Traitement du Signal (Introduction)
|
|
- Jean-Noël Lussier
- il y a 6 ans
- Total affichages :
Transcription
1 Traitement du Signal (Introduction) «La perception d'un signal est proportionnelle au caractère acceptable, non dérangeant, du contenu.» Edgar Morin Mais qu est-ce qu un signal? P. Nayman École Analogique
2 Introduction La grande question : Temps ou fréquence? Selon ce que l on veut faire, on travaille indifféremment dans l un ou l autre espace. Espace Temporel FOURIER Espace Fréquentiel Deux représentations d un même signal. Un certain nombre d outils sont disponibles pour changer d espace : Séries de Fourier Transformée de Fourier Transformée de Fourier à fenêtre Transformée en ondelettes Etc. P. Nayman École Analogique
3 Classification des signaux La classification des signaux en catégories peut sembler, à première vue, théorique, mais : Pour chaque rubrique de signaux on définira des traitements bien particuliers. P. Nayman École Analogique
4 Classification déterministe-aléatoire Certains outils sont bien adapter pour manipuler les signaux déterministes et d autres sont mieux adapter pour les signaux aléatoires. Déterministes Ce sont les signaux dont l évolution en fonction du temps est prévisible par un modèle mathématique approprié (signaux de test, d étalonnage, etc.). Aléatoires Ce sont les signaux qui ont un caractère non-reproductible et imprévisible. Par exemple, les signaux issus de capteurs, de détecteurs ou encore la parole. P. Nayman École Analogique
5 Classification énergétique/puissance Quelque soit le signal, on peut définir l énergie du signal (si elle existe) ou la puissance moyenne (si elle existe) : xt 2 + correspond à une énergie instantanée et E x xt 2 dt signal (somme de toutes les énergies instantanées). correspond à l énergie du et la puissance moyenne : P 1 x lim -- T T +T 2 T 2 x t 2 dt La puissance est l énergie par unité de temps Remarque : Les signaux tels que 0 E x sont des signaux à énergie finie P x 0, par exemple, les signaux transitoires. Les signaux tels que 0 P x sont des signaux à puissance moyenne finie E x. Par exemple, les signaux permanents, comme les signaux périodiques ou encore les signaux aléatoires permanents. P. Nayman École Analogique
6 Autres types de signaux La distribution de Dirac : + Propriété : t dt 1 t On peut trouver de nombreuses représentations de la distribution de Dirac. Exemple : on suppose que : 0. t 1 + t P. Nayman École Analogique
7 Le peigne de Dirac Un peigne de Dirac, représente une suite d impulsions de Dirac décalées dans le temps. Le peigne de Dirac est défini par la relation suivante : + png t t kt k 1 t t P. Nayman École Analogique
8 Les signaux nuls à gauche Exemple : l échelon unité. La figure représente l échelon unité Ut u(t) 0 t dut On remarquera que : t dt Les distributions tempérées sont infiniment dérivables (intégrables). Exemple : Pour spécifier que le signal un nouveau signal : xt Ut. xt est nul pour les temps négatifs, on peut définir P. Nayman École Analogique
9 Classification continu/discret Exemple de représentation continue. 1 0, , Exemple de représentation discrète, dans ce cas la fonction est définie par une suite d échantillons. x(tk) t L intérêt de la représentation discrète est le passage dans le monde numérique. P. Nayman École Analogique
10 Représentation vectorielle des signaux L intérêt d une représentation vectorielle Un signal peut se décomposer selon une combinaison linéaire de fonctions connues Développement en série de fonctions orthogonales Simplifie considérablement les calculs, un simple produit scalaire permet d obtenir un coefficient. Le produit scalaire est la base du traitement du signal. + * x 1 x 2 x 1 x t 2 t dt P. Nayman École Analogique
11 Approximation de xt L idée est de chercher l approximation d une fonction par un ensemble de composantes connues. On peut approcher xt par xˆ t défini comme étant la somme pondérée de fonctions : xˆ t + a i i i 1 L erreur quadratique donne une mesure absolue de l approximation : 2 +T 2 x xˆ xt T 2 xˆ t 2 dt P. Nayman École Analogique
12 Théorème de Parseval L énergie du signal xt est égale à la somme des énergies de chacune de ses composantes et ne dépend pas de son mode de représentation. Ce résultat important est très utilisé en traitement du signal. Concrètement : x 2 n 2 a i i 1 L'énergie d un signal calculée en temporelle est identique à celle calculée en fréquence (ne dépend pas du mode de représentation). P. Nayman École Analogique
