Phelma Formation 2022

Filtrage - 4PMSFIL9

  • Volumes horaires

    • CM 14.0
    • Projet 0
    • TD 4.0
    • Stage 0
    • TP 12.0

    Crédits ECTS

    Crédits ECTS 2.0

Objectif(s)

Donner les bases du filtrage linéaire optimal (en moyenne quadratique) pour les signaux aléatoires. Décrire les méthodes de calculs théoriques et les approches expérimentales adaptatives.

Contact Florent CHATELAIN

Contenu(s)

  • 1 : Le filtrage de Wiener dans la représentation continue
    • Filtre de Wiener non causal
    • Filtre de Wiener causal : approche de Bode et Shannon
  • 2 : Le filtrage de Wiener discret à mémoire finie
    • filtre de Wiener RIF
    • prédiction linéaire optimale et modèles autoregressifs
  • 3 : Algorithmes adaptatifs
  • 4 : Le filtrage de Kalman discret


Prérequis
  • Cours de base de traitement du signal
  • Cours de signaux aléatoires et analyse spectrale
    • notions de densité spectrale de puissance, théorème de Wiener-Khintchine
    • estimation spectrale non paramétrique : périodogramme
  • Notions d'optimisation : optimisation quadratique, algorithme de descente de gradient

Contrôle des connaissances

Session 1 : Examen écrit (2h) + contrôle continu (rapport BE)
Session 2 : examen écrit (2h)



Session 1 : N1 = 50% examen1 + 50% CC1
Session 2 : N2 = 50% examen2 + 50% CC1 (repris de la session 1)

Informations complémentaires

Cursus ingénieur->Filière SICOM->Semestre 8

Bibliographie

  • Detection, Estimation and Modulation Theory, Part 1, Harry L. VAN TREES Wiley, 1968
  • Optimal Filtering, Brian D. O. Anderson and John B. Moore. Dover Publications, 2005