Théorie de Fourier. Guillaume Obozinski. Traitement de l information et vision par ordinateur Ecole des Ponts. LIGM/Ecole des Ponts - ParisTech
|
|
- Pierre-Antoine Léonard
- il y a 7 ans
- Total affichages :
Transcription
1 Théorie de Fourier Guillaume Obozinski LIGM/Ecole des Ponts - ParisTech Traitement de l information et vision par ordinateur Ecole des Ponts
2 Une image
3 Image numérique Une image numérique est une une application f : Ω C, où Ω R 2 est le domaine de définition de l image et C est l ensemble de couleurs possibles. On s intéressera dans ce cours au cas Ω = [0, a] [0, b] d un domaine rectangulaire. Pour une image couleur, l ensemble C est [0, 1[ 3. Pour une image monochrome, C = [0, 1[. Une image couleur s obtient donc comme une superposition de trois images monochromes.
4 Discrétisation D un point de vu pratique et informatique, il est nécessaire de remplacer la fonction f qui prend une infinité de valeurs en un nombre infini de points, par une fonction définie sur un ensemble fini à valeurs dans un ensemble fini. Discrétisation : On définit une partition de Ω = [0, a] [0, b], généralement engendrée par une grille régulière, et on remplace la fonction f par ses valeurs moyennes : Ω = i,j Ω ij, f (i, j) = 1 Ω ij Ω ij f (x) dx.
5 Quantification Quantification : On a également besoin de remplacer C par un ensemble fini, ce qui équivaut à utiliser un nombre fini de couleurs. Si C = [0, 1[, on choisit un entier N et on remplace f (i, j) par où [x] désigne la partie entière de x. f Q (i, j) = [K f (i, j)], Pour des images monochromes, on utilise typiquement une quantification avec K = 256, ce qui implique que les valeurs prises par une image sont 0, 1,..., 255.
6 Problématiques Restauration des images dégradées : Débruitage, Deblurring (défloutage?), Inpainting. Compression : Sans perte, Avec perte. Segmentation. Détection de contour.
7 Théorie de Fourier
8 Définition de la transformée de Fourier F La transformée de Fourier en pulsation F ou F ω : f (ω) = fω (ω) = + f (t) e iωt dt F 1 ω (f ) = 1 2π F ω(f ) La transformée de Fourier en fréquence F ν : fν (ν) = + f (t) e 2iπνt dt F 1 ν (f ) = F ν (f ) La pulsation ou vitesse angulaire est mesurée en radian par seconde (rad s 1 ) La fréquence est mesurée en Hertz (1Hz = 1s 1 ). 1Hz 2πrad s 1. Les résultats sont plus simples et plus élégants en Hz.
9 Operateurs linéaires stationnaires Pour une fonction f on note f τ : t f (t τ) la fonction avec un retard de τ. Un opérateur est linéaire stationnaire s il est linéaire et si f, [Lf ](t) = g(t) g τ (t) = [Lf τ ](t). On peut écrire f (t) = + f (u)δ(t u)du. Mais alors si L est continu on a (Lf )(t) = + f (u)lδ u (t) = (f h)(t), où h est la réponse impulsionnelle de L. Conclusion : un filtre linéaire stationaire est une convolution.
10 Pourquoi les convolutions? Le floutage est une convolution Donc le défloutage est une déconvolution. Le calcul des gradients lisses est obtenu par convolution.
11 Fonctions propres des opérateurs de convolution Le iωt = + h(u) e iω(t u) du + = e iωt h(u) e iωu du = e iωt ĥ(ω). Les exponentielles complexes sont les vecteurs propres des opérateurs de convolution. (t e iωt ) est la fonction propre associée à la valeur propre ĥ(ω).
12 Transformée de Fourier dans L 1 (R) En effet est convergente avec + f (ω) = f (t) e iωt dt f (ω) + f (t) dt = f L 1. De plus on a alors f est continue (exercice).