13 Série de Fourier xˆ t + i 1 a i i On prend k e ikt (fonction orthogonale, bien adaptée aux fonctions périodiques). 1 +T 2 comme a k x k alors les coefficients : a k -- xt e ikt dt T T 2 Le signal (à gauche) peut être décomposé en une somme de sinus/cosinus (à droite) P. Nayman École Analogique
14 Décomposition en série de Fourier d un signal rectangulaire Un seul terme le fondamental Le fondamental et la première harmonique Le fondamental et les deux premières harmoniques Le fondamental et les trois premières harmoniques P. Nayman École Analogique
15 Décomposition en série de Fourier Problèmes de convergence pour les signaux à variation rapide : phénomène de Gibbs Approximation à l ordre 10 Approximation à l ordre 50 Cas d une rampe n10 n50 P. Nayman École Analogique
16 Conséquences du phénomène de Gibbs Comme le signal que l on étudie n est pas dans l intervalle de temps + une transition rapide au début et à la fin du signal quelque soit le signal. il peut y avoir Pour éviter ce phénomène, il faut éviter les transitions rapides sur les bords : Utilisation du fenêtrage. On multiplie le signal par une fenêtre (d apodisation) à variation douce (Hamming, Hanning, Blackman, Kaiser, etc.). P. Nayman École Analogique
17 Exemple de fenêtres P. Nayman École Analogique
18 Transformée de Fourier 1 +T 2 x a k k avec a k -- T xt e ikt dt T 2 i puis l on passe à la limite : T xˆ xt + xt e -2it dt + xˆ e 2it d (construction) (reconstruction) xˆ est la représentation spectrale de xt La transformée de Fourier est bien adaptée pour tous les types de signaux (périodiques ou non périodiques) P. Nayman École Analogique
19 Spectre unilatéral et bilatéral s(f) s(f) A A/2 Spectre bilatéral Spectre bilatéral f Spectre unilatéral f Attention : La théorie n interdit pas les fréquences négatives et l énergie du signal est donc répartie dans les 2 raies. Spectre unilatéral Le spectre du signal n est que positif et pour conserver l énergie la raie à une valeur double. P. Nayman École Analogique
20 Quelques transformées de Fourier s(t) s(f) A AT Sf AT sintf Tf -T/2 T/2 t 0-1/T -1/T f s(t) 2f0 A s(f) sin2f 0 t st 2Af f 0 t 0 t -f0 0 f0-1/2f0 1/2f0 f K s(t) K s(f) st K t Sf K 0 t 0 f P. Nayman École Analogique
21 s(t) s(f) -5t -t 0t 5t t -2/t -1/t 0 1/t 2/t f st t kt Sf + k + 1 t ---- f ---- k t k s(t) A s(f) A/2 st Acos2f 0 t Sf A A -- f f f + f t -f0 0 f0 f s(t) s(f) A/2 st Asin2f 0 t A t -f0 f0 f Sf A A ---- f f 2i f+ f 2i 0 P. Nayman École Analogique
22 L intégrale de convolution (1) Considérons le produit d une fonction ft par une impulsion D rectangulaire. On suppose que D a une largeur petite devant la variation de ft. ft 0 ft Dt t 0 0 t 0 t Le produit ft Dt t 0 est égal à la fonction au point t 0, soit ft 0. ft Dt t 0 ft 0 Dt t 0. ft 0 est le poids de l impulsion de D. Cette opération correspond à échantillonner ft par une impulsion rectangulaire. P. Nayman École Analogique
23 L intégrale de convolution (2) Approximation d une fonction par une suite d impulsions rectangulaires. On considère 2 fonctions rectangulaires : R 0 t de largeur normalisée en amplitude 1 R t --R de largeur normalisée en surface. 0 t ft fk 0 k t On peut approcher ft par f t : f t k + fk R t k P. Nayman École Analogique
24 L intégrale de convolution (3) Faisons tendre vers 0. f t k + fk R t k Dans ce cas : R t t et k et l on obtient l intégrale de convolution : ft + ft d ft est une somme continue de distributions de Dirac pondérées et décalées dans le temps. Ce produit de convolution est également noté : f f* La mesure de Dirac joue le rôle d unité pour le produit de convolution. P. Nayman École Analogique
25 Filtre linéaire et produit de convolution La réponse impulsionnelle définit complètement un filtre linéaire. t Filtre linéaire yt ht xt G yt xt *h t x ht y x G Le gain G est la transformée de Fourier de la réponse impulsionnelle. G et ht sont 2 représentations (fréquence et temporelle) de la même quantité. P. Nayman École Analogique
26 Avantage et limitation de la transformée de Fourier + : Très bonne résolution fréquentielle (la meilleure!) - : Pas de localisation temporelle possible (on somme le signal sur toute son histoire temporelle), on a perdu la notion de temps! xt Fourier t A Transformée de Fourier à fenêtre P. Nayman École Analogique
27 Transformée de Fourier à fenêtre Le signal x t u est analysé au travers la fenêtre g : x t u g * u t xu xt Fourier à fenêtre g tv t t t Le principe est simple mais la mathématique devient rapidement compliquée! On considère une fonction analysante : g tv u + x t xt ue 2iu du Le signal peut être reconstruit par : xu g 2 g tv ux t ddt P. Nayman École Analogique
