GELE2511 Chapitre6

GELE2511 Chapitre 6 : Convolution discr` ete
Gabriel Cormier, Ph.D., ing.

Universit e de Moncton
Hiver 2013
Gabriel Cormier (UdeM)
GELE2511 Chapitre 6
Hiver 2013
1 / 38
Introduction
Contenu
Contenu Convolution discr` ete Convolution de s equences nies Propri et es Corr elation Auto-corr elation Applications
GELE2511 Chapitre 6
Hiver 2013
2 / 38
Convolution
Convolution
La convolution est une m ethode pour combiner deux signaux et en produire un troisi` eme. Cest la technique la plus importante en traitement de signaux. La convolution permet de relier lentr ee, la sortie et la r eponse impulsionnelle dun syst` eme.
x[n]
Syst` eme h[n]
y [n]
y [n] = x[n] h[h]
GELE2511 Chapitre 6
Hiver 2013
3 / 38
Convolution
Convolution
On a d ej` a vu comment un syst` eme peut etre caract eris e par sa r eponse impulsionnelle. Si on conna t la r eponse impulsionnelle dun syst` eme, alors on conna t sa sortie pour nimporte quelle entr ee. La convolution permet de calculer la sortie dun syst` eme etant donn es lentr ee et la r eponse impulsionnelle. Rappel : x[n] h[n] veut dire la convolution de x[n] et h[n].
GELE2511 Chapitre 6
Hiver 2013
4 / 38
Convolution
Signaux discrets et convolution

On peut repr esenter un signal discret comme une somme dimpulsions.
x[n] 3 3
0 3[n-1] 3[n-3] 1[n-5]

3[n] 3[n-2] 2[n-4]
x[n] = 3 [n] + 3 [n 1] + 3 [n 2] + 3 [n 3] + 2 [n 4] + [n 5] De fa con g en erale, x[n] =

k=
x[k ] [n k ]
GELE2511 Chapitre 6
Hiver 2013
5 / 38
Convolution
Signaux discrets et convolution

Par superposition, la sortie y [n] dun syst` eme est la somme des r eponses impulsionnelles aux entr ees x[n] :
3 Systme Systme 0 3[n-1] 3[n-3] 1[n-5]
3[n] 3[n-2] 2[n-4]
h0[n] + h1[n] + h2[n] +
Systme
y[n]
y [n] =
k=
x[k ]h[n k ] = x[n] h[n]

GELE2511 Chapitre 6 Hiver 2013 6 / 38
Convolution
Exemples
Exemple 1
Entr ee : sinuso de + rampe. Syst` eme : ltre passe-bas.
x[n] h[n] y[n]
3 2 1
0.05 0.04 0.03
1.5 1 0.5
0.02 0 1 0.01 0 20 40 n 60 80 0 0 10
n
0 0.5
20
30
50 n
100
Sortie : sinuso de fortement att enu e. La s equence de sortie est 111 echantillons : Le + Lh 1, o` u Le est la longueur de lentr ee (81 ici) et Lh est la longueur du syst` eme (31 ici). 81 + 31 1 = 111.
GELE2511 Chapitre 6
Hiver 2013
7 / 38
Convolution
Exemples
Exemple 2
Entr ee : sinuso de + rampe. Syst` eme : ltre passe-haut.

