Traitement du Signal
|
|
- ahmed ziani
- il y a 7 ans
- Total affichages :
Transcription
1 Traitement du Signal Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.fr Cours Traitement du Signal, p. 1/94
2 Bibliographie J. Max et J.-L. Lacoume, Méthodes et techniques de traitement du signal, Dunod, 5 me édition, Athanasios Papoulis and S. Unnikrishna Pillai, Probability, Random Variable and Stochastic Processes, McGraw Hill Higher Education, 4th edition, Cours Traitement du Signal, p. 2/94
3 Plan du cours Chapitre 1 : Corrélations et Spectres Transformée de Fourier Classes de signaux déterministes et aléatoires Propriétés de R x (τ) et de s x (f) Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 3/94
4 Transformée de Fourier Définitions Formule directe X(f) = R x(t)exp( j2πft)dt Formule inverse Hypothèses TF sur L 1 ou L 2 x(t) = R X(f)exp(j2πft)df Cours Traitement du Signal, p. 4/94
5 Propriétés Linéarité TF[ax(t)+by(t)] = ax(f)+by(f) Parité x(t) réelle paire X(f) réelle paire Translation et Modulation TF[x(t t 0 )] = exp( j2πft 0 )X(f) TF[x(t)exp(j2πf 0 t)] = X(f f 0 ) Similitude TF[x(at)] = 1 a X ( ) f a Cours Traitement du Signal, p. 5/94
6 Propriétés Produits de Convolution TF[x(t) y(t)] = X(f)Y(f) TF[x(t)y(t)] = X(f) Y(f) Égalite de Parseval x(t)y (t)dt = R R X(f)Y (f)df Conjugaison TF[x (t)] = X ( f) Cours Traitement du Signal, p. 6/94
7 Distributions Localisation x(t)δ(t t 0 ) = x(t 0 )δ(t t 0 ) Produit de Convolution x(t) δ(t t 0 ) = x(t t 0 ) Transformées de Fourier TF[δ(t)] = 1, TF[1] = δ(f) TF[δ(t t 0 )] = exp( j2πft 0 ), TF[exp(j2πf 0 t)] = δ(f f 0 ) Cours Traitement du Signal, p. 7/94
8 Plan du cours Chapitre 1 : Corrélations et Spectres Transformée de Fourier Classes de signaux déterministes et aléatoires Propriétés de R x (τ) et de s x (f) Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 8/94
9 Classes de signaux déterministes et aléatoires Classe 1 : signaux déterministes à énergie finie Classe 2 : signaux déterministes périodiques à puissance finie Classe 3 : signaux déterministes non périodiques à puissance finie Classe 4 : signaux aléatoires stationnaires Cours Traitement du Signal, p. 9/94
10 Signaux déterministes à énergie finie Définition E = R x(t) 2 dt = R X(f) 2 df < Fonction d autocorrélation R x (τ) = x(t)x (t τ)dt = x(t),x(t τ) R Fonction d intercorrélation R xy (τ) = x(t)y (t τ)dt = x(t),y(t τ) R Produit scalaire x(t),y(t) = R x(t)y (t)dt Cours Traitement du Signal, p. 10/94
11 Densité spectrale d énergie Définition Propriété Preuve s x (f) = R = = s x (f) = TF[R x (τ)] s x (f) = X(f) 2 [ ] x(t)x (t τ)dt exp( j2πf τ)dτ R R R [ [ R R = X (f)x(f) ] x (t τ)exp( j2πfτ)dτ x(t)dt ] x (u)exp[j2πf(u t)]du x(t)dt Cours Traitement du Signal, p. 11/94
12 Exemple Fenêtre rectangulaire x(t) = Π T (t) = { 1 si T 2 < t < T 2 0 sinon Fonction d autocorrélation R x (τ) = TΛ T (τ) Densité spectrale d énergie s x (f) = T 2 sinc 2 (πtf) = X(f) 2 Cours Traitement du Signal, p. 12/94
13 Signaux déterministes périodiques Définition P = 1 T 0 T0 /2 T 0 /2 x(t) 2 dt < Fonction d autocorrélation R x (τ) = 1 T 0 T0 /2 T 0 /2 x(t)x (t τ)dt = x(t),x(t τ) Fonction d intercorrélation R xy (τ) = 1 T 0 T0 /2 T 0 /2 x(t)y (t τ)dt = x(t),y(t τ) Produit scalaire x(t),y(t) = 1 T 0 T0 /2 T 0 /2 x(t)y (t)dt Cours Traitement du Signal, p. 13/94
14 Densité spectrale de puissance Définition Propriété s x (f) = TF[R x (τ)] s x (f) = k Z c k 2 δ(f kf 0 ) avec x(t) = k Z c kexp(j2πkf 0 t). Preuve R x (τ) = k,l c k c l exp(j2πlf 0τ) [ 1 T 0 T0 /2 T 0 /2 exp[j2π(k l)f 0 t]dt ] = k c k 2 exp(j2πkf 0 τ) Cours Traitement du Signal, p. 14/94
15 Exemple Sinusoïde Fonction d autocorrélation x(t) = Acos(2πf 0 t) R x (τ) = A2 2 cos(2πf 0τ) Densité spectrale de puissance s x (f) = A2 4 [δ(f f 0)+δ(f +f 0 )] Cours Traitement du Signal, p. 15/94
16 Signaux déterministes à puissance finie Définition P = lim T 1 T Fonction d autocorrélation T/2 T/2 x(t) 2 dt < 1 R x (τ) = lim T T T/2 T/2 x(t)x (t τ)dt = x(t),x(t τ) Fonction d intercorrélation 1 R xy (τ) = lim T T T/2 T/2 x(t)y (t τ)dt = x(t),y(t τ) Produit scalaire 1 x(t),y(t) = lim T T T/2 T/2 x(t)y (t)dt Cours Traitement du Signal, p. 16/94
17 Densité spectrale de puissance Définition Propriété avec Exemple X T (f) = s x (f) = TF[R x (τ)] 1 s x (f) = lim T T X T(f) 2 T/2 T/2 x(t) exp( j2πf t)dt x(t) = A 1 cos(2πf 1 t)+a 2 cos(2πf 2 t) avec f 1 et f 2 non commensurables. Cours Traitement du Signal, p. 17/94
