Estimation de la fréquence
|
|
- Gaspard Durand
- il y a 7 ans
- Total affichages :
Transcription
1 Estimation de la fréquence Philippe Ciblat École Nationale Supérieure des Télécommunications, Paris, France
2 Plan Modèles Estimation DA Estimation NDA 1 Modèles 2 Estimation de fréquence avec séquence d apprentissage Rappel : estimation de fréquence pure Estimateurs ML Bornes de Cramer-Rao Illustrations numériques 3 Estimation de fréquence sans séquence d apprentissage Description d estimateurs Analyse de performances asymptotiques et non-asymptotiques Philippe Ciblat Estimation de la fréquence 2 / 4
3 Partie 1 : Modèles Philippe Ciblat Estimation de la fréquence 3 / 4
4 Modèle en bande de base (I) Signal reçu en bande de base ( ) y a (t) = s k h a (t kt s ) e 2iπδfat + b a (t) k Z avec {s k } k Z : symboles d une constellation quelconque b a (t) : bruit additif gaussien CN(, 2N ). h a (t) : un filtre résultant d un filtre de mise en forme g a (t), d un canal de propagation, d un déphasage et d un retard temporel. δf a un résidu de fréquence porteuse lié soit à l effet Doppler soit à un défaut des oscillateurs locaux. Philippe Ciblat Estimation de la fréquence 3 / 4
5 Modèle en bande de base (II) Hypothèse δf a T s 1 δf a petit devant la largeur de bande Système radiomobile avec effet Doppler : porteuse f à 9MHz, vitesse v de déplacement à 5km/h δf a = f v c = 4Hz Oscillateurs locaux de précision de 1ppm δf a = f précision = 9kHz Philippe Ciblat Estimation de la fréquence 4 / 4
6 Récepteur en bande de base (I) Récepteur (avec h a (t) et δf a connus). y a(t) X h a( t) z a(t) nt s z(n) Détecteur ŝ n e 2iπδfat n(t s/2) X e 2iπ(δfaTs/2)n Interpolateur basé sur h a(nt s/2) 2 z(n) Détecteur ŝ n. Remarque : T e période d échantillonnage vérifiant le théorème de Shannon T e = T s /2 suffit souvent (car δf a est petit devant la bande) On pose f = δf a T s Philippe Ciblat Estimation de la fréquence 5 / 4
7 Récepteur en bande de base (II) Soient deux filtres f 1 (t) et f 2 (t) de bande 1/T s et δf a T s 1 f 1 (t) (f 2 (t)e 2iπδfat ) = f 2 (τ)e 2iπδfaτ f 1 (t τ)dτ = F 2 ( ν)tf(τ e 2iπδfaτ f 1 (t τ))(ν)dν = e 2iπδfat F 2 (ν)f 1 (ν + δf a )e 2iπνt dν = e 2iπδfat (f 1 (t) f 2 (t)) + o(δf a ) Applications z(t) = f a (t) ( k Z s k h a (t kt s )e 2iπδfat ) ( s k (f a h a )(t kt s ))e 2iπδfat k Z Modèle en bande de base ainsi validé (cf. démodulateur I/Q) Philippe Ciblat Estimation de la fréquence 6 / 4
8 Récepteur avec h a (t) et f inconnus Schéma de principe (à temps discret). n(ts/2) e iπ fn X Interpolateur basé sur ha(nts/2) 2 Détecteur Estimation du filtre (à la cadence Ts/2) Estimation de f. Schéma de principe (simplifié). n(ts/2) Interpolateur basé sur ha(nts/2) e iπ fn X 2 Détecteur Estimation du filtre (à la cadence Ts/2) Estimation de f. Schéma de principe (simplifié et sans filtre adapté). n(ts/2) e 2iπ fn Interpolateur basé sur ga(nts/2) 2 X Détecteur Estimation du filtre (à la cadence Ts) Estimation de f. Philippe Ciblat Estimation de la fréquence 7 / 4
9 Modèle mathématique Signal reçu ( L ) y(n) = h(k)s n k e 2iπfn + b(n) k= } {{ } a(n) {s n } une séquence de données (connue ou inconnue) {h(k)} le filtre inconnu f la fréquence inconnue b(n) le bruit gaussien blanc circulaire de variance 2N Philippe Ciblat Estimation de la fréquence 8 / 4
10 Méthode d estimation Deux modes : Avec séquence d apprentissage Data-aided (DA) ou supervisé ou avec pilote Estimation d harmonique avec amplitude partiellement connue variant dans le temps Sans séquence d apprentissage Non-Data-aided (NDA) ou autodidacte/aveugle Estimation d harmonique avec bruit multiplicatif et bruit additif Objectif 1. Estimer f à la donnée de y(n) et s n 2. Estimer f à la donnée de y(n) Philippe Ciblat Estimation de la fréquence 9 / 4
