Introduction aux signaux discrets aléatoires TP N II
|
|
- Flore Angèline Larivière
- il y a 7 ans
- Total affichages :
Transcription
1 TP - Traitement u Signal 1 Introuction aux signaux iscrets aléatoires TP II I-otions théoriques intervenant ans le TP I.1 Variables aléatoires Variables aléatoire (VA) réelles (notions supposées connues) Pour une VA : loi, moyenne et variance. Pour eux VA : loi bi-imensionnelle, inépenance, coefficient e corrélation. I. Suites aléatoires réelles (signaux aléatoires iscrets SAD). Généralités Définition : [ n], n Z est une suite aléatoire si toutes les [n] sont es VA (sur un même espace probabilisé). Suivant le contexte, ces variables aléatoires peuvent être consiérées comme à valeurs ans R (corps es réels) ou ans C (corps es complexes). Dans ce TP les VA représentant les amplitues es signaux temporels (temps iscret) seront à valeurs réelles. Tout symbole e conjugaison complexe portant sur ces VA les laissera onc inchangées. Etue à l'orre 1 : comportement statistique es [n] prises iniviuellement (loi, moyenne et variance). Etue à l'orre : comportement statistique es couples ( [n], [m] ) où n et m sont arbitraires (loi, coefficient e corrélation). Les suites à eux inices entiers îtes respectivement fonction e covariance iscrète non centrée et fonction e covariance iscrète centrée sont en particulier introuites : C * * [ n, m] E( [ n] [ m]), C [ n, m] E( C[ n] C[ m]), ( n, m) Z C Suites aléatoires stationnaires au sens large Définition : la suite [ n], n Z, est stationnaire au Sens Large (SSL) si : n E( [] n [] n ) ) < n E( m constante n p E( [] n [ n p]) C [ n, m] fonction e p seul La suite ( ) est appelée fonction 'autocorrélation iscrète. On émontre qu'elle est paire si les [n] sont réelles et que ( 0) (ce qui permet e contrôler es résultats). L.T.S.I. Université e Rennes I
2 TP - Traitement u Signal La suite es coefficients e corrélation : pour eux instants n et n-p et pour une suite SSL, le coefficient e corrélation entre les VA [n] et [ n p] ne épen que e p et est égal à : ρ ( p) m [] m 0 Consiérations énergétiques : E [ ( n) ] s'interprète comme la puissance statistique moyenne (PS()) e à l'instant n. Cette quantité ne épen pas e n si est SSL. Elle est alors égale à [0 ]. On introuit la ensité spectrale e puissance (DSP), notée γ, pour SSL, comme étant la TFS (Transformée e Fourier au sens es suites) e. On a onc : γ πipf πipf e, p] ( f ) e p 0.5 [ f, p Z γ, 0] ( f ) et si s'exprime en volts alors ( 0 ) s'exprime en volts au carré et 0.5 [ γ f 0.5 γ s'exprime en volts au carré par hertz. On montre que γ (qui est bien sûr périoique e périoe 1) est toujours réelle, positive et paire pour une suite réelle. Intuitivement, à une suite 'allure "régulière" sans variations brusques, corresponra une fonction γ à "support concentré" autour e l'origine. C est le théorème e Wiener-Kintchine présenté en cours qui justifie e prenre comme éfinition e la DSP la TFS e la fonction e corrélation iscrète. Bruit blanc iscret : on appelle bruit blanc iscret tout SAD SSL corresponant à une suite e VA écorrélées eux à eux : p 0 ρ 0. La fonction e corrélation un bruit blanc est onc complètement spécifiée par une moyenne commune à tous les échantillons et par une variance également commune à tous les échantillons. Filtrage linéaire iscret 'une suite aléatoire. H : filtre linéaire Y [ n], n Z étant une suite aléatoire, Y[ n] ( H * )[ n], n Z (convolution entre et H) est aussi une suite aléatoire. On montre alors que : Si est SSL: Y est SSL, m m H 0 ; H TFS H Y ( ) ( ) ( COR( H,H )* ) Y γ Y ( f ) Hˆ ( f ) γ ( f ) Tableau I L.T.S.I. Université e Rennes I