28 De la transformée de Fourier à la transformée en ondelettes La transformée en ondelettes permet d avoir une localisation en fréquence et en temps. a b t t b a a ( t) 11( t) 1.5 ondelette de Haar 1515( t) 22( t) 0 m0505( t) t a traduit le changement d échelle et b la translation x a b xt * t b 1 dt et xt C a a x t t b db da a a a 2 P. Nayman École Analogique
29 Exemple d un signal non-stationnaire échelle décalage 2 fréquences La décomposition en ondelettes montre bien les différentes fréquences (les petits blocs correspondent aux fréquences les plus élevées). P. Nayman École Analogique
30 Exemple d application (2) xt sin7 5t 3 abst t 1 1 si 0 t si -- t sinon + * x a b xt a b t d * t x* a P. Nayman École Analogique
31 Théorème de l échantillonnage (Shannon/Nyquist) Un signal physique de type analogique a son amplitude qui varie continûment en fonction du temps. Échantillonner un signal analogique consiste à prélever des échantillons à des instants kte (cas de l échantillonnage régulier). La quantification consiste à associer une suite binaire à chaque échantillon. L échantillonnage et la quantification sont des opérations effectuées lors de la Conversion Analogique Numérique (CAN). La problématique de la théorie de l échantillonnage est de connaître les conditions nécessaires pour reconstituer correctement le signal à partir de ses échantillons. Considérons xt dont la transformée de Fourier est xˆ : xt xˆ xˆ B +B P. Nayman École Analogique
32 xˆ avec : est nulle en dehors de [ B, +B]. Si l on connaît les échantillons : x0,x ,x k , 2B 2B On peut reconstituer le signal xˆ t : xˆ t k t + k x k t 2B k k sin 2Bt B k 2Bt B x(t) P. Nayman École Analogique
33 Conséquences de l échantillonnage La transformée de Fourier du signal échantillonné : xˆe xˆ * Te k + k -- T e xˆ B +B enveloppe spectrale peigne de Dirac Échantillonner dans l espace temps revient à périodiser dans l espace fréquence. P. Nayman École Analogique
34 Deux cas sont possibles : Si e 2B il y a sous-échantillonnage avec un recouvrement de spectre. Ce phénomène est également appelé repliement spectral ou encore aliasing. xˆe xˆ * Te k + k -- T e xˆ enveloppe spectrale peigne de Dirac B +B Empilement spectral Un signal sous-échantillonné apparaîtra comme ayant une fréquence inférieure à la réalité. Il existe plusieurs cas de figure, si l on a affaire à un signal dont le spectre est étalé il y aura de l empilement spectral. Si le signal a un spectre étroit (sinus par exemple) il y aura repliement spectral. Si e 2B l échantillonnage du signal est correct et autorisera une interprétation cohérente des résultats. Il n y a pas de recouvrement de spectre. P. Nayman École Analogique
35 Le recouvrement spectral xˆe xˆ * Te k + k -- T e explique bien le phénomène de l échantillonnage. Le spectre de k base est décalé autour de la fréquence -- T e k e. Pour chaque fréquence du spectre 0, il existe une fréquence apparente : avec k 0. a 0 k e Par exemple, pour k 0, on obtient les 2 fréquences de base 0 et + 0. Pour k 1 on obtient les fréquences apparentes e 0 et e + 0, etc. La fréquence apparente la plus petite est donc e 0. Cet effet est à rapprocher de l effet stroboscospique. P. Nayman École Analogique
36 xˆ e 2B B +B ˆ x e empilement spectral ˆ x e e e 2B +B +2B e 2 e e 0 e e 2 e 0 2 e 2 e + 0 e + 0 e 0 e + 0 P. Nayman École Analogique
37 Filtre anti-repliement Afin de reconstruire xt à partir de x e t, il est nécessaire de faire passer x e t dans un filtre passe bas idéal. Cette opération permet de ne conserver que le lobe principal de x e t. On utilise un filtre dont la fonction de transfert est : G T Rect e, T étant la période d échantillonnage ( T 1 e ). La transformée de Fourier de G est la réponse impulsionnelle ht du filtre passe-bas idéal. Il vient immédiatement que : ht sinc t T -- G T e lobe principal conservé 1 2T +1 2T P. Nayman École Analogique
38 Exemple 1 On considère le signal xt 5 cos100t, afin d éviter un repliement spectral, il est nécessaire d échantillonner ce signal analogique de fréquence 50Hz à une fréquence minimale de 100Hz. Si l on échantillonne le signal à une fréquence de 75Hz. Appliquons directement la relation a 0 k e : a e Hz 1/75 2/75 3/75 25Hz 50Hz Les échantillons des cosinusoïdes à 25Hz et à 50Hz sont identiques, lorsque la fréquence d échantillonnage est de 75Hz. P. Nayman École Analogique
39 Exemple 2 : Il ne faut pas utiliser la Bande passante à -3dB comme fréquence haute! Un filtre passe-bas du premier ordre est utilisé pour isoler le lobe principal. 1 G Le spectre du signal résultant est périodisé. 1 + c X c e r Comme G décroît lentement, il y a repliement spectral, les spectres sont sommés. Supposons que c 10KHz, déterminons fe qui donne un niveau de recouvrement de moins de 1%. Pour c, G Il faut avec la fréquence de recouvrement r r On trouve que r 1414KHz. La fréquence d échantillonnage doit être : e c + r 1424KHz. e» 2 c P. Nayman École Analogique
