1 - SIGNAUX ALÉATOIRES

• 1.1 - Quelques rappels de probabilité
• 1.2 - Notion de processus aléatoire
  Figure 1 - Trois trajectoires d'un processus aléatoire (à temps continu)
• 1.3 - Processus aléatoires SSL
  Figure 2 - Équivalence entre l'opération de quantification et l'addition d'un bruit SSL centré blanc
• 1.4 - Processus ARMA
  Figure 3 - Sinusoïde de fréquence 0,05 bruitée (a) et AR-2 dont la résonance se situe à la fréquence 0,05 (b)
• 1.5 - Prédiction linéaire
  Figure 4 - Extrait de 125 ms du son /ch/ (a) et spectres obtenus par TFD et modélisation AR-15 (b) sur un bloc de 30 ms
• 1.6 - Processus de Markov
  Figure 5 - Graphe d'une chaîne de Markov à trois états
• 1.7 - Éléments d'estimation statistique
  Figure 6 - Droite de régression déterminée à partir de 20 points Figure 7 - Somme bruitée de deux sinusoïdes de fréquences 0,18 et 0,2. Le nombre de points est 100 et le rapport S/B de 5 dB

2 - TRAITEMENTS DE SIGNAUX

• 2.1 - Estimation de spectre
  Figure 8 - Signal aléatoire et spectres : spectre théorique, périodogramme et périodogramme moyenné avec des blocs de M = 64
• 2.2 - Traitement d'antenne
  Figure 9 - Élévation et azimut Figure 10 - Antenne ALU Figure 11 -  Ecart-type des erreurs ε fv et ε mvdr en fonction de l'angle d'arrivée du brouillleur Figure 12 - Problème du filtrage de Wiener Figure 13 - Problème de l'annulation d'écho acoustique
• 2.3 - Filtrage de Wiener/algorithme LMS
• 2.4 - Filtre de Kalman
  Figure 14 - Calcul des trajectoires du véhicule après filtrage

3 - CONCLUSION