Chapitre III. Analyse de données

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre III. Analyse de données"

Transcription

1 Chapitre III Analyse de données Damir Buskulic, LAPP/Université de Savoie Ecole de Physique Théorique de Jijel, Septembre 2009

2 Généralités Outils de base Outils et notions d analyse du signal Rapport signal sur bruit (SNR) Filtrage optimal Catégories d analyses Mesure de la performance du (des) détecteur(s)

3 Analyse du signal : outils et notions Signal sortant du détecteur : série temporelle à caractère aléatoire (bruit) + déterministe (signal) Outils d analyse du signal utilisés de façon routinière Transformée de Fourier Intercorrélation a 1 a 2 (τ) = + Convolution Spectre en puissance ( ou densité spectrale de puissance) Notions à introduire Rapport signal sur bruit ( SNR = Signal over Noise Ratio ) Filtrage optimal a(t) =n(t)+s(t) ã(f) = 1 2π + a 1 (t) a 2 (t + τ) dt a 1 a 2 (τ) = P a (f) 2 2π + a(t) exp i2πft dt + a 1 (t) a 2 (τ t) dt a a (τ) exp i2πfτ dτ = lim T E [ ã(f) 2] 2T

4 Intercorrélation Calque

5 Intercorrélation

6 Rapport signal sur bruit Signal = déterministe! s exprime (en fréquence) en 1/Hz Bruit = stochastique (aléatoire)! s exprime en Pas de même nature! Question : comment reconnaître qu une forme d onde est cachée dans un signal bruité? Ressemblance entre deux signaux : intercorrélation Si Alors distribution de valeurs du bruit = gaussienne pas de signal présent distribution de l intercorrélation entre bruit et forme d onde de test = gaussienne 1/ Hz n s n

7 Rapport signal sur bruit Si un signal s 0 est présent dans le bruit a s valeur de grande pour s de même forme que le signal s 0 P (v) = 1 2πσ e v2 2σ 2 largeur de la distribution de bruit : signal : rapport signal sur bruit (SNR) ln(p) en fonction de v 2 σ N = SNR = S σ N a s si signal présent n s (τ) 2 n s(τ) 2 S a s (τ) = 0 v 2

8 Filtrage optimal Adaptation au cas de nos signaux Recherche forme d onde s noyée dans un bruit n (radars dans les années 40) Intercorrélation donne SNR optimal si n est un bruit blanc ( P a (f) =cte) Mais le bruit n est pas blanc en pratique! Cherche un calque s modifié (Q) de façon à obtenir un SNR optimal " cherche un filtre Q : S = + Sortie du détecteur a(t) =n(t)+s(t) s(t) =α C(t t 0 ) " a(t)q(t)dt S = + ã(f) Q (f)df avec C = signal attendu, normalisé entrant dans la bande de fréq. à t = 0

9 Filtrage optimal Espérance mathématique du signal S On peut définir le bruit comme On a mais si on tient compte de on obtient S = N = S S = N =0 N 2 = ã(f) Q (f)df = + (ã(f) s(f)) Q (f)df = ñ(f)ñ (f ) Q(f) Q (f ) df df = + s(f) Q (f)df + ñ(f) Q (f)df ñ(f)ñ (f ) Q(f) Q (f ) df df ñ(f)ñ(f ) = 1 2 S h( f ) δ(f f ) N 2 = + 0 S( f ) Q(f) 2 df

10 Filtrage optimal Définit un produit scalaire Et réécrit : (A, B) = S = + ( ) s, S Q h Quel est le filtre Q maximisant SNR 2 = S 2 N 2 =2 Utilise les inégalités de Cauchy-Schwarz Ã(f) B (f) S h ( f ) df N 2 = 1 2 ( s S h, Q ) ( Q, Q) ( Q, Q) (A, B) (A, A)(B, B) (A, B) =(A, A)(B, B) seulement si A et B sont colinéaires

11 Filtrage optimal On choisit Q s(f) S h ( f ) = α C(f) S h ( f ) ei2πft 0 Le signal S pour un temps d arrivée t 0 s écrit S = + ã(f) Q (f)df = α + 0 ã(f) C (f) S h (f) e i2πft 0 df Transf. de Fourier de S S sera obtenu pour tous les temps d arrivée t 0 en faisant une T.F. Le rapport signal sur bruit optimal est alors Si C est normalisé t.q. : SNR 2 optimal =2α 2 ( C S h, ( C S h, C S h ) = 1 2 alors et C S h ) N 2 =1 SNR 2 = α 2

12 Filtrage optimal, résumé Données SNR = ã, T ( ) σ ã, T ã( f )=ñ( f )+ s( f ) Espace des formes d onde Calque ã, T = 2 [ Z 0 ] ã( f ). T ( f ) d f + c.c. S n ( f ) -21! T ( f ) Projection Densité spectrale de bruit S n ( f )

13 Filtrage optimal en pratique La phase initiale du signal est inconnue (position initiale des étoiles sur leur orbite) h(t) =A [h c (t) cos φ + h s (t) sin φ] Phases du signal Le SNR est maximisé sur toutes les phases initiales filtre sur deux calques avec calcule la somme quadratique S = φ =0et φ = π 2 S S2 π 2

14 Filtrage optimal = optimal! Si le bruit est gaussien, le filtrage adapté donne la statistique optimale Si on sélectionne les événements en mettant un seuil sur le SNR ρ >ρ Garantit d avoir la probabilité de fausse alarme la plus basse pour une probabilité de détection donnée Proba. de fausse alarme ρ ρ e ρ 2 2 = e ρ 2 2!*!* Proba. de détection pour un signal de SNR = ρ S 1 2π ρ e (ρ ρ S ) 2 2 dρ

15 Catégorie d analyses Signaux longs Signaux courts Etoiles à neutrons en rotation Coalescences de binaires Fond stochastique Evénements impulsifs Analyse optimale par calques Analyse sub-opimale

16 Recherches de coalescences forme d onde connue forme d onde moins connue fusion de binaires spiralante de haute masse La recherche dépend de la forme d onde ce qu on en sait à priori sa durée son contenu en fréquence déclenchée par un événement externe (supernova, GRB,...) ou non forme d onde inconnue relaxation de trou noir spiralante de basse masse court Durée du signal long

17 Mesure de la performance d un détecteur Dépend du type de source de la sensibilité Distance horizon choisit une coalescence de binaire (1.4,1.4) orientée de façon optimale donnant un SNR de 8 dans le détecteur la distance d une telle binaire est l horizon optimal D H considère l orientation moyenne de la source et du détecteur D H est une mesure de la performance du détecteur LIGO : D H ~ 35 Mpc, D Havg ~ 15 Mpc (durant 1 er mois S6/VSR2) Virgo : D H ~ 19 Mpc, D Havg ~ 8 Mpc L amas de galaxies Virgo est à ~ Mpc (durant S5/VSR1) D Havg = D H 2.3