3 TP - Traitement u Signal 3 I.3 Comment mesurer les caractéristiques statistiques un SAD à partir une réalisation? Problème posé On ispose 'une réalisation ω [ 0], ω [1],..., ω [ 1] e la restriction u signal aléatoire iscret [n] aux instants n0,..n-1, ω marquant l'influence u "hasar" et étant généralement gran. Les graneurs statistiques que l on ésire mesurer sont supposées ici invariantes relativement à un écalage temporel arbitraire (autrement it ces quantités sont supposées stationnaires). Certaines quantités Θ statistiquement invariantes relativement à un écalage temporel (comme par exemple Θ m ou encore Θ pour une certaine valeur e p) et qui ont une signification théorique a priori (moyenne, ensité e probabilité, fonction autocorrélation,... ) ne sont cepenant pas connues numériquement par l expérimentateur qui ésire alors les mesurer à partir une réalisation à sa isposition. Cette mesure corresponra à une réalisation Θ ( ω) une VA Θ construite sous la forme une fonction h ( [0],..., [ 1]) es échantillons observés. Sera ainsi introuite une erreur e mesure Θ Θ qui s'interprétera elle aussi comme une variable aléatoire. Une caractérisation statistique courante e cette erreur est : ε Θ ~ E ( Θ Θ ) ~ ~ ( E[ ( Θ Θ) ]) + VAR( Θ) ~ B + VAR Θ Θ BΘ est appelé le biais e la mesure, est appelée erreur quaratique moyenne. ε Θ ~ ( ) oins le biais et l erreur quaratique moyenne seront élevés et meilleure sera la mesure. oyennes expérimentales Une méthoe générale pour obtenir es mesures est 'utiliser les moyennes expérimentales associées aux moyennes statistiques recherchées comme par exemple : Tableau II Graneur mesurée oyenne statistique oyenne expérimentale Θ m 1 E [ [ n ] ~ 1 Θ [] n Θ [ ] 1 VAR ( ) E [ n] ~ 1 ( ) m Θ E[ [ n] [ n p ] ~ Θ Θ c n 0 1 p n 0 1 n p n [ n] [ n p] Θ ρ ( p) m ( ) m A votre avis? 0 L.T.S.I. Université e Rennes I
4 TP - Traitement u Signal 4 II. anipulation On consière le système suivant : B[n] H [n] B est une suite e VA écorrélées eux à eux e même loi gaussienne (m B, σ B). H est une filtre linéaire et homogène e réponse impulsionnelle : n TZ b H : b a U[ n] H a < 1 1 az ( z), z > a, 1 Le but e ce TP est e : simuler sous matlab B et, appliquer les formules (moyennes temporelles sur une réalisation) onnées ans le tableau II pour mesurer les moyennes et fonctions 'autocorrélation (théoriques) pour B et, obtenir une mesure es DSP pour B et, comparer ces mesures aux quantités théoriques corresponantes (celles u tableau I). Préparation 1- On se reportera à l'annexe 1 pour étuier comment simuler es VA e loi gaussienne. - Expliquer pourquoi l'opération e filtrage peut se réaliser avec l'algorithme : (n) a(n-1 ) + bb(n), n positif ou nul, avec [-1] conition initiale imposée. 3- Appliquer la éfinition e la moyenne et e la fonction 'autocorrélation et utiliser les formules u tableau I pour calculer : VAR?, γ ( f )? B?, γ B ( f )? Donner l'allure graphique e ces résultats. 4- Le biais est-il non nul pour les mesures e la colonne e roite u tableau II? 5- On choisit e prenre a 0,9 et b. Calculer m B et σ B pour avoir m 1 et ( [ n] ). 6- Ecrire, en utilisant le tableau II, es procéures matlab qui, à partir 'un tableau contenant une réalisation e échantillons e la suite [n] supposée SSL, fournissent une mesure (une estimée sous forme e moyenne expérimentale) e sa moyenne et une mesure e son autocorrélation pour p allant e zéro à p, p <. L.T.S.I. Université e Rennes I
5 TP - Traitement u Signal 5 7- Ecrire une procéure qui, à partir 'un tableau pour p allant e zéro à p, calcule une mesure ~ ( k / ), k 0... γ 1 e la ensité spectrale e puissance γ ( f ), pour f k /, k (ca pour valeurs e fréquence réparties entre 0 et 1) éfinie par : par : ( T )( k), k 0,... 1 ~ γ ( k / ) FFT et où la suite T[p], p allant e zéro à -1, est éfinie T 0 si p T F [ p] F T + 1 p 1 p si si 0 p p 1 p p F[p], p allant e zéro à p, est une fenêtre e ponération éfinie par : πp πp F Cos ; 0 p p Cos p p ~ γ correspon à une tableau inexé e 0 à -1 (1 à en matlab). étant le nombre e points utilisé par la FFT evra onc être une puissance e. Remarque : intuitivement l introuction e ~ γ pour mesurer la DSP e se justifie en consiérant que cela revient à calculer la TFS une estimation e la fonction e corrélation iscrète. ise en oeuvre en matlab On utilisera comme base e travail les valeurs e a, b, m B et VAR( B ) introuites plus haut. Ces valeurs pourront cepenant être changées à loisir pour examiner es variantes ( m B 0,... ). 