18 Signaux aléatoires stationnaires Définition Moyenne : E[x(t)] indépendant de t Moment d ordre 2 : E[x(t)x (t τ)] indépendant de t Fonction d autocorrélation R x (τ) = E[x(t)x (t τ)] = x(t),x(t τ) Fonction d intercorrélation E[x(t)y (t τ)] = x(t),y(t τ) Produit scalaire x(t),y(t) = E[x(t)y (t)] Remarques : stationnarité au sens strict, large, à l ordre deux, tests de stationnarité. Cours Traitement du Signal, p. 18/94
19 Densité spectrale de puissance Puissance moyenne P = R x (0) = E [ x(t) 2] = R s x (f)df Densité spectrale de puissance Définition s x (f) = TF[R x (τ)] Propriété 1 [ s x (f) = lim T T E X T (f) 2] mais en général X(f) n existe pas! Cours Traitement du Signal, p. 19/94
20 Exemples Exemple 1 : Sinusoïde x(t) = Acos(2πf 0 t+θ) θ va uniforme sur [0,2π]. Fonction d autocorrélation R x (τ) = A2 2 cos(2πf 0τ) Densité spectrale de puissance s x (f) = A2 4 [δ(f f 0)+δ(f +f 0 )] Cours Traitement du Signal, p. 20/94
21 Exemples Exemple 2 : Bruit blanc Fonction d autocorrélation R x (τ) = N 0 2 δ(τ) Densité spectrale de puissance s x (f) = N 0 2 Cours Traitement du Signal, p. 21/94
22 Plan du cours Chapitre 1 : Corrélations et Spectres Transformée de Fourier Classes de signaux déterministes et aléatoires Propriétés de R x (τ) et de s x (f) Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 22/94
23 Propriétés de R x (τ) Symétrie Hermitienne : R x( τ) = R x (τ) Valeur maximale : R x (τ) R x (0) Distance entre x(t) et x(t τ) : si x(t) est un signal réel d 2 [x(t),x(t τ)] = 2[R x (0) R x (τ)] Donc R x (τ) mesure le lien entre x(t) et x(t τ). Décomposition de Lebesgue : dans la quasi-totalité des applications, on a R x (τ) = R 1 (τ)+r 2 (τ) où R 1 (τ) est une somme de fonctions périodiques et R 2 (τ) tend vers 0 lorsque τ. Cours Traitement du Signal, p. 23/94
24 Propriétés de s x (f) DSP réelle s x (f) R De plus, si x(t) signal réel, s x (f) réelle paire Positivité : s x (f) 0 Lien entre DSP et puissance/énergie P ou E = R x (0) = s x (f)df Décomposition de Lebesgue : dans la quasi-totalité des applications, on a s x (f) = s 1 (f)+s 2 (f), où s 1 (f) est un spectre de raies et s 2 (f) un spectre continu (cas général : partie singulière). R Cours Traitement du Signal, p. 24/94
25 Que faut-il savoir? Reconnaître si un signal est à énergie finie, à puissance finie périodique, à puissance finie non périodique ou aléatoire. Les différentes définitions d une fonction d autocorrélation R x (τ) La définition unifiée d une densité spectrale : s x (f) =? Les différentes définitions d une densité spectrale Ce qu est un bruit blanc Ce qu est un bruit gaussien Propriétés de R x (τ) Propriétés de s x (f) Cours Traitement du Signal, p. 25/94
26 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Introduction Relations de Wiener-Lee Formule des interférences Exemples Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 26/94
27 Introduction On cherche une opération avec les propriétés suivantes Linéarité : T [a 1 x 1 (t)+a 2 x 2 (t)] = a 1 T [x 1 (t)]+a 2 T [x 2 (t)] Invariance dans le temps Si y(t) = T [x(t)] alors T [x(t t 0 )] = y(t t 0 ) Stabilité BIBO Si x(t) M x alors il existe M y tel que y(t) = T [x(t)] M y Limitation du spectre d un signal Convolution y(t) = x(t) h(t) = R x(u)h(t u)du = h(t) x(t) Cours Traitement du Signal, p. 27/94
28 Commentaires La linéarité ne suffit pas. Contre-exemple y(t) = m(t)x(t) CNS de Stabilité BIBO h(t) dt <,i.e.,h L 1 R Réponse impulsionnelle et Transmittance H(f) = TF[h(t)] = h(t) exp( j2πf t)dt Si x(t) = δ(t) alors y(t) = h(t). Ceci permet d obtenir la seule réponse impulsionnelle possible. R Cours Traitement du Signal, p. 28/94
29 Réalisabilité d un filtre Domaine temporel (1) h(t) réelle (2) h(t) L 1 (stabilité) (3) h(t) causale (filtre sans mémoire) Domaine spectral (1) Symétrie hermitienne : H ( f) = H(f) (2) ne peut se traduire (3) H(f) = j H(f), où H(f) = H(f) 1 πf est la transformée de Hilbert de H (preuve dans le cours manuscrit). Cours Traitement du Signal, p. 29/94
30 Écriture équivalente En écrivant H(f) = H r (f)+jh i (f), on obtient H r (f) =H i (f) 1 πf H i (f) = H r (f) 1 πf Cours Traitement du Signal, p. 30/94
31 Identifier une relation de filtrage linéaire Signaux déterministes y(t) = x(t) h(t) Y(f) = X(f)H(f) Signaux aléatoires : Isométrie fondamentale Si x(t) I e j2πft, alors y(t) I e j2πft H(f) Exemples y(t) = n k=1 a kx(t t k ) y(t) = x (t) y(t) = x(t)m(t) Cours Traitement du Signal, p. 31/94