18 Recherche de coalescences de binaires Taux de coalescences Principe du filtrage adapté Placement de calques Coincidences d événements dans le réseau Le pipeline de recherche Analyse statistique Suivi ( followup ) des événements intéressants Limites en l absence de signal détecté

19 Dans le meilleur des mondes possibles

20 Taux de coalescences Astrophysique : taux de coalescence exprimés en termes de nombre d événements par unité de temps et par galaxie * Binaires à neutrons (BNS) (Binary Neutron Stars) Taux calculés à partir des 4 pulsars binaires connus, ce qui donne une estimation : R BNS = evts.yr 1.L 1 10 Binary black holes (BBH) Taux beaucoup plus incertains (calculs par synthèse de population) R BBH =0, evts.yr 1.L 1 10 R NSBH = evts.yr 1.L 1 10 *Par définition, une galaxie = L 10 = L B (soleil), notre galaxie = 1,7 L 10

21 Taux de détection Traduction en termes de nombre et de taux de détection R det R.Γ.T Temps d observation Taux astrophysique Nombre de galaxies atteignables Taux pour les détecteurs actuels et futurs (tient compte de la sensibilité et de la distribution de galaxies) R NS-NS BH-BH BH-NS det ( ) M. (8-8) M. (5-1.4) M. Virgo, LIGO ~ 1/50 an -1 ~ 1/100 an -1 ~ 1/200 an -1 Virgo+, Enhanced LIGO Advanced Virgo, Advanced LIGO ~ 1/10 an -1 incertitude : (1/50-1/3) an -1 ~ 1/10 an -1 ~ 1/20 an -1 ~ 40 an -1 incertitude : (3-50) an -1 ~ 30 an -1 ~ 10 an -1

22 Signal recherché Etapes de la coalescence d un système binaire d objets compacts (Etoiles à neutrons ou trous noirs) Spiralante Fusion Relaxation h(t) t calculable RG numérique calculable

23 Calcul de la forme d onde Forme d onde (phase spiralante) h = F (M,η,ω,t c,φ 0,i) m 1 + m 2 m 1 m 2 (m 1 + m 2 ) 2 Développement post-newtonien en! paramètres intrinsèques appelés de façon générique v 2 /c 2 λ i h ! h( f )=A f 7/6 exp ( [ i π ]) 4 Φ 0 + Ψ( f ;M;η) Temps

24 Calcul de la forme d onde Forme d onde (phase spiralante) h = F (M,η,ω,t c,φ 0,i) m 1 + m 2 m 1 m 2 (m 1 + m 2 ) 2 Développement post-newtonien en τ! paramètres intrinsèques appelés de façon générique λ i v 2 /c 2 f min m 1 = m 2 1,4 M 3M 30 Hz 50 Hz 55 s 14 s 16 s 4 s

25 Qu avons nous testé exactement? Un seul calque! un point de l espace de paramètres (λ 1,λ 2 ) Si s(t) présent dans le signal correspond à " SNR optimal = S S δs (λ 1 + δλ 1,λ 2 + δλ 2 ) S S opt S opt δs λ 2 λ 1

26 Qu avons nous testé exactement? Un seul calque! un point de l espace de paramètres (λ 1,λ 2 ) Si s(t) présent dans le signal correspond à " SNR optimal = S S δs (λ 1 + δλ 1,λ 2 + δλ 2 ) Match M : fraction de S optimal, maximisé sur les paramètres extrinsèques, au Spoint opt (λ 1 + δλ 1,λ 2 + δλ 2 ) λ 2 S Contour d iso-match : contour qui délimite l ensemble des points avec M > MM M=1 M<1 1-M : distance entre calques S opt δs Match Minimal MM : match correspondant à une perte acceptable de S λ 2 λ 1 λ 1

27 Pavage de l espace des paramètres Revient, à partir du match, à définir une métrique g ij (θ) = 1 2 M(θ, Θ) 2 Θ i Θ j Si (1-M) << 1, on développe M(θ, θ + δθ) 1 g ij δθ i δθ j Pour des match M ~ 95%, les contours d isomatch ~ ellipses ceci exprimé dans des variables appropriées τ 0 = M 5/3 (πf 0 ) 8/3 η 1 τ 1 = M 1 (πf 0 ) 2 ( η ) Θ=θ

28 Placement de calques Exemple de couverture m 1 and m 2 =[1;30] M, MM = 0.95, F =[40;2000] Hz, PN = 2, N P = 11369

29 Mais ce monde n est pas le plus facile

30 Evénement Vocabulaire : les données sortent du système d acquisition passent dans un pipeline ( = programme) d analyse application de la recherche par filtrage optimal on appelle événement ou déclenchement un résultat (temps, amplitude) d analyse par filtrage optimal ayant passé un seuil fixé. un déclenchement aura d autres caractéristiques paramètres du (des) calque(s) ayant permis le déclenchement détecteurs dans lesquels il aura été vu... nous allons travailler sur des distributions d événements

31 Bruit de fond non gaussien Bruit gaussien Queues non gaussiennes Réduit ces queues en utilisant Coïncidences entre détecteurs Vetos instrumentaux cherche coïncidences en temps avec artefacts instrumentaux, comportement anormal du détecteur Vetos basés sur le signal vérifie la cohérence interne du signal avec la forme d onde attendue

32 Coincidences Des déclenchements dans plusieurs détecteurs sont coïncidents si Coïncidents en temps temps de vol max entre détecteurs ~ 20 ms Consistance des paramètres entre sites calques ayant répondu sont suffisamment proches dans l espace (M, η) Fenêtre en temps, doit trouver un équilibre Pas trop petite => on ne veut rien rater Pas trop grande => réduit le taux de fausse alarme Distinction entre vrais signaux et artefacts instrumentaux Vetos instrumentaux (bruits dans canaux auxiliaires,...) Vetos basés sur le signal (comme le test ) : vérifie la cohérence entre les données et la forme d onde supposée détectée χ 2

33 Vetos instrumentaux Identification des anomalies dans le comportement du détecteur (ex : contrôle, injection,...) dans l environnement (ex : sismique, électromagnétique,...) statistiquement en coïncidence avec les déclenchements Compréhension de l origine et correction du problème idéalement, élimine les déclenchements correspondants Caractéristiques des vetos Efficacité : élimination des faux déclenchements, surtout de haut SNR Pertinence : doivent être souvent associés à des déclenchements Faible coût : ne doivent pas éliminer une grande fraction de données Sécurité : ne doivent pas éliminer de vrais signaux testée avec des injections matérielles Outil : injections on injecte des signaux en agissant sur les miroirs. Test de toute la chaîne.