1- Simuler et visualiser la réponse u filtre H, avec une conition initiale [-1] 0, aux entrées E[n] δ 0 [n] et E[n] U[n]. - Générer plusieurs réalisations e B et e et les visualiser pour Pour plusieurs couples e réalisations e (B, ) et pour ifférentes valeurs e (18,56, 104, ), calculer les réalisations es moyennes et autocorrélations expérimentales, B, et BB e et e B pour p allant e zéro à p 30. On observera la variabilité es résultats obtenus en fonction e la réalisation, e, et par rapport aux quantités théoriques corresponantes. Pour cela, on pourra évaluer, au moyen e moyennes expérimentales sur 0 réalisations, les valeurs e BΘ et ε Θ pour Θ et Θ. 4- Représenter un histogramme es amplitues pour les signaux 'entrée et e sortie. Interpréter la istribution es amplitues en sortie u filtre. 5- Représenter à l'écran, pour p 0, 8, 15, l'ensemble es points e cooronnées L.T.S.I. Université e Rennes I
6 TP - Traitement u Signal 6 (x B[n],y B[n-p]) pour n p, p+1,..., -1. Recommencer avec à la place e B et interpréter en consiérant les valeurs e ρ [ p ], p 0, 8, Proposer et appliquer un principe e mesure e la suite es coefficients e corrélation pour B et. 7- Pour la fenêtre e ponération spécifiée plus haut, calculer les mesures es ensités spectrales e B et pour plusieurs réalisations. Comparer avec les valeurs théoriques γ B et γ que l'on obtienra en prenant les TFS e B et. 8- Proposer et appliquer un principe e mesure e la suite es coefficients 'intercorrélation entre l'entrée et la sortie u filtre. L.T.S.I. Université e Rennes I
7 TP - Traitement u Signal 7 Annexe 1 : Génération e nombres aléatoires On consière ici le principe e la génération 'une suite (n) e V.A inépenantes e même loi P. On utilise la primitive ran e matlab qui retourne un nombre aléatoire e loi uniforme entre zéro et un. Des tirages successifs sont consiérés inépenants. Loi uniforme : 1 si a u b P ( u) b a 0 sinon ; on fait a + (b-a) * ran. Loi exponentielle e paramètre a : P ( u) a exp ( au) si 0 sinon 0 u ; on fait ( ran ) Log. a Loi normale centrée et e variance unité : u On veut obtenir P ( ) u exp π 1 inépenants) e ran pour générer eux tirages inépenants e : Θ π.ran,u ran. Pour cela, on utilise eux tirages successifs (onc U et Θ sont eux V.A inépenantes, 1 Log Log ( U ) Cos( Θ) ( U ) Sin( Θ) On montre alors que 1 et sont eux V.A inépenantes e même loi normale centrées et e variance unité. Pour générer V.A e ce type on peut onc se contenter e répéter ces opérations fois. L.T.S.I. Université e Rennes I
8 TP - Traitement u Signal 8 Annexe : Corresponances entre les noms e variables ans les programmes à écrire et les paramètres théoriques. Pour es raisons 'homogénéité entre les binômes, il est préférable utiliser les ientificateurs suivants : Théorique Bruit B B p BB Ientificateur utilisé nbp B oyb oy nbpac BB BΘ Biais ε Θ B ρ γ ~ Eqm ac acb cc B, γ B DspB, DspeB, γ Dsp, Dspe γ ~ B, B IcB, B L.T.S.I. Université e Rennes I
Expérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailLes deux points les plus proches
MPSI Option Informatique Année 2001, Deuxième TP Caml Vcent Simonet (http://cristal.ria.fr/~simonet/) Les eux pots les plus proches Lors e cette séance, nous allons nous téresser au problème suivant :
Plus en détailCORRECTION EXERCICES ALGORITHME 1
CORRECTION 1 Mr KHATORY (GIM 1 A) 1 Ecrire un algorithme permettant de résoudre une équation du second degré. Afficher les solutions! 2 2 b b 4ac ax bx c 0; solution: x 2a Solution: ALGORITHME seconddegré
Plus en détailTABLE DES MATIÈRES 1. DÉMARRER ISIS 2 2. SAISIE D UN SCHÉMA 3 & ' " ( ) '*+ ", ##) # " -. /0 " 1 2 " 3. SIMULATION 7 " - 4.
