Académique Documents
Professionnel Documents
Culture Documents
signaux aléatoires
• Introduction
• Processus aléatoire
• Corrélation, autocorrélation...
• Stationnarité, ergodicité
• Densité spectrale
R1
tk
t
R2
R3
• Espérance mathématique
E [ X (t k , u)] E [ X (t k )]
f
u (u) a cos( t k u)du
1
a cos( t k u)du 0
2
• Variance
E [ X 2 (t k , u)] E [ X 2 (t k )]
2
a
u
f ( u ) a 2
cos2
( t k u)du
2
Traitement du Sigal - 3TC 10
Transparents C. Odet, Prof. GE
Exemple 2 (suite)
Pour une valeur particulière ui
(événement) de la phase, on peut
calculer des paramètres temporels du
signal X(t,ui) 2
(T )
• Moyenne temporelle
E [ X (t , ui )] X (ui )
T /2
1
a cos( t ui )dt 0
T T / 2
• Variance temporelle, carré de la valeur
efficace
E [ X 2 (t , ui )] X 2 (ui )
T /2 2
1 a
T T / 2
a 2
cos2
( t ui )dt
2
Remarque: On obtient ici des valeurs identiques à
l’éspérance et à la variance statistiques
Traitement du Sigal - 3TC 11
Transparents C. Odet, Prof. GE
Caractérisation d’un processus
aléatoire. Lois de probabilité.
• Statistiques du premier ordre
– Fonction de répartition et densité de
probabilité pour un tk donné
FX ( x , t k ) prob( X (t k , u) x ) et
FX ( x , t k )
f X ( x, tk )
x
• L’éspérance mathématique (n=1) et les
moments d’ordre supérieur sont définis par
E [ X (t k )]
n
X
n
(t k ) f X ( x , t k )dx
1 1 ( x m) 2
f X ( x, tk ) exp( )
2 2 2 2
=1
m=0
x1
arcos( x1 / a )
FX ( x1 ) 1
La densité de probabilité s’obtient par
dérivation de la fonction de répartition
1
f X ( x)
(a ² x ²)
x
-a a
Traitement du Sigal - 3TC 16
Transparents C. Odet, Prof. GE
Caractérisation des processus
aléatoires
• Statistique du deuxième ordre
– Relation entre les statistiques prises à
deux instants t1 et t2 différents
– On considère deux variables aléatoires
X(t1,u) et X(t2,u)
• Fonction de répartition conjointe
FXX (a , b, t1 , t 2 ) prob( X (t1 ) a , X (t 2 ) b)
• Densité de probabilité
2 FXX (a , b, t1 , t 2 )
f XX (a , b, t1 , t 2 )
a b
• Si les deux variables aléatoires sont
indépendantes (Ce qui se passe à t1 ne
dépend pas de ce qui se passe à t2)
FXX (a , b, t1 , t 2 ) FX (a , t1 ) FX (b, t 2 )
f XX (a , b, t1 , t 2 ) f X (a , t1 ) f X (b, t 2 )
Traitement du Sigal - 3TC 17
Transparents C. Odet, Prof. GE
2-3 Corrélation, Autocorrélation...
• Signaux déterministes
– Signaux à énergie finie
– Signaux à puissance finie
Mesure de ressemblance
Autocorrélation temporelle
• Processus aléatoires
Statistique du second ordre
Caractérisation fréquentielle
des signaux aléatoires (Densité spectrale)
Autocorrélation statistique
x (t ) x[ k ]
2 2
Ex dt , E x
k
• Signaux transitoires
• Signaux de durée finie
• Existence de la transformée de Fourier
Rxx [ j ] [ k ]x[ k j ]
x *
k
• Exemple
x(t) = Rect (t/T) Rxx()=T Tri(/T)
Rect(t/T) Rxx()
1 T
-T/2 T/2 t -T T
k
• Symétrie hermitique
Rxy ( ) Ryx
*
( ) , Rxy [ j ] Ryx
*
[ j]
(Attention à l’inversion de x et y dans le deuxième membre
des équations)
• Mesure du degrè de ressemblance entre
deux signaux en fonction d’un décalage
• Projection de x(t) sur y(t+), produit
scalaire
Traitement du Sigal - 3TC 22
Transparents C. Odet, Prof. GE
Corrélation, autocorrélation...