34 Vetos instrumentaux Types de vetos : Basés sur des drapeaux de qualité qui indiquent des problèmes connus Basés sur des canaux auxiliaires, à la recherche de corrélations avec les données vetos ad-hoc exemple : utilisation de signaux des photodiodes pour identifier des poussières qui tombent à travers le faisceau

35 Vetos signal based : test de χ 2 le SNR est distribué en fonction de la fréquence SNR 2 =4 A 0 fmax 0 h(f) 2 S h (f) df f 7/3 S h (f) df Vérification de la cohérence de cette distribution avec le signal attendu Coupe l intervalle de fréq. en p bandes f i uniformément réparti entre les p bandes : Note le SNR de l événement restreint à la bande, Construit une variable statistique : p ( χ 2 = p ρ j ρ p i=0 telles que le SNR d un vrai signal soit f i f 7/3 S h (f) df = 1 p ρ i f i ρ = fmax 0 p i=0 ρ i f 7/3 S h (f) df ) 2 Distribution de χ 2 pour un bruit gaussien et pour le signal Valeurs non consistantes pour les événements de bruit non gaussiens

36 Vetos signal based : test de En pratique utilise les injections pour comprendre le comportement du veto χ 2 on identifie une dépendance de ce veto en fonction du SNR donc met un seuil sur la variable ajuste p, d et le seuil pour ne pas rejeter de vrais signaux le seuil doit être lâche pour ne pas rejeter de signaux qu on aurait pas simulés (avec spin, avec phase de relaxation, etc...) χ 2 En général : bruit de fond ξ 2 = χ 2 p(1 + δ 2 p 2 ) grand pour événements

37 Injections logicielles Injecte des formes d onde du signal (par logiciel) dans les données, passe à travers le pipeline ajuste les paramètres du pipeline compréhension des particularités/pathologies des données et de l algorithme utilise les injections ratées (non vues) étude de l éfficacité des algorithmes et du pipeline Détermination de l efficacité de détection

38 Analyse statistique Lot d événements ordonnés par la statistique (par exemple SNR combinés) Bruit de fond estimé à l aide de décalages en temps Hanford 1 Virgo coïncidence signal Histogramme de déclenchements coïncidents en fonction de la stat. t

39 Analyse statistique Lot d événements ordonnés par la statistique (par exemple SNR combinés) Bruit de fond estimé à l aide de décalages en temps Hanford 1 Virgo coïncidence bruit de fond Histogramme de déclenchements coïncidents en fonction de la stat. t

40 Analyse statistique Lot d événements ordonnés par la statistique (par exemple SNR combinés) Bruit de fond estimé à l aide de décalages en temps Hanford 1 Virgo coïncidence bruit de fond Histogramme de déclenchements coïncidents en fonction de la stat. t Si la distribution pour les candidats est consistante avec bruit de fond => détection peu probable bruit de fond (décalages en temps) le signal devrait être là événements Sinon? candidats => check-list de détection

41 Amélioration de la variable statistique Le SNR peut être amélioré pour faciliter la décision bruit/signal en incorporant certaines variables ( ) en spécialisant en fonction d un domaine de masse ou de paramètres SNR effectif Donne poids plus faible aux événements avec grand IFAR ( Inverse False Alarm Rate ) Contributions différentes selon les régions de l espace de paramètres Range les événements par le taux de fausse alarme Vraisemblance ( Likelihood ) IFAR -> toutes les catégories donnent la même contribution mais différence de sensibilité des catégories aux vrais événements met à IFAR un poids correspondant à la proba d observer un signal plus fort χ 2 χ 2 ρ 2 eff = ( χ 2 2p 2 ρ 2 )( ) 1+ ρ2 250

42 All triggers 2 < M < 8 8 < M < < M < 35

43 Pipeline de recherche de coalescences Détecteurs fournissant les données Etape de filtrage optimal Coïncidence entre flux de données Vetos basés sur le signal testent la cohérence des caractéristiques des événements Coïncidence entre flux de données

44 Investigations sur un événement Evénements les plus significatifs (passant les tests et vetos de qualité de données) sont observés de façon approfondie état du détecteur, observation minutieuse, spectrogrammes, etc... Ensemble d outils aidant à distinguer une OG d un artefact instrumental Example : Injection hardware, chirp visible dans H1 et L1 canal OG H1 canal OG H2 canal OG L1 Déclenchement bruit de fond (décalage en temps) canal OG H1 canal OG H2 canal OG L1 Check-list de détection Significance statistique de l événement Etat des interféromètres Vérification de la présence de causes environmentales ou instrumentales Apparence du candidat Vérification de la cohérence des paramètres estimés du candidat Vérification de l intégrité des données Vérification de la robustesse de la détection (ex: versus les incertitudes de calibration) Application de pipelines d analyse cohérente en réseau Vérification de la coïncidence avec des recherches non-og : autres détecteurs EM ou de particules

45 Décision bruit/signal Queues non gaussiennes Ne peut pas mettre un seuil sur le nombre de \sigma (par ex. 5 \sigma) pour annoncer une détection se focalise sur le taux de fausse alarme (FAR = False Alarm Rate) veut atteindre un taux de fausse alarme équivalent à 5 \sigma pour une gaussienne ~ 10-6 très difficile en pratique besoin de plusieurs événements ou bien une contrepartie optique/ électromagnétique (GRB, supernova visible, etc...)

46 Si aucune détection, met des limites Exemple ancien : runs S3/S4 [Phys. Rev. D 77 (2008) ] Pas de signal d OG identifié Signaux de coalescence de binaires à neutrons auraient pu être vus jusque ~17 Mpc (cas optimal) Signaux de binaires à trous noirs jusqu à quelques dizaines de Mpc Met limites sur les taux de coalescences de binaires pour certains modèles de population Trous noirs primordiaux Binaires d étoiles à neutrons Binaires de trous noirs Exclu avec 90% de degré de confiance Exclu avec 90% de degré de confiance Exclu avec 90% de degré de confiance

47 Localisation d un événement dans le ciel TAMA GEO SOURCE SOURCE VIRGO LIGO Hanford LIGO Livingston SOURCE SOURCE Suppose à priori : réponse de plusieurs interféromètres consistante avec un front d onde incidente plan sur le réseau.