13 Reconstruction quand f L 1 (R) et f L 1 (R) Théorème: Si f L 1 (R) et f L 1 (R) alors f (t) = Voir cours d analyse spectrale. + f (ω) e iωt dω.
14 Théorème de convolution Théorème: Soit f, h L 1 (R). La fonction g = f h est dans L 1 (R) et ĝ(ω) = f (ω) ĥ(ω). A quoi sert la transformation de Fourier? La transformation de Fourier transforme la convolution en multiplication. Théorème: F : ( L 1 ( ) (R), +,, L 1) C0 (R), +,, L est un morphisme continu d algèbres de Banach.
15 Pourquoi la transformation de Fourier? Equations aux dérivées partielles f (n) (ω) = (iω) n f (ω) Télécommunications (modulation/démodulation d un signal en fréquence) Imagerie biomédicale : techniques IRM Traitement de données audio Traitement d image
16 TF de L 1 (R) dans C 0 (R) F : L 1 (R n ) C 0 (R n ) f f F est une injection de L 1 (R) dans C 0 Si ˆf L 1 (R) alors f (x) = f (ω)e iω t dω
17 Classe de Schwartz Fonctions : lisses { S(R) := à décroissance rapide f C α, β, M, sup x R } x α f (β) (x) M Les formes linéaires sur la classe de Schwartz sont les distribution tempérées qui constitue la classe de distributions qui hérite par dualité des bonnes propriétés de la classe de Schwartz vis-à-vis de la transformation de Fourier.
18 TF de S dans S F : S(R) S(R) f f F est un isomorphisme topologique
19 La transformation de Fourier dans L 2 (R) Théorème: est F : ( L 2 ( (R), +,, L 2) L 2 ) (R), +,, L 2 un automorphisme continu de L 2 (R). une isométrie de L 2 (R) dans lui-même.
20 TF de L 2 (R) vers L 2 (R) F : L 2 (R n ) L 2 (R n ) f f F est une isométrie de L 2 Attention : la transformée de Fourier est définie au sens de la convergence dans L 2 (R). La fonction n est pas nécessairement définie ponctuellement.
21 Formule de Parseval et théorème de Plancherel Soient f et h dans L 2 (R), on a Formule de Parseval : f, h L 2 (R) = fν, L ĥν 2 (R) = 1 2π f ω, ĥω L 2 (R) Théorème de Plancherel : f (t) 2 dλ(t) = f ν (ν) 2 dλ(ν) = 1 2π f ω (ω) 2 dλ(ω)
22 Phénomène de Gibbs
23 Oscillations de Gibbs Soit f une fonction avec un discontinuité en t 0 de sorte que f (t) = f c (t) + [ { f (t 0 + ) f (t 0 )] 1 si t 0, u(t t 0 ) pour u(t) = 0 sinon. Si on applique à f un filtre passe-bas idéal de TF ĥξ(ω) = 1 [ ξ,ξ] (ω), on obtient f ξ (t) = (f c h ξ )(t) + [ f (t + 0 ) f (t 0 )] ( u h ξ ) (t t0 ). Or (u h ξ )(t) = 1 π = 1 π = 1 π + + ξt u(τ)h ξ (t τ)dτ u(τ) sin(v) dv v sin(ξ (t τ)) dτ ξ (t τ)
24 Comportement du Sinus Integral On a 1 π + sin(x) x = 1 lim x Si(x) = 1, π Si(x) atteint un maximum local en x = π. Or, pour t ξ = π ξ, (u h ξ )(t ξ ) = 1 π π sin(x) x = Si(π) = 1, π 0, est la constante de Gibbs-Wilbraham. Ce pic ne décroit pas lorsque ξ +
25 Diracs, peignes et échantillonnage...
26 Transformée de Fourier d une fonction de Dirac δ(ω) = 1 δ t0 (ω) = e iωt 0 F (e iω 0 ) = 2π δ ω0
27 Transformée de Fourier sur le tore et séries de Fourier Si f est périodique alors f est une somme pondéré de Diracs dont les poids sont les coefficient de la série de Fourier : f (t) = a n e 2iπnT alors f (ω) = 2π a n δ 2πnT. n Z n Z Inversement, si f est une somme de fonctions de Dirac alors f est périodique.