40 Cas des signaux non répétitifs Considérons des signaux issus d un détecteur : 5ns t 2.8ns t 1ns t T m 2ns entre 10 et 90% Si le système est du premier ordre BPxT m 0 35 et BP 175MHz Si l on applique le théorème de Shannon, il faudrait échantillonner à 2xBP350MHz soit un point toutes les ns ce qui est très insuffisant pour reconstituer le signal. 350 En fait si l on désire reconstituer correctement le signal il faudrait au moins 5 points, soit un point toutes les nano-secondes! P. Nayman École Analogique
41 Les moments temporels, les relations de base La transformée de Fourier d un signal aléatoire est aléatoire. Seuls les paramètres statistiques (moments) permettent de caractériser les fonctions aléatoires : Moyenne temporelle/espérance mathématique (moment d ordre 1) Corrélation/Variance/Écart type (moment d ordre 2) P. Nayman École Analogique
42 Moyenne temporelle : xt lim 1 -- T T +T/2 T 2 x t dt Auto-corrélation temporelle : xt xt + 1 lim -- T T +T/2 T 2 x t xt + dt P. Nayman École Analogique
43 Exemple : l auto-corrélation permet de trouver un signal périodique noyé dans un bruit. Pic de l auto-corrélation du bruit P. Nayman École Analogique
44 Les moments statistiques, les relations de base Moyenne statistique m x t EXt xpx tdx R pxt est la densité de probabilité de la variable aléatoire Xt. C est l espérance mathématique. de Xt Moment d ordre 2 EX 2 t x 2 pxt dx R C est l espérance mathématique. de X 2 t On n'explicite rarement l intégrale, on travaille souvent avec l opérateur E (beaucoup plus simple) P. Nayman École Analogique
45 Fonction de corrélation Fonction d auto-corrélation C est l espérance mathématique d un produit Fonction d inter-corrélation C est l espérance mathématique d un produit R xy t 1 t 2 EXt 1 Xt 2 R xy t 1 t 2 EXt 1 Yt 2 P. Nayman École Analogique
46 Exemple L inter-corrélation permet de trouver une corrélation entre y1(t) et y2(t) : 2 signaux bruités Y1 bruité Y2 bruité exemple de corrélation entre y1 et y2 P. Nayman École Analogique
47 Stationnarité Un processus aléatoire est stationnaire si ses propriétés statistiques invariantes pour tout changement de l origine des temps. Les signaux stationnaires sont beaucoup plus délicats à traiter! P. Nayman École Analogique
48 Suite aléatoire stationnaire au second ordre Propriétés EX n est indépendant de n. 2 E X n + est indépendant de n. R xx n 1 n 2 EXn 1 Xn 2 est uniquement fonction de n 1 n 2. P. Nayman École Analogique
49 Processus aléatoire stationnaire au second ordre Propriétés EXt est indépendant de t. E X t + est indépendant de t. R xx t 1 t 2 EXt 1 Xt 2 est uniquement fonction de t 1 t 2. Ou encore : R xx t 1 t 2 R xx t EXt + X t R xx t EXt Xt Pour 0, on obtient le moment d ordre 2 : R xx t 0 E X t 2 2 t P. Nayman École Analogique
50 Ergodicité (1) L équation m x t EXt xpx tdx explicite l espérance mathématique E comme une R moyenne d ensemble, soit l intégrale de toutes les valeurs de X pondérées par la densité de probabilité de la variable aléatoire. On peut essayer d estimer la quantité EXt ce qui suppose qu à l instant t 1 l on dispose de toutes les réalisations de la variable aléatoire, malgré la difficulté d une telle expérience, on peut imaginer, par exemple, une batterie de n capteurs. P. Nayman École Analogique
51 Ergodicité (2) Dans le cas de n capteurs, une estimation de la moyenne d ensemble peut être donnée par la relation suivante : m X t n 1 -- x n p t p 1 Généralement, on ne dispose que d une réalisation de la variable aléatoire et l on est tenté d estimer la moyenne d ensemble par la moyenne temporelle xt i -- xt dt. Tti 1 ti + T La fonction aléatoire est ergodique à l ordre 1 (moyenne) si : lim xt i T m X t i P. Nayman École Analogique
52 Ergodicité (2) x 1 t x 2 t x 3 t x 4 t x n t T t t t t t t i Un processus aléatoire est ergodique à l ordre n, si les moyennes temporelles jusqu à l ordre n sont indépendantes du choix de la réalisation. De plus, si les résultats obtenus à partir des moyennes statistiques sont équivalents à ceux obtenus à partir des moyennes temporelles, alors le processus est ergodique. P. Nayman École Analogique
