Université de Mohamed El-bachir El-ibrahimi - Bordj Bou Arreridj, Algérie.
Faculté des Sciences et de la Technologies
Département d’Electronique 1
1 année Master Systèmes des Télécommunications, 2021/2022
Matière : TP Signaux aléatoires et Processus Stochastiques
Crédits : 2 Coefficient : 1
Responsable de la matière : Pr. Zoubeida MESSALI
TP 02 : Identification des Systèmes
(Estimation de la Densité Spectrale de Puissance)
I. Objectifs du TP
1. Analyser les estimateurs de la densité spectrale de puissance (DSP).
2. Identifier des systèmes en utilisant le procédé de corrélation.
II. Partie théorique
Le périodogramme permet une estimation simple de la densité spectrale de
puissance en prenant le carré de la transformée de Fourier. Il a été introduit
par Arthur Schuster en 1898. L’estimation de la d.s.p du signal x est :
Autrement dit :
2
^S per ( f )=|fft (x)|
N
N représente le nombre d'échantillons fixés. ωreprésente la pulsation (w=2 πf ).
Périodogramme moyenné
Pour améliorer les performances de l’estimateur précédent on calcule plusieurs
périodogrammes sur des signaux indépendants. La sinusoïde est la même pour les
différents signaux mais le bruit est indépendant pour chaque réalisation. On calcule
ensuite la moyenne des différents périodogrammes. Cette méthode réduit la
variance d’un facteur égal au nombre de périodogrammes calculés.
.
Fonction d’auto-corrélation (FAC) :
À un processus stochastique discret ou continu, correspond une « auto-
corrélation » statistique qui généralise la notion de covariance. Dans le cas
d'un processus continu (en toute généralité complexe) X(t), la fonction d'auto-
corrélation statistique se définit comme :
Avec : t 1=t t 2=t−τ :
R XX ( τ )=E [ X ( t 1 ) X ¿ ( t 2) ]=E [ X ( t ) X ¿ ( t−τ ) ]
La d.s.p de X , S XX ( f ) est la transformée de Fourier (TF) de la FAC
❑
S XX ( f )=TF ( R XX ( τ) ) =∫ R XX ( τ) e− j 2 πfτ dτ
❑
La corrélation croisée (aussi appelée covariance croisée) est la mesure de la
TP n°2 M1 ST_SAPS
2
similitude entre deux signaux.
R xy ( τ )=E [ X ( t 1 ) Y ¿ ( t 2) ]=E [ X ( t ) Y ¿ ( t−τ ) ]
Périodogramme Lissé (de Welch)
La méthode de Welch fournit un estimateur consistant de la densité spectrale
de puissance. Cette méthode a été proposée par Peter D. Welch en 1967
La méthode de Welch consiste à calculer plusieurs périodogrammes à partir
d’un unique signal en utilisant une fenêtre glissante. Il s’agit d’une fenêtre
rectangulaire de taille très inférieure à la taille du signal glissant d’échantillon
en échantillon. Cette méthode réduit le biais de l’estimateur. Les différentes
fenêtres sont : Hamming, Hannin, Bartlett
Caractéristiques des Estimateurs
Chacun de ces estimateurs peut être caractérisé par une étude statistique dont les
résultats sont le biais et la variance.
.
Manipulations
Manipulation1
Génération du signal bruité et estimation de la dsp par le periodogramme
Dans cette partie on s’intéresse aux méthodes du « periodogram », periodogramme
moyenné et périodogramme lissé ou« welch » pour l’estimation de la DSP.
Pour réaliser cette manipulation, on procède de la manière suivante :
1. Génération d’un signal sinusoïdal de fréquence 100 Hz, et de durée 1.5s.
On se pose que la fréquence d’échantillonnage est de 1000 Hz.
2. La génération du bruit en utilisant la fonction ‘awgn’ (le cas ou SNR= -20).
3. L’utilisation de la fonction ‘periodogram’ pour calculer et tracer la DSP par la
methode du periodogramme.
0.5
-0.5
-1
0 200 400 600 800 1000 1200 1400 1600
40
20
-20
-40
0 200 400 600 800 1000 1200 1400 1600
TP n°2 M1 ST_SAPS
3
Periodogram Power Spectral Density Estimate
0
Power/frequency (dB/Hz)
-50
-100
0 100 200 300 400 500 600 700 800 900
Frequency (Hz)
Periodogram Power Spectral Density Estimate
0
Power/frequency (dB/Hz)
-10
-20
-30
-40
0 100 200 300 400 500 600 700 800 900
Frequency (Hz)
Manipulation2 : periodogramme fenétré (periodogram de Welch :
pwelch
Welch Power Spectral Density Estimate
Power/frequency (dB/Hz)
-20
-40
-60
-80
0 100 200 300 400 500 600 700 800 900
Frequency (Hz)
Welch Power Spectral Density Estimate
Power/frequency (dB/Hz)
-5
-10
-15
0 100 200 300 400 500 600 700 800 900
Frequency (Hz)
Manipulation3
Identification des systèmes par corrélation
Dans cette partie du TP on calcule la fonction de corrélation des signaux non-
périodiques (Corrélation linéaire) et des signaux périodiques (Corrélation circulaire).
A. Corrélation linéaire :
Génération d’un signal échelant (de 100 échantillons).
Utilisation de la fonction ‘xcorr’ pour calculer la fonction d’autocorrélation.
TP n°2 M1 ST_SAPS
4
1.5
0.5
0
0 10 20 30 40 50 60 70 80 90 100
100
50
0
0 20 40 60 80 100 120 140 160 180 200
B Corrélation circulaire :
Génération d’un signal sinusoidal de fréquence 10 Hz,et le temp de pas 0.001.
(de 100 échantillons).
Utilisation de la transformée de la DSP avec la fonction ‘fft’ et ‘ifft’, ‘xcorr’
pour calculer la fonction d’autocorrélation.
0.5
-0.5
-1
0 200 400 600 800 1000 1200
500
-500
0 200 400 600 800 1000 1200
Travail à effectuer
Comparer les résultats de la manipulation 1 avec les résultats de cette fonction
qu’il faut créer sous matlab :
function P = periodogramme(S)
N = length(S);
Y = fft(S,N);
Y = abs(Y);
P = (Y.^2)/N;
Return
-------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------
-
Utiliser la fonction periodogramme précédent pour calculer et tracer le
perodogramme moyéné:
Function P=periodo_moy(s, var_bruit)
TP n°2 M1 ST_SAPS
5
for i=1 : nb_periodo
N=length(s) ;
bruit = randn(1,N)*var_bruit;
signal = s + bruit;
P1 = periodogramme(signal);
plot(20*log(P1(1:round(N/2))), 'b')
P = [P ; P1];
end
Pmoy = mean(P);
Calculer les caractéristiques statistiques de chaque estimateur (biais et variance)
par la fonction suivante :
function [biais,variance]=stats(P)
N = length(P);
biais = mean(S);
variance = 0;
for i = 1 : N
variance = variance + ((P(i)-biais)^2);
end
variance = variance / N;
return
Dans la méthode d’estimation de la dsp par Welch, on peut utiliser plusieurs
fenètres , à savoir : Hamming, Hanning, Bartlett. Faites varier les fenêtres pour
estimer et tracer la dsp par Welch et calculer à chaque fois les caractéristiques
statistiques par la fonction (stats). (pour cela utiliser pwelch et préciser la fenètre)
TP n°2 M1 ST_SAPS