Modèles et méthodes du signal : paramétrique vs non paramétrique

Cette séance de cours couvre les bases des modèles de signaux et des méthodes de traitement statistique du signal. Il commence par une introduction aux modèles de signaux de base, qui sont classés en modèles paramétriques et non paramétriques. L'instructeur explique les caractéristiques des modèles non paramétriques, tels que les signaux indépendants et identiques (i.i.d.), et introduit le concept de wide sense stationnaire (w.s.s.). La discussion se déplace ensuite vers des modèles paramétriques, mettant en évidence le processus gaussien comme un exemple clé. L'instructeur développe sur l'importance des paramètres dans la description du comportement du signal et le rôle des méthodes d'estimation et de prédiction dans l'extraction de l'information à partir des signaux. La séance de cours aborde également le modèle de la chaîne de Markov, en soulignant sa dépendance limitée au passé et sa caractérisation par les probabilités de transition. Enfin, l'instructeur discute des processus autorégressifs (AR), de leur interprétation du filtrage et des problèmes de synthèse et d'analyse qui y sont associés, fournissant une vue d'ensemble complète des méthodes utilisées dans le traitement du signal.