28 Transformée de Fourier d un peigne de Dirac {Peignes de Dirac} {Distrib. périodiques} {Distrib. tempérées} ( ) F ν δ kt = 1 T k Z k Z δk T F ω ( k Z ) δ kt (ω) = e iωkt = 2π T k Z k Z La transformée de Fourier en fréquence d un peigne de Dirac de période T et d amplitude 1 est un peigne de Dirac de période 1 T et d amplitude 1 T. Théorème: (Formule sommatoire de Poisson) f (kt ) = 1 f T k Z m Z ( 2πm ) T δ2πk (ω) T
29 Échantillonnage régulier d une fonction Interprétation comme distribution... f (t) ( f (nt ) ) n Z On peut interpréter la fonction échantillonnée comme une distribution f d (t) = T f (nt ) δ(t nt ) n Z En effet f d converge vers f au sens des distributions.... une distribution dont la transformée est périodique! On a en effet fd (ω) = f (nt ) e iωnt n Z qui montre que f est périodique de période 2π T en pulsation (ou 1 T en fréquence).
30 Interprétation de l échantillonnage en Fourier f d (t) = T n Z f (nt ) δ(t nt ) = T f (t) n Z δ(t nt ) = T f (t) c(t) avec c(t) = n Z δ(t nt ) le peigne de Dirac. fd = T 1 2π f ĉ = T ( 2π f 2π ) δ 2πn T T n Z ( = f ( δ 2πn ) ) T n Z = ( f 2πn ) T n Z fd est donc la périodisée de f de période 2π T en pulsation.
31 Théorème d échantillonnage (Whittaker-Kotel nikov-(nyquist)-shannon) On note supp(f ) le support 1 de la fonction f Théorème: Soit une fonction f telle que f L 1 loc (R). Soit (f (nt )) n Z un échantillonnage de f à la fréquence 1 T. Si supp( f ω ) ] π T, π T [ (i.e. si supp( f ν ) ] 1 2T, 1 2T [ ), alors f peut être reconstruit exactement à partir de l échantillon et f (t) = f (nt ) h T (t nt ) avec h T (t) = sin( πt/t ) πt/t. n Z 1. i.e. le complémentaire du plus grand ouvert sur lequel f = 0 p.p.
32 Le théorème d échantillonage graphiquement...
33 Preuve du théorème d échantillonnage On a F h T = ĥt avec ĥt = T 1 ] π T, π [. T Par hypothèse on a ] π ω T, π [, fd (ω) = T f (ω). Et comme f est nulle hors de cet intervalle, on a f = 1 T f d ĥ T. D où f (t) = 1 T (f d h T )(t) = 1 (( T T R k Z = k Z R ) ) f (nt ) δ( nt ) h T (t) 1 T T f (nt ) ( δ( nt ) h T ) (t) = f (nt ) h T (t nt ). k Z
34 Fréquence d échantillonnage et aliasing Echantillonnage de Nyquist Si ν max est la fréquence maximale présente dans un signal, il faut l échantillonner à une fréquence ν strictement supérieure à 2ν max pour reconstruire le signal exactement. fréquence de Nyquist : ν/2 taux d échantillonnage de Nyquist : 2 ν max
35 Repliement de spectre (Aliasing) Les signaux réels ne sont pas à spectre borné. Il y a repliement du spectre : un alias des hautes fréquences est recopié sur les basses fréquences. Il peut se traduire par du crénelage sur des bords ou contour francs ou par la présence de moires.
36 Anti-aliasing Un filtre anti-aliasing est un filtre passe-bas analogique qui supprime ou atténue les fréquences supérieures à ν/2 avant l échantillonnage à la fréquence ν. Aliasing discret Le phénomène d aliasing se produit également lorsqu on sous-échantillonne un signal.