53 Propriétés spectrales La transformée de Fourier donne de bonnes indications sur la répartition spectrale d un signal déterministe. Par contre la transformée de Fourier d un signal aléatoire est un spectre aléatoire. Un seul spectre n est pas suffisant pour rendre compte des propriétés du signal. Il est nécessaire d utiliser les propriétés statistiques (moyenne, écart type, corrélation) qui ont des caractéristiques bien définies. On supposera par la suite que les signaux sont stationnaires et ergodiques. Pour analyser la répartition spectrale des signaux aléatoires, on introduit la notion de densité spectrale (d énergie ou de puissance). Selon que l on a affaire à des signaux d énergie finie, on parlera de densité spectrale d énergie ou de densité spectrale de puissance pour les signaux de puissance moyenne finie. P. Nayman École Analogique
54 Notions de base Théorème de Parseval : + x 2 + d xt 2 dt Puissance d un signal sur l intervalle T : 1 + P x -- x d T -- xt 2 dt T 1 + P x -- x 2 + d dans ce cas T d 1 -- x 2 T est le périodogramme Unités P x est une puissance qui s exprime en Wou A 2 ou V 2... est une densité spectrale de puissance qui s exprime en Wou A 2 ou V 2... Hz 1 C est une puissance par unité de Hertz. On peut utiliser des valeurs RMS (Root Mean Square) ou efficaces : P. Nayman École Analogique
55 1 1 + Val RMS -- x 2 -- d qui s exprime en 2 T W ou Aou V... Hz 2 P. Nayman École Analogique
56 La densité spectrale de puissance (1) La transformée de Fourier donne de bonnes indications sur la répartition spectrale d un signal déterministe. Pour un signal aléatoire, un seul spectre n est pas suffisant. 1 La relation -- x 2 correspond à un spectre instantané! T 0 d puissance moyenne dans la bande de fréquence + d Il faut moyenner les spectres ou utiliser les propriétés statistiques qui sont bien définies. P est dans ce cas la puissance du signal. x P. Nayman École Analogique
57 La densité spectrale de puissance (2) Transformée de Fourier de la fonction de corrélation R : théorème de Wiener-Kinchine. + R Ext xt e 2i d d puissance moyenne dans la bande de fréquence + d d P x 0 d Wou A 2 ou V 2... Hz 1 2 R0 P x x + d Wou A 2 ou V 2... P. Nayman École Analogique
58 P. Nayman École Analogique
59 La densité spectrale de puissance (3) Considérons le filtre : xt xˆ x G yt ŷ y réponse temporelle transformée de Fourier densité spectrale Soit : x est la densité spectrale de xt. y est la densité spectrale de yt Alors, x et y sont reliées par la relation suivante : y x G 2 P. Nayman École Analogique
60 Propriétés de la fonction de corrélation La définition de la fonction de corrélation est donnée par : R x EXt Xt R x R x et pour une fonction réelle : R x R x R x R x 0 R x 0 2 R x 0 x x 2 R x 0 P. Nayman École Analogique
61 Le bruit Les signaux sont transmis ou traités par des voies qui les altèrent. Tout ce qui modifie le signal utile peut être considéré comme du bruit. Les sources de bruit ont généralement un caractère aléatoire, c est pourquoi ces phénomènes sont étudiés par des méthodes statistiques. 5 x n n. P. Nayman École Analogique
62 Le bruit blanc (1) Définition : Une fonction aléatoire Xt est appelée bruit blanc si : Xt est stationnaire au deuxième ordre EXt 0 x N La puissance moyenne du bruit blanc est infinie. x N0 2 0 P. Nayman École Analogique
63 Le bruit blanc (2) Si l on fait passer le bruit blanc dans un filtre passe bas de bande passante (-B,+B), on se ramène à un bruit de puissance moyenne finie. x xt G yt N0 2 B +B Dans ce cas, la fonction d auto-corrélation a pour valeur : R N 0 Bsinc2B R0 N 0 B N0B -5/2B 5/2B La fonction de corrélation du bruit blanc P. Nayman École Analogique
64 Le bruit de quantification (1) Amax erreur : n y n x n Quantifier une valeur analogique x n, c est remplacer cette valeur par y n qui fait partie d un ensemble dénombrable de valeurs discrètes. Amax Le pas de quantification : q avec N le nombre de bits du codeur. 2 N P. Nayman École Analogique
65 Le bruit de quantification (2) On suppose que l erreur n est uniformément répartie. n est une variable aléatoire de moyenne nulle E n 0 obéissant à une loi de probabilité uniforme : n p n u 1 -- si q q 2 -- u q sinon La variance s exprime par la relation : 2 1 +q 2 -- u 2 du q q 2 Ceci correspond à la puissance du bruit de quantification (On suppose le processus ergodique, la moyenne quadratique est équivalente à une puissance). q P. Nayman École Analogique
66 Amélioration du rapport signal à bruit (1) La puissance du bruit de quantification est uniformément distribuée et ne dépend pas de la fréquence d échantillonnage du convertisseur analogique-numérique. Rappel : Il est nécessaire d échantillonner le signal d entrée avec e 2 max, max (Shannon). gé- Un filtre passe-bas est nécessaire pour éliminer toutes les fréquences supérieures à max nérées par l échantillonnage. P. Nayman École Analogique