32 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Introduction Relations de Wiener-Lee Formule des interférences Exemples Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 32/94
33 Relations de Wiener Lee Densité spectrale de puissance s y (f) = s x (f) H(f) 2 Intercorrélation R yx (τ) = R x (τ) h(τ) Autocorrélation R y (τ) = R x (τ) h(τ) h ( τ) Cours Traitement du Signal, p. 33/94
34 Preuves (signaux à énergie finie) Densité spectrale de puissance s y (f) = Y(f) 2 = X(f)H(f) 2 = s x (f) H(f) 2 Intercorrélation R yx (τ) = y(u)x (u τ)du R = Y(f) [ e j2πfτ X(f) ] df R = X(f)H(f) [ e j2πfτ X (f) ] df R = s x (f)h(f)e j2πfτ df = TF 1 [s x (f)h(f)] CQFD R Cours Traitement du Signal, p. 34/94
35 Preuve (signaux à puissance finie) Intercorrélation R yx (τ) = 1 T0 /2 T 0 etc... T 0 /2 = 1 T 0 T0 /2 = = R R T 0 /2 h(v) [ y(t)x (t τ)dt [ ] h(v)x(t v)dv x (t τ)dt 1 R T0 /2 T 0 T 0 /2 h(v)r x (τ v)dv CQFD ] x(t v)x (t τ)dt dv Cours Traitement du Signal, p. 35/94
36 Preuves (signaux aléatoires) Intercorrélation R yx (τ) =E[y(t)x (t τ)] = y(t),x(t τ) = e j2πft H(f),e j2πf(t τ) = e j2πft H(f)e j2πf(t τ) s X (f)df R = H(f)e j2πfτ s X (f)df R = h(τ) R x (τ) CQFD Cours Traitement du Signal, p. 36/94
37 Preuves (signaux aléatoires) Autocorrélation R y (τ) =E[y(t)y (t τ)] = y(t),y(t τ) = e j2πft H(f),e j2πf(t τ) H(f) = e j2πft H(f)e j2πf(t τ) H (f)s x (f)df R = H(f) 2 s x (f)e j2πfτ df R =TF 1 {s x (f) H(f) 2 } = h(τ) h ( τ) R x (τ) CQFD Cours Traitement du Signal, p. 37/94
38 Preuves (signaux aléatoires) Autocorrélation R y (τ) = TF 1 {s x (f) H(f) 2 } Densité Spectrale de Puissance s y (f) = s x (f) H(f) 2 CQFD Cours Traitement du Signal, p. 38/94
39 Valeur moyenne Propriété E[Y(t)] = E[X(t)]H(0) Preuve [ ] E[Y(t)] =E X(t u)h(u)du R = E[X(t u)]h(u)du R =E[X(t)] R =E[X(t)]H(0) CQFD h(u)du (signal stationnaire) Cours Traitement du Signal, p. 39/94
40 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Introduction Relations de Wiener-Lee Formule des interférences Exemples Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 40/94
41 Formule des interférences Hypothèses y 1 (t) = x(t) h 1 (t) et y 2 (t) = x(t) h 2 (t) Conclusion Preuve R y1 y 2 (τ) = R s x (f)h 1 (f)h 2(f)e j2πfτ df R y1 y 2 (τ) = E[y 1 (t)y2(t τ)] = e j2πft H 1 (f)e j2πf(t τ) H2(f)s x (f)df R = H 1 (f)h2(f)e j2πfτ s x (f)df CQFD R Cours Traitement du Signal, p. 41/94
42 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Introduction Relations de Wiener-Lee Formule des interférences Exemples Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 42/94
43 Exemples Filtre Passe-bas Transmittance Réponse impulsionnelle H(f) = Π F (f) h(t) = F sinc(πft) non causale et / L 1 troncature + décalage Filtres liaisons montante et descendante d une chaîne de transmission Cours Traitement du Signal, p. 43/94
44 Que faut-il savoir? Reconnaître une relation de filtrage linéaire Densité spectrale de puissance de la sortie d un filtre Intercorrélation entre l entrée et la sortie d un filtre Moyenne de la sortie d un filtre Formule des interférences Réponse impulsionnelle causale et L 1, sinon... Cours Traitement du Signal, p. 44/94
45 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Échantillonnage idéal Échantillonnage réel Méthodes pratiques de restitution Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 45/94
46 Échantillonnage idéal Signaux à énergie finie Domaine temporel x e (t) = k Z x(kt e )δ(t kt e ) = x(t) k Zδ(t kt e ) Domaine Fréquentiel X e (f) = X(f) F e k Z δ(f kf e ) = F e k Z X(f kf e ) Périodisation du spectre Cours Traitement du Signal, p. 46/94
47 Commentaires Théorème de Shannon F e > 2f max Restitution X r (f) = 1 F e X e (f)π Fe (f) Interpolateur de Shannon x r (t) = k Zx(kT e )sinc[πf e (t kt e )] Généralisation x r (t) = k Zx(kT e )h(t kt e ) Cours Traitement du Signal, p. 47/94
48 Commentaires Fréquences normalisées F e > 2f max f = f F e 1 2 Repliement et filtre anti-repliement Généralisation : signaux déterministes à puissance finie Cours Traitement du Signal, p. 48/94
49 Échantillonnage d une sinusoïde Signal et spectre x(t) = Acos(2πf 0 t) X(f) = A 2 [δ(f f 0)+δ(f +f 0 )] Cas particulier Repliement F e = 2f 0 Filtre de restitution Π Fe (f) f 0 = 5kHz et F e = 100kHz f 0 = 5kHz et F e = 8kHz Cours Traitement du Signal, p. 49/94