48 Recherche cohérente Considère le réseau de détecteurs comme un seul détecteur donnée = réponse x signal + bruit un détecteur x = F + h + + F h + n x 1 x 2. = F + 1 F 1 F + 2 F 2. N détecteurs. ( h+ h ) + n 1 n 2. x N F + N F N n N Coherent null = combinaison linéaire des données qui annule le signal => test de consistance Somme cohérente = combinaison linéaire des données qui maximise signal/bruit Gursel and Tinto, PRD 40 (1989) 3884 Klimenko, et al., PRD 72 (2005) Rakhmanov, CQG 23 (2006) S673 Wen and Schutz, CQG 22 (2005) S1321 Chatterji, et al. PRD 74 (2006)

49 Autres activités d analyse Autres recherches de coalescences de binaires Autres recherches : événements impulsifs signaux continus Exemples de résultats

50 Autres recherches de coalescences Coalescences à haute masse signaux courts fusion et relaxation deviennent des phases importantes Relaxation de trous noirs Signaux en coïncidence avec signaux astrophysiques (GRB) 22 GRB courts pendant S5 recherche approfondie de coalescences NS/NS ou NS/BH autour du temps des GRBs Prise en compte du spin des objets en coalescence Injection de formes d ondes de RG numérique

51 Autres recherches : événements impulsifs Recherche de signaux courts non modélisés Sans déclenchement sur toutes les données et de toutes les directions Déclenchés par des observations astro. (GRBs et SGRs) Etapes : Décomposition des données en temps-fréquence => projection sur une base de Fourier ou d ondelettes Seuil sur la puissance et regroupement des déclenchements Exige coïncidence entre détecteurs Décalages en temps pour étude de bruit de fond Qualité des données et vérifications de consistance Résultat : événements en coïncidence avec une similarité entre détecteurs pour la significance statistique, le temps, la fréquence, l amplitude et la forme d onde

52 Autres recherches : événements impulsifs Recherche de signaux courts non modélisés Sans déclenchement sur toutes les données et de toutes les directions Déclenchés par des observations astro. (GRBs et SGRs) Etapes : Décomposition des données en temps-fréquence => projection sur une base de Fourier ou d ondelettes Seuil sur la puissance et regroupement des déclenchements Exige coïncidence entre détecteurs Décalages en temps pour étude de bruit de fond Qualité des données et vérifications de consistance Résultat : événements en coïncidence avec LIGO une S4 search: similarité CQG 24 (2007) 5343 entre détecteurs pour la significance statistique, le temps, la fréquence, l amplitude et la forme d onde S4 S2 S1

53 Exemple de résultats : GRB Sursaut gamma GRB La boite d erreur couvre une partie d un bras spiral de la galaxie d Andromède => GRB associé à un événement dans Andromède??? Coalescence avec 1 M! < m 1 < 3 M! et 1 M! < m 2 < 40 M! exclu avec 99% de degré de confiance Burst (signal non modélisé) d énergie en OG E OG < M! ( ergs) * Abbot et al, ApJ, 681: , 2008 July 10

54 Autres recherches : signaux continus Emission continue d OG par étoile à neutrons en rotation amplitude de l onde : mouvement/orientation de la terre autour du soleil => signal modulé (effet Doppler) Analyses cohérentes (avec calques) seraient les plus sensibles mais Très grand nombre de paramètres (position, paramètres de décroissance de la période, fréquence,...) Signaux très longs (~ mois) Très gourmandes en temps de calcul (10 14 TFlops!) gw h 0 = 4π2 G I zz ε f 2 c 4 d mal connus (Low Mass X-ray Binaries) Precession I zz : moment d inertie selon l axe de rotation Mountains Oscillation modes ε = I xx I yy I zz : ellipticité dans le plan équatorial

55 L analyse utilise des méthodes sub-optimales Fréquence Temps Phase cohérente : FFT de courtes tranches en temps (30 min) ou autres transformées si tranches plus longues Fréquence Temps Phase incohérente : Suit le décalage Doppler et df/dt et somme la puissance On peut ensuite mettre ou non des poids en fonction du diagramme d antenne ou/et de la courbe de bruit du détecteur : Transformée de Hough Transformée de Radon PowerFlux Met limites sur l amplitude de l OG et les ellipticités équatoriales

56 Exemple de résultats : le pulsar du Crabe Suppose que le taux de ralentissement de la rotation des pulsars est uniquement due à l émission d OG => met une limite sup. sur le taux d émission d OG Pulsar du Crabe: Limite de LIGO sur l émission d OG est maintenant en dessous de la limite sup. déduite du taux de ralentissement Limite supérieure pour ~ 13 premiers mois de S5

57 Déclenchements externes Vraisemblable : source d O.G. émet également dans d autres domaines Recherche de signaux en coïncidence avec d autres instruments Astronomie multi-messagers Déclenchement d une recherche d OG dans Virgo/LIGO Déjà mis en place : GRB mais aussi SGR, SN Core Collapse proches Projets en cours Renforcer les liens avec communauté GRB Développer déclenchements neutrinos (sources SN ou extra-galactiques) Déclenchements optiques ou radio Recherche rapide d une contrepartie (radio, optique, X,!) dans le cas d une détection OG : en cours de développement Follow-ups optique grand champ Demande observations TOO (Target Of Opportunity) en X, optique et radio

58 Ze End du troisième chapitre (as we say in french)

59 Les GRB dans Virgo Analyse du signal dépend du phénomène produisant les GRB Si GRB produits par des coalescences de binaires Forme du signal calculable : développements PN, relativité numérique Analyse à base de calques ( filtrage optimal ) Portée dépend des masses Advanced Virgo : M! "#$120 Mpc, M! "#~500 Mpc Coalescences = chandelles standard 10 evts en coïncidence avec GRB = mesure de H 0 à 2-3% [Dalal et al., Phys.Rev.D, 2006] Si GRB produits par hypernovae,... Evénements impulsifs courts ( bursts ) Forme inconnue Analyse(s) sub-optimale(s) Portée dépend du modèle mais plus faible que dans le cas précédent

60 Spécificités de l analyse GRB On connaît (aux incertitudes près) le temps de l événement Pic de luminosité Recherche sur un intervalle autour du pic de luminosité du GRB [-5s;1s] dans le cas de GRB , GRB court Utilise des périodes adjacentes pour estimer le bruit de fond Peut abaisser les seuils par rapport à une recherche aveugle Pas besoin de rechercher dans tout le domaine de masse l un des deux protagonistes doit être une étoile à neutrons m 1 = [1 M! ; 3 M! ] et m 2 = [1 M! ; 40 M! ]

Recherche De Coalescences Binaires Étalonnage Du Détecteur

Recherche De Coalescences Binaires Étalonnage Du Détecteur Recherche De Coalescences Binaires Étalonnage Du Détecteur Fabrice Beauville Journées Jeunes Chercheurs 18/12/2003 Les Coalescences Binaires & VIRGO Système binaire d objets compacts (étoiles à neutrons,

Plus en détail

Intérêt du découpage en sous-bandes pour l analyse spectrale

Intérêt du découpage en sous-bandes pour l analyse spectrale Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,

Plus en détail

ANALYSE MULTI CAPTEUR DE SIGNAUX TRANSITOIRES ISSUS DES SYSTEMES ELECTRIQUES

ANALYSE MULTI CAPTEUR DE SIGNAUX TRANSITOIRES ISSUS DES SYSTEMES ELECTRIQUES ANALYSE MULTI CAPTEUR DE SIGNAUX TRANSITOIRES ISSUS DES SYSTEMES ELECTRIQUES Bertrand GOTTIN Directeurs de thèse: Cornel IOANA et Jocelyn CHANUSSOT 03 Septembre 2010 Problématique liée aux Transitoires

