ENSISA 2013-2014 Signaux aléatoires Travaux dirigés Exercice 1 Soient A et B deux variables aléatoires réelles indépendantes , ayant pour loi la loi normale centrée réduite N (0, 1), et µ un réel non nul. On définit trois processus par : Xt = A cos(µt), Yt = B sin(µt) et Zt = Xt + Yt . Calculer la moyenne et la covariance des ces processus. Sont-ils stationnaires ? Exercice 2 Soient A et B deux variables aléatoires complexes centrées. On définit trois signaux aléatoires Xt = A exp{iλt}, Yt = B exp{iµt} et Zt = Xt + Yt , où λ et µ sont des réels distincts. 1. Montrer que les signaux X et Y sont stationnaires. 2. On suppose que λ = 0 et µ = 1, et que A = B, A suivant une loi N (0, 1). Montrer que le signal Z n’est pas stationnaire. 3. Montrer que si E(AB) = 0 le signal Z est stationnaire. On suppose que cette condition est satisfaite dans la suite. 4. Calculer la fonction de corrélation γ du signal. Exercice 3 Soit A et θ des variables aléatoires réelles indépendantes, A suivant la loi N (0, 1) et θ la loi uniforme sur l’intervalle [0, 2π], notée U0,2π . 1. Calculer la moyenne et la covariance du processus Xt = A cos[2πat + θ], où a est un réel. Le processus est-il stationnaire ? 2. Montrer que le signal Yt = cos[2πat+θ] est stationnaire et ergodique. Calculer sa puissance et déterminer son spectre de puissance. Exercice 4 1. Soient f1 , ..., fn des applications de R dans R nulles en dehors d’un intervalle [−N, N ], où N ∈ N∗+ . Montrer que +∞ Z+∞ n Z Y (f1 ∗ ... ∗ fn )(x)dx = fi (x)dx. −∞ i=1−∞ 2. On pose g(x) = 1 − |t| 1[−1,1] (t), et h = g ∗ g ∗ g. Montrer que h est une densité de probabilité. 3. On considère une variable aléatoire réelle A de densité 1[0,1] , et une variable aléatoire réelle B de densité h. On définit un signal aléatoire X par ∀t ∈ R Xt = exp{2iπ(A + tB)}. Montrer que le signal X est stationnaire. 4. Déterminer la fonction de corrélation et la densité spectrale du signal. Exercice 5 Soit X = (Xt )t∈R un signal aléatoire stationnaire de fonction de corrélation γX ; on pose mX = EX0 . a) Le signal Y = (Yt )t∈R , où pour tout t Yt = 4Xt+1 − 2, est-il stationnaire ? Si oui exprimer la fonction de corrélation du signal Y en fonction de celle du signal X. b) On suppose dans cette question que la fonction de corrélation du signal X est γX (τ ) = exp{− |τ |}. Le signal Z = (Zt )t∈R , où pour tout t Zt = 2Xt + 3X2 , est-il stationnaire ? Si oui exprimer la fonction de corrélation du signal Z en fonction de celle du signal X. c) Soit Y = (Yt )t∈R un signal aléatoire stationnaire tel que pour tout couple (s, t) ∈ R2 les variables Xs et Yt soient indépendantes. Montrer que le signal somme Z = (Zt )t∈R défini parZt = Xt + Yt est stationnaire. Exercice 6 Soient A et B deux variables aléatoires réelles indépendantes, A ayant pour loi la loi uniforme sur [0, 1] U0,1 et B prenant les valeurs −1 et 1 avec probabilités 1/2. On pose pour tout réel t Xt = B exp{−4iπAt}. a) Montrer que le signal (Xt )t∈R est stationnaire. b) Donner la fonction de corrélation du signal. c) Quelle est la puissance du signal ? d) Déterminer la densité spectrale du signal. Exercice 7 Soit X = (Xt )t∈R un signal aléatoire stationnaire de fonction de corrélation γ et de densité spectrale ΓX . Soit d un réel et Y = (Yt )t∈R le signal défini par Yt = Xt + Xt−d . a) Montrer que le signal Y est stationnaire. b) Exprimer la fonction de corrélation γY du signal Y en fonction de γX . c) Que vaut la puissance PY du signal Y ? Pourquoi peut-on affirmer que PY ∈ [0, 4γX (0)]. d) Exprimer la densité spectrale du signal Y en fonction de celle du signal X. On pourra utiliser l’égalité 1 + cos(2θ) = 2 cos2 (θ). e) On