50 Signaux aléatoires stationnaires Theorème de Shannon Si x(t) est un signal aléatoire stationnaire à bande limitée, i.e., s x (f) = 0 f > f max et que F e > 2f max alors x N (t) = N k= N x(kt e )sinc[πf e (t kt e )] MQ N x(t) Preuve voir livre de Papoulis page 378. Cours Traitement du Signal, p. 50/94
51 Signaux aléatoires stationnaires Autocorrélation R x (τ) = k ZR x (kt e )sinc[πf e (τ kt e )] Interpolateur de Shannon pour R x (τ) = TF 1 [s x (f)]. Densité spectrale de puissance Si on pose y(n) = x(nt e ) alors s y ( f ) = k Z R y (k)e j2πk f = F e k Z s x ( f k T e Périodisation de la densité spectrale de puissance ) Cours Traitement du Signal, p. 51/94
52 Preuve s y ( f ) = k Z R y (k)e j2πk f = y (k) k ZR = R e j2π ft [ R e j2π ft δ(t k)dt [ ] R x (kt e )δ(t k) k Z ] dt =TF R x (tt e ) k Zδ(t k) ( ) = 1 f s x T e T e k Zδ ( f k ) CQFD Cours Traitement du Signal, p. 52/94
53 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Échantillonnage idéal Échantillonnage réel Méthodes pratiques de restitution Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 53/94
54 Échantillonnage bloqueur Domaine temporel x b (t) = k Z x(kt e )π τ (t τ 2 kt e ) ( = x e (t) π τ t τ ) 2 Domaine spectral X b (f) = τ T e e jπτf sinc(πτf) k ZX(f kf e ) Spectre d ordre 0 X 0 (f) = τ e jπτf sinc(πτf)x(f) T e Conditions de restitution Cours Traitement du Signal, p. 54/94
55 Échantillonnage réel Échantillonnage moyenneur voir TD Échantillonnage à porte analogique... Exemples Téléphone f max = 3400Hz et F e = 8kHz Audio f max = 15kHz et F e = 44.1kHz Cours Traitement du Signal, p. 55/94
56 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Échantillonnage idéal Échantillonnage réel Méthodes pratiques de restitution Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 56/94
57 Restitution Filtrage passe bas Interpolation linéaire Filtre non causal H(f) = Π Fe (f) Bloqueur d ordre 0 Utilisé dans la quasi-totalité des applications Cours Traitement du Signal, p. 57/94
58 Que faut-il savoir? Echantillonnage = périodisation du spectre Théorème de Shannon pour les signaux déterministes et aléatoires Interpolateur de Shannon Filtre anti-repliement Fréquences normalisées Effets du repliement spectral Cours Traitement du Signal, p. 58/94
59 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Introduction Quadrateur Quantification Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 59/94
60 Introduction Transformation sans mémoire y(t) = g[x(t)] Exemples Quadrateur Quantification y(t) = x 2 (t) y(t) = x Q (t) Cours Traitement du Signal, p. 60/94
61 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Introduction Quadrateur Quantification Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 61/94
62 Quadrateur Signaux déterministes Y(f) = X(f) X(f) Exemples Sinusoïde : x(t) = Acos(2πf 0 t) Y(f) = A2 2 δ(f)+ A2 4 [δ(f 2f 0)+δ(f +2f 0 )] Disparition de la fréquence f 0 et apparition de la fréquence 2f 0 Somme de sinusoïdes : Termes d intermodulation Sinus cardinal : doublement de la largeur de bande Cours Traitement du Signal, p. 62/94
63 Quadrateur pour signaux aléatoires Théorème de Price Hypothèses (X 1,X 2 ) vecteur Gaussien de moyenne nulle Y 1 = g(x 1 ) et Y 2 = g(x 2 ) Conclusion E(Y 1 Y 2 ) E(X 1 X 2 ) = E Application au quadrateur ( ) Y1 Y 2 X 1 X 2 R Y (τ) = 2R 2 X (τ)+k Cours Traitement du Signal, p. 63/94
64 Remarques Loi Gaussienne bivariée p(x 1,x 2 ) = 1 2π Σ exp ( 1 2 xt Σ 1 x ) Stationnarité E[Y(t)Y(t τ)] = g(x 1 )g(x 2 )p(x 1,x 2 )dx 1 dx 2 avec x 1 = X(t), x 2 = X(t τ) et ( R X (0) R X (τ) Σ = R X (τ) R X (0) ) Cours Traitement du Signal, p. 64/94
65 Détermination de K Moments d une loi Gaussienne centrée E ( X 2n+1) = 0, E ( X 2n) = [(2n 1) (2n 3) ]σ 2n τ = 0 E [ Y 2 (t) ] = E [ X 4 (t) ] = 3RX 2 (0) = 2R2 X (0)+K Autocorrélation R Y (τ) = 2RX 2 (τ)+r2 X (0) Densité spectrale de puissance s Y (f) = 2s X (f) s X (f)+rx 2 (0)δ(f) Cours Traitement du Signal, p. 65/94
66 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Introduction Quadrateur Quantification Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 66/94
67 Quantification Principe x Q (t) = i q i = x i et x i q i 2 x(t) x i + q i 2 Définitions Pas de quantification q i Quantification uniforme q i = q = 2A max N Niveaux de quantification: x i Nombre de bits de quantification N = 2 n Cours Traitement du Signal, p. 67/94