Plus en détail

Propriétés des images numériques Contraintes sur l interprétation

Propriétés des images numériques Contraintes sur l interprétation Propriétés des images numériques Contraintes sur l interprétation M.LOUYS, Traitement d images et problèmes inverses Master Astrophysique, Observatoire de Strasbourg, 2013 Propriétés générales d une image

Plus en détail

Ondes gravitationnelles de basses fréquences et relativité

Ondes gravitationnelles de basses fréquences et relativité Ondes gravitationnelles de basses fréquences et relativité numérique Jérôme Novak LUTH : Laboratoire de l Univers et de ses THéories CNRS / Université Paris 7 / Observatoire de Paris F-92195 Meudon Cedex,

Plus en détail

LISACode. Un simulateur opérationnel pour LISA. Antoine PETITEAU LISAFrance - le 16 mai 2006

LISACode. Un simulateur opérationnel pour LISA. Antoine PETITEAU LISAFrance - le 16 mai 2006 LISACode Un simulateur opérationnel pour LISA Antoine PETITEAU LISAFrance - le 16 mai 2006 Plan Rappel sur LISACode. Validation du simulateur. Possibilités du simulateur. Résultats obtenus. Bruit de confusion.

Plus en détail

Les objets très lointains

Les objets très lointains Les objets très lointains Lorsque les étoiles sont proches il est possible de mesurer la distance qui nous en sépare par une méthode dite abusivement directe, la trigonométrie, qui permet de déduire les

Plus en détail

Projet de Traitement du Signal Segmentation d images SAR

Projet de Traitement du Signal Segmentation d images SAR Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,

Plus en détail

TECHNOLOGIE DE L OPTIQUE GUIDEE

TECHNOLOGIE DE L OPTIQUE GUIDEE REPUBLIQUE DU CAMEROUN Paix - Travail Patrie --------------------- UNIVERSITE DE YAOUNDE I ---------------------- ECOLE NATIONALE SUPERIEURE POLYTECHNIQUE ---------------------- REPUBLIC OF CAMEROUN Peace

Plus en détail

LeCroy. Recherche de défauts sur circuits logiques à l aide d oscilloscopes numériques

LeCroy. Recherche de défauts sur circuits logiques à l aide d oscilloscopes numériques LeCroy Recherche de défauts sur circuits logiques à l aide d oscilloscopes numériques Avec la constante évolution industrielle, les ingénieurs d études doivent aujourd hui caractériser en permanence de

Plus en détail

Les moyens d observations en astronomie & astrophysique

Les moyens d observations en astronomie & astrophysique Les moyens d observations en astronomie & astrophysique Unité d Enseignement Libre Université de Nice- Sophia Antipolis F. Millour PAGE WEB DU COURS : www.oca.eu/fmillour cf le cours de Pierre Léna : «L

Plus en détail

Expérience 3 Formats de signalisation binaire

Expérience 3 Formats de signalisation binaire Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx

Plus en détail

TP Modulation Démodulation BPSK

TP Modulation Démodulation BPSK I- INTRODUCTION : TP Modulation Démodulation BPSK La modulation BPSK est une modulation de phase (Phase Shift Keying = saut discret de phase) par signal numérique binaire (Binary). La phase d une porteuse

Plus en détail

Séries de Fourier. T f (x) exp 2iπn x T dx, n Z. T/2 f (x) cos ( ) f (x) dx a n (f) = 2 T. f (x) cos 2πn x )

Séries de Fourier. T f (x) exp 2iπn x T dx, n Z. T/2 f (x) cos ( ) f (x) dx a n (f) = 2 T. f (x) cos 2πn x ) Séries de Fourier Les séries de Fourier constituent un outil fondamental de la théorie du signal. Il donne lieu à des prolongements et des extensions nombreux. Les séries de Fourier permettent à la fois

Plus en détail

Instrumentation électronique

Instrumentation électronique Instrumentation électronique Le cours d électrocinétique donne lieu à de nombreuses études expérimentales : tracé de caractéristiques statique et dynamique de dipôles, étude des régimes transitoire et

Plus en détail

Systèmes de transmission

Systèmes de transmission Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un

Plus en détail

Variabilité Temporelle des Binaires-X : Modélisation.

Variabilité Temporelle des Binaires-X : Modélisation. Variabilité Temporelle des Binaires-X : Observations avec INTEGRAL. Modélisation. Clément Cabanac 1 2 1 Équipe SHERPAS Laboratoire d Astrophysique de Grenoble (LAOG) 2 School of Physics and Astronomy University

Plus en détail

Quelques points de traitement du signal

Quelques points de traitement du signal Quelques points de traitement du signal Introduction: de la mesure au traitement Source(s) BRUIT BRUIT Système d acquisition Amplitude (Pa) Temps (s) Amplitude (Pa) Mesure Opérations mathématiques appliquées

Plus en détail

Communications numériques

Communications numériques Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale

Plus en détail

EMETTEUR ULB. Architectures & circuits. Ecole ULB GDRO ESISAR - Valence 23-27/10/2006. David MARCHALAND STMicroelectronics 26/10/2006

EMETTEUR ULB. Architectures & circuits. Ecole ULB GDRO ESISAR - Valence 23-27/10/2006. David MARCHALAND STMicroelectronics 26/10/2006 EMETTEUR ULB Architectures & circuits David MARCHALAND STMicroelectronics 26/10/2006 Ecole ULB GDRO ESISAR - Valence 23-27/10/2006 Introduction Emergence des applications de type LR-WPAN : Dispositif communicant

Plus en détail

MOdulateur-DEModulateur (MODEM) FSK

MOdulateur-DEModulateur (MODEM) FSK MOdulateur-DEModulateur (MODEM) FSK La FSK (Frequency Shift Keying pour Saut discret de Fréquences) correspond tout simplement à une modulation de fréquence dont le modulant (information) est un signal

Plus en détail

Systèmes de communications numériques 2

Systèmes de communications numériques 2 Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes cnrs supélec ups supélec, Plateau de Moulon, 9119 Gif-sur-Yvette ciuciu@lss.supelec.fr Université

Plus en détail

Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies

Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Ariane Lançon (Observatoire de Strasbourg) en collaboration avec: Jean-Luc Vergely,

Plus en détail

Microscopie à Force Atomique

Microscopie à Force Atomique M1 SCIENCES DE LA MATIERE - ENS LYON ANNEE SCOLAIRE 2009-2010 Microscopie à Force Atomique Compte-rendu de Physique Expérimentale Réalisé au Laboratoire de Physique de l ENS Lyon sous la supervision de

