a) La densité spectrale de puissance d'un signal aléatoire stationnaire est la

Réponse correcte : (a)

La densité spectrale de puissance d'un signal aléatoire stationnaire est la

Réponse correcte : (a)

Quel est le but de l'estimation des signaux aléatoires ?

Réponse correcte : (a)

QCM sur les signaux aléatoires

La figure ci-dessous représente la fonction d'autocorrélation d'un signal aléatoire.

S'ouvre dans une nouvelle fenêtre www.f-

Réponse correcte : (a)

La figure ci-dessous représente la densité spectrale de puissance d'un signal

(a) Stationnaire (b) Non stationnaire (c) Continue (d) Discrète

Réponse correcte : (c)

La figure ci-dessous représente la corrélation entre deux signaux aléatoires. Quelle

[Image de la corrélation entre deux signaux aléatoires]

(a) Correspondance (b) Indépendance (c) Causalité

Réponse correcte : (b)

La figure ci-dessous représente un signal aléatoire. Quelle est la meilleure estimation

[Image d'un signal aléatoire]

Réponse correcte : (a)

La meilleure estimation de la valeur moyenne d'un signal aléatoire est la moyenne

La figure ci-dessous représente un signal aléatoire. Quelle est la meilleure estimation

[Image d'un signal aléatoire]

Réponse correcte : (a)

La meilleure estimation de la valeur maximale d'un signal aléatoire est la valeur

La figure ci-dessous représente un signal aléatoire. Quelle est la meilleure estimation

[Image d'un signal aléatoire]

Réponse correcte : (a)

La meilleure estimation de la variance d'un signal aléatoire est la moyenne des

La méthode de Welch est une méthode d'estimation de la densité spectrale de

(a) Stationnaire (b) Non stationnaire (c) Continue (d) Discrète

Réponse correcte : (d)

La méthode de Welch est une méthode d'estimation de la densité spectrale de

La méthode de Welch est basée sur le principe de :

Réponse correcte : (d)

La méthode de Welch est basée sur la sommation pondérée des autocorrélations du

La méthode de Welch est un estimateur :

(a) Biaisé (b) Non biaisé

Réponse correcte : (b)

La méthode de Welch est un estimateur non biaisé de la densité spectrale de

La méthode de Welch est plus efficace que la méthode de l'estimation directe de la

Réponse correcte : (b)

La méthode de Welch est plus efficace que la méthode de l'estimation directe de la

Un estimateur est dit biaisé lorsque :

(a) L'espérance mathématique de l'estimateur est égale à la valeur vraie du

Réponse correcte : (b)

Un estimateur est dit biaisé lorsque l'espérance mathématique de l'estimateur est