37 Vers les images : Fourier dans Rn
38 Transformée de Fourier dans R n Pour une fonction f R 2, on a f (ω1, ω 2 ) = + + f (x 1, x 2 )e i(ω1x1+ω2x2) dx 1 dx 2 f (ω) = R 2 f (x) e i ω,x dx Si ρ = ω 2 et u = 1 ρ ω, alors x e i ω,x est une onde plane qui se déplace dans la direction u à la pulsation ρ Cas des fonctions séparables : Si f (x 1, x 2 ) = g(x 1 ) h(x 2 ), alors f (ω1, ω 2 ) = ĝ(ω 1 ) ĥ(ω 2).
39 Les propriétés de la TF se généralisent à R n Transformée de Fourier inverse si f, f L 1 (R n ) f (x) = 1 f (ω)e i ω,x (2π) n dω R n Produit de convolution : g(x 1, x 2 ) = f (u 1, u 2 )h(x 1 u 1, x 2 u 2 )du 1 du 2 TF de la convolution : ĝ(ω 1, ω 2 ) = f (ω 1, ω 2 ) ĥ(ω 1, ω 2 ) Parseval et Pancherel f ḡ = 1 f ĝ R (2π) n n R n et R n f 2 = 1 (2π) n R n f 2.
40 Le théorème d échantillonnage en dimension 2 L image discrète peut se représenter comme une somme de Diracs f d (x 1, x 2 ) = T 1 T 2 f (n 1 T 1, n 2 T 2 ) δ(x 1 n 1 T 1 ) δ(x 2 n 2 T 2 ) n1,n2 Z On montre que fd (ω 1, ω 2 ) = k 1,k 2 Z ( f ω 1 2k 1π T 1, ω 2 2k 2π T 2 ). Théorème: (Echantillonnage sur une grille 2D) Si f est à support dans ] π T 1, π T 1 [ ] π T 2, π T 2 [ alors f peut-être reconstruit exactement à partir des échantillons pris sur une grille régulière de pas T 1 et T 2, et f (x 1, x 2 ) = f (n 1 T 1, n 2 T 2 ) h T1 (x 1 n 1 T 1 ) h T2 (x 2 n 2 T 2 ), n 1,n 2 Z pour h T (t) = sin(πt/t ) πt/t.
41 Signaux finis et tore discret...
42 Convolution pour les signaux finis Soient f, h des signaux discrets f, h R Z. On peut définir la convolution : (f h)[n] = k Z f [p] h[n p] Pour des signaux finis f, h R N, on périodise : f [n] = f [n mod N], h[n] = h[n mod N] On définit la convolution circulaire : N 1 (f h)[n] = f [n] h[p n]. p=0
43 Vecteur propres de la convolution circulaire Soit L un operateur de convolution circulaire : Lf [n] = (f h)[n] Les exponentielles complexes discrètes e k [n] = exp ( 2iπk n N sont les vecteurs propres de la convolution circulaire puisque : ( (L e k )[n] = exp 2iπk n N ) N 1 p=0 ). ( h[p] exp 2iπk p ) N N 1 = ĥ[k] e ( k[n] pour ĥ[k] = h[p] exp 2iπk p ). N p=0
44 Transformation de Fourier discrete (TFD/DFT) Les (e k ) k {0,...,N 1} forment une base orthogonale de C n. Par conséquent Par définition f = N 1 k=0 n=0 f, e k e k 2 e k. 2 N 1 ( f [k] = f, ek = f [n] exp 2iπk n ). N On a e k 2 2 = N, ce qui donne la formule de reconstruction. Théorème: (Convolution) La TFD de g = f h est la fonction ĝ telle que ĝ[k] = f [k]ĥ[k].
