Aller au menu Aller au contenu
Diversité scientifique et technologique
L'école d'ingénieurs de physique, électronique, matériaux
Diversité scientifique et technologique

> Formation

Détection estimation - 5PMSDET0

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail Partagez cet article Facebook Twitter Linked In Google+ Viadeo
  • Volumes horaires

    • CM : 8.0
    • TD : 8.0
    • TP : 4.0
    Crédits ECTS : 2.0

Objectifs

Introduction des basese de théorie de l'estimation et de la detection

Contact Olivier MICHEL

Contenu

A. rappels de théorie des probabilités, variables et processus aléatoires

B. Bases de théorie de l'estimation
1. Contexte et motivation de la théorie de l'estimation
2. Estimation de paramètres déterministes; définitions
3. Bornes de Cramer-Rao
i. Cas scalaire
ii. Condition d'existence d'un estimateur sans bias, de variance min.
iii. Information de Fisher
iv. Cas multivarié
4. Méthodologie, Rao-Blackwell
5. Notes supplémentaires
i. Théorème de Darmois
ii. Information contenue dans un échantillon, divergence informationnelle (KL divergence)
6. Approche du maximum de vraisemblance (MV)
i. Propriétés
ii. MV et statistiques suffisantes
7. Estimation au sens du MV en pratique
8. Méthode des moments
9. Estimateur non biaisé linéaire optimal
10. Méthode des moindres carrés
11. Principe d'orthogonalité

C. Estimation de paramètres aléatoires
1. Stratégie de Bayes
2. Estimation bayesienne de variance minimale
3. Modèles linéaires gaussiens
4. Pratique de l'estimaiton bayesienne

D. Introduction à la théorie de la détection
1. Test d'hypothèse binaire, méthode MAP et MV
2. Détection Bayesienne
3. Méthode de Neyman Pearson
4. Caractéristique opérationnelle de réception (COR)
5. Test d'hypothèses composées
6. Test de rapport de vraisemblance généralisé.
7. test uniformément ou localement les plus puissants.



Prérequis

Probabilités, statistiques (niveau élémentaire), Processus aléatoires

Contrôles des connaissances

Examen Ecrit : 2h
Aucun document autorisé.



Examen Ecrit : 100%

Informations complémentaires

Cursus ingénieur->Master TSI SIGMA->Semestre 9
Cursus ingénieur->Double-Diplômes Ingénieur/Master->Semestre 9
Cursus ingénieur->Masters->Semestre 9
Cursus ingénieur->SICOM->Semestre 9

Bibliographie

S.Kay : Fundamentals of Statistical Signal Processing-Estimation Theory. Volumes 1 and 2
Prentice Hall Signal Processing series.

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail Partagez cet article Facebook Twitter Linked In Google+ Viadeo

mise à jour le 9 janvier 2017

Grenoble INP Institut d'ingénierie Univ. Grenoble Alpes