Traitement des Signaux 1 re partie : Transformée de Fourier et Anaylse Fréquentielle
|
|
- Chrystelle Vincent
- il y a 6 ans
- Total affichages :
Transcription
1 raitement des Signaux re partie : ransformée de Fourier et Anaylse Fréquentielle 3 septembre 6 Définitions, Signaux, Fonctions et Distributions 3 Définitions Historique Applications Classification des signaux Quelques signaux importants Distributions ransformée de FOURIER Définition Représentation spectale Exemple : Intérêt de la F Propriétés de la F Relation de Parseval ransformées de FOURIER à connaître 35 Analyse spectrale 37 Analyse spectrale Ambiguïté: Durée d un signal-largeur spectrale héorème de PLANCHEREL Fenêtres d observation
2 Plan Définitions, Signaux, Fonctions et Distributions ransformée de FOURIER ransformées de FOURIER à connaître Analyse spectrale / 5 Définitions, Signaux, Fonctions et Distributions 3 / 5 Définitions Le signal est la représentation physique d un phénomène qui évolue dans le temps ou dans l espace. Le traitement du signal (S) est une discipline technique qui a pour objet l élaboration, la détection et l interprétation des signaux porteurs d informations. Cette discipline s appuie sur la théorie du signal qui donne une description mathématique des signaux. Cette théorie fait essentiellement appel à l algèbre linéaire, l analyse fonctionnelle, et l étude des processus aléatoires. 4 / 5 Historique Aspects techniques : 83 : télégraphe électrique (MORSE, COOKE, WHEASONE) ; 876 : téléphone (BELL) ; 895 : radio (MARCONI, POPOV) ; 95, détection et amplification de signaux électroniques faibles (FLEMMING) Aspects théoriques : 8 : FOURIER, propagation de la chaleur ; vers 93 : processus aléatoires (WIENER et KINCHINE), quantité d informations transmise sur une voie télégraphique(nyquis et HARLEY) ; après 948 : théorie de la communication (SHANNON), filtrage optimal (WIENER), distributions (SCHARWZ). 5 / 5
3 Applications Contrôle Radar : Ici l analyse fréquentielle joue un rôle fondamental ; Codage de la Parole : La reconnaissance de la parole nécessite le traitement d une grande quantité de données. Le codage permet de réduire cette quantité, en éliminant les redondances et en conservant l information utile ; Les élécommunications : Si les 34 millions de lignes téléphone fixe étaient reliées à il faudrait (34 6 ) / câbles. Heureusement les travaux sur la modulation, l échantillonnage et la transmission permettent d émettre, sur une même voie, des milliers de messages. raitement des images : Restauration d images dégradées par le bruit, compression d images (vidéoconférence), analyse d images médicales, échographie Recherche géophysique : l écho d une onde acoustique sur les différentes couches renseigne sur la composition et la géométrie des roches. 6 / 5 Morphologique On distingue ici les signaux qui prennent des valeurs à chaque instant t (Signal continu) et les signaux qui n ont de valeurs qu à certains instants t i (Signal discret). 7 / 5 Spectrale On classe les signaux suivant la bande de fréquences qu ils occupent temps (s) temps (s) frequence (Hz) frequence (Hz) 8 / 5 3
4 Énergétique Les signaux peuvent être soit : à énergie finie ou à puissance moyenne finie. Les signaux à énergie finie vérifient la condition : () W x = + x(t) dt < + Les signaux à puissance moyenne finie sont tels que : [ ] + () < P x = lim x(t) dt < + Remarques : Les signaux à support borné, c est à dire de durée limitée, sont à énergie finie. Les signaux périodiques sont à puissance moyenne finie ; Un signal à énergie finie a une puissance moyenne nulle (P x = ) ; Un signal à puissance moyenne finie (non nulle) possède une énergie W x infinie. 9 / 5 test On définit : La puissance instantanée ( d interaction ). (3) P x (t) = x(t)x (t) (4) P xy (t) = x(t)y (t) La puissance moyenne (d interaction) sur une durée. (5) P x (t,) = (6) P xy (t,) = t+ t t+ t x(t)x (t)dt x(t)y (t)dt L énergie moyenne (d interaction) sur une durée. (7) W x (t,) = P x (t,) (8) W xy (t,) = P xy (t,) note of slide 9 4
