TD2
Transcription
TD2
Questions courtes [No. 1] Indiquer, dans les questions suivantes, les affirmations qui vous paraissent vraies : 1. La positivité de la fonction {Rx (k)} d’un processus SSL signifie que : (a) Pour tout k, Rx (k) ≥ 0. (b) Pour tout entier d > 0, et pour tout {λi ∈ R|i = 1, . . . , d} et {ki ∈ Z|i = 1, . . . , d} on a : d X λi Rx (ki ) ≥ 0 i=1 (c) Pour tout entier d > 0, et pour tout {λi ∈ C|i = 1, . . . , d} et {ki ∈ Z|i = 1, . . . , d} on a : d X d X λi λ∗j Rx (ki − kj ) ≥ 0 i=1 j=1 2. Soit {Rx (k)} la fonction d’autocovariance d’un processus SSL, alors, pour tout k ∈ Z, on a : (a) Rx (0) ≥ Rx (k) ; (b) Rx (−k) = −Rx∗ (k) ; (c) Rx (k) + Rx (−k) = 2Rx (0). 3. Soit y(n) = h(n) ⋆ x(n) où x(n) est un processus SSL et h(n) un filtre stable de gain complexe H e2πjf . On a alors : 2 (a) Sy e2πjf = Sx e2πjf ⋆ H e2πjf ; 2 (b) Sy e2πjf = Sx e2πjf H e2πjf ; (c) Sy e2πjf = Sx e2πjf H e2πjf . 4. Un bruit blanc {x(n)} est tel que : (a) (b) (c) (d) Rx (k) = constante pour tout k ∈ Z. Sx e2πjf = 0 pour tout f ∈ − 21 , 12 . Rx (k) = 0 pour tout k ∈ Z et k 6= 0. Sx e2πjf = 0 pour tout f ∈ − 21 , 12 et f 6= 0. Caractéristiques d’un processus [No. 2] Z(n) désigne un bruit réel, blanc, centré, de variance σ 2 . a et b désignent des constantes réelles, f0 une constante sur (−1/2, 1/2). Dire si les processus suivants sont stationnaires au second ordre au sens large (on justifiera les réponses) et, si oui, donner la moyenne, la covariance et la densité spectrale : 1. X(n) = Z(0) cos(2πf0 n) + Z(1) sin(2πf0 n), 2. X(n) = (−1)n Z(n), 3. X(n) = an + b + Z(n). Peut-on le rendre stationnaire par un simple filtrage ? 1 Sinusoı̈de dans un bruit [No. 3] Soit x(n) un signal sinusoı̈dal bruité donné par : x(n) = a cos(2πf0 n + φ) + b(n) où a et f0 sont des constantes (représentant l’amplitude et la fréquence de la sinusoı̈de) et φ la phase, une variable aléatoire uniforme sur [−π, π]. b(n) est un bruit blanc centré de puissance σ 2 et indépendant de φ. 1. Calculer l’autocovariance Rx (k) du signal et la puissance de ce dernier en particulier. 2. Calculer Sx e2πjf la dsp de x(n). 3. x(n) est l’entrée d’un filtre passe-bande idéal (voir figure 1) de largeur de bande B centré sur la fréquence f0 (f0 > B/2). Soit y(n) la sortie de ce filtre. Calculer la puissance de y(n). H B B 1 −f0 f0 f Figure 1: Filtre passe-bande Modélisation AR et prédiction [No. 4] On considère un processus {x(n)} aléatoire que l’on suppose SSL. On cherche à construire un prédicteur d’ordre 2, c’est-à-dire un estimateur x̂(n) de x(n) à partir des deux échantillons précédents : x̂(n) = λ1 x(n − 1) + λ2 x(n − 2) 1. Donner l’expression de λ1 et λ2 qui permet de minimiser la puissance de l’erreur de prédiction E |x(n) − x̂(n)|2 . 2. Donner l’expression de l’erreur de prédiction. 