11 Partie 2 : Estimation DA Philippe Ciblat Estimation de la fréquence 1 / 4
12 Estimation de fréquence pure Modèle du signal : soit f la fréquence y(n) = ae 2iπfn + b(n) avec a l amplitude complexe telle que a = a e 2iπφ avec φ la phase Exemple : 6 Harmonic with f=.1 and SNR= 1dB 6 Harmonic with f=.1 and SNR=dB 6 Harmonic with f=.1 and SNR=1dB Real part of harmonic 2 2 Real part of harmonic 2 2 Real part of harmonic sample index sample index sample index RSB= 1dB RSB=dB RSB=1dB Philippe Ciblat Estimation de la fréquence 1 / 4
13 Estimateur ML de fréquence pure Critère ML : comme le bruit additif est gaussien blanc, on a min a,φ,f J( a, φ, f) = 1 N N 1 y(n) a e 2iπ(fn+φ) 2 n= Résultat Si phase φ connue : ˆf N = arg max f R [ 1 ] N 1 N n= y(n)e 2iπ(fn+φ ) Si phase φ inconnue : ˆf 1 N = arg max N 1 2 f N n= y(n)e 2iπfn Philippe Ciblat Estimation de la fréquence 11 / 4
14 Preuve Modèles Estimation DA Estimation NDA J( a, φ, f) = 1 N 1 y(n) 2 + a 2 N n= ( ) N 1 1 a y(n)e 2iπ(fn+φ) + 1 N 1 y(n)e 2iπ(fn+φ) N N n= Si phase connue (φ = φ ), maximisation du terme bleu Si phase inconnue, φ [, π[ (sinon ambiguïté avec a et a) et d où J φ = e 2iπ ˆφ N = φ=ˆφn n= ( 1 N 1 ) 1/2 N n= y(n)e 2iπfn 1 N 1 N n= y(n)e2iπfn J( a, ˆφ N 1 1 N, f) = constante 2 a y(n)e 2iπfn N n= ce qui implique la maximisation du terme magenta Philippe Ciblat Estimation de la fréquence 12 / 4
15 Illustrations numériques f =.1 N = 1 8 Harmonic with f=.1, N=1 and SNR= 1dB 12 Harmonic with f=.1, N=1 and SNR=dB 1 Harmonic with f=.1, N=1 and SNR=1dB FFT norm 4 3 FFT norm 6 4 FFT norm frequency index frequency index frequency index RSB= 1dB RSB=dB RSB=1dB Philippe Ciblat Estimation de la fréquence 13 / 4
16 Estimation de fréquence non pure avec y N = [y(),, y(n 1)] T y N = D N (f )S N h + b N N nombre d observations (temps d observation = [, NT s [) [ 1,L, s,, s N 1 ] T : séquence d apprentissage S N une matrice N (L + 1) définie comme suit S N = s s 1... s L s s N 1 s N 2... s N 1 L h = [h(),, h(l)] T D N (f) = diag([1,, e 2iπ(N 1)f ]) b N = [b(),, b(n 1)] T : bruit blanc gaussien Philippe Ciblat Estimation de la fréquence 14 / 4
17 Estimateurs ML (I) Problème dirigé si la fréquence est connue (problème classique) ĥ N f = (S H NS N ) 1 S H Ny N si le canal est connu (référence ou voie de retour) ˆfN h = arg max f [,1[ R[h H S H N D N(f) H y N ] Preuve : suivre la démarche du transparent 12 Lien avec le périodogramme ˆfN h = arg max f [,1[ R [ ] N 1 1 a(n)y(n)e 2iπfn N n= Philippe Ciblat Estimation de la fréquence 15 / 4
18 Estimateurs ML (II) Problème conjoint { ˆfN = arg max f [,1[ y H N D N(f)S N (S H N S N) 1 S H N D N(f) H y N ĥ N = (S H N S N) 1 S H N D N(ˆf N ) H y N Preuve : suivre la démarche du transparent 12 Soit P N = S N (S H N S N) 1 S H N la projection sur l image de S N. Soit la décompostion de Cholesky de P N = Q H N Q N Lien avec périodogramme 1 ˆfN = arg max f [,1[ N N 1 N 1 2 q n,n y(n )e 2iπfn n= n = Philippe Ciblat Estimation de la fréquence 16 / 4
19 Bornes de Cramer-Rao : problème dirigé Résultat γ f h = N 4π 2 N 3 1 h H W 2 h Γ h f = 2N N W 1 avec et W K = SH N K N S N N (K+1) N = diag([, 1,, N 1]) Remarque : Estimateur ML est asymptotiquement efficace Philippe Ciblat Estimation de la fréquence 17 / 4