suppose que ΓX (ν) = sinc2 (πdν). Calculer explicitement ΓY , puis γY . On rappelle que 2 sin(θ) cos(θ) = sin(2θ). Exercice 8 a) Déterminer la transformée de Fourier de l’application γ(τ ) = 1[−T,T ] (τ ), puis montrer que γ n’est pas une fonction de corrélation. b) Montrer que l’application γ(τ ) = |τ | exp{− |τ |} n’est pas une fonction de corrélation. Exercice 9 On se donne des variables aléatoires Y1 , Y2 , Z1 et Z2 globalement indépendantes. On suppose que les variables Z1 et Z2 suivent une loi uniforme U[−1,1] , et que les variables Y1 et Y2 suivent une loi de densité h(x) = 21 exp{−|x|}. On définit un signal aléatoire X = (Xt )t∈R par r 3 Xt = [Z1 exp{−2iπtY1 } + Z2 exp{−2iπtY2 }]. 2 a) Montrer que le signal X est stationnaire. b) Déterminer sa fonction de corrélation et sa puissance. c) Déterminer la densité spectrale du signal. Exercice 10 On considère un signal stationnaire X = (Xt )t∈R dont la densité spectrale ΓX est l’application constante 1 égale à 14 . Ce signal est transformé par un filtre linéaire de réponse percussionnelle h = 2T IT , où IT désigne la fonction indicatrice de l’intervalle [−T, T ], T > 0. On note Y = (Yt )t∈R le signal transformé du signal X par ce filtre. a) Déterminer la fonction de transfert du filtre. b) Déterminer la densité spectrale du signal Y . c) Quelle est la fonction de corrélation du signal Y ? d) Quelle est la puissance du signal Y ? Exercice 11 Soient A et B deux variables réelles indépendantes ayant pour loi la loi uniforme sur [0, 1] U0,1 . On pose pour tout réel t Xt = exp{2iπ[At + B]}. a) Montrer que le signal (Xt )t∈R est stationnaire. b) Déterminer la densité spectrale du signal et sa puissance. c) Le signal est-il ergodique ? Exercice 12 1) Soit γZ la fonction de corrélation d’un signal stationnaire Z. Indiquer pourquoi si γZ (0) = 0 alors on a pour tout réel t γZ (t) = 0. 2) Soit X = (Xt )t∈R un signal stationnaire de fonction de corrélation γX . On note mX la valeur commune des espérances EXt . On suppose qu’il existe un réel strictement positif T0 pour lequel γX (T0 ) = γX (0). On définit un signal Y = (Yt )t∈R en posant pour tout réel t Yt = Xt+T0 − Xt . a) Que vaut γX (−T0 ) ? b) Montrer que le signal Y est stationnaire. c) Exprimer la fonction de corrélation γY du signal Y en fonction de γX . d) Montrer que γY (0) = 0. e) ) En déduire que pour tout entier relatif k ∈ Z on a γX (kT0 ) = γX (0). Exercice 13 Soit (Xt )t∈R un signal aléatoire complexe stationnaire de fonction de corrélation γ. On suppose qu’il existe un réel T0 > 0 tel que γ(0) = γ(T0 ). On veut montrer que l’application γ est périodique de période T0 . Première méthode 1. Utiliser l’inégalité de Cauchy-Schwarz pour montrer que pour tous réels t et τ on a : 2 E (Xt+τ +T0 − Xt+τ )Xt = 0. h i 2. Déduire de l’égalité E (Xt+τ +T0 − Xt+τ )Xt = 0 que γ(τ + T0 ) = γ(τ ), i.e. que γ est périodique. Deuxième méthode a) Soit Y = Xt+T0 − Xt ; calculer EY et E |Y |2 . En déduire que Xt+T0 = Xt presque partout. b) Conclure que pour tout réel τ on a γ(τ + T0 ) = γ(τ ). Exercice 14 Soit (Xt )t∈R un signal aléatoire stationnaire, réel et centré, de fonction de corrélation γ non nulle. 1) On se donne un réel t0 et un réel θ > 0 et on essaye de prédire la valeur Xt0 +θ du processus au temps t0 +θ à partir de sa valeur Xt0 au temps t0 . On utilise comme estimateur de Xt0 +θ la variable λXt0 , où λ est un réel à déterminer. On appellera erreur de prédiction (ou erreur quadratique moyenne) le réel ε2 = E |Xt0 +θ − λXt0 |2 . a) Calculer explicitement l’erreur de prédiction. b) Déterminer le réel λ0 qui minimise l’erreur de prédiction. 