68 Erreur de quantification Hypothèse ǫ(t) suit la loi uniforme sur [ ] q 2, q 2, i.e., N 2 8 Rapport signal sur bruit de quantification ( ) σ 2 SNR db = 10log x 10 σǫ 2 Variance du bruit : σ 2 ǫ = ( q)2 12 Sinusoïde : σ 2 x = A2 2 Conclusion SNR db = 6n+1.76 Cours Traitement du Signal, p. 68/94
69 Remarques Généralisation à un signal Gaussien 2Sσ = N q SNR db = 6n+... Quantification non uniforme Cours Traitement du Signal, p. 69/94
70 Que faut-il savoir? Traitement non-linéaire = possibilité de créer de nouvelles fréquences Savoir appliquer le théorème de Price. Intérêt? Définition et propriétés de la quantification Savoir calculer le rapport signal sur bruit de quantification Cours Traitement du Signal, p. 70/94
71 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Définition Signal des télégraphistes Introduction aux files d attente Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 71/94
72 Processus de Poisson homogène Notations Instants : {t j } j Z Nombre d instants dans [t,t+τ[ : N(t,τ) Hypothèses Stationnarité (régime établi) : P n (τ) = P[N(t,τ) = n] est indépendante de t. Indépendance du passé et de l avenir (non embouteillage) : si [t,t+τ[ et [t,t +τ [ sont des intervalles disjoints, alors N(t,τ) et N(t,τ ) sont des va indépendantes. Non accumulation (non simultanéité des instants t i ) : si φ(τ) = P[N(t,τ) 2], alors φ(τ) τ 0 τ 0 Cours Traitement du Signal, p. 72/94
73 Conclusions Loi de N(t,τ) N(t,τ) suit une loi de Poisson de paramètre λ τ, où λ est le nombre moyen d instants dans un intervalle de largeur τ = 1. Loi des largeurs d intervalles : Si L n = t n+1 t n, alors {L n } n Z est une suite de va indépendantes de lois exponentielles de paramètre λ (utile pour la simulation) Loi des instants Si l intervalle [0,t[ contient n instants t 1,...,t n, alors chaque instant t i suit une loi uniforme sur [0,t[. Cours Traitement du Signal, p. 73/94
74 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Définition Signal des télégraphistes Introduction aux files d attente Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 74/94
75 Signal des télégraphistes Définition X(t) = A si t = 0 A si N(0,t) pair A si N(0,t) impair où A est uniforme sur { 1,+1}. Stationnarité Moyenne E[X(t)] = 2P [X(t) = 1] 1 = 0 Fonction d autocorrélation E[X(t)X(t τ)] = e 2λ τ, τ R Cours Traitement du Signal, p. 75/94
76 Signal des télégraphistes Densité spectrale de puissance s X (f) = λ λ 2 +π 2 f 2 Application Imagerie radar à synthèse d ouverture (Imagerie SAR) Cours Traitement du Signal, p. 76/94
77 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Définition Signal des télégraphistes Introduction aux Files d attente Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 77/94
78 Introduction aux Files d attente Hypothèses Un guichet Une file d attente Arrivée des clients décrite par un processus de Poisson de paramètre λ Temps de service T s E(µ) avec E(T s ) = 1/µ Conclusion (admise) Probabilité d avoir n clients dans le système à l instant t avec Q = λ/µ < 1. P [X(t) = n] = (1 Q)Q n, n N Cours Traitement du Signal, p. 78/94
79 Nombres moyens de clients Dans le système Dans la file d attente Résultat utile L = E[X(t)] = Q 1 Q L Q = E [ X Q (t) ] = Q2 1 Q n=1 nx n = x (1 x) 2, x < 1 Cours Traitement du Signal, p. 79/94
80 Temps de séjour moyen d un client C Dans le système W = E(T) = E[E(T A n )] = 1 µ(1 Q) où A n est l événement il y a n clients dans le système lorsque C y rentre. Dans la file d attente Formules de Little W Q = E ( T Q ) = E(T) 1 µ = Q µ(1 Q) L W = L Q W Q = λ Cours Traitement du Signal, p. 80/94
81 Que faut-il savoir? Signification de N(t,τ) pour un processus de Poisson homogène Loi de N(t,τ) pour un processus de Poisson homogène Comment déterminer la moyenne et la fonction d autocorrélation du signal des télégraphistes Cours Traitement du Signal, p. 81/94
82 Plan du cours Chapitre 1 : Corrélations et Spectres Chapitre 2 : Filtrage Linéaire Chapitre 3 : Échantillonnage Chapitre 4 : Traitements Non-linéaires Chapitre 5 : Processus de Poisson Chapitre 6 : Signaux des télécommunications Cours Traitement du Signal, p. 82/94
83 Signaux des télécommunications Chaîne de transmission Échantillonnage et Quantification Codage Mise en forme modulation... Le signal NRZ : soit {A n } n Z une suite de va binaires indépendantes avec P[A n = 1] = 1 P[A n = 0] = p. Modèle 1 X(t) = A t Modèle 2 Y(t) = X(t+φ) = A t+φ Cours Traitement du Signal, p. 83/94