Plus en détail

LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION

LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION ) Caractéristiques techniques des supports. L infrastructure d un réseau, la qualité de service offerte,

Plus en détail

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57 Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation

Plus en détail

I - Quelques propriétés des étoiles à neutrons

I - Quelques propriétés des étoiles à neutrons Formation Interuniversitaire de Physique Option de L3 Ecole Normale Supérieure de Paris Astrophysique Patrick Hennebelle François Levrier Sixième TD 14 avril 2015 Les étoiles dont la masse initiale est

Plus en détail

Le concept cellulaire

Le concept cellulaire Le concept cellulaire X. Lagrange Télécom Bretagne 21 Mars 2014 X. Lagrange (Télécom Bretagne) Le concept cellulaire 21/03/14 1 / 57 Introduction : Objectif du cours Soit un opérateur qui dispose d une

Plus en détail

M1107 : Initiation à la mesure du signal. T_MesSig

M1107 : Initiation à la mesure du signal. T_MesSig 1/81 M1107 : Initiation à la mesure du signal T_MesSig Frédéric PAYAN IUT Nice Côte d Azur - Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 15 octobre 2014 2/81 Curriculum

Plus en détail

TP 03 B : Mesure d une vitesse par effet Doppler

TP 03 B : Mesure d une vitesse par effet Doppler TP 03 B : Mesure d une vitesse par effet Doppler Compétences exigibles : - Mettre en œuvre une démarche expérimentale pour mesurer une vitesse en utilisant l effet Doppler. - Exploiter l expression du

Plus en détail

TP vélocimétrie. Laser, Matériaux, Milieux Biologiques. Sécurité laser

TP vélocimétrie. Laser, Matériaux, Milieux Biologiques. Sécurité laser TP vélocimétrie Laser, Matériaux, Milieux Biologiques Sécurité ATTENTION : le faisceau du Hélium-Néon utilisé dans cette salle est puissant (supérieur à 15 mw). Il est dangereux et peuvent provoquer des

Plus en détail

1. L ADN et l information génétique. l ADN l information génétique est contenue dans l ADN. traduction. comment fait-on une protéine?

1. L ADN et l information génétique. l ADN l information génétique est contenue dans l ADN. traduction. comment fait-on une protéine? 1. L ADN et l information génétique l ADN l information génétique est contenue dans l ADN (ADN) (ARN) 1 2 A G T C U comment fait-on une protéine? traduction l information génétique est organisée par triplets

Plus en détail

Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux

Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux hétérogènes Laurent Déjean Thales Airborne Systems/ENST-Bretagne Le 20 novembre 2006 Laurent Déjean Détection en

Plus en détail

Les codes Pseudo-Aléatoires et leurs applications

Les codes Pseudo-Aléatoires et leurs applications Les codes Pseudo-Aléatoires et leurs applications A) Les codes Pseudo-Aléaoires B) Les Applications : I. Etalement de spectre, II. Cryptage et chiffrement III. Brouillage numérique A) Les codes Pseudo-aléatoires

Plus en détail

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique

Plus en détail

Chapitre 6 : les groupements d'étoiles et l'espace interstellaire

Chapitre 6 : les groupements d'étoiles et l'espace interstellaire Chapitre 6 : les groupements d'étoiles et l'espace interstellaire - Notre Galaxie - Amas stellaires - Milieu interstellaire - Où sommes-nous? - Types de galaxies - Interactions entre galaxies Notre Galaxie

Plus en détail

Vision par Ordinateur

Vision par Ordinateur Vision par Ordinateur James L. Crowley DEA IVR Premier Bimestre 2005/2006 Séance 6 23 novembre 2005 Détection et Description de Contraste Plan de la Séance : Description de Contraste...2 Le Détecteur de

Plus en détail

Quelleestlavaleurdel intensitéiaupointm?

Quelleestlavaleurdel intensitéiaupointm? Optique Ondulatoire Plan du cours [1] Aspect ondulatoire de la lumière [2] Interférences à deux ondes [3] Division du front d onde [4] Division d amplitude [5] Diffraction [6] Polarisation [7] Interférences

Plus en détail

TD1 Signaux, énergie et puissance, signaux aléatoires

TD1 Signaux, énergie et puissance, signaux aléatoires TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver

Plus en détail

Précision d un résultat et calculs d incertitudes

Précision d un résultat et calculs d incertitudes Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................

Plus en détail

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration

Plus en détail

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur

Plus en détail

GYROSCANFIELD. Courbe radar de l objet sous test. Comparaison mesure et simulation d une antenne WiFi

GYROSCANFIELD. Courbe radar de l objet sous test. Comparaison mesure et simulation d une antenne WiFi Produits 2015-2016 GYROSCANFIELD Le Gyroscanfield permet de mesurer et de visualiser en 3D et en temps réel le rayonnement électromagnétique d un objet sous test de manière simple et rapide. Il est fabriqué

Plus en détail

TP filtres électriques

TP filtres électriques P filtres électriques Objectif : Étudier les caractéristiques de gain et de phase de quelques filtres classiques 1 Introduction oute cette partie est informative : la non compréhension de certains paragraphes

Plus en détail

LE COSMODETECTEUR : UN EXEMPLE DE CHAÎNE DE MESURE

LE COSMODETECTEUR : UN EXEMPLE DE CHAÎNE DE MESURE LE COSMODETECTEUR : UN EXEMPLE DE CHAÎNE DE MESURE Enseignement : 1 ère STL Mesures et instrumentation Thème : Instrumentation : Instruments de mesure, chaîne de mesure numérique Notions et contenus :

Plus en détail

Ondes Pulsées - Mise en évidence

Ondes Pulsées - Mise en évidence Ondes Pulsées - Mise en évidence Ce document, sans aucune prétention technique, est un essai de mise en évidence basique des ondes pulsées. Le but est de montrer les ondes pulsées typiques connues actuellement

Plus en détail

Chaine de transmission

Chaine de transmission Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation

Plus en détail

Principales caractéristiques de Mixmod

Principales caractéristiques de Mixmod Modèle de mélanges Principales caractéristiques de Mixmod Gérard Govaert et Gilles Celeux 24 octobre 2006 1 Plan Le modèledemélange Utilisations du modèle de mélange Les algorithmes de Mixmod Modèle de

Plus en détail

Polissage des Miroirs d Advanced Virgo : un nouveau défi. Les solutions envisagées

Polissage des Miroirs d Advanced Virgo : un nouveau défi. Les solutions envisagées Polissage des Miroirs d Advanced Virgo : un nouveau défi Les solutions envisagées Laurent PINARD Responsable Technique Laboratoire des Matériaux Avancés - Lyon 1 Plan de l exposé Introduction Virgo, les

Plus en détail

GYROSCANFIELD. Courbe radar de l objet sous test. Comparaison mesure et simulation d une antenne WiFi

GYROSCANFIELD. Courbe radar de l objet sous test. Comparaison mesure et simulation d une antenne WiFi Produits 2014-2015 GYROSCANFIELD PRÉSENTATION Le Gyroscanfield permet de mesurer et de visualiser en 3D et en temps réel le rayonnement électromagnétique d un objet sous test de manière simple et rapide.