5 ypologique On distingue ici les signaux suivant que leur évolution est déterministe ou aléatoire. Un signal déterministe peut être prédit par un modèle mathématique. Un signal aléatoire a un comportement imprévisible, au moins partiellement. On le décrit grâce à des outils statistiques ( densité de probabilités, moyenne, variance,...). x(t + ) = x(t) t x(t) = e 3t t / 5 Porte (9) Π (t) = { si t [, ] ailleurs Π (t) t / 5 Echelon d Heavyside { si t () u(t) = si t < u(t) t / 5 5
6 Signe () sgn(t) = { si t si t < sgn(t) t 3 / 5 riangulaire { t () Λ (t) = si t < ailleurs Λ (t) t 4 / 5 Gaussienne (3) g(t) = σ t π e σ σ π σ π e,6 σ π σ 5 / 5 6
7 Sinus Cardinal (4) sinc(x) = sin(x) x π π... 6 / 5 Définition de travail On s intéresse particulièrement à la distribution de Dirac, notée δ(t) et définie, un peu abusivment, comme suit : { si t (5) δ(t) = (6) δ(t)dt = si t = Une approche plus rigoureuse consiste à considérer la distribution de Dirac comme la limite d une fonction f θ (t) d aire unité et de support borné : (7) { f θ(t)dt = δ(t) = lim θ [f θ (t)] θ θ θ θ θ θ θ θ θ 7 / 5 Manipulation Produit par une fonction f(t) (8) f(t)δ(t) = f()δ(t) (9) f(t)δ(t t ) = f(t )δ(t t ) L aire associée au pic de Dirac ne vaut plus mais f() ou f(t ). Intégration : () f(t)δ(t t )dt = f(t )δ(t t )dt = f(t ) 8 / 5 7
8 Peigne de Dirac Enfin, on utilisera aussi le peigne de Dirac, noté (t). Cette distribution est constituée d une suite d impulsions de Dirac, régulièrement espacées d une durée : 9 / 5 Peigne de Dirac Le produit de cette distribution par une fonction f(t) donne une suite d impulsion de Dirac d aire égale à f(k) : () f(t) (t) = f(t) = k= k= k= k= δ(t k) f(k)δ(t k) On pose f e (t) = f(t) (t). On dit que f e (t) est une fonction échantillonée. / 5 ransformée de FOURIER / 5 Définition La transformation de FOURIER est une extension de la décomposition en série de FOURIER, mais pour des signaux quelconques. Intuitivement on peut considérer un signal non périodique comme un signal dont la période. Ainsi la somme discrète et le facteur / intervenant dans la décomposition en série de FOURIER deviennent respectivement une intégrale, et une petite variation de fréquence df. On définit la ransformée de Fourier (F), notée X(f), a du signal x(t) et son inverse par : () (3) F{x(t)} = X(f) = F {X(f)} = x(t) = x(t)e jπft dt X(f)e +jπft df / 5 a Dans la suite du cours, les signaux seront représentés par des minuscules x, s, f, etc..., les F correspondantes par des majuscules X, S, F, etc... Le temps par la variable t ou τ et la fréquence par f ou ν. 8
9 Rappel sur les séries de FOURIER Considérons les fonctions g n (t) définies par : nt +jπ (4) g n (t) = e = e +jπnν t avec, ν = et n Z On peut facilement montrer que ces fonctions sont orthogonales, c est à dire : (5) g n (t),gm(t) = { g n (t),g si n m m(t)dt = si n = m Soit f(t) un signal périodique de période ( > ). Si f(t) possède un nombre fini de sauts sur une période, alors il existe une suite C n telle que : (6) f(t) = n=+ n= C n g n (t) = n=+ n= nt +jπ C n e Cette série converge vers f(t), si f(t) est continue en t. note of slide 9
10 Séries de FOURIER : exemples Exemple Soit C n une suite définie par : (7) C = C = A et C n = si n ± Déterminer f(t)? (8) f(t) = n= n= nt +jπ A ( ) ( ) C n e = e +jπ t + e jπ t πt = Acos C n.6 f(t) n / 3 t Exemple On considère le signal carré périodique f(t) défini par : f(t).5 / τ/ τ// Calculer son spectre. (9) C n = nt jπ f(t)e dt = [ e ] τ nt jπ τ π n = sin ( ) π nτ = τ ( sinc π nτ ) πn Le sinc constitue l enveloppe des C n C n.5 /τ.5 / n/ note of slide