x[n] 3 2 0.5 1 0 0 1 0.5 1 2 0 1 h[n] 2 1 y[n]
20
40 n
60
80
10 n
20
30
50 n
100
Sortie : sinuso de. La s equence de sortie est 111 echantillons.
GELE2511 Chapitre 6
Hiver 2013
8 / 38
Impact de lentr ee
Impact de lentr ee
On va analyser la convolution dun syst` eme simple en d etail : on cherche ` a voir limpact de chaque entr ee sur la sortie nale. On utilisera un syst` eme simple ayant 4 echantillons, et une entr ee de 6 echantillons.
GELE2511 Chapitre 6
Hiver 2013
9 / 38
Impact de lentr ee
Impact de lentr ee
La sortie a une longueur de 9 echantillons (6 + 4 1).
x[n] 2 1 0 1 2 0 1 2 n 3 4 5 2 1 0 1 2 0 1 n 2 3 h[n] 2 1 0 1 2 0 1 2 3 4 5 6 7 8 n y[n]
Selon l equation de la convolution, la sortie est la somme de chaque entr ee multipli ee par le syst` eme complet.
GELE2511 Chapitre 6
Hiver 2013
10 / 38
Impact de lentr ee
Impact de lentr ee
La sortie totale est la somme de chaque sortie yk [n].
y1[n] y2[n] 2 1 0 1 2 0 2 4 n y4[n] 6 8 2 1 0 1 2 0 2 4 n y5[n] 6 8 y3[n] 2 1 0 1 2 0 2 4 n y6[n] 6 8
2 1 0 1 2 0 2 4 6 8
2 1 0 1 2 0 2 4 6 8
2 1 0 1 2 0 2 4 6 8
Point bleu = lentr ee multipli ee par len syst` eme. n n Point rouge = 0 ajout e pour avoir la bonne longueur de s equence.
Gabriel Cormier (UdeM) GELE2511 Chapitre 6 Hiver 2013 11 / 38
Impact de lentr ee
Impact de lentr ee
On va analyser la sortie produite par la convolution. On cherche ` a voir comment chaque point de la sortie est aect e par les entr ees et le syst` eme.
GELE2511 Chapitre 6
Hiver 2013
12 / 38
Impact de lentr ee
Impact de lentr ee
On va analyser le point y [4].
y1[n] 2 1 2 1 0 1 0 2 4 n y4[n] 6 8 2 0 2 4 n y5[n] 6 8 y2[n] 2 1 0 1 2 0 2 4 n y6[n] 6 8 y3[n]
4 points bleus contribuent ` a y [4]. y [4] = x[1]h[3] + x[2]h[2] + x[3]h[1] + x[4]h[0]
0 1 2
2 1 0 1 2 0 2 4 n 6 8
2 1 0 1 2 0 2 4 n 6 8
2 1 0 1 2 0 2 4 n 6 8
GELE2511 Chapitre 6
Hiver 2013
13 / 38
Impact de lentr ee
Impact de lentr ee
On va analyser le point y [7].
y1[n] 2 1 2 1 0 1 0 2 4 n y4[n] 6 8 2 0 2 4 n y5[n] 6 8 y2[n] 2 1 0 1 2 0 2 4 n y6[n] 6 8 y3[n]
2 points bleus contribuent ` a y [7]. y [4] = x[4]h[3] + x[5]h[2]
0 1 2
2 1 0 1 0 2 4 n 6 8 2 0 2 4 n 6 8
2 1 0 1 2 0 2 4 n 6 8
bas e sur moins dinformation.
1 0 1 2
GELE2511 Chapitre 6
Hiver 2013
14 / 38
Impact de lentr ee
Convolution : probl` emes
Les M 1 points aux bouts sont bas es sur moins dinformation. (M est la longueur de h[n]) Ceci peut causer des probl` emes ; il peut y avoir des erreurs dans les bouts des signaux, ` a cause de la convolution. En g en eral, il faut sattendre que linformation aux bouts dun signal ne soit pas utilisable.
GELE2511 Chapitre 6
Hiver 2013
15 / 38
Impact de lentr ee
Convolution : probl` emes

Exemple : une sinuso de avec un niveau CC, quon ltre avec un ltre passe-haut. Il ne devrait rester que la sinuso de.
x[n] 4 1.5 h[n] 4 utilisable 2 1 2 y[n]
0.5
20
40 n
60
80
0.5
10 n
20
30
20
40 n
60
80
100
Seule la r egion centrale est utilisable.
GELE2511 Chapitre 6
Hiver 2013
16 / 38
S equences nies
Convolution de s equences nies
Il existe quelques m ethodes pour faire la convolution de s equences nies. La convolution de s equences nies x[n] et h[n] donne une s equence nie y [n]. Quelques r` egles ` a suivre :
Lindice de d ebut de y [n] est la somme des indices de d ebut de x[n] et h[n]. Lindice de n de y [n] est la somme des indices de n de x[n] et h[n]. La longueur de y [n] est la somme des longueurs de x[n] et h[n] moins 1 : Ly = Lx + Lh 1
GELE2511 Chapitre 6
Hiver 2013
17 / 38
S equences nies
M ethode 1 : Somme des colonnes

Cette m ethode ressemble un peu ` a la multiplication faite ` a la main. Exemple : Faire la convolution de h[n] = {1, 2, 2, 3} et x[n] = {2, 1, 3}.