Plus en détail

TP N 1 MODULATION D AMPLITUDE DEMODULATION D AMPLITUDE

TP N 1 MODULATION D AMPLITUDE DEMODULATION D AMPLITUDE Polytech'Nice, Dép. Elec 4ème année T.P. d'electronique TP N 1 MODULATION D AMPLITUDE DEMODULATION D AMPLITUDE GENERALITES SUR LA MODULATION Les ondes électromagnétiques de fréquence élevée ont la propriété

Plus en détail

choisir H 1 quand H 0 est vraie - fausse alarme

choisir H 1 quand H 0 est vraie - fausse alarme étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts

Plus en détail

CHAPITRE V. Théorie de l échantillonnage et de la quantification

CHAPITRE V. Théorie de l échantillonnage et de la quantification CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE

Plus en détail

Transmission des signaux numériques

Transmission des signaux numériques Transmission des signaux numériques par Hikmet SARI Chef de Département d Études à la Société Anonyme de Télécommunications (SAT) Professeur Associé à Télécom Paris. Transmission en bande de base... E

Plus en détail

- MANIP 2 - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE

- MANIP 2 - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE - MANIP 2 - - COÏNCIDENCES ET MESURES DE TEMPS - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE L objectif de cette manipulation est d effectuer une mesure de la vitesse de la lumière sur une «base

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités III Introduction à l évaluation d options Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un

Plus en détail

Quantification Scalaire et Prédictive

Quantification Scalaire et Prédictive Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test

Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test 11 juillet 2003 Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test Mariane Comte Plan 2 Introduction et objectif

Plus en détail

Transmission de données. A) Principaux éléments intervenant dans la transmission

Transmission de données. A) Principaux éléments intervenant dans la transmission Page 1 / 7 A) Principaux éléments intervenant dans la transmission A.1 Equipement voisins Ordinateur ou terminal Ordinateur ou terminal Canal de transmission ETTD ETTD ETTD : Equipement Terminal de Traitement

Plus en détail

Une introduction aux modèles de perception et de raisonnement

Une introduction aux modèles de perception et de raisonnement Une introduction aux modèles de perception et de raisonnement Courriel : {prenom.nom}@univ-lorraine.fr .. Lecture La perception humaine. . Lecture La perception humaine.. Partie 1. 1. La et les espaces

Plus en détail

Filtrage - Intégration - Redressement - Lissage

Filtrage - Intégration - Redressement - Lissage PCSI - Stanislas - Electrocinétique - TP N 3 - Filtrage - Intégration - Redressement - Lissage Filtrage - Intégration - Redressement - Lissage Prenez en note tout élément pouvant figurer dans un compte-rendu

Plus en détail

INF6304 Interfaces Intelligentes

INF6304 Interfaces Intelligentes INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie

Plus en détail

Prise en main de l oscilloscope. TP1

Prise en main de l oscilloscope. TP1 1. UTILISATION D UN OSCILLOSCOPE POUR LA MESURE D UNE TENSION CONTINUE. 1.1. Repérage des groupes de fonction. Zone ➊ : Assure la fonction MISE EN SERVICE Zone➋ : Assure la fonction ENTREE DES TENSIONS

Plus en détail

J AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE

J AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent

Plus en détail

Suivi en infrarouge-moyen avec ISO

Suivi en infrarouge-moyen avec ISO Chapitre 6. Suivi en infrarouge-moyen avec ISO Chapitre 6 Suivi en infrarouge-moyen avec ISO 6.1 Introduction L observation des galaxies dans l infrarouge offre une opportunité unique d étudier le processus

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

Chapitre 2 : Systèmes radio mobiles et concepts cellulaires

Chapitre 2 : Systèmes radio mobiles et concepts cellulaires Chapitre 2 : Systèmes radio mobiles et concepts cellulaires Systèmes cellulaires Réseaux cellulaires analogiques de 1ère génération : AMPS (USA), NMT(Scandinavie), TACS (RU)... Réseaux numériques de 2ème

Plus en détail

De la gendarmerie, à l astrophysique.., mesurer une vitesse à partir de l effet Doppler

De la gendarmerie, à l astrophysique.., mesurer une vitesse à partir de l effet Doppler Terminale S Propriétés des ondes TP De la gendarmerie, à l astrophysique.., mesurer une vitesse à partir de l effet Doppler Objectifs : Mettre en oeuvre une démarche expérimentale pour mesurer une vitesse

Plus en détail

Une fréquence peut-elle être instantanée?

Une fréquence peut-elle être instantanée? Fréquence? Variable? Instantané vs. local? Conclure? Une fréquence peut-elle être instantanée? Patrick Flandrin CNRS & École Normale Supérieure de Lyon, France Produire le temps, IRCAM, Paris, juin 2012

Plus en détail

Data first, ou comment piloter l analyse par les données

Data first, ou comment piloter l analyse par les données CNRS & Patrick Flandrin École Normale Supérieure de Lyon Data first, ou comment piloter l analyse par les données M2 de Physique Cours 2012-2013 1 Table des matières 1 Introduction 4 2 Rappel sur les analyses

Plus en détail

INTERPRÉTATION ET ANOMALIES DE LA PROSPECTION À RÉSONANCE MAGNÉTIQUE (MRS)

INTERPRÉTATION ET ANOMALIES DE LA PROSPECTION À RÉSONANCE MAGNÉTIQUE (MRS) 1 Géologie, géotechnique, risques naturels, hydrogéologie, environnement et services scientifico-techniques INTERPRÉTATION ET ANOMALIES DE LA PROSPECTION À RÉSONANCE MAGNÉTIQUE (MRS) INTERPRETATION DES

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

INSTRUMENTS DE MESURE

INSTRUMENTS DE MESURE INSTRUMENTS DE MESURE Diagnostique d impulsions lasers brèves Auto corrélateur à balayage modèle AA-10DD Compact et facile d emploi et de réglage, l auto corrélateur AA-10DD permet de mesurer des durées

Plus en détail

spectrales Jerome.Novak@obspm.fr Laboratoire Univers Théories (LUTH) CNRS / Observatoire de Paris, France

spectrales Jerome.Novak@obspm.fr Laboratoire Univers Théories (LUTH) CNRS / Observatoire de Paris, France Jerome.Novak@obspm.fr Laboratoire Univers Théories (LUTH) CNRS / Observatoire de Paris, France en collaboration avec Éric Gourgoulhon & Philippe Grandclément 10 décembre 2007 Plan 1 : exemple avec les

