Estimation et Décision pour le Traitement du Signal

Informations

ResponsableRomain Hérault
Enseignant(s)Romain Hérault
LangueFrançais ou anglais
Crédits4.5
Volume horaireCM : 21h TD : 21h
OptionIngénierie des données
Site webhttps://moodle.insa-rouen.fr/enrol/index.php?id=942

Objectifs

  • Utiliser le paradigme de l'apprentissage machine pour aborder les problématiques du traitement du signal.
  • Acquerir des notions solides de traitement statistique du signal.
  • Maitriser les problèmes d'estimation et de détection de signaux pertubés par un bruit aléatoire.

Capacités enseignées

  • Référentiel INSA :
    • Obtenir une description statistique d'un ensemble de données [3P]
    • Filtrer et modéliser des signaux [3P]
  • Référentiel CNISF :
    • H30T [3P]
    • J40K [1P]
    • J10P [3P]
1 - notion, 2 - théorisation, 3 - application, I - intégralement, P - partiellement

Programme

  • Signaux Aléatoires
  • Systèmes linéaires stochastiques
  • Filtre et estimation bayesiens
  • Filtre de Kalman
  • Filtre particulaire
  • Chaine de Markov cachée
  • Détection de rupture
  • Projet basé sur la lecture et l'implémentation d'un article scientifique

Pré-requis

  • Notion d'analyse et de probabilité,
  • Traitement du Signal,
  • Programmation sous Python ou Numpy

Bibliographie

  • mo Särkkä (2013). Bayesian Filtering and Smoothing. Cambridge University Press.
  • R.E. Elliott, L. Aggoun and J.B. Moore, Hidden Markov Models: Estimation and Control, Springer-Verlag, 1995

Méthode d'évaluation

  • Examen final : 50%
  • Contrôle continu et projet : 50%