67 Amélioration du rapport signal à bruit (2) Considérons que l on sur-échantillonne le signal d entrée avec une fréquence k e, telle que : e 2 max. b 2 b 2 b 2 2 b k k 2 max max max k max max 2 b k max Bruit de quantification Bruit de quantification étalé par le sur-échantillonnage Bruit de quantification limité par filtrage passe-bas Si l on échantillonne à la fréquence k 2 max, avec k 1, on retrouve la limite donnée par Shannon. Si l on augmente k, la puissance du bruit est répartie sur toute la bande. Dans ce cas, le filtrage passe-bas, limite la puissance du bruit à la zone hachurée de la figure 3. P. Nayman École Analogique
68 Amélioration du rapport signal à bruit (3) Pour un signal sinusoïdal, Si l on tient compte du facteur k : -- S B db 6N log 10 k Pour un rapport signal à bruit donné, le sur-échantillonnage améliore le nombre de bits effectifs 10 de la quantité : log k k Amélioration (S/B) en db Amélioration du nombre de bits P. Nayman École Analogique
69 Le bruit thermique (ou bruit Johnson) (1) Le bruit thermique agitation thermique des électrons libres dans les matériaux. Présent dans tous les composants actifs ou passifs présentant une résistance R. La densité spectrale du bruit thermique est décrite par : th 1 h e h kt W Hz h (Plank) : J s, k (Boltzmann) : J K 1 (Joule.degré 1 Si l on considère que les fréquences simplifie : 1000GHz, la densité spectrale du bruit thermique se th 1 --kt 2 P. Nayman École Analogique
70 Le bruit thermique (ou bruit Johnson) (2) Si th 1 --kt 2 : le bruit thermique est un bruit blanc. Par exemple, la puissance totale de ce bruit dans une bande de fréquence B est : P th ktb th kt B B P. Nayman École Analogique
71 Fluctuations de tension et de courant dans une résistance (1) Dans toute bande de fréquences B, une résistance à la température T est une source de tension de bruit. La valeur moyenne quadratique de cette tension est : u 2 4kTRB V 2 et : u 2kTR R u u0 R P. Nayman École Analogique
72 Fluctuations de tension et de courant dans une résistance (2) La résistance R peut être assimilée à une source de courant de bruitdont la valeur moyenne quadratique est : i 2 4kTB A 2 R i0 i R avec : u 2kTR Remarque : La distribution statistique du bruit thermique est gaussienne. P. Nayman École Analogique
73 Bande équivalente de bruit (1) Si l on compare la puissance de bruit du circuit RC (premier ordre) à celle de la résistance R, on peut définir une bande équivalente de bruit : B eq c 1 B eq RC -- 2 c D une manière plus générale, la notion de bande équivalente de bruit permet de calculer simplement la puissance du bruit après filtrage. P. Nayman École Analogique
74 Bruit de grenaille (Bruit Schottky ou shot noise ) Ce bruit correspond aux fluctuations statistiques du nombre de porteurs de charge qui participent à la création d un courant (cas des diodes et des transistors par exemple). Ce bruit est généralement modélisé par une loi de Poisson. (instants de réalisation aléatoires). Le bruit de grenaille se superpose au courant moyen créé. La théorie de ce bruit est à la base de l étude : des bruits liés à l émission d une électrode ou encore, des fluctuations des temps de transit. i(t) t P. Nayman École Analogique
75 Expression du bruit de grenaille (1) Le bruit de grenaille peut être considéré comme un bruit impulsionnel et se mettre sous la forme : + it et t k k avec : e la charge de l électron C P. Nayman École Analogique
76 Expression du bruit de grenaille (2) d e I 0 courant moyen i 2 i I 0 distribution spectrale de la composante continue 2 B i 2 ei 0 d 2eI 0 B 0 + ei 0 fluctuations par effet de grenaille B I 0 2 ei 0 0 B P. Nayman École Analogique
77 Autres sources de bruits (exemple : le bruit en 1/f) Ce bruit est essentiellement basse fréquence, c est le cas du bruit de scintillation par exemple ( flicker noise ). Ce bruit est présent dans tous les composants (actifs et passifs) et correspond aux captures de porteurs associés à des défauts ou à la contamination par exemple. Une des caractéristique de ce bruit est son universalité, on le retrouve dans une multitude de domaines comme : en biologie (taux d insuline d un diabétique), le débit du Nil, les variations saisonnière de température ou encore le trafic routier. 0 La densité spectrale de puissance du bruit en 1/f est donnée par : k Le bruit en 1/f est généralement gaussien et stationnaire. P. Nayman École Analogique
78 Exemples Bruit thermique 20 Un chiffre utile à retenir : 4kT à la température ambiante La valeur moyenne quadratique de la tension de bruit d une résistance de 1K ambiante est de : 2 v v V 2 Hz 1 à la température v 4nV Hz (RMS) Bruit Schottky Quel est la valeur du courant quadratique moyen de bruit dans une diode parcourue par un courant de 1mA si la bande passante est de 1MHz? i 2 i qI d B A 2 i 18nA (RMS) P. Nayman École Analogique