TABLE DES MATIÈRES 1. DÉMARRER ISIS 2 2. SAISIE D UN SCHÉMA 3! " #$ % & ' " ( ) '*+ ", ##) # " -. /0 " 1 2 " 3' & 3. SIMULATION 7 0 ( 0, - 0 - " - & 1 4. LA SOURIS 11 5. LES RACCOURCIS CLAVIER 11 STI Electronique
Plus en détailhttp://www.u-bourgogne.fr/monge/e.busvelle/teaching.php
TP1 Traitement numérique du son 1 Introduction Le but de ce TP est de mettre en pratique les notions de traitement numérique vues en cours, TDs et dans le précédent TP. On se focalisera sur le traitement
Plus en détail1 Démarrer... 3 1.1 L écran Isis...3 1.2 La boite à outils...3 1.2.1 Mode principal... 4 1.2.2 Mode gadget...4 1.2.3 Mode graphique...
1 Démarrer... 3 1.1 L écran Isis...3 1.2 La boite à outils...3 1.2.1 Mode principal... 4 1.2.2 Mode gadget...4 1.2.3 Mode graphique... 4 2 Quelques actions... 5 2.1 Ouvrir un document existant...5 2.2
Plus en détailMini_guide_Isis.pdf le 23/09/2001 Page 1/14
1 Démarrer...2 1.1 L écran Isis...2 1.2 La boite à outils...2 1.2.1 Mode principal...3 1.2.2 Mode gadgets...3 1.2.3 Mode graphique...3 2 Quelques actions...4 2.1 Ouvrir un document existant...4 2.2 Sélectionner
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailGUIDE DE PRISE EN MAIN ISIS PROTEUS V7
GUIDE DE PRISE EN MAIN ISIS PROTEUS V7 1. Lancement d'isis PROTEUS V7:...2 2. Configuration de l'application d'isis PROTEUS V7:...3 3. Présentation de l'interface d'isis PROTEUS V7:...4 a) Barre de menus:...4
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailMATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */.
Page 1 de 9 MATLAB : COMMANDES DE BASE Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */. Aide help, help nom_de_commande Fenêtre de travail (Command Window) Ligne
Plus en détailProjet audio. Analyse des Signaux ELE2700
ÉCOLE POLYTECHNIQUE DE MONTRÉAL Département de Génie Électrique Projet audio Analyse des Signaux ELE2700 Saad Chidami - 2014 Table des matières Objectif du laboratoire... 4 Caractérisation du bruit...