11 Conditions d existence de la F : Une fonction f(t) admet pour transformée de FOURIER la fonction F(f) si : f(t) est bornée ; x(t)dt existe ; les discontinuités de f(t) sont en nombre limité. Une grande partie des signaux étudiés répondent à ces conditions. Ceci est dù, en partie, au fait qu ils sont observés sur une durée finie. Attention ces conditions ne sont pas nécessaires lorsqu il s agit de distributions. Les fonctions périodiques ou les distributions δ(t) et (t) ont des F. 3 / 5 Représentation spectale X(f) est la superposition d une infinité de raies qui s étendent, dans le domaine fréquentiel, de à. On définit : Spectre d amplitude = X(f) Spectre ( ou densité spectrale ) de puissance = X(f) Spectre de phase = arg(x(f)) La transformée de FOURIER introduit la notion de fréquences négatives. Ces fréquences n ont aucun sens physique. Elles existent bel et bien dans la représentation mathématique d un signal réel. 4 / 5 Exemple : La fonction porte : { [ (3) x(t) = Π τ si t (t) = τ ailleurs, τ ] et sa transformée de FOURIER : (3) (3) X(f) = = x(t)e jπft dt = [ e jπft ] τ τ jπf τ τ = sin(πfτ) πf e jπft dt = τsinc(πfτ) 5 / 5
12 Exemple : x(t).5 X(f).5 τ/ τ/ t (sec) / π f (Hz).8.8 X(f).6.4 X(f).6.4 arg(h(f)) / f (Hz) 5 / 5 f(hz) / f(hz) 6 / 5 Intérêt de la F Il est souvent plus aisé d interpréter certains phénomènes physiques dans le domaine fréquentiel. C est l intérêt essentiel de la F. Exemples : x(t) X(f) t (sec) 4 4 f(hz) La F du signal fait apparaître deux raies ( paires de raies), on a donc la somme de deux sinus ou cosinus (il faudrait voir la phase pour trancher.) 7 / 5 Intérêt de la F x(t) 3 3 X(f) t(sec) 4 4 f(hz) x(t) 3 3 X(f) t(sec) 4 4 f(hz) Il s agit deux réalisation physique du même phénomène. Dans le deuxième ca on remarque que les variations sont plus lentes : on a retiré (par filtrage) les composantes fréquentielles les plus élevées. 8 / 5
13 Intérêt de la F La symétrie entre la F et la F montre l existence d une dualité entre temps et fréquences. outes les informations contenues dans le signal sont contenues dans le spectre. La dimension des variables t et f est la seconde et le Hertz. Cependant certains signaux s expriment en mètre et mètre, on parle alors de fréquences spatiales. 9 / 5 Propriétés de la F Linéarité : F et F sont des opérateurs linéaires. (33) λ C, λ x(t) + y(t) F λ X(f) + Y (f) Similitude : fréquentiel. Une dilatation dans le domaine temporel correspond à une contraction dans le domaine (34) a R, x(at) F a X ( ) f a ranslations : (35) x(t t ) F e jπft X(f) (36) X(f f ) F e +jπft x(t) 3 / 5 3
14 Propriétés de la F Dérivation en temps : dx(t) (37) dt F jπfx(f) d n x(t) (38) dt n F (jπf) n X(f) Dérivation en fréquence : (39) (4) dx(f) df d n X(f) dt f F F jπtx(t) ( jπt) n x(t) Parité : Si x(t) est un signal réel et pair alors son spectre X(f) est réel et pair. Si x(t) est réel et impair, son spectre X(f) est imaginaire et impair. Carré sommable : Si x(t) est de carré sommable alors X(f) est de carré sommable. 3 / 5 4
15 quelques démonstrations Similitude : En posant at = t (4) x(at)e jπft dt = sgn(a) a x(t )e jπ f a t dt = a X ( ) f a ranslations : En posant t t = t : (4) x(t t )e jπft dt = e jπft x(t )e jπft dt = e jπft X (f) Démonstration identique pour la translation de fréquence. Dérivation en temps : [ ] d n x(t) d n X(f)ejπft df (43) dt n = dt n = (44) = ( X(f) dn e jπft) d n df t (jπf) n X(f)e jπft df = F {(jπf) n X(f)} Parité : (45) (46) (47) X(f) = x(t)e jπft dt = x( t)e jπft dt t = t = X( f) X(f) pair [ = x(t)e dt] jπft = X(f) X(f) réel x(t )e jπ( f)t dt note of slide 3 Relation de Parseval Cette relation est comparable à celle qui existe pour des signaux périodiques. Soit x(t) un signal de carré sommable (ou à énergie finie) et qui admet X(f) pour F, on a : (48) E x = x(t) dt = X(f) df DÉMONSRAION [ ][ ] (49) E x = X(f)e jπft df X(f )e jπf t df dt }{{}}{{} F {X(f)}=x(t) F {X(f)} =x(t) [ ] (5) = X(f)X (f ) e jπ(f f )t dt dfdf 3 / 5 5
