Author: Ibrahim AhamadaPublisher:
ISBN:
Category :
Languages : fr
Pages : 0
Book Description
Analyse spectrale des données non stationnaires
Author: Ibrahim AhamadaAnalyse spectrale des séries temporelles de longueur finie non stationnaires
Author: Jacqueline CorneePublisher:
ISBN:
Category :
Languages : fr
Pages : 344
Book Description
APPAREILLAGE ET TECHNIQUES EXPERIENTALES. ETUDE EXPERIMENTALE DU SIGNAL. ETUDE THEORIQUE, ESTIMATION SPECTRALE DES SERIES TEMPORELLES DE LONGUEUR FINIE: RAPPEL SUR LA FONCTION D'INTERCORRELATION ET LA DENSITE SPECTRALE DE PUISSANCE DES PROCESSUS ALEATOIRES STATIONNAIRES DU SECOND ORDRE; FILTRAGE ET EQUATION DE WIENER HOPF; ECHANTILLONNAGE DES PROCESSUS ALEATOIRES CONTINUS STATIONNAIRES DU SECOND ORDRE; ESTIMATION SPECTRALE DES SERIES TEMPORELLES DE LONGUEUR FINIE. ESTIMATION SPECTRALE DANS LES PROCESSUS REELS; APPLICATION A L'ELECTROENCEPHALOGRAPHIE. ANALYSE DES DONNEES: ANALYSE DISCRIMINATIVE DE TYPE PAS A PAS
Contributions à l'analyse spectrale des processus non stationnaires
Author: Dominique DehayAnalyse spectrale de signaux non-stationnaires
Author: Michel JacobProblèmes de l'analyse spectrale des séries temporelles stationnaires
Author: S. BartlettArbitrary Order Hilbert Spectral Analysis
Author: Yongxiang HuangPublisher:
ISBN:
Category :
Languages : en
Pages : 238
Book Description
La décomposition modale empirique (Empirical Mode Decomposition - EMD) ou la Transformation de Hilbert Huang (HHT) est une nouvelle méthode d'analyse temps-fréquence qui est particulièrement adaptée pour des séries temporelles non-linéaires et non stationnaires. Nous avons obtenu comme résultat le fait que la méthode EMD correspond à un banc de filtre dyadique (ou quasi-dyadique) pour la turbulence pleinement développée. Pour caractériser les propriétés intermittentes d'une série temporelle invariante d'échelle, nous avons généralisé l'analyse spectrale de Hilbert-Huang classique à des moments d'ordre arbitraires, pour effectuer ce que nous avons appelé " analyse spectrale de Hilbert d'ordre arbitraire ". Ceci fournit un nouveau cadre pour analyser l'invariance d'échelle directement dans un espace amplitude-fréquence. Nous validons tout d'abord la méthode en analysant des séries temporelles de mouvement Brownien fractionnaire, et en analysant des séries temporelles multifractales synthétiques. Nous comparons les résultats obtenus avec la nouvelle méthode, à l'analyse classique utilisant les fonctions de structure : nous trouvons numériquement que la méthodologie utilisant l'approche de Hilbert fournit un estimateur plus précis pour le paramètre d'intermittence. Nous appliquons ensuite cette méthodologie Hilbert-Huang à une base de données de turbulence homogène et localement isotrope, pour caractériser les propriétés multifractales invariantes d'échelle de séries temporelles de vitesse. Finalement nous appliquons la nouvelle méthodologie à des données environnementales : des débits de rivière, et des données de turbulence marine dans la zone de surf.
Analyse spectrale des séries stationnaires et son application à l'étude des séries chronologiques
Author: Jacques HallakEtude spectrale des processus stationnaires multidimensionnels et analyse en composantes principales dans le domaine des fréquence
Author: Emmanuel Nicolas CabralPublisher:
ISBN:
Category :
Languages : fr
Pages : 148
Book Description
Les méthodes statistiques multidimensionnelles ont connu ces dernières décennies des développements très importants tant au niveau théorique (notamment en statistique opératorielle) qu'au niveau des applications (comme, par exemple, le traitement des données fonctionnelles). L'approche dans le domaine des fréquences (et de son outil majeur la transformée de Fourier) permet notamment d'envisager le traitement de fonctions aléatoires et de processus stochastiques particuliers (stationnaires par exemple). Dans l'étude d'un phénomène aléatoire pouvant être modélisé par un processus p-dimensionnel (Xt)t epsilon T, où chaque Xt est à valeurs dans Cp, il peut être intéressant, d'une part, de bien maîtriser les outils spectraux associés à (Xt)t epsilon T et, d'autre part, dans un but de clarification, d'obtenir un processus q-dimensionnel (q
Analyse et estimations spectrales des processus [alpha]-stables non-stationnaires
![Analyse et estimations spectrales des processus [alpha]-stables non-stationnaires PDF](https://books.google.com/books/content/images/frontcover/PEaFoAEACAAJ?fife=w80-h100)
Author: Nourddine AzzaouiPublisher:
ISBN:
Category :
Languages : en
Pages : 136
Book Description
In this work a new spectral representation of a symmetric alpha-stable processes is introduced. It is based on a covariation pseudo-additivity and Morse-Transue's integral with respect to a bimeasure built by using pseudo-additivity property. This representation, specific to (S alpha S) processes, is analogous to the covariance of second order processes. On the other hand, it generalizes the representation established for stochastic integrals with respect to symmetric alpha-stable process of independent increments. We provide a classification of non-stationary harmonizable processes; this classification is based on the bimeasure structure. In particular, we defined and investigated periodically covariated processes. To simulate and build this unusual class, a new decomposition in the Lepage's type series was derived. Finally, to apply this results in practical situations, a nonparametric estimation of spectral densities are discussed. In particular, in the case of periodically covariated processes, an almost sure convergent estimators was derived under the strong mixing condition.
Développements de méthodes d'analyse spectrale autorégressive
Author: Nadine MartinPublisher:
ISBN:
Category :
Languages : fr
Pages : 192
Book Description
ADAPTATION D'UNE METHODE AUTOREGRESSIVE A L,ESTIMATION D,UNE DENSITE SPECTRALE EVOLUTIVE. LE SIGNAL ETUDIE N'EST PLUS STATIONNAIRE SUR LA DUREE TOTALE D'OBSERVATION MAIS LOCALEMENT STATIONNAIRE SUR UNE DUREE PLUS COURTE. SOIT UN SIGNAL A N-DIMENSIONS, ON EXPRIME LA MATRICE SPECTRALE CONTENANT LES SPECTRES DE CHAQUE COMPOSANTE ET ON ESTIME LES INTERSPECTRES DE TOUTES LES COMPOSANTES PRISES 2 A 2 PAR UN FILTRAGE AR VECTORIEL. ETUDE D'UN FILTRAGE A DEUX DIMENSIONS PERMETTANT D'AVOIR ACCES AUX RELATIONS STATISTIQUES ENTRE LES DEUX COMPOSANTES PAR L'ESTIMATION DU COEFFICIENT DE COHERENCE