20 Preuve Modèles Estimation DA Estimation NDA [ (d ) ] 2 ln p(y f) F(f) = E y df et p(y f) e y D N (f)s N h 2 2N ln p(y f) = 1 2N (y H h H S H ND N (f) H )(y D N (f)s N h) + cte d ln p(y f) df = 1 2N (2iπh H S H N ND N (f) H )(y D N (f)s N h) + 1 2N (y H h H S H ND N (f) H )( 2iπD N (f) N S N h) d ln p(y f) df = 2iπ ( h H S H N y,f 2N ND N (f ) H b b H D N (f ) N S N h ) [ (d ) ] 2 ln p(y f) E = 4π2 ( 2h H df 4N 2 S H N N D N (f ) H E[bb H ]D N (f ) N S N h ) Philippe Ciblat Estimation de la fréquence 18 / 4
21 Bornes de Cramer-Rao : problème conjoint Résultat γ f = N 4π 2 N 3 1 h H (W 2 W 1 W 1 W 1 )h Γ h = 2N N (W 1 + W 1 W 1 hh H W 1 W 1 2h H (W 2 W 1 W 1 W 1 )h ) Remarque : Convergence de l estimateur de la fréquence en 1/N 3 Convergence de l estimateur du canal en 1/N Estimateur ML asymptotiquement efficace Philippe Ciblat Estimation de la fréquence 19 / 4
22 Bornes de Cramer-Rao asymptotiques (I) Considérons {s n } n une réalisation d une séquence pseudo-aléatoire stationnaire r s (τ) = E[s n+τ s n ] la fonction d autocorrélation Résultat fondamental w K (k, l) = Esquisse de preuve : ( 1 w K (k, l) = N 1 1 n K p.s. s N (K+1) n k s n l E[s n ks n l ] = r s(k l) K + 1 K + 1 n= N (K+1) n= } {{ } 1/(K+1) ) N 1 n K E[s n k s n l ] + 1 N (K+1) n= N 1 n K ε k,l (n) } {{ } p.s. Philippe Ciblat Estimation de la fréquence 2 / 4
23 Bornes de Cramer-Rao asymptotiques (II) Considérons R s = (r s (k l)) k,l L la matrice (Toeplitz) de corrélation de taille (L + 1) (L + 1) du processus {s n } n Problème dirigé γ f h = 3N 1 4π 2 N 3 h H R s h et Γ h f = 2N N R 1 s Problème conjoint γ f = 3N 1 π 2 N 3 h H R s h et Γ h = 2N N ( R 1 s + 3 hh H ) 2 h H R s h Remarque : Perte de 6dB pour l estimation de fréquence si le canal est inconnu Philippe Ciblat Estimation de la fréquence 21 / 4
24 Simulations Protocole : Afin de maximiser les périodogrammes, on procède en deux étapes 1. une étape dite grossière réalisée à l aide d une TFD 2. une étape dite fine réalisée par le biais d un algorithme du gradient initialisé avec le résultat de l étape grossière Remarque : La borne de Cramer-Rao ne fournit de l information que sur la seconde étape Philippe Ciblat Estimation de la fréquence 22 / 4
25 EQM en fonction du RSB Canal radio-mobile de norme 1 N = 32 2 MSE versus SNR / Variable of interest : Frequency Offset Practical MSE : Frequency Offset (Joint Estimation) Theoretical MSE : Frequency Offset (Joint Estimation) Practical MSE : Frequency Offset (Channel known) Theoretical MSE : Frequency Offset (Channel known) 2 1 MSE versus SNR / Variable of interest : Channel Practical MSE : Channel (Joint Estimation) Theoretical MSE : Channel (Joint Estimation) Practical MSE : Channel (Frequency Offset known) Theoretical MSE : Channel (Frequency Offset known) 4 1 (db) 6 (db) SNR (N=32, MC=2) SNR (N=32, MC=2) f h La CRB inexacte à faible RSB (phénomène de décrochement) Philippe Ciblat Estimation de la fréquence 23 / 4
26 Taux d Erreur Binaire N = 5, Trame de longueur 5 Egaliseur de Wiener 1 BER versus SNR for Nt=5 and alpha=1 Perfect knowledge White TS.1 BER.1.1 1e SNR Philippe Ciblat Estimation de la fréquence 24 / 4
27 Partie 3 : Estimation NDA Philippe Ciblat Estimation de la fréquence 25 / 4
28 Rappel du modèle y(n) = a(n)e 2iπfn + b(n), n =,..., N 1 avec y(n) le signal reçu a(n) une amplitude (complexe) inconnue ou un bruit multiplicatif b(n) un bruit blanc gaussien additif circulaire et stationnaire Exemple : a(n) appartient à une modulation MDA-2/BPSK Harmonic with f=.1 and SNR= 1dB Harmonic with f=.1 and SNR=dB Harmonic with f=.1 and SNR=1dB Real part of harmonic 2 2 Real part of harmonic 2 2 Real part of harmonic sample index sample index sample index RSB= 1dB RSB=dB RSB=1dB idem avec la partie imaginaire Philippe Ciblat Estimation de la fréquence 25 / 4
