Traitement de signal TP 3 : Densité spectrale de puissance de signaux aléatoires stationnaires ergodiques
|
|
- Clarisse Labrie
- il y a 6 ans
- Total affichages :
Transcription
1 Université du Maine Master Ingénierie Mécanique et Acoustique Traitement de signal TP 3 : Densité spectrale de puissance de signaux aléatoires stationnaires ergodiques 1. Evaluation d estimateurs spectraux Objectif : Il s agit de comparer plusieurs estimateurs de la densité spectrale de puissance d un signal aléatoire stationnaire et ergodique. Le signal dont on cherche la représentation fréquentielle est issu du filtrage linéaire d un bruit blanc gaussien. Les coefficients du filtre étant connus, la densité spectrale théorique l est aussi. Les performances des divers estimateurs sont alors évaluées en déterminant expérimentalement leurs biais et leurs variances. Référence : Traitement numérique des signaux (M. Kunt), Presses polytechniques romandes, Mots-clés : Estimateurs de DSP, périodogrammes simple, moyenné, modifié (Welch), corrélogramme, biais, variance Fonctions Matlab : sig aleat2.m, freqz.m, mean.m, var.m, psd.m, xcor.m Indications : La fonction sig aleat2.m fournie, permet de générer les signaux aléatoires à étudier, obtenus par filtrage passe-bas, au moyen d un filtre de Chebyshev, d un bruit blanc gaussien de variance paramétrable. La fonction retourne également les coefficients du filtre. La densité spectrale de puissance théorique d un tel signal issu du filtrage d un bruit blanc par un système linéaire de fonction de transfert H[m] est: S X [m] = T e σ 2 H[m] 2 où σ 2 est la variance du bruit blanc et T e la période d échantillonnage. 1
2 Le périodogramme simple, estimateur de la densité spectrale de puissance (DSP) d une séquence discrète {x[n]} échantillonnée sur N points avec une période d échantillonnage T e s écrit : Ŝ X (f) = X(f) 2 N T e où X(f) est la transformation de Fourier de la séquence {x n } : N 1 X(f) = T e n=0 x[n] e 2jπfn T e En pratique, le périodogramme simple s obtient à partir d un algorithme rapide (FFT) de Transformée de Fourier Discrète (TFD) retournant la séquence {X[m]} à partir de la suite temporelle {x[n]}. Il s écrit alors : Ŝ X [m] = T e X[m] 2 Les divers périodogrammes peuvent être obtenus à l aide de la fonction psd.m. L utilisation suivante permet de déterminer la DSP ŜX[m] en utilisant le périodogramme simple : N [Ŝ, f] = psd(x, N, f e, ones(1, N), 0); Ŝ X = T e Ŝ; Le premier argument contient le signal à étudier, le deuxième indique le nombre de points pour l algorithme FFT, le troisième, la fréquence d échantillonnage, le quatrième stipule la fenêtre de pondération utilisée avec son nombre de points, le cinquième, le nombre de points de recouvrement entre les tronçons lorsqu ils sont plusieurs. La fréquence d échantillonnage n est pas utilisée dans le calcul du périodogramme mais permet de retourner l axe des fréquences dans la variable f : l intervalle [0, f e /2] (N/2+1 échantillons). C est pourquoi l obtention du périodogramme théorique nécessite la multiplication par la période d échantillonnage T e. 2
3 Le périodogramme moyenné ŜB X[m] (ou de Bartlett) est un second estimateur de densité spectrale de puissance. Il consiste à découper le signal d étude en plusieurs tronçons adjacents et à moyenner les différents périodogrammes simples calculés sur chaque tronçon. L estimateur peut être calculé à l aide de la fonction Matlab psd.m utilisée ainsi : [ŜB, f] = psd(x, M, f e, ones(1, M), 0); Ŝ B X = T e Ŝ B ; Chaque tronçon comporte M points. Le nombre de moyennes effectué est ici N/M. L axe des fréquences [0, f e /2] comporte M/2 + 1 échantillons. Le périodogramme de Welch ŜW X [m] est une variante de l estimateur précédent. D une part les fenêtres de pondération ne sont pas rectangulaires, d autre part les tronçons se chevauchent. Le périodogramme modifié est normalisé par la puissance de la