Modèles autorégressifs

Soit un signal , qu'on suppose être stationnaire et de moyenne nulle. On en calcule les coefficients de corrélation pour :
(341)

Dans le cas de l'analyse du signal de parole, cette hypothèse de stationnarité n'est pas vérifiée et on considère que est connu sur un intervalle de temps et que est nul en dehors de cet intervalle. On calcule alors de la manière suivante
(342)

On cherche à trouver les coefficients d'un filtre non récursif de degré ,
(343)

dont l'entrée est et la sortie . On cherche à minimiser la variance de qu'on nommera
(344)

peut être interprétée comme l'erreur de prédiction entre le signal et sa prédiction linéaire calculée à partir des échantillons précédents
(345)

En developpant le carré
(346)


(347)

En dérivant cette forme quadratique par rapport aux paramètres cherchés , on obtient le minimum lorsque sont satisfaites les équations suivantes, écrites sous une forme matricielle
(348)

Lorsque ces équations sont vérifiées, la formule (347) donnant la valeur de la variance se simplifie : lorsque :
(349)

et
(350)

En combinant cette équation avec l'équation matricielle (348), on obtient
(351)

Ces équations sont connues sous le nom d'équations de Yule Walker. La matrice des coefficients d'autocorrélation, qui y apparait a une forme bien particulière : tous ses éléments situés sur des parallèles à la diagonale principale sont identique, on dit que c'est une matrice de Toeplitz. Elle est de plus symétrique.
Remarque : l'application d'une matrice de Toeplitz à un vecteur s'interprète comme la convolution de la séquence associée à ce vecteur avec la séquence permettant d'engendrer la matrice.
[ Table des matières ]