29 Définition de la circularité Circularité (au sens strict) Soit Z une variable aléatoire centrée à valeurs complexes Z est dit circulaire au sens strict ssi Z et Ze iθ ont la même densité de probabilité pour tout θ Propriété : E[Z } {{ Z }} Z {{ Z } ] = dès que p q p fois q fois Remarque : Z est circulaire (jusqu à l ordre M 1), et de manière équivalente, non-circulaire (à partir l ordre M) ssi E[Z } {{ Z }} Z {{ Z } ] = dès que p q et p + q < M p fois q fois Philippe Ciblat Estimation de la fréquence 26 / 4
30 Signal non-circulaire Remarque Toute constellation usuelle admet une symétrie de rotation d angle 2π/M ce qui implique une non-circularité à l ordre M Constellation MDA-P MDP-P MAQ-P Taille M 2 P 4 Hypothèses : a(n) est non-circulaire à l ordre M E[a(n) M ] a(n) est gaussien ou pas a(n) est coloré ou pas Remarque : hypothèses réalistes en communications numériques Philippe Ciblat Estimation de la fréquence 27 / 4
31 Signal non-circulaire au second ordre (I) Comme u a () = E[a 2 (n)], on a z(n) = y 2 (n) = u a ()e 2iπ(2f )n + e(n) où e(n) est un bruit additif non-gaussien et non-stationnaire Remarques Estimation de fréquence dans un bruit multiplicatif et additif Estimation de fréquence dans un bruit additif non-standard Périodogramme basé sur y 2 (n) au lieu de y(n) Si a(n) est coloré, périodogramme non exhaustif Philippe Ciblat Estimation de la fréquence 28 / 4
32 Signal non-circulaire au second ordre (II) En posant u a (τ) = E[a(n + τ)a(n)], on a ( ) z τ (n) = y(n + τ)y(n) = u a (τ)e 2iπf τ e 2iπ(2f)n + e τ (n) ˆfN = arg max J N (f) = f = T τ= T N z τ (n)e 2iπ(2f)n N n= N z(n)e 2iπ(2f)n N n= avec z(n) = [z T (n),..., z T (n)] T Remarque : Périodogramme pour signal vectoriel Estimateur de l élévation au carré (étendu) Philippe Ciblat Estimation de la fréquence 29 / 4
33 Signal non-circulaire aux ordres supérieurs MDP-P (1983) E[a(n) P ] ˆf N = arg max f N y P (n)e 2iπ(Pf)n N n= MAQ-P (21 et 24) E[a(n) 4 ] ˆf N = arg max f N y 4 (n)e 2iπ(4f)n N n= L estimateur de l élévation à la puissance Philippe Ciblat Estimation de la fréquence 3 / 4
34 Analyse asymptotique Consistance Normalité asymptotique (avec vitesse de convergence de 3) Covariance asymptotique γ ont été établies et calculées pour le problème suivant ˆfN = arg max J N (α) = f N z(n)e 2iπ(Mf)n N n= avec z(n) = αe 2iπ(Mf)n + e(n) et e(n) un processus centré Remarque Analyse valide pour les signaux non-circulaires ( M) Covariance asymptotique γ dépend des statistiques de e(n) EQM = γ N 3 Philippe Ciblat Estimation de la fréquence 31 / 4
35 Simulations a(n) appartient à une MDA-2/BPSK N = 1 8 Harmonic in multiplicative noise with f=.1, N=1 and SNR= 1dB 3 Harmonic in multiplicative noise with f=.1, N=1 and SNR=dB 25 Harmonic in multiplicative noise with f=.1, N=1 and SNR=1dB FFT norm based on y FFT norm based on y 2 1 FFT norm based on y frequency index frequency index frequency index 4 Harmonic in multiplicative noise with f=.1, N=1 and SNR= 1dB 12 Harmonic in multiplicative noise with f=.1, N=1 and SNR=dB 12 Harmonic in multiplicative noise with f=.1, N=1 and SNR=1dB FFT norm based on y FFT norm based on y FFT norm based on y frequency index frequency index frequency index RSB= 1dB RSB=dB RSB=1dB Philippe Ciblat Estimation de la fréquence 32 / 4
36 EQM en fonction du RSB a(n) = s n +.75s n 1 s n blanc gaussien t.q. E[ s n 2 ] = 1 et E[s 2 n] =.75 N = MSE versus SNR Theoretical MSE Empirical MSE MSE SNR (N=1 ; rho=.75 ; a=.75) Questions EQM théorique inexacte à faible RSB phénomène de décrochement Sommes-nous loin de la CRB? Philippe Ciblat Estimation de la fréquence 33 / 4