fenêtre de pondération utilisée. Il est obtenu par la commande suivante : [ŜW, f] = psd(x, M, f e, hanning(m), M/2); Ŝ W X = T e ŜW ; Ici, la fenêtre utilisée est celle de Hanning pour un recouvrement (préconisé par Welch) de 50 % du tronçon, soit M/2 échantillons. Le corrélogramme ŜC X [m] est également un estimateur de densité spectrale de puissance. Il consiste à calculer la transformée de Fourier de l estimateur biaisé ˆR X [n] de la fonction d autocorrélation du signal {x[n]} de N points pondéré par une fenêtre de Bartlett w B [n]. ŜX[m] C M 1 = T e n=1 M ˆR X [n] w B [n] e 2jπfn T e Le support temporel initial de l estimateur d autocorrélation [(1 N)T e (N 1)T e ] est ramené à [(1 M)T e, (M 1)T e ] avec M N. L estimateur biaisé de la fonction d autocorrélation est obtenue par la fonction xcorr.m avec l option biased en argument d entrée. 3
4 Il est également possible de faire de l analyse spectrale à partir d une interface graphique appelée par l instruction sptool. Dans ce cas, il faut exporter le signal se trouvant dans l espace de travail (menu file) puis déterminer sa densité spectrale de puissance (menu spectra, fonction create) en choisissant l estimateur (méthode FFT pour le périodogramme simple, méthode Welch pour les périodogrammes moyenné, modifié) sans oublier de paramétrer l analyse. Le biais bŝ et la variance σ 2 Ŝ d un estimateur Ŝ s écrivent : bŝ = E[Ŝ S] σ 2 Ŝ = E[(Ŝ E[Ŝ])2 ] Questions : Générez un signal aléatoire à l aide de la fonction sig aleat2.m. Déterminez la densité spectrale de puissance théorique S X [m] à l aide de la fonction f reqz.m et visualisez-là (utilisez une échelle logarithmique en ordonnée avec l instruction semilogy.m et limitez la visualisation sur l axe vertical à l intervalle [10 4 /f e, 10/f e ] par exemple avec axis.m). Vérifiez que les caractéristiques fréquentielles sont en accord avec vos paramètres: fréquence de coupure, fréquence d échantillonnage, variance du bruit blanc d entrée. Par la suite, il peut être pratique de travailler avec une fréquence d échantillonnage f e = 1 Hz (T e = 1 s). Superposez sur le graphe précédent la densité spectrale de puissance du signal aléatoire ŜX[m] obtenue par un périodogramme simple à partir de votre propre programme ou des fonctions Matlab dédiées. Calculez sur l intervalle [0, f e /2] le biais de l estimateur ainsi que sa variance à partir de votre réalisation ŜX[m] et de la densité spectrale théorique S X [m]. Faîtes varier le nombre de points du signal. Que remarquez-vous sur le biais et la variance de l estimateur? 4
5 Calculez les périodogrammes moyenné et modifié et visualisez les densités spectrales de puissance obtenues sur le même graphe que la DSP théorique. Etudiez l influence du nombre de tronçons, du type de fenêtre et du recouvrement (absence ou 50 %) sur le biais et la variance des estimateurs. Déterminez le corrélogramme et visualisez-le en comparant toujours avec la DSP théorique. Jouez sur la taille de la fenêtre de Bartlett (M = N/8, N/16...) et calculez le biais et la variance de l estimateur. 2. Extraction d information Objectif : Il s agit d être capable de remonter à certaines caractéristiques du signal à partir de sa densité spectrale de puissance, notamment la variance d un bruit et l amplitude d une composante harmonique. Ensuite, il s agit de comparer visuellement les densités spectrales de puissance obtenues à partir d estimateurs différents et d étudier l influence du type de fenêtre de pondération utilisée lorsque l analyse est confrontée au problème de distribution des fréquences (leakage). Référence : Traitement numérique des signaux (M. Kunt), Presses polytechniques romandes, Mots-clés : Amplitude d une harmonique, variance d un bruit, distribution des fréquences (leakage) Fonctions Matlab : sig aleat3.m Indications : La fonction sig aleat3.m permet de générer un signal aléatoire stationnaire ergodique constitué de deux signaux harmoniques pures et d un bruit blanc gaussien. Les amplitudes des sinusoïdes, la variance du bruit blanc sont paramétrables par l utilisateur. En ce qui concerne les fréquences, il est possible de choisir entre deux configurations : soit les fréquences correspondent à des points d échantillonnage de la TFD, soit non, dans le but d observer le phénomène de distribution des fréquences 5