16 Relation de Parseval [ ] (5) E x = X(f)X (f ) e jπ(f f )t dt dfdf L expression entre crochets est égale à la F de la fonction unité, calculée à la fréquence f f, soit δ(f f ) : [ ] (5) E x = X(f) X (f )δ(f f )df df }{{} (53) = X(f) df = =X (f) x(t) dt 33 / 5 Relation de Parseval X(f) est appelée densité spectrale d énergie ou parfois, abusivement, densité spectrale de puissance. On peut montrer de la même façon que, pour deux signaux x(t) et y(t), l énergie d interaction vérifie la relation : (54) E xy = x(t)y (t)dt = X(f)Y (f)df 34 / 5 ransformées de FOURIER à connaître 35 / 5 able des transformées de FOURIER à connaître Les fonctions, et leur transformées de FOURIER présentéesées dans le tableau ci-dessous seront fréquemment utilisées par la suite. δ(t) δ(f) e +πjft δ(f f ) δ(t t ) [ e πjft cos(πf t + ϕ ) e jϕ δ(f f ) + e jϕ δ(f + f ) ] [ sin(πf t + ϕ ) j e jϕ δ(f f ) e jϕ δ(f + f ) ] (t) (t) (t) (f) AB. Quelques transformées de FOURIER à connaître. Le calcul de certaines d entre elles est aisé lorsque l on fait appel aux propriétés décrites plus haut. 36 / 5 6
17 Analyse spectrale 37 / 5 Analyse spectrale L analyse spectrale des signaux tient une place importante dans un grand nombre d applications ( élécommunications, Géophysique, Biochimie,..). On peut citer comme exemple, l analyse spectrale de signaux de parole qui fournit une indication sur le sexe du locuteur. En effet, les signaux de parole sont en grande partie voisés (quasi-périodiques). La hauteur de la fréquence fondamentale est d environ -5 Hz pour un homme, 5-5 Hz pour une femme et peut aller jusqu à 4 Hz pour un enfant. Un autre exemple est celui de la poursuite d une cible mobile. Le signal réfléchi par la cible fournit des informations sur la vitesse et la position de l objet. 38 / 5 Ambiguïté : Durée d un signal-largeur spectrale En théorie un signal de durée finie ( support borné ) possède un spectre de largeur infinie ( support infini ). Corrélativement, un spectre à support borné correspond à un signal de durée illimitée. Expérimentalement, le problème est le suivant : Comment étudier un signal, sur une durée limitée ( donc avec un spectre à support infini ), avec un instrument qui a une bande passante finie?. Il est évident que, si la puissance du signal décroît rapidement en fonction de la fréquence, on a intérêt à utiliser un instrument dont la bande passante est très supérieure à la bande utile du signal. L effet du filtrage ( passage du signal dans l instrument ) est alors réduit. 39 / 5 Bande utile La notion de bande utile est liée à l application. Soit x(t) un signal d énergie totale E x et de densité spectrale d énergie S xx (f) = X(f). S xx (f) B u f f On définit la bande utile B u par : (55) B U = α F avec F = E x + f S xx (f)df où α est choisi en fonction de l application. 4 / 5 7
18 Durée utile x(t) D u t De même on définit la durée utile D u d un signal x(t) par : + (56) D U = β avec = t x(t) dt E x où β est choisi en fonction de l application. En utilisant la relation de Cauchy-Schwartz on en déduit la relation d incertitude : (57) D u B u Cste qui montre qu un signal à fluctuations rapides possède un spectre large. 4 / 5 Relation d incertitude : démontrastion En utilisant la relation de Cauchy-Schwartz : (58) tx(t) dx dt dt t x(t) dt dx dt dt En intégrant par partie, on trouve : (59) t x(t) dt = [ tx (t) ] x(t) dt = E x de plus, en utilisant la relation de PARSEVAL : (6) dx dt dt = 4π f S xx (f)df = 4π E x F d où : (6) Ex 4 E x 4π E x F 6 4 F π 7 D ub u αβ π note of slide 4 héorème de PLANCHEREL Soient x(t) et y(t) deux signaux ayant pour transformée X(f) et Y (f). PLANCHEREL a démontré que : (6) (63) F{x(t) y(t)} = X(f)Y (f) F{x(t)y(t)} = X(f) Y (f) Ce théorème est très utile : il permet de simplifier un grand nombre de calcul et il est utilisé dans de nombreuses applications. 4 / 5 8