37 Phénomène de décrochement On s intéresse à l estimateur de l élévation à la puisssance ˆfN = 1 M arg max α ] 1/2,1/2] N y(n) M e 2iπαn N n= avec y(n) M = ue 2iπMfn + e(n) Ce périodogramme est maximisé en deux étapes une étape grossière détectant le pic une étape fine raffinant l estimation autour du pic Remarque A faible RSB et/ou quand le nombre d échantillons est petit, l étape grossière peut échouer phénomène de décrochement Philippe Ciblat Estimation de la fréquence 34 / 4
38 Exemple Modèles Estimation DA Estimation NDA a(n) apparttient à une MDA-2/BPSK RSB= 5dB 14 Harmonic in multiplicative noise with f=.1, N=1 and SNR= 5dB 45 Harmonic in multiplicative noise with f=.1, N=5 and SNR= 5dB FFT norm based on y FFT norm based on y frequency index frequency index Périodogramme avec N = 1 Périodogramme avec N = 5 Philippe Ciblat Estimation de la fréquence 35 / 4
39 Erreur quadratique moyenne EQM exacte Si la fréquence recherchée est au centre de l intervalle de recherche, alors EQM = p 12 + (1 p)eqm s.d. où p est la probabilité que l étape grossière échoue EQM s.d. est l EQM classique (ne prenant pas en compte le phénomène de décrochement) Résultats EQM s.d. disponible dans la littérature (cf. planches précédentes) p disponible dans la littérature a(n) constant (1974) a(n) blanc et appartient à une constellation usuelle (26) Philippe Ciblat Estimation de la fréquence 36 / 4
40 Simulations : EQM en fonction du RSB Theoretical and Empirical MSE versus Eb/N (N=128 QPSK/4QAM) Theoretical and Empirical MSE versus Eb/N (N= QAM) 1 1 Empirical MSE Theoretical MSE (w/o outliers) 1 2 Theoretical MSE (w. outliers) MSE 1 6 MSE Eb/N 1 1 Empirical MSE Theoretical MSE (w/o outliers) Theoretical MSE (w. outliers) Eb/N MAQ-4 et N = 128 MAQ-256 et N = 128 Analyse de seuil Pour MAQ-4, RSB seuil = 6dB si N = 128 Pour MAQ-P (avec P > 4), palier pour p pas de seuil Philippe Ciblat Estimation de la fréquence 37 / 4
41 Simulations : EQM en fonction de N Theoretical and Empirical MSE versus N (Eb/N=5dB QPSK/4QAM) Theoretical and Empirical MSE versus N (Eb/N=2dB 256QAM) 1 1 Empirical MSE Empirical MSE Theoretical MSE (w/o. outliers) Theoretical MSE (w/o. outliers) 1 2 Theoretical MSE (w. outliers) 1 2 Theoretical MSE (w. outliers) MSE 1 6 MSE N N MAQ-4 et E b /N = 5dB MAQ-256 et E b /N = 2dB Quand N augmente, p décroît (pas de palier) N importe quelle EQM est réalisable MAIS parfois avec N grand Philippe Ciblat Estimation de la fréquence 38 / 4
42 Problèmes non traités 1. Conception de la séquence d apprentissage? 2. Sommes-nous loin de la CRB? 3. Comment calculer la CRB dans un contexte autodidacte 4. Décrochement : est-ce intrinsèque au problème ou juste à l estimateur de l élévation à la puissance? 5. Extension à l OFDM Méthode supervisée : démarche identique Méthode autodidacte : sous-porteuses nulles (détecteur d énergie, méthode sous-espace), égalisation entre porteuses, non-circularité,... Philippe Ciblat Estimation de la fréquence 39 / 4