6 (leakage) en fonction de la fenêtre de pondération utilisée. L utilisation suivante, avec uniquement trois arguments en entrée, permet d affecter aux amplitudes des signaux harmoniques et à la variance du bruit blanc des valeurs par défaut. Dans ce cas le signal possède une composante harmonique forte et une faible. [y, t] = sig aleat3(choix, N, fe); Afin de retrouver l amplitude d un signal harmonique à partir de la valeur d une raie obtenue sur la densité spectrale de puissance, il est important de détailler les différentes étapes conduisant à l obtention d un périodogramme. Tout d abord, il faut se référer à la théorie donnant l amplitude d une raie fréquentielle lorsque le signal temporel est harmonique. Ensuite il faut tenir compte de deux effets sur l amplitude du spectre produits par la discrétisation du signal temporel et sa troncature par une fenêtre de pondération. Enfin, il faut regarder la définition du périodogramme représenté. Afin de retrouver la variance d un bruit blanc à partir de sa représentation spectrale, il est nécessaire de se rappeler que le périodogramme simple est la transformée de Fourier de la fonction d autocorrélation du signal (résultat provenant du théorème de Wiener-Khintchine). En considérant que la fonction d autocorrélation R[n] d un bruit blanc discrétisé de variance σ 2 est T e σ 2 δ[n] et en comparant sa transformée de Fourier avec le périodogramme, la variance se déduit aisément. Questions : Générez un signal aléatoire avec une fréquence initiale f e = 1 Hz en utilisant la fonction aleat 3.m de manière à obtenir des fréquences en k/n. Choisissez un nombre de points N correspondant à une puissance de 2 dans l intervalle [128, 16384]. Visualisez la densité spectrale de puissance du signal en utilisant un périodogramme simple et un périodogramme modifié dont vous expliciterez les paramètres. Proposez une formule permettant de retrouver l amplitude du signal harmonique temporel à partir 6
7 de la valeur de la raie visible sur la DSP. Votre formule est-elle valable quelle que soit la fenêtre de pondération utilisée? Est-elle également valable si vous générez des signaux avec une fréquence d échantillonnage non unitaire? Sinon adaptez votre formule. Il s agit maintenant de retrouver la variance du bruit blanc à partir des densités spectrales de puissance. Comment procédez-vous? Vous allez maintenant comparer les estimateurs de DSP suivants : périodogrammes simple, moyenné et modifié à partir de deux signaux aléatoires générés par la fonction sig aleat3.m, l un pour des signaux harmoniques de fréquences k/n, l autre pour des fréquences quelconques. Les signaux harmoniques générés devront contenir une composante forte et une faible. Vous pouvez utiliser les amplitudes par défaut. Etudiez l influence de différentes fenêtres de pondération. Déduisez l estimateur de DSP le plus adapté qui permet de mieux représenter les caractéristiques fréquentielles des signaux. 7
Projet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en 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 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 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 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 détailProjet audio. Analyse des Signaux ELE2700
ÉCOLE POLYTECHNIQUE DE MONTRÉAL Département de Génie Électrique Projet audio Analyse des Signaux ELE2700 Saad Chidami - 2014 Table des matières Objectif du laboratoire... 4 Caractérisation du bruit...
