Estimation et Décision pour le Traitement du Signal
Informations
| Responsable | Romain Hérault |
| Enseignant(s) | Romain Hérault |
| Langue | Français ou anglais |
| Crédits | 4.5 |
| Volume horaire | CM : 21h TD : 21h |
| Option | Ingénierie des données |
| Site web | https://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]
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%