2) Etant donnés un réel T > 0 et un entier n ≥ 2, on cherche à estimer la valeur XnT +θ du processus à l’instant nT + θ à partir des valeurs du processus échantillonné aux instants T, 2T, ..., nT . L’estimateur utilisé est de la forme Y = λ1 XT + λ2 X2T + ... + λn XnT , où λ1 , ..., λn sont des réels que l’on déterminera en minimisant l’erreur de prédiction ε2 = E |XnT +θ − Y |2 . γ(t) Pour cela on pose : Λ = (λ1 , ..., λn ), A = (XT , X2T , .., XnT ), ρ(t) = γ(0) , G = (gij )i,j=1,...,n , où gij = ρ[(j−i)T ] t et Φ est le vecteur colonne dont le transposé est Φ = (ρ[(n − 1)T + θ], ρ[(n − 2)T + θ], ..., ρ(θ)). Avec ces notations Y = λ1 XT + λ2 X2T + ... + λn XnT = Λ ×t A. a) Montrer que ε2 = ρ(0)[1 − 2ΛΦ + ΛGt Λ]. b) Calculer les n dérivées partielles par rapport aux variables λ1 , λ2 , ..., λn . c) Monter que le système obtenu en égalant à 0 les n dérivées partielles calculées en b) peut s’écrire −Φ+Gt Λ = 0. d) En déduire le vecteur optimal Λ0 . Exercice 15 Soit X = (Xt )t∈R un signal aléatoire stationnaire centré. On définit un signal Y = (Yt )t∈R par la formule : Rt Yt (ω) = T1 t−T Xu (ω)du, où T est un réel > 0. 1. Montrer que Y est le transformé de X par un filtre linéaire dont on précisera la fonction de transfert H. Tracer le graphe de |H|. Ce filtre est appelé un filtre moyenneur. 2. On suppose que la densité spectrale de X est l’application Γ = k1[−a,a] . Quelle est la fonction de corrélation de X ? 3. Déterminer la densité spectrale du signal Y . 4. Quelle est la puissance du signal Y ? 5. Calculer explicitement la puissance dans le cas où aT 10 (ce qui permet de remplacer l’intégrale entre −a et a par une intégrale entre −∞ et +∞). R +∞ 6. Montrer que pour tout T > 0 T −∞ sinc2 (πT ν)dν = 1. Déterminer les limites Z +a Z +a 2 lim T sinc (πT ν)dν et lim T sinc2 (πT ν)dν. T →+∞ Valeurs numériques : R 10 −10 T →0 −a sinc2 (πx)dx ' 0.989873 et R 20 −20 −a sinc2 (πx)dx ' 0.9949346. Exercice 16 Soit X = (Xt )t∈R un signal aléatoire stationnaire gaussien, réel et centré. On suppose que X est un bruit blanc de densité spectrale constante égale à k. OnRnote Y = (Yt )t∈R le signal obtenu par filtrage par le filtre t moyenneur de paramètre T , i.e. donné par Yt = T1 t−T Xu du. a) Calculer la densité spectrale de Y . b) En déduire la fonction de corrélation de Y . c) Calculer la fonction d’intercorrélation entre X et Y . d) Quelle est la loi de Yt ? Exercice 17 Soient X = (Xt )t∈R et Y = (Yt )t∈R deux signaux aléatoires indépendants, stationnaires et centrés, ayant même densité spectrale Γ = k1[−a,a] . a) Soit V = (Vt )t∈R le signal Vt = Xt cos(ωt), avec ω > 2πa. Calculer la fonction de corrélation de V . Le signal V est-il stationnaire ? b) Mêmes questions pour le signal W = (Wt )t∈R donné par Wt = Yt sin(ωt), avec ω > 2πa. c) Montrer que le signal Zt = Vt + Wt est stationnaire. Exercice 18 Soient X et Y des variables aléatoires réelles indépendantes, X suivant une loi U−2,2 (donc EX 2 = V X = 4 ) et Y une loi ayant pour densité sur R l’application f (x) = 12 e−|x| . On définit un signal aléatoire Z = (Zt )t∈R 3 en posant pour tout réel t Zt = X exp{−2iπtY }. Soit g l’application définie pour tout réel τ par g(τ ) = e−|τ | . a) Montrer que le signal est stationnaire. b) Déterminer la fonction de corrélation du signal ainsi que sa puissance. c) Montrer que la densité spectrale du signal s’écrit ΓZ = ag, où a est un réel. d) On appelle W = (Wt )t∈R le signal transformé du signal Z par le filtre de convolution de réponse percussionnelle h(τ ) = 9+4π6 2 τ 2. . Déterminer la densité spectrale ΓW du signal W . e) Déterminer la fonction de corrélation du signal W . Exercice 19 Soit X = (Xt )t∈R un signal stationnaire de fonction de corrélation γX (τ ) = e−2|τ | . Ce signal est transformé par un filtre de réponse percussionelle h(x) = e−x 1[0,+∞[ (x). On note Y = (Yt )t∈R le signal transformé de X par ce filtre. 