Plus en détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailLABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB
LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB 5.1 Introduction Au cours de séances précédentes, nous avons appris à utiliser un certain nombre d'outils fondamentaux en traitement du
Plus en détailLABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK
LABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK 5.1 Introduction Simulink est l'extension graphique de MATLAB permettant, d une part de représenter les fonctions mathématiques et les systèmes sous forme
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
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 détailhttp://www.u-bourgogne.fr/monge/e.busvelle/teaching.php
TP1 Traitement numérique du son 1 Introduction Le but de ce TP est de mettre en pratique les notions de traitement numérique vues en cours, TDs et dans le précédent TP. On se focalisera sur le traitement
Plus en 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 détailTP 03 B : Mesure d une vitesse par effet Doppler
TP 03 B : Mesure d une vitesse par effet Doppler Compétences exigibles : - Mettre en œuvre une démarche expérimentale pour mesurer une vitesse en utilisant l effet Doppler. - Exploiter l expression du
Plus en 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 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 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 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 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 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 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 détailTP 7 : oscillateur de torsion
TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)
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 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 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 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 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 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 détailRecherche De Coalescences Binaires Étalonnage Du Détecteur
Recherche De Coalescences Binaires Étalonnage Du Détecteur Fabrice Beauville Journées Jeunes Chercheurs 18/12/2003 Les Coalescences Binaires & VIRGO Système binaire d objets compacts (étoiles à neutrons,
Plus en 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 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 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 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 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 détailMaîtrise universitaire ès sciences en mathématiques 2012-2013
1 / 6 Remarques liminaires : Ce master à (3 semestres) permet 2 orientations distinctes : - Un master général : "Mathématiques, Systèmes dynamiques et phénomènes d'évolution" - Un master qui permet de
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 détailMaster of Science en mathématiques 2013-2014
Remarques liminaires : 1 Ce master à (3 semestres) permet 2 orientations distinctes : 1) Un master général en mathématiques 2) Un master qui permet de choisir des mineurs en finance, statistique, informatique
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 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 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 détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailBandes Critiques et Masquage
Bandes Critiques et Masquage A. Almeida Licence Pro Acoustique et Vibrations Octobre 2012 Au Menu Au programme 1 Observations du masquage 5 Application du masquage 2 Conséquences du Masquage 3 Interprétation
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 détailUtilisation du logiciel Gwyddion
Traitement des images SPM Utilisation du logiciel Gwyddion Logiciels disponibles sur les appareils Agilent, Bruker, JPK, NT-MDT Logiciels i payants SPIP : http://www.imagenet.com Logiciels gratuits WSxM
Plus en détailMaster IAD Module PS. Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique. Gaël RICHARD Février 2008
Master IAD Module PS Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance
Plus en détailAnalyse des bruits de clavier d ordinateur
Analyse des bruits de clavier d ordinateur Introduction 1 Enregistrement des bruits de clavier 2 Analyse des bruits de clavier 3 Analyse du niveau de pression acoustique vs. temps 4 Sonie vs. temps 4 Acuité
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 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 détailFAG Detector III la solution pour la surveillance et l équilibrage. Information Technique Produit
FAG Detector III la solution pour la surveillance et l équilibrage Information Technique Produit Principe Utilisation Hautes performances utilisation simple Le FAG Detector III est, à la fois, un appareil
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
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 détailCalcul des indicateurs de sonie : revue des algorithmes et implémentation
Calcul des indicateurs de sonie : revue des algorithmes et implémentation Stéphane Molla 1, Isabelle Boullet 2, Sabine Meunier 2, Guy Rabau 2, Benoît Gauduin 1, Patrick Boussard 1 1 GENESIS S.A., Domaine
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 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 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 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 détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailObservatoires du Bruit. Import des données du Classement sonore : Utilisation de l'outil VSMAP
Observatoires du Bruit Import des données du Classement sonore : Utilisation de l'outil VSMAP SOMMAIRE SOMMAIRE... 2 1. INTÉRÊT DE L'UTILISATION DE L'OUTIL VSMAP POUR LA MISE EN FORME DES DONNÉES DE CLASSEMENT
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 détailSon et Mathématiques
Son et Mathématiques Maïtine Bergounioux To cite this version: Maïtine Bergounioux. Son et Mathématiques. Association des Professeurs de Mathématiques de l Enseignement Public (APMEP). Bulletin de l APMEP,
Plus en détailCompatibilité Électromagnétique
Compatibilité Électromagnétique notions générales et applications à l électronique de puissance Ir. Stéphane COETS 18 mai 2005 Journée d étude en Électronique de Puissance 1 Plan de l exposé La Compatibilité
Plus en 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 détailEnregistrement et transformation du son. S. Natkin Novembre 2001
Enregistrement et transformation du son S. Natkin Novembre 2001 1 Éléments d acoustique 2 Dynamique de la puissance sonore 3 Acoustique géométrique: effets de diffusion et de diffraction des ondes sonores
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 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 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 détail«Tous les sons sont-ils audibles»
Chapitre 6 - ACOUSTIQUE 1 «Tous les sons sont-ils audibles» I. Activités 1. Différents sons et leur visualisation sur un oscilloscope : Un son a besoin d'un milieu matériel pour se propager. Ce milieu
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détailTABLE DES MATIÈRES 1. DÉMARRER ISIS 2 2. SAISIE D UN SCHÉMA 3 & ' " ( ) '*+ ", ##) # " -. /0 " 1 2 " 3. SIMULATION 7 " - 4.
