Modèles de Markov triplets en restauration des signaux
Modèles de Markov triplets en restauration des signaux
Modèles de Markov triplets en restauration des signaux
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
CHAPITRE I. MODÈLES DE MARKOV CLASSIQUESI.3.2 Filtre <strong>de</strong> KalmanLe filtre <strong>de</strong> Kalman permet <strong>de</strong> calculer les probabilités « Forward » p(x n ∣y 1∶n )<strong>en</strong> <strong>de</strong>ux étapes : une étape <strong>de</strong> « prédiction »qui permet <strong>de</strong> calculer la loi du X nconditionnellem<strong>en</strong>t à X n−1 et Y 1∶n−1 , et une étape <strong>de</strong> « correction », qui permetd’intégrer les informations apportées par l’observation <strong>de</strong> Y n .PrédictionLe couple(X,Y) est gaussi<strong>en</strong>, donc la loi <strong>de</strong> X n conditionnellem<strong>en</strong>t à Y 1∶n−1 =y 1∶n−1 est une gaussi<strong>en</strong>ne <strong>de</strong> moy<strong>en</strong>ne E[X n ∣y 1∶n−1 ]=m − n et <strong>de</strong> variance V[X n ∣y 1∶n−1 ]=P − n. De même, la loi <strong>de</strong> X n conditionnellem<strong>en</strong>t à y 1∶n est une gaussi<strong>en</strong>ne <strong>de</strong> moy<strong>en</strong>neE[X n ∣y 1∶n ]=m n et <strong>de</strong> variance V[X n ∣y 1∶n ]=P n . D’après les équations du système(I.34), nous pouvons calculer m − n et P − n <strong>en</strong> fonction <strong>de</strong> m n−1 et P n−1 :m − n= E[X n ∣y 1∶n−1 ]=E[(FX n−1 +ǫ n−1 )∣y 1∶n−1 ],comme ǫ n−1 Y 1∶n−1 , et E[X n−1 ∣y 1∶n−1 ]=m n−1 , nous obt<strong>en</strong>ons :<strong>de</strong> même pour la variance :m − n=Fm n−1 ,P − n=F 2 P n−1 +R.(I.35)(I.36)CorrectionDans cette étape, nous utilisons les informations apportées par l’observation <strong>de</strong>Y n , et nous cherchons la formule <strong>de</strong> récurr<strong>en</strong>ce pour calculer m n et P n <strong>en</strong> fonction <strong>de</strong>m − n et P − n . D’après les hypothèses, X n conditionnellem<strong>en</strong>t à y 1∶n−1 est une gaussi<strong>en</strong>ne,<strong>de</strong> même pour Y n ∣y 1∶n−1 . Nous comm<strong>en</strong>çons par calculer la moy<strong>en</strong>ne <strong>de</strong> Y n ∣y 1∶n−1 etsa variance, puis la covariance <strong>en</strong>tre X n ∣y 1∶n−1 et Y n ∣y 1∶n−1 . En utilisant toujours leséquations du système (I.34) :E[Y n ∣y 1∶n−1 ] = E[(m y +HX n +ξ n )∣y 1∶n−1 ]= m y +Hm − nV[Y n ∣y 1∶n−1 ] = E[(Y n − E[Y n ∣y 1∶n−1 ]) 2 ∣y 1∶n−1 ]= H 2 P − n+QC[(X n ,Y n )∣y 1∶n−1 ] = E[(X n − E[X n ∣y 1∶n−1 ])(Y n − E[Y n ∣y 1∶n−1 ])]= HP − n= k nComme conséqu<strong>en</strong>ce, nous obt<strong>en</strong>ons la loi du couple(X n ,Y n ) conditionnellem<strong>en</strong>t ày 1∶n−1 , qui est une gaussi<strong>en</strong>neN 2 (M,V) avec :18M=(m − nm y +Hm − n) et V=( P− n k nk n H 2 P − n+Q )