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailCorrection TD algorithmique
Affectation Correction TD algorithmique Exercice 1 algo affect1b b 5 a b+1 b 2 Il vaut faire passer la notion de variable et la notion de stockage mémoire. Une variable n a donc pas d historique et à un
Plus en détailTP: Représentation des signaux binaires. 1 Simulation d un message binaire - Codage en ligne
Objectifs : Ce TP est relatif aux différentes méthodes de codage d une information binaire, et à la transmission en bande de base de cette information. Les grandes lignes de ce TP sont l étude des méthodes
Plus en détailLES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION
LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION ) Caractéristiques techniques des supports. L infrastructure d un réseau, la qualité de service offerte,
Plus en détailLABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK
LABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK 5.1 Introduction Simulink est l'extension graphique de MATLAB permettant, d une part de représenter les fonctions mathématiques et les systèmes sous forme
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailSimulation : application au système bonus-malus en responsabilité civile automobile
Simulation : application au système bonus-malus en responsabilité civile automobile Robert Langmeier Travail de séminaire réalisé sous la supervision du professeur François Dufresne Ecole des HEC Université
Plus en détailMini_guide_Isis_v6.doc le 10/02/2005 Page 1/15
1 Démarrer... 2 1.1 L écran Isis... 2 1.2 Les barres d outils... 3 1.2.1 Les outils d édition... 3 1.2.2 Les outils de sélection de mode... 4 1.2.3 Les outils d orientation... 4 2 Quelques actions... 5
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes cnrs supélec ups supélec, Plateau de Moulon, 9119 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailELEC2753 Electrotechnique examen du 11/06/2012
ELEC2753 Electrotechnique examen du 11/06/2012 Pour faciliter la correction et la surveillance, merci de répondre aux 3 questions sur des feuilles différentes et d'écrire immédiatement votre nom sur toutes
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailJ AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE
RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailDérivées et intégrales non entières
que "non entière". Dérivées et intégrales non entières. Notations. Outils Robert Janin La terminologie est plutôt "fractionnaire" On notera f (k) ou k x k f la érivée orre k e la fonction f et nous pourrons
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailCNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2
CNAM UE MVA 210 Ph. Duran Algèbre et analyse tensorielle Cours 4: Calcul ierentiel 2 Jeui 26 octobre 2006 1 Formes iérentielles e egrés 1 Dès l'introuction es bases u calcul iérentiel, nous avons mis en
Plus en détailI. Introduction aux fonctions : les fonctions standards
Chapitre 3 : Les fonctions en C++ I. Introduction aux fonctions : les fonctions standards A. Notion de Fonction Imaginons que dans un programme, vous ayez besoin de calculer une racine carrée. Rappelons
Plus en détailTP SIN Traitement d image
TP SIN Traitement d image Pré requis (l élève doit savoir): - Utiliser un ordinateur Objectif terminale : L élève doit être capable de reconnaître un format d image et d expliquer les différents types
Plus en détailTraitement du signal avec Scilab : transmission numérique en bande de base
Traitement du signal avec Scilab : transmission numérique en bande de base La transmission d informations numériques en bande de base, même si elle peut paraître simple au premier abord, nécessite un certain
Plus en détailPython - introduction à la programmation et calcul scientifique
Université de Strasbourg Environnements Informatique Python - introduction à la programmation et calcul scientifique Feuille de TP 1 Avant de commencer Le but de ce TP est de vous montrer les bases de
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailTraitement du signal avec Scilab : la transformée de Fourier discrète
Traitement du signal avec Scilab : la transformée de Fourier discrète L objectif de cette séance est de valider l expression de la transformée de Fourier Discrète (TFD), telle que peut la déterminer un
Plus en détailÉCOLE POLYTECHNIQUE DE MONTRÉAL. Département de Génie Électrique. La technologie de TEXAS INSTRUMENTS DSP pour le cours Analyse des Signaux ELE2700
ÉCOLE POLYTECHNIQUE DE MONTRÉAL Département de Génie Électrique La technologie de TEXAS INSTRUMENTS DSP pour le cours Analyse des Signaux ELE2700 M. Corinthios et Zaher Dannawi 29 août 2007 2 Tables des
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailReprésentation d un entier en base b
Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailLABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB
LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB 5.1 Introduction Au cours de séances précédentes, nous avons appris à utiliser un certain nombre d'outils fondamentaux en traitement du
Plus en détailObjets Combinatoires élementaires
Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que
