Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Calcul de densité spectrale de puissance

Dans cours

COM-302: Principles of digital communications

This course is on the foundations of digital communication. The focus is on the transmission problem (rather than being on source coding). ...

Description

Cette séance de cours couvre le calcul de la densité spectrale de puissance, l'analyse de la conception des systèmes de communication et des processus aléatoires. Emre Telatar explique les concepts de stationnarité, de bandes de fréquences et de distribution de puissance dans les signaux.

Enseignant·e

Emre Telatar

I. Emre Telatar received the B.Sc. degree in electrical engineering from the Middle East Technical University, Ankara, Turkey, in 1986. He received the S.M. and Ph.D. degrees in electrical engineering and computer science from the Massachusetts Institute of Technology, Cambridge, in 1988 and 1992 respectively. In 1992, he joined the Communications Analysis Research Department at AT&T Bell Laboratories (later Lucent Technologies), Murray Hill, NJ. He has been at the EPFL since 2000. Emre Telatar was the recipient of the IEEE Information Theory Society Paper Award in 2001. He was a program co-chair for the IEEE International Symposium on Information Theory in 2002, and associate editor for Shannon Theory for the IEEE Information Theory Transactions from 2001 to 2004. He was awarded the EPFL Agepoly teaching prize in 2005. Emre Telatar's research interests are in communication and information theories.

Source officielle

Concepts associés (32)

Processus stationnaire

Pour accéder aux propriétés essentielles d'un signal physique il peut être commode de le considérer comme une réalisation d'un processus aléatoire (voir quelques précisions dans Processus continu). Le problème est largement simplifié si le processus associé au signal peut être considéré comme un processus stationnaire, c'est-à-dire si ses propriétés statistiques caractérisées par des espérances mathématiques sont indépendantes du temps.

Densité spectrale de puissance

On définit la densité spectrale de puissance (DSP en abrégé, Power Spectral Density ou PSD en anglais) comme étant le carré du module de la transformée de Fourier, divisé par le temps d'intégration, (ou, plus rigoureusement, la limite quand tend vers l'infini de l'espérance mathématique du carré du module de la transformée de Fourier du signal - on parle alors de densité spectrale de puissance moyenne).

Estimation spectrale

L'estimation spectrale regroupe toutes les techniques d'estimation de la densité spectrale de puissance (DSP). Les méthodes d'estimation spectrale paramétriques utilisent un modèle pour obtenir une estimation du spectre. Ces modèles reposent sur une connaissance a priori du processus et peuvent être classées en trois grandes catégories : Modèles autorégressif (AR) Modèles à moyenne ajustée (MA) Modèles autorégressif à moyenne ajustée (ARMA). L'approche paramétrique se décompose en trois étapes : Choisir un modèle décrivant le processus de manière appropriée.

Least-squares spectral analysis

Least-squares spectral analysis (LSSA) is a method of estimating a frequency spectrum based on a least-squares fit of sinusoids to data samples, similar to Fourier analysis. Fourier analysis, the most used spectral method in science, generally boosts long-periodic noise in the long and gapped records; LSSA mitigates such problems. Unlike in Fourier analysis, data need not be equally spaced to use LSSA.

Space–time block code

Space–time block coding is a technique used in wireless communications to transmit multiple copies of a data stream across a number of antennas and to exploit the various received versions of the data to improve the reliability of data transfer. The fact that the transmitted signal must traverse a potentially difficult environment with scattering, reflection, refraction and so on and may then be further corrupted by thermal noise in the receiver means that some of the received copies of the data may be closer to the original signal than others.

Afficher plus

Séances de cours associées (56)

Emballage de sphère

Couvre le concept d'emballage de sphère et son importance dans les décalages temporels et le critère de Nyquist.

Analyse spectrale: Séries chronologiques

Explore l'analyse spectrale en séries chronologiques, en se concentrant sur les fonctions de densité spectrale et les spectres intégrés.

Séries chronologiques multivariées et représentation spectrale

Explore l'analyse de séries chronologiques multivariées, en mettant l'accent sur la représentation spectrale et les méthodes d'estimation.

Analyse spectrale et essais de stationnarité

Couvre l'analyse spectrale, les essais de stationnarité, les défis des séries chronologiques non stationnaires et les outils d'analyse avec des données manquantes.

Processus linéaires généraux: Théorème de décomposition wold

Explore les processus linéaires généraux, le théorème de décomposition Wold et l'analyse spectrale dans l'analyse des séries chronologiques.

Afficher plus

Concepts associés (32)

Processus stationnaire

Densité spectrale de puissance

Estimation spectrale

Least-squares spectral analysis

Space–time block code

Afficher plus