43 Bibliographie E. Hannan, "The estimation of frequency", Journal of Applied Probability, D. Rife et R. Boorstyn, "Single-tone parameter estimation from discrete-time observations", IEEE Trans. on Information Theory, Septembre A. Viterbi, "Non-linear estimation of PSK-modulated carrier phase with application to burst digital transmissions", IEEE Trans. on Information Theory, Juillet U. Mengali et A. d Andrea, "Synchronisation techniques for digital receivers", Plenum Press, H. Meyr et al., " Digital communications receivers", Wiley, M. Ghogho, A. Swami et A. Nandi, "Non-linear least squares estimation for harmonics in multiplicative and additive noise", Signal Processing, Octobre M. Morelli et U. Mengali, "Carrier frequency estimation for transmissions over selective channels", IEEE Trans. on Communications, Septembre 2. P. Ciblat et al., "Asymptotic analysis of blind cyclic correlation based symbol rate estimation", IEEE Trans. on Information Theory, Juillet 22. N. Noels et al., "Turbosynchronization : an EM algorithm interpretation", IEEE International Conf. on Communications (ICC), 23. Y. Wang et al., "Optimal blind carrier recovery for M-PSK burst transmissions", IEEE Trans. on Communications, Septembre 23. P. Ciblat et al., "Training Sequence Optimization for joint Channel and Frequency Offset estimation", IEEE Trans. on Signal Processing, Août 28. Philippe Ciblat Estimation de la fréquence 4 / 4
Partie 1: Gestion de l interférence entre symboles
Partie 1: Gestion de l interférence entre symboles Philippe Ciblat Télécom ParisTech, France Algo de Viterbi Egalisation OFDM Section 11 : Algorithme de Viterbi Philippe Ciblat Gestion de l interférence
Plus en 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 détailLa couche physique de l ADSL (voie descendante)
La couche physique de l ADSL (voie descendante) Philippe Ciblat École Nationale Supérieure des Télécommunications, Paris, France Problématique qq kilomètres CENTRAL câble de 0,4mm Objectifs initiaux :
Plus en 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 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 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 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 détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
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 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 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 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 détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailInterception des signaux issus de communications MIMO
Interception des signaux issus de communications MIMO par Vincent Choqueuse Laboratoire E 3 I 2, EA 3876, ENSIETA Laboratoire LabSTICC, UMR CNRS 3192, UBO 26 novembre 2008 Interception des signaux issus
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 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 détailThéorie de l estimation et de la décision statistique
Théorie de l estimation et de la décision statistique Paul Honeine en collaboration avec Régis Lengellé Université de technologie de Troyes 2013-2014 Quelques références Decision and estimation theory
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 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 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 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 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 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 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 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 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 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 détailTelecommunication modulation numérique
Telecommunication modulation numérique Travaux Pratiques (MatLab & Simulink) EOAA Salon de Provence Françoise BRIOLLE c Édition 2013 Table des matières 1 Modulation/démodulation en bande de base 6 1.1