19 héorème de PLANCHEREL DÉMONSRAION (64) (65) (66) (67) (68) F{x(t) y(t)} = = = = + [ [ + x(u) x(u) = X(f)Y (f) ] x(u)y(t u)du e jπft dt [ + x(u)e jπf(u) du ] y(t u)e jπft dt du ] y(τ)e jπf(τ+u) dτ du + y(τ)e jπf(τ) dτ La seconde relation se démontre de la même façon. 43 / 5 Fenêtres d observation L analyse d un signal ne peut s effectuer que sur une durée finie [t,t ]. Si x(t) est le signal initial, le signal observé s(t) s écrit : (69) s(t) = x(t)f(t) où f(t) est nulle en dehors de [t,t ]. f(t) est appelée fenêtre d observation ou fonction de pondération. La fenêtre idéale est celle qui ne modifiera pas le spectre X(f) du signal x(t), c est à dire telle que : (7) S(f) = X(f) F(f) = X(f) F(f) = δ(f) F f(t) = La fonction unité (f(t) = ) définie sur ],+ [ n est pas une fenêtre. On en déduit cependant que la transformée de Fourier d une fenêtre satisfaisante, c est à dire modifiant peu X(f), doit s approcher du pic de Dirac. 44 / 5 9
20 Fenêtres d observation La fonction Porte Π (t) est appelée fenêtre naturelle et fut la première utilisée. Sa transformée P(f) est : { } (7) P(f) = F Π (t) = sinc(πf) P(f) est constitué d un lobe principal lobe principal et de lobes secondaires. lobes secondaires. P(f)... f Comme on le verra, toutes les transformées de Fourier de fenêtres de pondération possèdent un lobe principal et des lobes secondaires. 45 / 5 Fenêtres d observation Pour comparer les différentes fenêtres on utilise deux critères : La largeur de bande, B, définit la résolution ou pouvoir séparateur du spectre. P(f) P(f) f f Si X(f) est constitué de deux raies aux fréquences très proches f et f avec ( f f < B), il ne sera pas possible de les distinguer. L amplitude relative du lobe secondaire : Q = log P(f )/P() (où P(f ) est l amplitude maximale du er lobe secondaire). P(f) f 46 / 5
21 Fenêtres d observation Dans le cas de la fenêtre naturelle on trouve B = / et Q = 3dB. P(f) Q = 3dB La fenêtre naturelle est peu utilisée, en analyse spectrale, car elle présente des lobes secondaires de forte amplitude. Un très grand nombre de fenêtres ont été proposées. Celles ci sont généralement choisies en fonction de l application. f 47 / 5 Fenêtre de Bartlett (95) { t (7) Λ (t) = si t [,+ ] ailleurs Elle peut être obtenue par la convolution de deux portes : (73) Λ (t) = { } Π (t) Π (t) F F Λ (t) = 4 4 sinc (πf ) d où B = / et Q = 6dB. P(f) Q = 6dB f La largeur est deux fois plus grande que la fenêtre naturelle. Par contre, l amplitude relative du premier lobe secondaire est beaucoup plus petite. 48 / 5
22 Fenêtre de Hanning (J. VAN HANN) Elle est définie par : { ( ) (74) h N (t) = + cos πt si t [,+ ] ailleurs (75) H N (f) = P(f) + 4 On obtient B = / et Q = 3dB. ( ( P f + ) ( + P f )) { } où P(f) = F Π (t) H n (f) Q = 3dB f 49 / 5 Fenêtre de Hamming R.W. HAMMING a étudié une famille de fonctions définies par : { α + ( α)cos πt (76) h M (t) = si t [,+ ] ailleurs La valeur de α qui minimise Q est,54. On a alors B = / et Q = 5dB. H M (f) Q = 5dB Pour α =,5, on retrouve la fenêtre de Hanning. f 5 / 5
M1107 : Initiation à la mesure du signal. T_MesSig
1/81 M1107 : Initiation à la mesure du signal T_MesSig Frédéric PAYAN IUT Nice Côte d Azur - Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 15 octobre 2014 2/81 Curriculum
Plus en 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 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 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 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 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 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 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 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 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 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 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 détailSignaux numériques : Multiplexage temporel : TDM
Signaux numériques : Multiplexage temporel : TDM Pour la hiérarchie TDM, il y a deux catégorie : Le multiplexage dans les systèmes informatiques : La transmission TDM dans des lignes haute vitesse à partir
Plus en 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 détailLicence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004. Cours de Génie Electrique G.