En appliquant la m ethode, h[n] x[n] = = 1 2 2 2 -1 4 -1 3 2 3 4 -2 3 5 3 6 -2 6 10
-3 6 3
9 9
La sortie est y [n] = {2, 3, 5, 10, 3, 9}.
GELE2511 Chapitre 6
Hiver 2013
18 / 38
S equences nies
M ethode 2 : ruban glissant

On d eplace x[n] devant h[n] en multipliant ` a chaque fois. Exemple : h[n] = {2, 5, 0, 4} et x[n] = {4, 1, 3}.

2 5 0 4 4 8 y [0] = somme = 8 1
2 5 0 4 1 4 2 20 y [1] = somme = 22 3
2 5 0 4 3 1 4 6 5 0 y [2] = somme = 11
5 0 3 1 15 0 y [3] = somme
4 4 16 = 31
0 4 3 1 4 0 4 y [4] = somme = 4
4 3 1 4 12 y [5] = somme = 12
La sortie est y [n] = {8, 22, 11, 31, 4, 12}.

Gabriel Cormier (UdeM) GELE2511 Chapitre 6 Hiver 2013 19 / 38
S equences nies
M ethode 3 : polyn omes

La convolution est la m eme proc edure que la multiplication de polyn omes. Exemple : h[n] = {2, 5, 0, 4} et x[n] = {4, 1, 3}.

On peut consid erer h[n] et x[n] comme des polyn omes : h(z ) = 2z 3 + 5z 2 + 4 x(z ) = 4z 2 + z + 3 On fait la multiplication (2z 3 + 5z 2 + 4)(4z 2 + z + 3) : y (z ) = 8z 5 + 22z 4 + 11z 3 + 31z 2 + 4z + 12 La sortie est y [n] = {8, 22, 11, 31, 4, 12}.
GELE2511 Chapitre 6
Hiver 2013
20 / 38
S equences nies
Matlab
La convolution est tr` es facile avec Matlab. Il sagit dutiliser la commande conv. >> h = [2 5 0 4]; >> x = [4 1 3]; >> y = conv(h,x) y = 8 22 11
31
12
GELE2511 Chapitre 6
Hiver 2013
21 / 38
Propri et es
Propri et es de la convolution
Convolution avec une impulsion : x[n] [n] = x[n] D ephasage : x[n] [n s] = x[n s] Convolution avec un echelon :
x[n] u[n] =
k=0
x[k ] = r[k ]
GELE2511 Chapitre 6
Hiver 2013
22 / 38
Propri et es
Propri et es de la convolution
Commutativit e: a[n] b[n] = b[n] a[n] Associativit e: (a[n] b[n]) c[n] = a[n] (b[n] c[n]) Distributivit e: a[n] b[n] + a[n] c[n] = a[n] (b[n] + c[n])
GELE2511 Chapitre 6
Hiver 2013
23 / 38
Convolution p eriodique
La convolution normale de deux signaux qui sont tous 2 p eriodiques nexiste pas. Il faut alors faire la convolution p eriodique ou circulaire en utilisant des moyennes. Si x[n] et h[n] sont tous deux p eriodiques avec la m eme p eriode N , alors leur convolution p eriodique produira une s equence y [n] qui est p eriodique aussi, ayant la m eme p eriode N .
GELE2511 Chapitre 6
Hiver 2013
24 / 38
La convolution p eriodique est not ee : yp [n] = xp [n] hp [n]
o` u xp [n] veut dire que x[n] est p eriodique. Il y a parfois un facteur de normalisation 1/N dans la convolution circulaire.
GELE2511 Chapitre 6
Hiver 2013
25 / 38
Pour faire la convolution p eriodique, il faut : Faire la convolution normale dune p eriode de x[n] et h[n] La r eponse aura 2N 1 echantillons. On ajoute un z ero ` a la n pour avoir 2N echantillons. On coupe la r eponse en deux moiti es. On fait la somme des deux moiti es.
GELE2511 Chapitre 6
Hiver 2013
26 / 38
Exemple
Faire la convolution de hp [n] = {1, 2, 3, 1} et xp [n] = {1, 0, 1, 1}.
h[n] x[n]
= =
1 1 1
2 0 2 0
3 1 3 0 1 4
1 1 1 0 2 1 4
Premi` ere moiti e Deuxi` eme moiti e 0 3 2 5 0 1 3 4
1 5 6
2 4 6
4 1 5
4 0 4
yp [n] = {6, 6, 5, 4}
1 1
GELE2511 Chapitre 6
Hiver 2013
27 / 38
Corr elation
Corr elation
La corr elation est une m ethode pour mesurer la similitude entre deux signaux. Cest une technique tr` es similaire ` a la convolution. On lutilise beaucoup pour enlever le bruit dans des signaux et d etecter des composantes p eriodiques.
GELE2511 Chapitre 6
Hiver 2013
28 / 38
Corr elation
Corr elation
La corr elation permet de comparer deux signaux.