1. Quelle est la fonction de transfert du filtre ? 2. Déterminer la densité spectrale du signal X. 3. Montrer que la densité spectrale du signal Y s’écrit ΓY (ν) = 13 [ 1+4π4 2 ν 2 − 1+π12 ν 2 ]. 4. Déterminer la fonction de corrélation du signal Y . Exercice 20 On définit un signal X = (Xt )t∈R par Xt = exp{−2iπ[A+tB]}, où les variables A et B sont indépendantes, A ayant une densité f (x) = 1[0,1] (x) et B une loi normale N (0, 1). 1. Montrer que le signal X est stationnaire. 2. Donner la fonction de corrélation du signal X. 3. On transforme ce signal par un filtre de convolution de réponse percusssionnelle h(t) = exp{−π 2 t2 }, et on appelle Y = (Yt )t∈R le signal transformé du signal X par ce filtre. Peut-on calculer pour tout ω ∈ Ω et tout réel t la valeur de Yt (ω) ? 4. Déterminer la fonction de corrélation du signal Y . Exercice 21 On considère deux variables aléatoires réelles indépendantes Y et Z. La variable Y admet pour densité l’application fY (y) = 12 1[−1,1] (y). On définit un signal aléatoire X par : ∀t ∈ R Xt = exp{2iπ(Y + tZ)}. R +∞ sinc2 (2πt)dt. R +∞ L’application positive g(x) = 1c sinc2 (2πx) vérifie −∞ g(t)dt = 1 ; c’est donc une densité de probabilité. a) En utilisant le formulaire, calculer c = −∞ b) On suppose que la variable Z a pour densité l’application g. Montrer que le signal X est stationnaire. c) Calculer la fonction de corrélation de X. d) Déterminer la densité spectrale du signal X. e) On appelle W = (Wt )t∈R le signal transformé du signal X par le filtre de réponse percussionnelle h(t) = 1[−1,1] (t). Déterminer la densité spectrale du signal W ainsi que sa puissance. f) Indiquer comment on pourrait calculer la fonction de corrélation du signal W . Exercice 22 Un signal aléatoire stationnaire X = (Xt )t∈R est transformé par un filtre de convolution de réponse percussionnelle h et fonction de transfert H en un signal Y = (Yt )t∈R . Sachant que pour tout réel τ γX (τ ) = 20 1 et γY (τ ) = 25+4π 2 τ 2 , et que pour tout réel ν H(ν) > 0, déterminer h et H. 1+4π 2 τ 2 Exercice 23 R +∞ 1. Soitf (x) = exp{− |x|}. Donner la valeur de c = −∞ f (x)dx. R +∞ L’application h = 1c f est une densité de probabilité puisque −∞ h(x)dx = 1. On définit un signal aléatoire Z = (Zt )t∈R en posant pour tout réel t Zt = exp{−2iπ[Y + tX]}, où les variables X et Y sont indépendantes, Y suivant une loi de densité g(x) = 18 1[−4,4] (x) et X une loi de densité h. 2. Montrer que le signal Z est stationnaire. 3. Déterminer la fonction de corrélation du signal Z, puis sa densité spectrale. Vérifier que ΓZ (ν) = a exp{−|ν|}, où a ∈ [0, +∞[. 4. On appelle U = (Ut )t∈R le signal transformé du signal Z par un filtre de convolution de réponse percus4 sionnelle h(t) = 4+4π 2 t2 . Déterminer la fonction de transfert H du filtre. 5. Déterminer la densité spectrale du signal U , puis sa fonction de corrélation. 6. Retrouver les résultats de la question précédent en calculant Ut par un produit de convolution. A Quelques formules trigonométriques 1. sin(a + b) = sin a cos b + cos a sin b 2. sin(a − b) = sin a cos b − cos a sin b 3. cos(a + b) = cos a cos b − sin a sin b 4. cos(a − b) = cos a cos b + sin a sin b 5. sin 2x = 2 sin x cos x 6. cos 2x = cos2 x − sin2 x = 2 cos2 x − 1 = 1 − 2 sin2 x 7. cos p cos q = 12 cos(p + q) + cos(p − q) 8. sin p cos q = 12 sin(p + q) + sin(p − q) 9. sin p sin q = 12 cos(p − q) − cos(p + q) 10. tan 2x = 2 tan x 1−tan2 x = 2 cot x cot2 x−1 = 2 cot x−tan x