84 Signal NRZ (modèle 1) Moyenne E[X(t)] = E[A t ] = p Fonction d autocorrélation E[X(t)X(t τ)] dépend de t Exemple : t = 1 4,τ = 1 2 et t = 3 4,τ = 1 2. Cours Traitement du Signal, p. 84/94
85 Signal NRZ (modèle 2) Moyenne E[Y(t)] = p. Fonction d autocorrélation E[Y(t)Y(t τ)] = p 2 +(p p 2 )Λ 1 (τ) Cours Traitement du Signal, p. 85/94
86 Preuves Moyenne E[Y(t)] = E[A t+φ ] = E[ φ E[A t+φ φ]] = E[p] = p. CQFD Cours Traitement du Signal, p. 86/94
87 Preuves Fonction d autocorrélation E[Y(t)Y(t τ)] = E[A t+φ A t τ+φ ] = E[ φ E[A t+φ A t τ+φ φ]] = = = 1 0 t+1 t 1 0 E[A t+φ A t τ+φ ]dφ E[A u A u τ ]du E[A 0 A u τ ]du. Cours Traitement du Signal, p. 87/94
88 Preuves τ E[A 0 A u τ ]du = 1 0 = p 2. E[A 0 ]E[A u τ ]du 0 τ E[A 0 A u τ ]du = 1+τ 0 pdu+ 1 = p(1+τ) p 2 τ. 1+τ p 2 du Cours Traitement du Signal, p. 88/94
89 Signal NRZ (modèle 2) Moyenne E[Y(t)] = p. Fonction d autocorrélation E[Y(t)Y(t τ)] = p 2 +(p p 2 )Λ 1 (τ) Cours Traitement du Signal, p. 89/94
90 Généralisation X(t) = A t/t, Y(t) = X(t+φ) Moyenne E[Y(t)] = p. Fonction d autocorrélation E[Y(t)Y(t τ)] = p 2 +(p p 2 )Λ T (τ). Densité spectrale de puissance s Y (f) = p 2 δ(f)+(p p 2 )T sinc 2 (πtf) Bande passante : B = 2 T (si T ց, le débit ր et B ր) Cours Traitement du Signal, p. 90/94
91 Signal Biphase Formes d onde ( m 1 (t) = 2Π T/2 t T 4 ) 1, m 0 (t) = m 1 (t) Moyenne : E[X(t)] = 0 Fonction d autocorrélation E[X(t)X(t τ)] = R 1 (τ)+r 2 (τ) avec R 1 (τ) = k Z m(τ kt) périodique, R 2(τ) de support [ T,+T], et m(t) = 2(2p 1) 2 Λ T/2 (τ) (2p 1) 2 Π T (τ) Cours Traitement du Signal, p. 91/94
92 Signal Biphase Densité spectrale de puissance s X (f) = s 1 (f)+s 2 (f) avec s 1 (f) spectre de raies ( ) k s 1 (f) = T k ZM δ ( f k T ) et s 2 (f) spectre continu sin 4( ) πtf s 2 (f) = [1 (2p 1) 2 2 ] ( πtf 2 ) 2 Cours Traitement du Signal, p. 92/94
93 Remarques Fonction M M ( ) 2k M = 0 T ( ) 2k +1 = 4π (2p 1) 2 T 2 (2k +1) 2 pour k Z. récupération de l horloge Cours Traitement du Signal, p. 93/94
94 Remarques Fonction M M ( ) 2k M = 0 T ( ) 2k +1 = 4π (2p 1) 2 T 2 (2k +1) 2 pour k Z. récupération de l horloge Cours Traitement du Signal, p. 94/94
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 détailCommunications 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 détailINTRODUCTION 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 détailSystèmes 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 détail5. Analyse des signaux non périodiques
5. Analyse des signaux non périodiques 5.. Transformation de Fourier 5... Passage de la série à la transformation de Fourier Le passage d'un signal périodique à un signal apériodique peut se faire en considérant
Plus en détailIntérêt 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 détailM1107 : 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 détailChristian JUTTEN Théorie du signal
Christian UTTEN Théorie du signal Cours de deuxième année (3i4) du département 3i Université oseph Fourier - Polytech Grenoble novembre 2009 1 Table des matières 1 Introduction à la théorie du signal 6
Plus en détailCHAPITRE 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 détailTransmission 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 détailProjet 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 détailExpérience 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 détailLABO 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 détailJ 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 détailTraitement du signal avec Scilab : transmission numérique en bande de base
Traitement du signal avec Scilab : transmission numérique en bande de base La transmission d informations numériques en bande de base, même si elle peut paraître simple au premier abord, nécessite un certain
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes CNRS SUPÉLEC UPS SUPÉLEC, Plateau de Moulon, 91192 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailChaine 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 détailIntroduction aux Communications Numériques
Université de Cergy-Pontoise - 01 - Communications numériques Introduction aux Communications Numériques Master M1 ISIM March 19, 01 Iryna ANDRIYANOVA iryna.andriyanova@u-cergy.fr 1 Contenu du cours 1
Plus en détailTraitement numérique du signal. Première partie : Bases mathématiques
