- Rappels de théorie des probabilités : vecteurs aléatoires, densité, moyenne, variance.
- Aspects temporels et fréquentiels : signaux aléatoires, autocorrélation, densité spectrale de puissance.
- Estimation classique et bayesienne : estimateurs du maximum de vraisemblance (MLE), en moyenne quadratique (MMSE), du maximum a posteriori (MAP), linéaire en moyenne quadratique (LMMSE).
- Algorithme espérance-maximisation (EM).
- Chaînes de Markov, processus de Markov.
- Filtrage statistique : Kalman.
- Teacher: Vincent Fremont