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 détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en 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 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 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 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 détailTELEVISION NUMERIQUE
REPUBLIQUE DU CAMEROUN Paix - Travail Patrie --------------------- UNIVERSITE DE YAOUNDE I ---------------------- ECOLE NATIONALE SUPERIEURE POLYTECHNIQUE ---------------------- REPUBLIC OF CAMEROUN Peace
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 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 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 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 détailTelecommunication modulation numérique
Telecommunication modulation numérique Travaux Pratiques (MatLab & Simulink) EOAA Salon de Provence Stéphane BRASSET, Françoise BRIOLLE Édition 2012 Table des matières 1 Modulation/démodulation en bande
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 détail1. Présentation général de l architecture XDSL :
1. Présentation général de l architecture XDSL : Boucle locale : xdsl (Data Subscriber Line). Modem à grande vitesse adapté aux paires de fils métalliques. La lettre x différencie différents types, comme
Plus en 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 détailTV NUMERIQUE MOBILE : DU DVB-T AU DVB-H
115189_TechnoN32 21/11/05 16:11 Page 56 56-57 : DU DVB-T AU DVB-H Gérard POUSSET, V.P. Marketing : Business Development chez DiBcom Grâce à ses circuits de traitement de signal spécifiques, DiBcom propose
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 détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailEP 2 339 758 A1 (19) (11) EP 2 339 758 A1 (12) DEMANDE DE BREVET EUROPEEN. (43) Date de publication: 29.06.2011 Bulletin 2011/26
(19) (12) DEMANDE DE BREVET EUROPEEN (11) EP 2 339 758 A1 (43) Date de publication: 29.06.2011 Bulletin 2011/26 (21) Numéro de dépôt: 09179459.4 (51) Int Cl.: H04B 1/69 (2011.01) H03K 5/08 (2006.01) H03K
Plus en détailLe signal GPS. Les horloges atomiques à bord des satellites GPS produisent une fréquence fondamentale f o = 10.23 Mhz
Le signal GPS Les horloges atomiques à bord des satellites GPS produisent une fréquence fondamentale f o = 10.23 Mhz Deux signaux en sont dérivés: L1 (fo x 154) = 1.57542 GHz, longueur d onde = 19.0 cm
Plus en 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 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 détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailCPE Nanur-Hainaut 2009 Rudi Réz
Le Wi-Fi CPE Nanur-Hainaut 2009 Rudi Réz INTRODUCTION Wi-Fi = Wireless Fidelity 1997 : Prémices du Wi-Fi Premier prototypes de communication réseau 1999 : Le WECA propose le standard du Wi-Fi - adopté
Plus en détailDétection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux
Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux hétérogènes Laurent Déjean Thales Airborne Systems/ENST-Bretagne Le 20 novembre 2006 Laurent Déjean Détection en
Plus en détailLa Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS
Rev. Energ. Ren. : Chemss 2000 39-44 La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS D.K. Mohamed, A. Midoun et F. Safia Département
Plus en détailLe concept cellulaire
Le concept cellulaire X. Lagrange Télécom Bretagne 21 Mars 2014 X. Lagrange (Télécom Bretagne) Le concept cellulaire 21/03/14 1 / 57 Introduction : Objectif du cours Soit un opérateur qui dispose d une
Plus en détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
Plus en détailchoisir H 1 quand H 0 est vraie - fausse alarme
étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts
Plus en détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en 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 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 détailMesures en réception télévision
1. Télévision terrestre analogique Rappels En bande terrestre analogique pour une prise utilisateur le niveau doit être compris entre 57 et 74 dbµv Ces niveaux sont donnés pour un signal de grande qualité.
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 détailTravaux pratique (TP2) : simulation du canal radio sous ADS. Module FIP RT321 : Architectures des émetteurs-récepteurs radio
Travaux pratique (TP2) : simulation du canal radio sous ADS Rédaction : F. Le Pennec Enseignant/Chercheur dpt. Micro-ondes Francois.LePennec@telecom-bretagne.eu Module FIP RT321 : Architectures des émetteurs-récepteurs
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
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 détailDigital Subscriber Line
Digital Subscriber Line Bernard Cousin Présentation d'adsl But : Offrir l'accès à l'internet à partir d'un domicile personnel Le cout des réseaux d'accès est très important par rapport à celui du réseau
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
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 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 détailLes Réseaux sans fils : IEEE 802.11. F. Nolot
Les Réseaux sans fils : IEEE 802.11 F. Nolot 1 Les Réseaux sans fils : IEEE 802.11 Historique F. Nolot 2 Historique 1er norme publiée en 1997 Débit jusque 2 Mb/s En 1998, norme 802.11b, commercialement
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 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 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 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 détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
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 détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
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 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 détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
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 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 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 détailPlan du cours. Concepts Cellulaires et Paramètres Radio. Présentation du réseau cellulaire. Présentation du réseau cellulaire
Plan du cours Concepts Cellulaires et Paramètres Radio Philippe Godlewski Philippe Martins Marceau Coupechoux Cours largement inspiré de «Les concepts cellulaires», X. Lagrange, Ph. Godlewski, Fév. 1999
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 détailV 1.0 2006 corr. 2009. Jacques Ferber. LIRMM - Université Montpellier II 161 rue Ada 34292 Montpellier Cedex 5
V 1.0 2006 corr. 2009 Jacques Ferber LIRMM - Université Montpellier II 161 rue Ada 34292 Montpellier Cedex 5 Email: ferber@lirmm.fr Home page: www.lirmm.fr/~ferber Problématique: Comment créer des sons
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 détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailTéléinformatique. Chapitre V : La couche liaison de données dans Internet. ESEN Université De La Manouba
Téléinformatique Chapitre V : La couche liaison de données dans Internet ESEN Université De La Manouba Les techniques DSL La bande passante du service voix est limitée à 4 khz, cependant la bande passante
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 détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
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 détail