1 Traitement numérique du signal. Première partie : Bases mathématiques J.Idier H. Piet-Lahanier G. Le Besnerais F. Champagnat Première version du document : 1993 Date de la dernière remise à jour : mars
Plus en détailProcessus Aléatoires
Processus Aléatoires Luc Deneire Iannis Aliferis École Polytechnique de l Université de Nice Sophia Antipolis Polytech Nice Sophia,, 29 21 deneire@unice.fr Ce document contient une grande partie des informations
Plus en détailData 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 détailTP: Représentation des signaux binaires. 1 Simulation d un message binaire - Codage en ligne
Objectifs : Ce TP est relatif aux différentes méthodes de codage d une information binaire, et à la transmission en bande de base de cette information. Les grandes lignes de ce TP sont l étude des méthodes
Plus en détailUE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd
UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailTraitement du signal avec Scilab : la transformée de Fourier discrète
Traitement du signal avec Scilab : la transformée de Fourier discrète L objectif de cette séance est de valider l expression de la transformée de Fourier Discrète (TFD), telle que peut la déterminer un
Plus en détailUniversité de La Rochelle. Réseaux TD n 6
Réseaux TD n 6 Rappels : Théorème de Nyquist (ligne non bruitée) : Dmax = 2H log 2 V Théorème de Shannon (ligne bruitée) : C = H log 2 (1+ S/B) Relation entre débit binaire et rapidité de modulation :
Plus en détailQuantification 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 détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailCours d Électronique du Tronc Commun S3. Le filtrage optimisé du signal numérique en bande de base. Notion de BRUIT en télécommunication.
IUT MARSEILLE DEPARTEMENT DE GENIE ELECTRIQUE ET INFORMATIQUE INDUSTRIELLE Diplôme Universitaire de Technologie. Cours d Électronique du Tronc Commun S3. Chapitre 8 : Le filtrage optimisé du signal numérique
Plus en détailLes techniques de multiplexage
Les techniques de multiplexage 1 Le multiplexage et démultiplexage En effet, à partir du moment où plusieurs utilisateurs se partagent un seul support de transmission, il est nécessaire de définir le principe
Plus en détailP1PY7204 Acquisition de données Cours
ANNEE 2012-2013 Semestre d Automne 2012 Master de Sciences, Technologies, Santé Mention Physique- Spécialité Instrumentation P1PY7204 Acquisition de données Cours Denis Dumora denis.dumora@u-bordeaux1.fr
Plus en détail3 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* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailDan 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 détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailExercices - 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 détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailFonctions de la couche physique
La Couche physique 01010110 01010110 Couche physique Signal Médium Alain AUBERT alain.aubert@telecom-st-etienne.r 0 Fonctions de la couche physique 1 1 Services assurés par la couche physique Transmettre
Plus en détailChapitre 2 : Techniques de transmission
Chapitre 2 : Techniques de transmission /home/kouna/d01/adp/bcousin/repr/cours/2.fm - 14 Janvier 1998 20:09 Plan. Introduction. Phénomènes caractéristiques. Les éléments de la transmission. La modulation.
Plus en détailProbabilités 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 détailTP 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 détailChapitre I La fonction transmission
Chapitre I La fonction transmission 1. Terminologies 1.1 Mode guidé / non guidé Le signal est le vecteur de l information à transmettre. La transmission s effectue entre un émetteur et un récepteur reliés
Plus en détailLa couche physique de l ADSL (voie descendante)
La couche physique de l ADSL (voie descendante) Philippe Ciblat École Nationale Supérieure des Télécommunications, Paris, France Problématique qq kilomètres CENTRAL câble de 0,4mm Objectifs initiaux :
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailI. TRANSMISSION DE DONNEES
TD I. TRANSMISSION DE DONNEES 1. QU'EST-CE QU'UN CANAL DE TRANSMISSION? 1.1 Rappels Une ligne de transmission est une liaison entre les deux machines. On désigne généralement par le terme émetteur la machine
Plus en détailChapitre 2 : communications numériques.