rxh = x[n] h[n] =

k=
x[k ]h[k n] =
k=
x[n + k ]h[k ]
Il sagit de faire la convolution de x[n] et h[n]. Remarquer que x[n] h[n] = h[n] x[n], mais plut ot rxh [n] = rhx [n].
GELE2511 Chapitre 6
Hiver 2013
29 / 38
Corr elation
Exemple
Pour d etecter un avion, on envoie un pulse ` a un moment donn e, puis on re coit une version att enu ee de ce pulse, d ecal e dans le temps, et contenant beaucoup de bruit. La distance de lobjet d epend de linstant auquel on re coit le pulse.
GELE2511 Chapitre 6
Hiver 2013
30 / 38
Corr elation
Exemple
Syst` eme radar : cas id eal.
Pulse 1 0.5 0 1 0.5 0
20
40
60
80 100 120 Pulse reu idal
140
160
180
200
20
40
60
80 100 120 Corrlation idale
140
160
180
200
20 10 0 0 50 100 150 200 250 300 350 400 450
GELE2511 Chapitre 6
Hiver 2013
31 / 38
Corr elation
Exemple
Syst` eme radar : cas avec bruit.
Pulse 1 0.5 0 5 0 5
20
40
60
80 100 120 Signal reu avec bruit
140
160
180
200
20
40
60
80
100 120 Corrlation
140
160
180
200
20 10 0 0 50 100 150 200 250 300 350 400 450
GELE2511 Chapitre 6
Hiver 2013
32 / 38
Corr elation
Corr elation
Lamplitude de chaque echantillon dans le signal de corr elation est une mesure de combien le signal re cu ressemble au signal original ` a ce point-l` a. Ceci veut dire quun pic se produit ` a chaque endroit o` u le signal original est pr esent dans le signal re cu. Lamplitude du signal de corr elation est maximale au point o` u le signal voulu est align e avec le signal re cu.
GELE2511 Chapitre 6
Hiver 2013
33 / 38
Corr elation
Corr elation
La forme du pic dans le signal de corr elation na pas besoin de ressembler au signal voulu. Le but nest pas recr eer le signal original, mais plut ot de le d etecter. La corr elation est la meilleure fa con de d etecter un signal connu dans un signal ayant du bruit. Le pic est plus elev e au-dessus du bruit en utilisant la corr elation que toute autre m ethode lin eaire. Lutilisation de la corr elation pour d etecter un signal connu est souvent appel e le ltrage adaptatif (matched ltering).
GELE2511 Chapitre 6
Hiver 2013
34 / 38
Auto-corr elation
Auto-corr elation
Si on fait la corr elation dun signal avec lui-m eme, on appelle ceci lauto-corr elation. Lauto-corr elation permet didentier un signal p eriodique qui est cach e dans du bruit. Ceci ne permet pas n ecessairement didentier le signal p eriodique, mais plut ot de trouver la p eriode. Ensuite, on peut r ecup erer le signal original par dautres m ethodes.
GELE2511 Chapitre 6
Hiver 2013
35 / 38
Auto-corr elation
Exemple
Signal avec bruit
4 2 0 2 4
20
40
60
80
100 120 n AutoCorrlation
140
160
180
200
500
500
20
40
60
80
100 n
120
140
160
180
200
GELE2511 Chapitre 6
Hiver 2013
36 / 38
Auto-corr elation
Exemple 2
Signal original
Signal avec bruit 3 2 1 0 1
On identie la p eriode par auto-corr elation. La corr elation du signal bruit e avec un train dimpulsions ayant la bonne p eriode permet de r ecup erer le signal original.
3 2 1 0 1
20
40
60
20
40
60
Autocorrlation 300 250 200 150 100
Corrlation avec train dimpulsions 15
10
20
40
60
20
40
60
GELE2511 Chapitre 6
Hiver 2013
37 / 38
Conclusion
Conclusion
Les points cl es de ce chapitre sont : Calcul de la convolution Applications de la convolution. Calcul de la corr elation.
GELE2511 Chapitre 6
Hiver 2013
38 / 38