Plus en détailTransmission des signaux numériques
Transmission des signaux numériques par Hikmet SARI Chef de Département d Études à la Société Anonyme de Télécommunications (SAT) Professeur Associé à Télécom Paris. Transmission en bande de base... E
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailL ALGORITHMIQUE. Algorithme
L ALGORITHMIQUE Inspirée par l informatique, cette démarche permet de résoudre beaucoup de problèmes. Quelques algorithmes ont été vus en 3 ième et cette année, au cours de leçons, nous verrons quelques
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailÉtude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test
11 juillet 2003 Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test Mariane Comte Plan 2 Introduction et objectif
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détail1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)
1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d
Plus en détailChapitre I La fonction transmission
Chapitre I La fonction transmission 1. Terminologies 1.1 Mode guidé / non guidé Le signal est le vecteur de l information à transmettre. La transmission s effectue entre un émetteur et un récepteur reliés
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailERGONOMIE GESTION DES DONNEES CLIENT. Gestion données client Vue 360 (Obligatoire) Données récupérées. Données calculées
ERGONOMIE Fonctionnalités Standard Dev Spécifique Non-couverte la solution propose une aide en ligne (multilingue, contextuelle, Accès par touche/clic, messages d' erreurs explicites, Accès au manuel utilisateur)
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailAide - mémoire gnuplot 4.0
Aide - mémoire gnuplot 4.0 Nicolas Kielbasiewicz 20 juin 2008 L objet de cet aide-mémoire est de présenter les commandes de base pour faire rapidement de très jolis graphiques et courbes à l aide du logiciel
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailTP : Gestion d une image au format PGM
TP : Gestion d une image au format PGM Objectif : L objectif du sujet est de créer une classe de manipulation d images au format PGM (Portable GreyMap), et de programmer des opérations relativement simples
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailChapitre. Chapitre 12. Fonctions de plusieurs variables. 1. Fonctions à valeurs réelles. 1.1 Définition. 1.2 Calcul de dérivées partielles
1 Chapitre Chapitre 1. Fonctions e plusieurs variables La TI-Nspire CAS permet e manipuler très simplement les onctions e plusieurs variables. Nous allons voir ans ce chapitre comment procéer, et éinir
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailSimulation Matlab/Simulink d une machine à induction triphasée. Constitution d un référentiel
Simulation Matlab/Simulink une machine à inuction triphasée Constitution un référentiel Capocchi Laurent Laboratoire UMR CNRS 6134 Université e Corse 3 Octobre 7 1 Table es matières 1 Introuction 3 Moélisation
Plus en détailPropagation sur réseau statique et dynamique
Université de la Méditerranée UFR Sciences de Luminy Rapport de stage informatique pour le Master 2 de Physique, Parcours Physique Théorique et Mathématique, Physique des Particules et Astroparticules.
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailCalcul élémentaire des probabilités
Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailSUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques
SUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques Durée 4 h Si, au cours de l épreuve, un candidat repère ce qui lui semble être une erreur d énoncé, d une part il le signale au chef
Plus en détailSSNV143 - Traction biaxiale avec la loi de comportement BETON_DOUBLE_DP
Titre : SSNV14 - Traction biaxiale avec la loi e comport[...] Date : 17/02/2011 Page : 1/14 Manuel e Valiation Fascicule V6.04 : Statique non linéaire es structures volumiques Document V6.04.14 SSNV14
Plus en détailInitiation à la programmation en Python
I-Conventions Initiation à la programmation en Python Nom : Prénom : Une commande Python sera écrite en caractère gras. Exemples : print 'Bonjour' max=input("nombre maximum autorisé :") Le résultat de
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailEMETTEUR ULB. Architectures & circuits. Ecole ULB GDRO ESISAR - Valence 23-27/10/2006. David MARCHALAND STMicroelectronics 26/10/2006
EMETTEUR ULB Architectures & circuits David MARCHALAND STMicroelectronics 26/10/2006 Ecole ULB GDRO ESISAR - Valence 23-27/10/2006 Introduction Emergence des applications de type LR-WPAN : Dispositif communicant
Plus en détailReaper : utilisations avancées
Reaper : utilisations avancées Reaper dispose de ressources qui, sans être cachées, ne sont pas toujours faciles à trouver, d'autant plus que souvent on n'imagine même pas que ces choses soient possible!...
Plus en détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
Plus en détail- Instrumentation numérique -
- Instrumentation numérique - I.Présentation du signal numérique. I.1. Définition des différents types de signaux. Signal analogique: Un signal analogique a son amplitude qui varie de façon continue au
Plus en détail