2 Indications - questions courtes et faciles Assertions vraies : 1-c, 2-a, 3-b, 4-a-c-d, 5-b-c Caractéristiques d’un processus 1. X(n) = Z(0) cos(2πf0 n) + Z(1) sin(2πf0 n) : Z(0) et Z(1) sont deux v.a. de moyenne nulle non corrélées d’où E {X(n)} = 0 et : C = E {(Z(0) cos(2πf0 (n + k)) + Z(1) sin(2πf0 (n + k))) × (Z(0) cos(2πf0 n) + Z(1) sin(2πf0 n))} = σ 2 cos(2πf0 k) Le processus est bien SSL. 2. X(n) = (−1)n Z(n) : E {X(n)} = 0, E (−1)n+k Z(n + k)(−1)n Z(n) = (−1)k σ 2 δ(k), SSL. 3. X(n) = an + b + Z(n) : pas SSL puisque la moyenne E {X(n)} = an + b varie avec n. Sinusoı̈de dans un bruit 1. On multiplie par x∗ (n − k) et on prend l’espérance mathématique : = = E (x(n)x∗ (n − k)) E ((a cos(2πf0 n + φ) + b(n))(a cos(2πf0 (n − k) + φ) + b(n − k))) E a2 cos(2πf0 n + φ) cos(2πf0 (n − k) + φ) + ← (∗) E (b(n) × a cos(2πf0 (n − k) + φ)) + ← 0 (b(n) centré indt. de φ) E (b(n − k) × a cos(2πf0 n + φ)) + E (b(n)b(n − k)) ← σ 2 δ(k) ← 0 (b(n) centré indt. de φ) (∗) = E a2 cos(2πf0 n + φ) cos(2πf0 (n − k) + φ) = = Rx (k) = a2 E (cos(2πf0 (2n − k) + 2φ) + cos(2πf0 k)) 2 a2 cos(2πf0 k) 2 a2 a2 cos(1πf0 k) + σ 2 δ(k) et puissance = Rx (0) = + σ 2 (1) 2 2 2. Le terme en cosinus donne deux raies en ±f0 , d’amplitude a2 /4. |a|2 Sx e2πjf = (δ(f − f0 ) + δ(f + f0 )) + σ 2 4 À une constante correspond δ(f ). Avec la propriété de modulation, au terme exp( 2πjf0 n) correspond Pδ(f − f0 ). Une erreur commune est de chercher à calculer la somme +∞ k=−∞ alors que l’exponentielle n’est pas sommable. 3 3. Les deux raies sont conservées. Lorsqu’on effectue le calcul récupère la surface des deux “parties passantes du filtre” : Py = R +1/2 −1/2 , on a2 + 2Bσ 2 2 Modélisation AR et prédiction 1. Expression de λ1 et λ2 : il y a deux façons de procéder. (a) La première consiste à considérer les variables aléatoires x(n), x(n − 1)... dans un espace de Hilbert muni du produit scalaire E {X(n1 )X ∗ (n2 )}. λ1 x(n − 1) + λ2 x(n − 2) définit un plan de cet espace. Chercher le meilleur x(n) revient à construire sa projection x̂(n) sur ce plan. x(n) − x̂(n) est donc orthogonal à x̂(n), soit : E {(x(n) − x̂(n))x̂(n)} = 0 ⇒ E {(x(n)x̂(n)} = E x̂2 (n) (2) Cette expression peut aussi s’écrire : λ1 R(1) + λ2 R(2) = λ21 R(0) + λ22 R(0) + 2λ1 λ2 R(1) (b) La deuxième façon consiste à exprimer la minimalité de l’erreur de prédiction par rapport ) λ1 et λ2 : = E (x(n) − λ1 x(n − 1) − λ2 x(n − 2))2 E (x(n) − x̂(n))2 ∂ = 0 ⇒ λ1 RXX (0) − RXX (1) + λ2 RXX (1) = 0 ∂λ1 ∂ = 0 ⇒ λ2 RXX (0) − RXX (2) + λ1 RXX (1) = 0 ∂λ2 On obtient l’équation de Yule-Walker : R(0) R(1) R(1) λ1 C.S. et unicité ⇒ = × R(1) R(0) R(2) λ2 G×λ= ρ 2. Expression de l’erreur de prédiction : = E |x(n) − x̂(n)|2 R(0) − 2E {x(n)x̂(n)} + E x̂2 (n) = R(0) − 2λT ρ + λT Gλ = R(0) − ρT G−1T ρ 4 (3)