45 Fourier : cas discret vs continu A quoi nous servent les résultats sur la transformée de Fourier continue si les images sont discrètes et finies? Notion de continuité d une fonction disparait en discret Phénomène de Gibbs bien réel Utiliser une recopie mirroir de l image pour la rendre plus continue. Utile pour penser le zoom par Fourier Il existe une image à résolution infinie sous-jacente
46 La transformée de Fourier rapide (FFT) Complexité naïve de la TFD : N 2. Un algorithme simple pour N = 2 m Termes pairs : N/2 1 f [2k] = Termes impairs : N/2 1 f [2k + 1] = n=0 n=0 ( exp ( ) ( f [n] + f [n + N/2] exp 2iπ n N/2 2iπk n ) N/2 )( ) ( f [n] f [n + N/2] exp 2iπk n ) N/2 La TFD peut donc être calculée à partir de 2 TFD de taille N/2. C(N) = 2C(N/2) + KN d où une complexité en O(N log(n)).
47 De nombreux algorithmes pour la FFT... Un grand nombre d algorithmes ont été proposé pour la FFT, basé sur le théorème des restes chinois, les polynômes cyclotomiques etc. Algorithme de Cooley-Tucker, algorithme de Brunn, QFT, de Winograd, de Rader, de Bluestein, + des algorithmes plus spécialisés. L algorithme le plus utilisé est la méthode split-radix. Lorsque le signal d entrée est réel on a f [ k] = f [k]. La FFT donne aussi une transformée de Fourier inverse rapide
48 Convolutions rapides via FFT Une des applications principales de la FFT est le calcul de convolution rapides. La complexité naïve de la convolution est N(N + 1) pour deux signaux de longueur N. Pour calculer g = f h On calcule f et ĥ par FFT Puis ĝ[k] = f [k]ĥ[k] Finalement on calcule g par FFT inverse. La complexité est en O(N log(n)). Dans le cas de la convolution avec un signal plus court de longueur L, on peut utiliser des convolutions par bloc. La complexité est alors en O(N log(l))
49 Fourier pour l image : le bilan La théorie de Fourier permet de comprendre le phénomène d aliasing de calculer des convolutions rapides avec la FFT de faire des zoom et rotations en sub-pixellique. Cependant Approcher un signal avec Fourier donne lieu à des oscillations de Gibbs au niveau des bords et discontinuités. Les images ne sont pas stationnaires Les images on une structure multi -échelle La transformée de Fourier est globale. Besoin d un technique d analyse locale de l image. Idem en audio et dans d autres domaines pause Nous verrons que les ondelettes permettent dans une certaine mesure de répondre à ces questions.
I. 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 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 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 détailMéthodes d ondelettes pour la segmentation d images. Applications à l imagerie médicale et au tatouage d images
INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE THESE pour obtenir le grade de DOCTEUR DE L INPG Spécialité : Mathématiques Appliquées préparée au Laboratoire de Modélisation et Calcul (LMC / IMAG) dans le
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 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 détailTD1 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 détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
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 détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
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 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 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 détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
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 détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
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 détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
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 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 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 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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
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 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 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 détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailEntiers aléatoires et analyse harmonique
Entiers aléatoires et analyse harmonique Jean-Pierre Kahane et Yitzhak Katznelson Introduction. Il s agit dans cet article d ensembles de Sidon et de processus de Poisson ponctuels. Les ensembles de Sidon
Plus en détailC algèbre d un certain groupe de Lie nilpotent.