Signaux à énergie finie
• Exemple d’intercorrélation
x(t) y(t)
1 1
-T
-T/2 T/2 t T t
-1
Rxy()
T
-3T/2 -T/2
T/2 3T/2
-T
Le signal x(t) ressemble le plus à y(t) aux
instants -T/2 et T/2. En =0, x(t) ne ressemble
pas du tout à y(t) (ils sont orthogonaux, produit
scalaire nul).
Traitement du Sigal - 3TC 23
Transparents C. Odet, Prof. GE
Corrélation, autocorrélation...
Signaux à puissance finie
• Approximation de signaux réels
• Exemples
– Signal continu x(t)=a
– Signal sinusoïdal x(t)=V Sin(2ft)
– Signaux aléatoires, signaux
périodiques, impulsion de Dirac,
échelon unité...
• Puissance finie
T /2
1
2
Px lim x (t ) dt ,
T T
T / 2
N 1
1
x[ k ]
2
Px lim
N 2 N
k N
1 N 1 *
R xy [ j] lim
N 2 N k N
x [k ]y[k j]
• Notation
Rxy ( ) x * (t ) y (t ) ,
Rxy [ j ] x [ k ] y[ k j ]
*
• Dimensions: V² ou A²
• Autocorrélation: y(t)=x(t) dans les
formules précédentes
Traitement du Sigal - 3TC 25
Transparents C. Odet, Prof. GE
Corrélation, autocorrélation...
Signaux à puissance finie
• Autocorrélation des signaux périodiques
Le calcul sur une seule période suffit
T /2
1
Rxx ( ) x
T T / 2
*
(t ) x (t )dt ,
N 1
1
Rxx [ j ]
N
x [ k ]x[ k j ]
k O
*
Rxx (t1 , t 2 ) ab f
xx (a , b, t1 , t 2 ) da db
• Fonction d’autocovariance
Moment conjoint des variables aléatoires
centrées X(t1)-mx(t1) et X(t2)-mx(t2),
mx(t) moyenne du processus aléatoire à
l'instant t
Cxx (t1 , t 2 ) Rxx (t1 , t 2 ) mx* (t1 ) mx (t 2 )
Autocorélation
R XX (t1 , t 2 ) R XX ( )
Symétrie hermitique
R XX ( ) R XX
*
( )
Moyenne
E [ X (t )] X (t ) f
X ( x , t )dx
T /2
1
mx lim
T T
T / 2
X (t , ui )dt X (t , ui )
X * (t , ui ) X (t , ui )
• Ergodique (au sens large)
Stationnaire (au sens large)
L’inverse n’est pas vrai.
• Signaux stationnaires ergodiques
Estimation des paramètres statistiques à
partir des paramètres temporels
• Signaux déterministes
Transformée de Fourier
Module et phase
Interprétation fréquentielle
• Signaux aléatoires
Transformée de Fourier ????
(oui, mais pour une réalisation X(t,ui) )
• Représentation de la répartition de
l’énergie ou de la puissance d’un signal en
fonction de la fréquence
• Intuitivement: relation entre densité
spectrale et spectre (transformée de
Fourier) pour les signaux déterministes ???
S xx ( f ) X ( f ) ²
Fonction réelle.
Fonction paire si le signal est réel
Rxx ( ) S xx ( f )
F
Ex x(t ) ²dt
X ( f ) ²df
Rxx (0) S
xx ( f )df
R
xx ( ) exp( 2 j f )d
1
! S xx ( f ) lim X T ( f ) ²
T T
Rxx (0) Px
S xx ( f )df
S XX ( f ) R
XX ( ) exp( 2 jf )d
T / 2
a²
cos(2f 0 )
2
Le signal est donc ergodique (au sens large)