GELE2511 Chapitre6

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

GELE2511 Chapitre6

Transféré par

Droits d'auteur :

Formats disponibles

GELE2511 Chapitre 6 : Convolution discr` ete

Gabriel Cormier, Ph.D., ing.

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

Syst` eme h[n]

y [n] = x[n] h[h]

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

Signaux discrets et convolution

0 3[n-1] 3[n-3] 1[n-5]

x[n] = 3 [n] + 3 [n 1] + 3 [n 2] + 3 [n 3] + 2 [n 4] + [n 5] De fa con g en erale, x[n] =

Gabriel Cormier (UdeM)

Signaux discrets et convolution

h0[n] + h1[n] + h2[n] +

x[k ]h[n k ] = x[n] h[n]

0.05 0.04 0.03

Gabriel Cormier (UdeM)

Entr ee : sinuso de + rampe. Syst` eme : ltre passe-haut.

Sortie : sinuso de. La s equence de sortie est 111 echantillons.

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

4 points bleus contribuent ` a y [4]. y [4] = x[1]h[3] + x[2]h[2] + x[3]h[1] + x[4]h[0]

Gabriel Cormier (UdeM)

2 points bleus contribuent ` a y [7]. y [4] = x[4]h[3] + x[5]h[2]

bas e sur moins dinformation.

Gabriel Cormier (UdeM)

Convolution : probl` emes

Gabriel Cormier (UdeM)

Convolution : probl` emes

Seule la r egion centrale est utilisable.

Gabriel Cormier (UdeM)

Convolution de s equences nies

Gabriel Cormier (UdeM)

M ethode 1 : Somme des colonnes

En appliquant la m ethode, h[n] x[n] = = 1 2 2 2 -1 4 -1 3 2 3 4 -2 3 5 3 6 -2 6 10

La sortie est y [n] = {2, 3, 5, 10, 3, 9}.

Gabriel Cormier (UdeM)

M ethode 2 : ruban glissant

La sortie est y [n] = {8, 22, 11, 31, 4, 12}.

M ethode 3 : polyn omes

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

La convolution p eriodique est not ee : yp [n] = xp [n] hp [n]

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

Faire la convolution de hp [n] = {1, 2, 3, 1} et xp [n] = {1, 0, 1, 1}.

Premi` ere moiti e Deuxi` eme moiti e 0 3 2 5 0 1 3 4

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

La corr elation permet de comparer deux signaux.

rxh = x[n] h[n] =

Gabriel Cormier (UdeM)

Gabriel Cormier (UdeM)

80 100 120 Pulse reu idal

80 100 120 Corrlation idale

20 10 0 0 50 100 150 200 250 300 350 400 450

Gabriel Cormier (UdeM)

80 100 120 Signal reu avec bruit