79 Le facteur de bruit (1) Se Ss Si Q est un amplificateur idéal de gain en puissance G : : Be Bs Le rapport signal à bruit en sortie est égal au rapport signal à bruit en entrée. Le quadripôle n étant pas parfait, il génère du bruit par le biais de ses composants (résistances, transistors, etc.). Se Ss Par conséquent : Be Bs Be Se G, Bq Bs Ss P. Nayman École Analogique
80 Le facteur de bruit F (2) F Se Be Ss Bs F rapport signal à bruit en entrée rapport signal à bruit en sortie Be Se G, Bq Bs Ss P. Nayman École Analogique
81 Le facteur de bruit (3), Cas de quadripôles en cascades Soit deux quadripôles : S e B e F 1 G 1 Q1 F 2 G 2 Q2 F 2 1 F F G 1 En généralisant à n quadripôles : F 2 1 F F F F n G 1 G 1 G 2 G 1 G 2 G n 1 Remarque : Il est important de noter que seuls les bruits des premiers étages sont significatifs. Si le gain G 1 du premier étage est important, on peut généralement négliger les bruits des autres étages. Dans ce cas, il suffit uniquement d optimiser les caractéristiques en bruit du premier étage. P. Nayman École Analogique
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailLa conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA)
La conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA) I. L'intérêt de la conversion de données, problèmes et définitions associés. I.1. Définitions:
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 détailNumérisation du signal
Chapitre 12 Sciences Physiques - BTS Numérisation du signal 1 Analogique - Numérique. 1.1 Définitions. Signal analogique : un signal analogique s a (t)est un signal continu dont la valeur varie en fonction
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 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 détailFiltres passe-bas. On utilise les filtres passe-bas pour réduire l amplitude des composantes de fréquences supérieures à la celle de la coupure.
Filtres passe-bas Ce court document expose les principes des filtres passe-bas, leurs caractéristiques en fréquence et leurs principales topologies. Les éléments de contenu sont : Définition du filtre
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 détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
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 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 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 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 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 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 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 détailSUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques
SUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques Durée 4 h Si, au cours de l épreuve, un candidat repère ce qui lui semble être une erreur d énoncé, d une part il le signale au chef
Plus en détail8563A. SPECTRUM ANALYZER 9 khz - 26.5 GHz ANALYSEUR DE SPECTRE
8563A SPECTRUM ANALYZER 9 khz - 26.5 GHz ANALYSEUR DE SPECTRE Agenda Vue d ensemble: Qu est ce que l analyse spectrale? Que fait-on comme mesures? Theorie de l Operation: Le hardware de l analyseur de
Plus en 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 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 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 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 détailEquipement. électronique
MASTER ISIC Les générateurs de fonctions 1 1. Avant-propos C est avec l oscilloscope, le multimètre et l alimentation stabilisée, l appareil le plus répandu en laboratoire. BUT: Fournir des signau électriques
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 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 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 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 détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailMini_guide_Isis.pdf le 23/09/2001 Page 1/14
1 Démarrer...2 1.1 L écran Isis...2 1.2 La boite à outils...2 1.2.1 Mode principal...3 1.2.2 Mode gadgets...3 1.2.3 Mode graphique...3 2 Quelques actions...4 2.1 Ouvrir un document existant...4 2.2 Sélectionner
Plus en détailModule d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere
Module d Electricité 2 ème partie : Electrostatique Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere 1 Introduction Principaux constituants de la matière : - protons : charge
Plus en détail1 Démarrer... 3 1.1 L écran Isis...3 1.2 La boite à outils...3 1.2.1 Mode principal... 4 1.2.2 Mode gadget...4 1.2.3 Mode graphique...