Plus en détail

CAPTEURS - CHAINES DE MESURES

CAPTEURS - CHAINES DE MESURES CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

8563A. SPECTRUM ANALYZER 9 khz - 26.5 GHz ANALYSEUR DE SPECTRE

8563A. SPECTRUM ANALYZER 9 khz - 26.5 GHz ANALYSEUR DE SPECTRE 8563A SPECTRUM ANALYZER 9 khz - 26.5 GHz ANALYSEUR DE SPECTRE Agenda Vue d ensemble: Qu est ce que l analyse spectrale? Que fait-on comme mesures? Theorie de l Operation: Le hardware de l analyseur de

Plus en détail

Compatibilité Électromagnétique

Compatibilité Électromagnétique Compatibilité Électromagnétique notions générales et applications à l électronique de puissance Ir. Stéphane COETS 18 mai 2005 Journée d étude en Électronique de Puissance 1 Plan de l exposé La Compatibilité

Plus en détail

Structure interne simplifiée d un oscilloscope

Structure interne simplifiée d un oscilloscope Structure interne simplifiée d un oscilloscope 1 Méthodologie d utilisation et mesure Avant de visualiser n importe quel signal { l oscilloscope il faut d abord : Faire apparaître les deux traces lumineuses

Plus en détail

Fiche technique expérimentale 5. Notions sur l acquisition numérique

Fiche technique expérimentale 5. Notions sur l acquisition numérique Fiche technique expérimentale 5 Notions sur l acquisition numérique D.Malka MPSI 2014-2015 Lycée Saint-Exupéry Ce bref guide traite de quelques éléments important sur l acquisition numérique des signaux

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

( ) ( ) = a 0 ( ) 1 - PARTIE THÉORIQUE. ù û. v t. a n. cos( nwt ) + b n. + A n. v t. sin( nwt +j n ) = A n. sin j n b n. cos j n

( ) ( ) = a 0 ( ) 1 - PARTIE THÉORIQUE. ù û. v t. a n. cos( nwt ) + b n. + A n. v t. sin( nwt +j n ) = A n. sin j n b n. cos j n T.P. d'electronique 3 ème année 1 - PARTIE THÉORIQUE ANALYSE SPECTRALE DE SIGNAUX PAR FFT 1.1 RAPPEL SUR LES SÉRIES DE FOURIER. SPECTRE D'UN SIGNAL. La série de Fourier joue un rôle considérable en électronique,

Plus en détail

Le signal GPS. Les horloges atomiques à bord des satellites GPS produisent une fréquence fondamentale f o = 10.23 Mhz

Le signal GPS. Les horloges atomiques à bord des satellites GPS produisent une fréquence fondamentale f o = 10.23 Mhz Le signal GPS Les horloges atomiques à bord des satellites GPS produisent une fréquence fondamentale f o = 10.23 Mhz Deux signaux en sont dérivés: L1 (fo x 154) = 1.57542 GHz, longueur d onde = 19.0 cm

Plus en détail

Didier Pietquin. Timbre et fréquence : fondamentale et harmoniques

Didier Pietquin. Timbre et fréquence : fondamentale et harmoniques Didier Pietquin Timbre et fréquence : fondamentale et harmoniques Que sont les notions de fréquence fondamentale et d harmoniques? C est ce que nous allons voir dans cet article. 1. Fréquence Avant d entamer

Plus en détail

MESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .

MESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. . MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision

Plus en détail

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,

Plus en détail

La relativité générale est quelquefois considérée

La relativité générale est quelquefois considérée Relativité et interactions fondamentales La relativité générale et la spirale infernale des étoiles binaires compactes La théorie relativiste de la gravitation, très bien vérifiée par les tests classiques

Plus en détail

Discrétisation et génération de hiérarchies de concepts

Discrétisation et génération de hiérarchies de concepts Prétraitement des données 1 Pourquoi prétraiter les données? Nettoyage des données Intégration et transformation Réduction des données Discrétisation et génération de hiérarchies de g concepts Pourquoi

Plus en détail

Chapitre 2 Les ondes progressives périodiques

Chapitre 2 Les ondes progressives périodiques DERNIÈRE IMPRESSION LE er août 203 à 7:04 Chapitre 2 Les ondes progressives périodiques Table des matières Onde périodique 2 2 Les ondes sinusoïdales 3 3 Les ondes acoustiques 4 3. Les sons audibles.............................

Plus en détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction du baccalauréat ES/L Métropole 20 juin 2014 Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)

Plus en détail

PRODUIRE DES SIGNAUX 1 : LES ONDES ELECTROMAGNETIQUES, SUPPORT DE CHOIX POUR TRANSMETTRE DES INFORMATIONS

PRODUIRE DES SIGNAUX 1 : LES ONDES ELECTROMAGNETIQUES, SUPPORT DE CHOIX POUR TRANSMETTRE DES INFORMATIONS PRODUIRE DES SIGNAUX 1 : LES ONDES ELECTROMAGNETIQUES, SUPPORT DE CHOIX POUR TRANSMETTRE DES INFORMATIONS Matériel : Un GBF Un haut-parleur Un microphone avec adaptateur fiche banane Une DEL Une résistance

Plus en détail

FAG Detector II le collecteur et l analyseur de données portatif. Information Technique Produit

FAG Detector II le collecteur et l analyseur de données portatif. Information Technique Produit FAG II le collecteur et l analyseur de données portatif Information Technique Produit Application La maintenance conditionnelle Principe de fonctionnement Application Le FAG II est, à la fois, un appareil

Plus en détail

LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB

LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB 5.1 Introduction Au cours de séances précédentes, nous avons appris à utiliser un certain nombre d'outils fondamentaux en traitement du

Plus en détail

Quelques liens entre. l'infiniment petit et l'infiniment grand

Quelques liens entre. l'infiniment petit et l'infiniment grand Quelques liens entre l'infiniment petit et l'infiniment grand Séminaire sur «les 2» au CNPE (Centre Nucléaire de Production d'électricité) de Golfech Sophie Kerhoas-Cavata - Irfu, CEA Saclay, 91191 Gif

Plus en détail

BTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL

BTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par

Plus en détail

Soutenance de stage Laboratoire des Signaux et Systèmes

Soutenance de stage Laboratoire des Signaux et Systèmes Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud

Plus en détail

Caractéristiques des ondes

Caractéristiques des ondes Caractéristiques des ondes Chapitre Activités 1 Ondes progressives à une dimension (p 38) A Analyse qualitative d une onde b Fin de la Début de la 1 L onde est progressive puisque la perturbation se déplace

Plus en détail

Normalité des rendements?

Normalité des rendements? Normalité des rendements? Daniel Herlemont 31 mars 2011 Table des matières 1 Introduction 1 2 Test de Normalité des rendements 2 3 Graphiques quantile-quantile 2 4 Estimation par maximum de vraisemblance

Plus en détail