Processus Aléatoires 5 - Modélisation AR (Autoregressif), MA, ARMA скачать в хорошем качестве

Processus Aléatoires 5 - Modélisation AR (Autoregressif), MA, ARMA

Cours précédents :    • Processus Aléatoires 4 - Filtrage optimal ...      • Processus Aléatoires 3 - Filtrage linéaire...      • Processus Aléatoires 2 - Stationnarité - B...      • Processus Aléatoires 1 - Moments statistiq...   Exercices :    • Exercices Processus Aléatoires 5 - Modélis...   Cours suivant :    • Processus Aléatoires 6 - Filtre de Wiener   Variables aléatoires :    • Variables Aléatoires 1- Notion de Probabilité   Coefficient de corrélation :    • Vecteurs Aléatoires 5 - Coefficient de cor...   Code python import numpy as np; import matplotlib.pyplot as plt; from scipy.io import wavfile as wf; import scipy.linalg as la; import scipy.signal as sp; fname = 'vousavezducourrierenattente.wav'; #winsound.PlaySound(fname, winsound.SND_FILENAME) fe, S = wf.read(fname); Te=1/fe; N=len(S); t = np.linspace(0, N-1, N)*Te; plt.figure(1);plt.subplot(211); plt.plot(t,S); plt.grid(True); plt.xlabel('temps'); plt.ylabel('Amp'); plt.title('Phrase'); L=500;N1=21000;N2=N1+L; y=S[N1:N2] ; ty=np.linspace(N1, N2-1, N2-N1)*Te; plt.subplot(212); plt.plot(ty,y); plt.grid(True); plt.xlabel('temps'); plt.ylabel('Amp'); plt.title('morceau de la phrase'); """ Modélisation AR""" P=20; "P Nbre de coefficicents du modèle A sup 2‎" y=y-np.mean(y) R = np.correlate(y,y,mode='full')[len(y)-1:]; #R=R/R.max(); "Autocor" C = la.toeplitz(R[0:P]); B = -R[1:P+1]; a = la.inv(C).dot(B) a = np.append(1,a) sigma_carre = sum(a*R[0:P+1]); """ Visualisation de la réponse fréquentielle du filtre trouvé et du signal y de départ""" b = np.array([1,0]); f,H= sp.freqz(b,a,L//2); f=f*0.5*fe/np.pi; TFy = np.fft.fft(y); TFy = TFy[1:L//2+1]; plt.figure(2); plt.subplot(121);plt.plot(f, 20*np.log10(abs(TFy/TFy.max()))); plt.plot(f, 20*np.log10(abs(H/H.max()))); plt.title('Module du Filtre trouvé (orange)+ Signal original modélisé(bleu)'); plt.xlabel('Fréq ‎‎(Hz)');plt.ylabel('Amp'); """ Synthèse à partir du filtre trouvé""" bb = (sigma_carre**0.5)*np.random.randn(L); #bb=bb-np.mean(bb); y_synt = sp.lfilter(b,a,bb) ; TFy = np.fft.fft(y_synt); TFy = TFy[0:L//2]; plt.figure(2); plt.subplot(122);plt.plot(f, 20*np.log10(abs(TFy/TFy.max()))); plt.plot(f, 20*np.log10(abs(H/H.max()))); plt.title('Module du Filtre trouvé (orange)+ Signal synthétisé(bleu)'); plt.xlabel('Fréq ‎‎(Hz)');plt.ylabel('Amp');