1 Démarrer... 3 1.1 L écran Isis...3 1.2 La boite à outils...3 1.2.1 Mode principal... 4 1.2.2 Mode gadget...4 1.2.3 Mode graphique... 4 2 Quelques actions... 5 2.1 Ouvrir un document existant...5 2.2
Plus en détailChamp électromagnétique?
Qu est-ce qu un Champ électromagnétique? Alain Azoulay Consultant, www.radiocem.com 3 décembre 2013. 1 Définition trouvée à l article 2 de la Directive «champs électromagnétiques» : des champs électriques
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 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 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 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 détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
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 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 détailEcole Centrale d Electronique VA «Réseaux haut débit et multimédia» Novembre 2009
Ecole Centrale d Electronique VA «Réseaux haut débit et multimédia» Novembre 2009 1 Les fibres optiques : caractéristiques et fabrication 2 Les composants optoélectroniques 3 Les amplificateurs optiques
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 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 détailCaractéristiques des ondes
Caractéristiques des ondes Chapitre Activités 1 Ondes progressives à une dimension (p 38) A Analyse qualitative d une onde b Fin de la Début de la 1 L onde est progressive puisque la perturbation se déplace
Plus en 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 détailSIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES
SIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES ----------------------------------------------------------------------------------------------------------------- LES SIGNAUX NUMERIQUES Un signal numérique
Plus en détailManipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes
Manipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes Avant Propos : Le sujet comporte deux parties : une partie théorique, jalonnée de questions (dans les cadres), qui doit être préparée
Plus en détailAnalyse des Systèmes Asservis
Analyse des Systèmes Asservis Après quelques rappels, nous verrons comment évaluer deux des caractéristiques principales d'un système asservi : Stabilité et Précision. Si ces caractéristiques ne sont pas
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
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 détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailMESURE DE LA TEMPERATURE
145 T2 MESURE DE LA TEMPERATURE I. INTRODUCTION Dans la majorité des phénomènes physiques, la température joue un rôle prépondérant. Pour la mesurer, les moyens les plus couramment utilisés sont : les
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 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 détailEtudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique adapté
Compétences travaillées : Mettre en œuvre un protocole expérimental Etudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique
Plus en détailNotions d asservissements et de Régulations
I. Introduction I. Notions d asservissements et de Régulations Le professeur de Génie Electrique doit faire passer des notions de régulation à travers ses enseignements. Les notions principales qu'il a
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 détailMesures de temps de propagation de groupe sur convertisseurs de fréquence sans accès aux OL
Mesures de temps de propagation de groupe sur convertisseurs de fréquence sans accès aux Comment mesurer le temps de propagation de groupe sur des convertisseurs de fréquence dans lesquels le ou les oscillateurs
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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
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 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 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 V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailMesures d antennes en TNT
Mesures d antennes en TNT Ce TP s intéresse aux techniques liées à l installation d un équipement de réception de télévision numérique terrestre. Pour les aspects théoriques, on pourra utilement se référer
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 détailChapitre 2 : Systèmes radio mobiles et concepts cellulaires
Chapitre 2 : Systèmes radio mobiles et concepts cellulaires Systèmes cellulaires Réseaux cellulaires analogiques de 1ère génération : AMPS (USA), NMT(Scandinavie), TACS (RU)... Réseaux numériques de 2ème
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
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 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 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 détailAutomatique (AU3): Précision. Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr
Automatique (AU3): Précision des systèmes bouclés Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr Plan de la présentation Introduction 2 Écart statique Définition Expression Entrée
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 détailDidier Pietquin. Timbre et fréquence : fondamentale et harmoniques
Didier Pietquin Timbre et fréquence : fondamentale et harmoniques Que sont les notions de fréquence fondamentale et d harmoniques? C est ce que nous allons voir dans cet article. 1. Fréquence Avant d entamer
Plus en détailManuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques
Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100
Plus en détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
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 détail10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU)
0 leçon 2 Leçon n 2 : Contact entre deu solides Frottement de glissement Eemples (PC ou er CU) Introduction Contact entre deu solides Liaisons de contact 2 Contact ponctuel 2 Frottement de glissement 2
Plus en détailIntroduction à l informatique temps réel Pierre-Yves Duval (cppm)
Introduction à l informatique temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 -Définition et problématique - Illustration par des exemples -Automatisme:
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 détailMini_guide_Isis_v6.doc le 10/02/2005 Page 1/15
1 Démarrer... 2 1.1 L écran Isis... 2 1.2 Les barres d outils... 3 1.2.1 Les outils d édition... 3 1.2.2 Les outils de sélection de mode... 4 1.2.3 Les outils d orientation... 4 2 Quelques actions... 5
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détail1. PRESENTATION DU PROJET
Bac STI2D Formation des enseignants Jean-François LIEBAUT Denis PENARD SIN 63 : Prototypage d un traitement de l information analogique et numérique (PSoC) 1. PRESENTATION DU PROJET Les systèmes d éclairage
Plus en détail