Chapitre 2 : communications numériques. 1) généralités sur les communications numériques. A) production d'un signal numérique : transformation d'un signal analogique en une suite d'éléments binaires notés
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailTSTI 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 détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailEMETTEUR 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 détail1.1.1 Signaux à variation temporelle continue-discrète
Chapitre Base des Signaux. Classi cation des signaux.. Signaux à variation temporelle continue-discrète Les signaux à variation temporelle continue sont des fonctions d une ou plusieurs variables continues
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailSIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES
SIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES ----------------------------------------------------------------------------------------------------------------- LES SIGNAUX NUMERIQUES Un signal numérique
Plus en détail1. Présentation général de l architecture XDSL :
1. Présentation général de l architecture XDSL : Boucle locale : xdsl (Data Subscriber Line). Modem à grande vitesse adapté aux paires de fils métalliques. La lettre x différencie différents types, comme
Plus en détailTRANSMISSION NUMERIQUE
TRANSMISSION NUMERIQUE 1. SYSTEMES ET CANAUX DE TRANSMISSIONS 1.1. Un système complet pour la transmission numérique 1.2. Intérêts de la transmission numérique 1.3. Définitions 2. CODAGE DE VOIE - CODAGE
Plus en détail- Instrumentation numérique -
- Instrumentation numérique - I.Présentation du signal numérique. I.1. Définition des différents types de signaux. Signal analogique: Un signal analogique a son amplitude qui varie de façon continue au
Plus en détailSignalisation, codage, contrôle d'erreurs
Signalisation, codage, contrôle d'erreurs Objectifs: Plan Comprendre les mécanismes utilisés pour transmettre des informations sur un support physique Comprendre la nécessité de regrouper les informations
Plus en détailSignaux numériques : Multiplexage temporel : TDM
Signaux numériques : Multiplexage temporel : TDM Pour la hiérarchie TDM, il y a deux catégorie : Le multiplexage dans les systèmes informatiques : La transmission TDM dans des lignes haute vitesse à partir
Plus en détailÉtude 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 détailBTS 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 détailINTERPRÉTATION 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 détailDétection 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 détailSYSTEME DE PALPAGE A TRANSMISSION RADIO ETUDE DU RECEPTEUR (MI16) DOSSIER DE PRESENTATION. Contenu du dossier :
SYSTEME DE PALPAGE A TRANSMISSION RADIO ETUDE DU RECEPTEUR (MI16) DOSSIER DE PRESENTATION Contenu du dossier : 1. PRESENTATION DU SYSTEME DE PALPAGE A TRANSMISSION RADIO....1 1.1. DESCRIPTION DU FABRICANT....1
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailLicence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004. Cours de Génie Electrique G.
Licence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004 Cours de Génie Electrique G. CHAGNON 2 Table des matières Introduction 11 1 Quelques mathématiques...
Plus en détailLES 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 détailTransmission 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 détailn N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t
3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes
Plus en détailLA COUCHE PHYSIQUE EST LA COUCHE par laquelle l information est effectivemnt transmise.
M Informatique Réseaux Cours bis Couche Physique Notes de Cours LA COUCHE PHYSIQUE EST LA COUCHE par laquelle l information est effectivemnt transmise. Les technologies utilisées sont celles du traitement
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailSystèmes 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 détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailPartie 1: Gestion de l interférence entre symboles
Partie 1: Gestion de l interférence entre symboles Philippe Ciblat Télécom ParisTech, France Algo de Viterbi Egalisation OFDM Section 11 : Algorithme de Viterbi Philippe Ciblat Gestion de l interférence
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailChapitre 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 détailAnalyse spectrale. jean-philippe muller. version juillet 2002. jean-philippe muller
Analyse spectrale version juillet 2002 Analyse spectrale des signaux continus 1) La représentation temporelle d un signal 2) La représentation fréquentielle d un signal simple 3) Exemples de spectres de
Plus en détailSYSTEMES DE TELECOMMUNICATIONS
SYSTEMES DE TELECOMMUNICATIONS Martial Coulon ENSEEIHT - Télécom-Réseaux - Electronique - SCR Année 27-28 2 Plan du cours Chapitre 1 : Introduction Chapitre 2 : Milieux de Transmission Chapitre 3 : Le
Plus en détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détailxdsl Digital Suscriber Line «Utiliser la totalité de la bande passante du cuivre»
xdsl Digital Suscriber Line «Utiliser la totalité de la bande passante du cuivre» Le marché en France ~ 9 millions d abonnés fin 2005 ~ 6 millions fin 2004 dont la moitié chez l opérateur historique et
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailUNIVERSITE DE TECHNOLOGIE DE COMPIEGNE. Le Traitement du Signal aléatoire
UNIVERSITE DE TECHNOLOGIE DE COMPIEGNE Le Traitement du Signal aléatoire SY06 partie II - Printemps 2009 P.Simard 12 mai 2009 2 Table des matières 1 Besoins de modèles aléatoires pour les signaux 5 2 Principaux
Plus en détailhttp://www.u-bourgogne.fr/monge/e.busvelle/teaching.php
TP1 Traitement numérique du son 1 Introduction Le but de ce TP est de mettre en pratique les notions de traitement numérique vues en cours, TDs et dans le précédent TP. On se focalisera sur le traitement
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailProjet audio. Analyse des Signaux ELE2700
ÉCOLE POLYTECHNIQUE DE MONTRÉAL Département de Génie Électrique Projet audio Analyse des Signaux ELE2700 Saad Chidami - 2014 Table des matières Objectif du laboratoire... 4 Caractérisation du bruit...
Plus en détailLe 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 détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailCommunication parlée L2F01 TD 7 Phonétique acoustique (1) Jiayin GAO <jiayin.gao@univ-paris3.fr> 20 mars 2014
Communication parlée L2F01 TD 7 Phonétique acoustique (1) Jiayin GAO 20 mars 2014 La phonétique acoustique La phonétique acoustique étudie les propriétés physiques du signal
Plus en détail