TABLE DES MATIÈRES 1. DÉMARRER ISIS 2 2. SAISIE D UN SCHÉMA 3! " #$ % & ' " ( ) '*+ ", ##) # " -. /0 " 1 2 " 3' & 3. SIMULATION 7 0 ( 0, - 0 - " - & 1 4. LA SOURIS 11 5. LES RACCOURCIS CLAVIER 11 STI Electronique
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 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 détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailCondition Monitoring System pour les éoliennes. "Condition Monitoring System" pour les éoliennes
"Condition Monitoring System" 1 Participants ifm electronic à EMM 2012 (6-7 Juin 2012) Michel ASTIER : Responsable Marchés Eolien & Automobile Edil ALVAREZ : Chef de produit Analyse Vibratoire Oliver DURAND
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 détailTRAVAUX PRATIQUES SCIENTIFIQUES SUR SYSTÈME
Baccalauréat Professionnel SYSTÈMES ÉLECTRONIQUES NUMÉRIQUES Champ professionnel : Alarme Sécurité Incendie SOUS - EPREUVE E12 TRAVAUX PRATIQUES SCIENTIFIQUES SUR SYSTÈME Durée 3 heures coefficient 2 Note
Plus en détailTraitement des plaintes sur le bruit et exigences aux entreprises qui le génèrent
Traitement des plaintes sur le bruit et exigences aux entreprises qui le génèrent Références légales : LRQ (c. Q-2), articles 20 et 22 JUIN 2006 Introduction 1. Objet de la note d instructions Cette note
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
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 détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en 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 détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailMaster of Science en mathématiques 2015-2016
Remarques liminaires : 1/9 Ce master à 90 ECTS (3 semestres) permet 2 orientations distinctes : - Un master général en mathématiques - Un master qui permet de choisir des mineurs en finance, statistique
Plus en détailTP Détection d intrusion Sommaire
TP Détection d intrusion Sommaire Détection d intrusion : fiche professeur... 2 Capteur à infra-rouge et chaîne de mesure... 4 Correction... 14 1 Détection d intrusion : fiche professeur L'activité proposée
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 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 détailLISACode. Un simulateur opérationnel pour LISA. Antoine PETITEAU LISAFrance - le 16 mai 2006
LISACode Un simulateur opérationnel pour LISA Antoine PETITEAU LISAFrance - le 16 mai 2006 Plan Rappel sur LISACode. Validation du simulateur. Possibilités du simulateur. Résultats obtenus. Bruit de confusion.
Plus en détailAnalyses psychoacoustiques dans ArtemiS SUITE
Analyses psychoacoustiques dans ArtemiS SUITE La psychoacoustique est l étude du rapport existant entre les grandeurs physiques du son et la sensation auditive qu elles provoquent. Des paramètres physiques
Plus en détailACOUSTIQUE 3 : ACOUSTIQUE MUSICALE ET PHYSIQUE DES SONS
Matériel : Logiciel winoscillo Logiciel synchronie Microphone Amplificateur Alimentation -15 +15 V (1) (2) (3) (4) (5) (6) ACOUSTIQUE 3 : ACOUSTIQUE MUSICALE ET PHYSIQUE DES SONS Connaissances et savoir-faire
Plus en détailAudioSculpt. Manuel de l utilisateur. Alain LITHAUD
AudioSculpt Manuel de l utilisateur Alain LITHAUD AudioSculpt: Manuel de l utilisateur par Alain LITHAUD Publié par Karim Haddad Publié le: 2005/03/25 16:34:04 Conception et Développement AudioSculpt:
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 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 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 détailExercices d application
Exercices d application 5 minutes chrono! 1. Mots manquants a. fréquence b. 2 Hz ; 2 khz c. élevée d. timbre e. Wm -2 ; db f. purs ; f ou 22 Hz ; 2f ou 44 Hz ; 3f ou 66 Hz ; le fondamental ; harmoniques
Plus en détailLes technologies pour la santé, une discipline transversale pour la pédagogie en EEA : application aux troubles du sommeil
Les technologies pour la santé, une discipline transversale pour la pédagogie en EEA : application aux troubles du sommeil Fabienne Porée et Guy Carrault fabienne.poree@univ-rennes1.fr, guy.carrault@univ-rennes1.fr
Plus en détailÉCOLE POLYTECHNIQUE UNIVERSITAIRE
ÉCOLE POLYTECHNIQUE UNIVERSITAIRE DE MONTPELLIER Département Électronique, Robotique et Informatique Industrielle Programme détaillé de la formation Revision 1.3 2011 2012 Sommaire I Le département ERII
Plus en détail