Stochastic analysis and parametric identification of moving 
average (MA) non Gaussian signal using cumulants

 

Analyse stochastique et identification paramétrique des signaux non gaussiens à moyenne ajustée (MA) en utilisant les cumulants

 

J. Antari*, A. Zeroual, S. Safi

Laboratoire d’Electronique et Instrumentation, Département de Physique,

Faculté des Sciences Semlalia, Université Cadi Ayyad, B.P. 2390, Marrakech 40001, Maroc

* Corresponding author. E-mail: j.antari@ucam.ac.ma  

Received: 28 June 2006; revised version accepted:11 January 2007

 

Abstract

            In this work we propose an algorithm based on cumulants for identification of the linear system Finite- Impulse Response (FIR) with Non Minimum Phase (NMP) excited by non-Gaussian sequences, independent identically distributed (i.i.d). We test by simulation the proposed algorithm using different signal to noise ratios (SNR), different sample sizes and we compare them with the Recursive Least Square (RLS) method for 50 Monte-Carlo runs. The simulation results show that the proposed algorithm is more accurate than the RLS method, despite in high noise environment and weak sample sizes.

 

Keywords: Cumulants; FIR systems; Identification; NMP systems; RLS method

 

Résumé

Dans ce travail nous proposons un algorithme basé sur les cumulants pour l’identification des systèmes linéaires à réponse impulsionnelle finie (RIF) et à phase non minimale (PNM) de genre (MA). L’excitation du modèle est un signal non Gaussien, indépendante et identiquement distribuée (i.i.d). Nous testons par simulation l’algorithme proposé en utilisant différents rapports signal sur bruit (SNR), différentes tailles d’échantillons et nous les comparons avec la méthode des moindres carrées récursives (RLS) pour 50 Monté-Carlo itérations. Les résultats obtenus ont montré que l’algorithme proposé fournit les meilleurs résultats en comparaison avec l’algorithme RLS, même dans le cas d’un milieu fortement bruité et pour une faible taille de l’échantillon.

 

Mots clés : Cumulants; Identification; Méthode RLS ; Systèmes à PNM; Systèmes RIF.

© 2015