Université Paul Verlaine - METZ LMAM 6 décembre 2011 1 2 3 4 Les transformations de Fourier. Le C algèbre de G/ Z. Le C algèbre du sous-groupe G 5 / vect{u,v }. Conclusion. G un groupe de Lie, Ĝ l ensemble
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailErreur statique. Chapitre 6. 6.1 Définition
Chapitre 6 Erreur statique On considère ici le troisième paramètre de design, soit l erreur statique. L erreur statique est la différence entre l entrée et la sortie d un système lorsque t pour une entrée
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 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 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 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 détail5.2 Théorème/Transformée de Fourier a) Théorème
. Théorème de Fourier et Transformée de Fourier Fourier, Joseph (788). Théorème/Transformée de Fourier a) Théorème Théorème «de Fourier»: N importe quelle courbe peut être décomposée en une superposition
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
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 détailC1 : Fonctions de plusieurs variables
1er semestre 2012/13 CPUMP 3 U 11 : Abrégé de cours Compléments Analyse 3 : fonctions analytiques Les notes suivantes, disponibles à l adresse http://www.iecn.u-nancy.fr/~bertram/, contiennent les définitions
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
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 détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détail5. Les conducteurs électriques
5. Les conducteurs électriques 5.1. Introduction Un conducteur électrique est un milieu dans lequel des charges électriques sont libres de se déplacer. Ces charges sont des électrons ou des ions. Les métaux,
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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailPHYSIQUE-CHIMIE. Partie I - Spectrophotomètre à réseau
PHYSIQUE-CHIMIE L absorption des radiations lumineuses par la matière dans le domaine s étendant du proche ultraviolet au très proche infrarouge a beaucoup d applications en analyse chimique quantitative
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
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 détailFonctions Analytiques
5 Chapitre Fonctions Analytiques. Le plan complexe.. Rappels Soit z C, alors!(x,y) IR 2 tel que z = x + iy. On définit le module de z comme z = x 2 + y 2. On peut aussi repérer z par des coordonnées polaires,
Plus en détailTemps et thermodynamique quantique
Temps et thermodynamique quantique Journée Ludwig Boltzmann 1 Ensemble Canonique Distribution de Maxwell-Boltzmann, Ensemble canonique ϕ(a) = Z 1 tr(a e β H ) Z = tr(e β H ) 2 La condition KMS ϕ(x x) 0
Plus en détailMathématiques I Section Architecture, EPFL
Examen, semestre d hiver 2011 2012 Mathématiques I Section Architecture, EPFL Chargé de cours: Gavin Seal Instructions: Mettez votre nom et votre numéro Sciper sur chaque page de l examen. Faites de même
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
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 détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
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 détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
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 détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
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 détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
ème Congrès Français d'acoustique Lyon, -6 Avril Application de l'analyse Multirésolution en Ondelettes Pour la Prédiction de l'usure des Outils de Coupe Mohamed Khemissi Babouri, Nouredine Ouelaa Laboratoire
Plus en détailPrécision 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 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 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 détailObject Removal by Exemplar-Based Inpainting
Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailOn ne peut pas entendre la forme d un tambour
On ne peut pas entendre la forme d un tambour Pierre Bérard Institut Fourier Laboratoire de Mathématiques Unité Mixte de Recherche 5582 CNRS UJF Université Joseph Fourier, Grenoble 1 Introduction 1.1 Position
Plus en détailInteraction milieux dilués rayonnement Travaux dirigés n 2. Résonance magnétique : approche classique
PGA & SDUEE Année 008 09 Interaction milieux dilués rayonnement Travaux dirigés n. Résonance magnétique : approche classique Première interprétation classique d une expérience de résonance magnétique On
Plus en détailINTRODUCTION. 1 k 2. k=1
Capes externe de mathématiques : session 7 Première composition INTRODUCTION L objet du problème est l étude de la suite (s n n définie par : n, s n = Dans une première partie, nous nous attacherons à
Plus en détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailMaster de Recherche première année. Programme de cours 2008-2011
Master de Recherche première année Mention : Mathématiques et Applications Spécialité : Mathématiques fondamentales et appliquées Responsable : Xue Ping WANG Programme de cours 2008-2011 Module M1 : Analyse
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 détailCorrection de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (
Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010 Le compressed sensing pour l holographie acoustique de champ proche II: Mise en œuvre expérimentale. Antoine Peillot 1, Gilles Chardon 2, François
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détail