Présentation

Article interactif

1 - FONCTIONS ALÉATOIRES STATIONNAIRES

2 - PRINCIPE ERGODIQUE

3 - FONCTIONS D’AUTOCORRÉLATION ET D’INTERCORRÉLATION

4 - DENSITÉ SPECTRALE DE PUISSANCE

5 - NOTIONS SUR LES PROCESSUS DE MARKOV

6 - CONCLUSION

Article de référence | Réf : R220 v2

Principe ergodique
Fonctions aléatoires

Auteur(s) : Bernard DEMOULIN

Relu et validé le 01 juin 2021

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

RÉSUMÉ

L'article commence par introduire les fonctions aléatoires et l'énoncé de leurs principales propriétés jointes aux concepts de stationnarité et d'ergodisme. Il présente ensuite les fonctions d'autocorrélation et d'intercorrélation agrémentées d'exemples, avant de rapporter l'étude des spectres de signaux aléatoires caractérisés selon le théorème de Wiener-Kintchine. Pour conclure, un bref éclairage sur les processus de Markov est appliqué aux variables aléatoires discrètes ou continues.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

The random functions

First part of this article introduces the random functions and their relevant main features expressed in terms of stationary and ergodism concepts. The second part is devoted to autocorrelation and cross correlation functions illustrated with the support of few practical examples, while third part deals with the spectrum of random signal as deduced from the Wiener Kintchine theorem. To conclude, a brief view on the Markov process will be applied to discrete and continue random data.

Auteur(s)

  • Bernard DEMOULIN : Professeur émérite - Universités Lille 1, Groupe TELICE de l'IEMN, UMR CNRS 8520

INTRODUCTION

Contrairement aux fonctions analytiques usuelles que l’on peut déterminer avec rigueur, la valeur numérique d’une fonction aléatoire demeure totalement ou partiellement imprévisible.

L’exemple le plus familier de fonctions aléatoires est sans doute donné par la capture de certains signaux dépendant de la variable temps. Dans ce cas particulier, si la variable temps peut être fixée très précisément par un échantillonnage périodique, l’amplitude du signal restera auréolée d’une incertitude constituant une variable aléatoire discrète ou continue.

Nous verrons dans le déroulement de l’article que la seule description rationnelle des fonctions aléatoires ne peut être empruntée qu’à la notion de covariance, elle même dérivée du coefficient de corrélation défini dans l’article [R 210v2]. De plus, il sera montré que sous le respect de la condition de stationnarité des fonctions aléatoires, la covariance devient fonction d’autocorrélation. Cette dernière est directement transposable sous des signatures analytiques, ou indirectement sous la forme de données numériques déduites d’une estimation arithmétique. Quelle que soit la démarche adoptée, l’examen de la signature d’autocorrélation révèlera les principales propriétés de dépendance stochastique de la fonction aléatoire génératrice.

La question de la fonction d’autocorrélation est donc étroitement reliée aux propriétés générales des variables stationnaires discutées dans le premier paragraphe. La stationnarité sera illustrée par la désintégration spontanée des noyaux atomiques et la génération du signal bruit électronique.

Ces deux phénomènes, bien connus des physiciens, s’approprient successivement la loi de probabilité de Poisson et la loi de probabilité normale, toutes deux dotées de paramètres stationnaires.

Le second paragraphe sera entièrement consacré à d’autres propriétés entrant dans le calcul des fonctions d’autocorrélation. Il s’agit principalement du principe ergodique intervenant lors du calcul des moments d’ordre n. En effet, suivant que l’on procède au calcul direct du moment, par la recherche de l’espérance mathématique d’une variable ou que l’on détermine le moment par la moyenne arithmétique d’un grand nombre de variables, on observe fréquemment la convergence mutuelle des deux résultats. Le principe ergodique sera présentement illustré par deux exemples empruntés à la physique de la matière et aux analyses de mesures.

Dans la continuité des précédents, le troisième paragraphe, spécialement dédié aux fonctions d’autocorrélation, aborde le sujet par l’étude de signaux assimilés à des fonctions aléatoires. À l’aide d’exemples, il sera montré que les fonctions d’autocorrélation peuvent revêtir diverses signatures porteuses d’informations pertinentes, révélatrices de leur dépendance stochastique avec la variable temps. Dans la poursuite du paragraphe, le concept sera étendu aux fonctions d’intercorrélation reliant deux fonctions quelconques.

