Professional Documents
Culture Documents
Chapitre 2 : Estimation
Lestimation consiste calculer une quantit
alatoire partir une observation alatoire dun
signal quelconque
Le problme de lestimation est divise en deux
parties:
Estimation paramtrique: consiste estimer les
paramtres de la densit de probabilit poursuite par
la variable alatoire
Estimation non paramtrique: consiste estimer des
variables identifiant le processus alatoire sans
2
connatre sa densit de probabilit
Chapitre 2 : Estimation
paramtrique
Etant donne une variable alatoire x = [x1, x2 ,
, xN ]T , qui suit une densit de probabilit
f (x)
( x) = N ( x)
E ( N ) =
il est asymptotiquement non baise si :Nlim
( x) = arg max f ( x)
On a:
1
2.
f A ( x) =
2. . b
.e
2
b
f A ( x) =
N 1
n =0
1
.e
2. . b
( xn A ) 2
2. b2
( Ln( f A ( x))) = 2.
2
xn
2. b
n =0
1
A=
N
N 1
x
n =0
n
9
1
m=
N
N 1
x
n =0
10
1
=
N
N 1
(x
n =0
m)
N 1
1
2
2
=
( xn m )
N 1 n =0
qui est non biaise et aussi consistent
11
N | k | n =0
Cest un estimateur non biaise et consistent,
mais sa variance est assez grand
12
1
Rx ( k ) =
N
N 1|k |
x
n =0
n+k
xn ; | k |< N
Chapitre 3 : Modlisation
La modlisation dun signal x(n) consiste lui
associer un filtre linaire qui, soumis un bruit
2
14
Chapitre 3 : Modlisation
Les objectifs essentiels de la modlisation dun
signal sont:
la description de son spectre par un ensemble trs
limit de paramtres.
lutilisation des paramtres pour dtecter des non
stationnarits dans un signal.
lutilisation des paramtres pour les problmes de
classification.
15
nulle et de variance
avec:
B( z ) = bn .z n
n =0
p
A( z ) = an .z n ; a0 = 1
n =0
16
n =0
n =0
xi = an .xi n + bn . i n + i
xi = bn . i n + i
n =0
18
xi = an .xi n + i
n =0
19
x i = an .xi n
n =0
x i = a1.xi 1
21
xi = a1.xi 1 + i
N 1
n =1
22
N 1
(a1 )
a1: a = 2. ( xn + a1.xn1 ).xn1 = 0
n =1
1
(1)
et donc
2
1
2
1
(2)
24
. =
Rxx (1) Rxx (0) a1 0
...
...
...
...
...
.
26
a
Rxx (0)
Rxx (1) Rxx (2) ... Rxx ( p 1) 1 0
Rxx (1)
. a2 = .
R (2)
R
R
R
R
p
(
1
)
(
0
)
(
1
)
(
2
)
... xx
xx
xx
xx
xx
...
...
... ... ...
. .
...
a 0
R ( p ) R ( p 1)
...
R
(
0
)
...
...
xx
xx
p
xx
27
1
Rxx (k ) =
N
N 1|k |
x
n =0
n+k
xn ; k = 0,1,..., p
28
n =0
f2
p
( n) =
N + p 1
( x + a .x
n =0
k =1
nk
30
32
1.2
3
Original Signal
LPC Estimate
0.8
Normalized Value
Amplitude
-1
0.4
0.2
-2
-3
-4
0.6
10
20
30
40
50
60
Sample Number
70
80
90
100
-0.2
-5000 -4000 -3000 -2000 -1000
0
Lags
1000
2000
3000
4000
33
5000
Chapitre 3 : Algorithme de
Levinson
Lalgorithme de Levinson consiste rsoudre
lquation de Yule-Walker dune faon
rcursive.
^
^
p 1 ^
^
R( p i ). a p 1 (i )) / p 1
K p = ( i
=0
^
a p (0) = 1
^
^
^
^
^
^ 2
^
p = p 1 (1 K p )
34
Chapitre 3 : Algorithme de
Levinson
Les coefficients Kp sappelle les coefficients de
rflexion.
Lalgorithme de Levinson est dordre O(N2),
tandis que lalgorithme de Gauss est O(N3).
35
AIC ( p ) = N .Ln( p ) + 2. p
Comme prcdemment lordre choisi est celui
qui minimise la fonction AIC
38