Licence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004 Cours de Génie Electrique G. CHAGNON 2 Table des matières Introduction 11 1 Quelques mathématiques...
Plus en 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 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 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 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 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 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 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 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 détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en 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 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 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 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 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 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 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 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 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 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 détailIntroduction aux Communications Numériques
Université de Cergy-Pontoise - 01 - Communications numériques Introduction aux Communications Numériques Master M1 ISIM March 19, 01 Iryna ANDRIYANOVA iryna.andriyanova@u-cergy.fr 1 Contenu du cours 1
Plus en 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 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 détailIntroduction. Mathématiques Quantiques Discrètes
Mathématiques Quantiques Discrètes Didier Robert Facultés des Sciences et Techniques Laboratoire de Mathématiques Jean Leray, Université de Nantes email: v-nantes.fr Commençons par expliquer le titre.
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 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 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 détailSYSTEMES LINEAIRES DU PREMIER ORDRE
SYSTEMES LINEIRES DU PREMIER ORDRE 1. DEFINITION e(t) SYSTEME s(t) Un système est dit linéaire invariant du premier ordre si la réponse s(t) est liée à l excitation e(t) par une équation différentielle
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 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 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 détailCours. Un premier pas en traitement du signal
2ème année d IUT de Mesures Physiques Cours Un premier pas en traitement du signal Olivier BACHELIER Courriel : Olivier.Bachelier@univ-poitiers.fr Tel : 5-49-45-36-79 ; Fax : 5-49-45-4-34 Les commentaires
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 détailUne fréquence peut-elle être instantanée?
Fréquence? Variable? Instantané vs. local? Conclure? Une fréquence peut-elle être instantanée? Patrick Flandrin CNRS & École Normale Supérieure de Lyon, France Produire le temps, IRCAM, Paris, juin 2012
Plus en 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 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 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 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 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 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 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 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 détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en 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 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 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 détail1 Systèmes triphasés symétriques
1 Systèmes triphasés symétriques 1.1 Introduction Un système triphasé est un ensemble de grandeurs (tensions ou courants) sinusoïdales de même fréquence, déphasées les unes par rapport aux autres. Le système
Plus en détailOM 1 Outils mathématiques : fonction de plusieurs variables
Outils mathématiques : fonction de plusieurs variables PCSI 2013 2014 Certaines partie de ce chapitre ne seront utiles qu à partir de l année prochaine, mais une grande partie nous servira dès cette année.
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en 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 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 détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
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 détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en 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 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 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 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 détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
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 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 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 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 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 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 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 détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
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 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 détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
Plus en 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 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 détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en 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 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 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 détailApproche expérimentale du rayonnement électromagnétique émis par un téléphone portable
Approche expérimentale du rayonnement électromagnétique émis par un téléphone portable RÉSUMÉ U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E par Lycée Victor Hugo - 25000
Plus en détailChafa Azzedine - Faculté de Physique U.S.T.H.B 1
Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Définition: La cinématique est une branche de la mécanique qui étudie les mouements des corps dans l espace en fonction du temps indépendamment des causes
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en 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 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 détailCours d Électronique du Tronc Commun S3. Le filtrage optimisé du signal numérique en bande de base. Notion de BRUIT en télécommunication.
IUT MARSEILLE DEPARTEMENT DE GENIE ELECTRIQUE ET INFORMATIQUE INDUSTRIELLE Diplôme Universitaire de Technologie. Cours d Électronique du Tronc Commun S3. Chapitre 8 : Le filtrage optimisé du signal numérique
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détail