Le quatrième paragraphe traite la difficile question de la détermination des spectres de fréquences des signaux aléatoires. Les fonctions aléatoires n’étant pas implicitement bornées, le calcul direct du spectre par application de l’intégrale de Fourier s’avère inapproprié. On parvient néanmoins, grâce au théorème de Wiener Kintchine, à leur attribuer un autospectre provenant de l’intégrale de Fourier de la fonction d’autocorrélation. Pour unifier le raisonnement ainsi que les unités physiques, une discussion sera entamée à propos de la confrontation de l’autospectre avec les fonctions densités spectrales de puissances (DSP) généralement dédiées aux signaux périodiques ou aux signaux non bornés.

Sachant que certains résultats de mesures pratiquées sur des signaux aléatoires livrent directement la DSP, il sera montré que l’intégrale de Fourier inverse appliquée sur cette signature spectrale permet de retrouver la fonction d’autocorrélation. Le procédé sera ensuite étendu aux fonctions d’intercorrélations, desquelles dérivent des interspectres.

Pour conclure l’article, le cinquième paragraphe s’adresse aux processus de Markov. La description analytique du problème sera constituée de trois parties où seront successivement abordées les questions de dépendance stochastique des variables aléatoires, les calculs matriciels de chaînes mettant en œuvre des variables discrètes, puis l’extension de ces concepts aux cas des variables continues.

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

KEYWORDS

Markov process   |   Theory and practice   |   autocorrelation functions   |   frequencies spectra   |   measurements   |   signal processing

VERSIONS

Il existe d'autres versions de cet article :

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v2-r220


Cet article fait partie de l’offre

Instrumentation et méthodes de mesure

(50 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

2. Principe ergodique

D’un point de vue purement fondamental, l’ergodisme résulte de propriétés spécifiques aux fonctions aléatoires énoncées dans le théorème ergodique. En toute rigueur ce paragraphe 2 devrait donc s’intituler « théorème ergodique », cependant et pour maintenir la continuité du texte dans l’esprit des applications, nous avons choisi le terme de « principe ergodique » certainement mieux approprié à ce contexte.

2.1 Définitions et propriétés des processus ergodiques

HAUT DE PAGE

2.1.1 Application aux fonctions aléatoires

Revenons sur le moment au premier ordre d’une fonction aléatoire x  (t) établi selon les critères énoncés en section 1.1.2 En absence de stationnarité, le moment du premier ordre de x  (t) désigné par le symbole résulte de l’application de l’opérateur espérance, comme formulé ci-dessous. En toute rigueur la fonction densité de probabilité figurant sous le signe somme devrait comporter le paramètre t, nous l’admettons donc implicite :

Le moment du premier ordre pouvant s’assimiler à la valeur moyenne de la fonction x  (t), rien ne s’oppose à confondre le résultat avec la moyenne établie par le rapport de l’intégrale de x  (t)...

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

TEST DE VALIDATION ET CERTIFICATION CerT.I. :

Cet article vous permet de préparer une certification CerT.I.

Le test de validation des connaissances pour obtenir cette certification de Techniques de l’Ingénieur est disponible dans le module CerT.I.

Obtenez CerT.I., la certification
de Techniques de l’Ingénieur !
Acheter le module

Cet article fait partie de l’offre

Instrumentation et méthodes de mesure

(50 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Principe ergodique
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - BASS (J.) -   Éléments de calcul des probabilités, théorique et appliqué.  -  Masson (1967).

  • (2) - ROUBINE (E.) -   Introduction à la théorie de la communication. – Tome II – Signaux aléatoires  -  . Masson (1979).

  • (3) - MAX (J.) et coll -   Méthodes et techniques de traitement du signal et applications aux mesures physiques. – Tome I – Principes généraux et méthodes classiques.  -  Masson (1985).

  • (4) - DE COULON (F.) -   Théorie et traitement des signaux  -  . Presses polytechniques romandes Dunod (1984).

  • (5) - KUNT (M.) -   Traitement numérique des signaux  -  . Éditions Georgi Dunod (1981).

  • (6) - PAPOULIS (A.) -   Probabilités, random variables and stochastic...

Cet article est réservé aux abonnés.
Il vous reste 92% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Instrumentation et méthodes de mesure

(50 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Sommaire

QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE

1/ Quiz d'entraînement

Entraînez vous autant que vous le voulez avec les quiz d'entraînement.

2/ Test de validation

Lorsque vous êtes prêt, vous passez le test de validation. Vous avez deux passages possibles dans un laps de temps de 30 jours.

Entre les deux essais, vous pouvez consulter l’article et réutiliser les quiz d'entraînement pour progresser. L’attestation vous est délivrée pour un score minimum de 70 %.


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Instrumentation et méthodes de mesure

(50 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS