Dtection

1
1 Fondements de la thorie de la dtection
1.1 Modlisation
Le problme central est de choisir lun des mots de lalphabet dmission (lensemble des mots
codes c
i
issus du codeur de canal) partir du signal reu r. La rgle de dcision habituelle consiste
effectuer une partition de lensemble des mots de rception.
On note Z lensemble de tous les mots r susceptibles dtre reus, et on note Z
i
lensemble de tous
les mots r reus tel que c
i
soit dcid. Cest lensemble dcodeur associ c
i
. Le problme est alors
de trouver la meilleure partition possible, au sens dun critre dnir, de lensemble des signaux
reus Z.
FIG. I.1: Partition de lensemble des signaux reus
Dans le schma prcdent, il y aura erreur ds que le signal reu r nappartient pas Z
i
, alors que
c
i
a t mis :
P (erreur | c
i
) = P
_
r Z
i
| c
i
_
,
= 1 P (r Z
i
| c
i
) .
En moyenne, la probabilit derreur au dcodage vaut
P (erreur) =
N

i=1
P (c
i
) P (erreur | c
i
)
soit P (erreur) =
N

i=1

j=i
P (dcider c
j
| c
i
mis) .
Lorsque les symboles mis sont quiprobables, on obtient
P (erreur) =
1
N
N

i=1
P (erreur | c
i
)
Construction de la partition :
On distingue en gnral deux rgles, selon que lon considre les probabilits a priori ou non (ou
que lon prend une loi uniforme pour la source). La probabilit a posteriori est obtenue en appliquant
la rgle de Bayes :
P (c
i
| r) =
P (c
i
) P (r | c
i
)
P (r)
La probabilit P (c
i
| r) est la probabilit a posteriori, cest--dire la probabilit de c
i
connaissant
lobservation r. La probabilit P (r | c
i
) est la vraisemblance de lobservation, cest--dire la proba-
bilit dobserver r lorsque c
i
est mis.
1
Ce chapitre reprend de larges extraits du chapitre Rcepteur Optimal de louvrage collectif Radiocommunica-
tions numriques. Tome 1 Principes, modlisation et simulation , Dunod, 2002.
Page 2
1. rgle du maximum a posteriori
Z
i
=
_
r / P (c
i
| r) = max
K
P (c
K
| r)
_
cette partition dpend la fois de la loi dentre P (c
i
) et des probabilits de transition P (r | c
i
),
(cest dire du canal).
2. rgle du maximum de vraisemblance
Z
i
=
_
r / P (r | c
i
) = max
K
P (r | c
K
)
_
Lorsque P (c
i
) est uniforme, maximiser P (c
K
| r) est quivalent maximiser P (r | c
K
), et
les deux rgles sont alors quivalentes.
On considre les quatre espaces suivants et leurs relations :
FIG. I.2: Espaces de signaux pour une chane de transmission.
Ces diffrents espaces sont des espaces de fonctions/variables certaines ou alatoires, de dimen-
sion nie ou innie.
Les passages de M S et de R D sont gnralement des applications certaines, alors que le canal
(passage de S R) est alatoire et caractris par une distribution de probabilit conditionnelle.
1.2 Stratgie baysienne-Notions de cot
On dnit un cot C (s, D), qui reprsente la pnalit ou la perte associe lvnement
conjoint (s mis, Dcision D prise). Le cot attach lvnement conjoint reprsente donc en
quelque sorte le prix payer pour chacune des dcisions. An de privilgier les bonnes dcisions,
on attachera alors un cot important aux mauvaises dcisions et un cot nul, ou ngatif aux bonnes
dcisions. Notons que certaines mauvaises dcisions peuvent tre plus graves que dautres ; on
pourra ordonner ces dcisions en jouant sur les cots associs. Lorsque les cots sont xs, on pourra
chercher minimiser le cot moyen dune dcision, cest--dire la moyenne des cots pondre par
les probabilits de chacun des vnements conjoints : cest la stratgie baysienne.
La stratgie baysienne consiste minimiser le cot moyen. On parle alors de la minimisation du
risque baysien.
R =
E
D,s
[C (s, D)] .
Examinons tout dabord comment ceci se traduit dans le cas binaire : la source peut mettre deux
messages s
0
et s
1
, et il sagit de dcider quel message a t mis au vu de lobservation r. La stratgie
doit alors amener trouver la meilleure partition de lensemble des observations possibles Z en deux
sous ensembles, auxquels on associe des dcisions D
0
et D
1
.
1. Fondements de la thorie de la dtection Page 3
FIG. I.3: Partition des observations et dcisions.
On note C
ij
le cot associ la dcision D
i
(on dcide que s
i
est mis), lorsque lhypothse H
j
est vraie (s
j
a t mis).
Le risque baysien scrit alors
R = C
00
P (D
0
, H
0
) + C
01
P (D
0
, H
1
) + C
10
P (D
1
, H
0
) + C
11
P (D
1
, H
1
) .
En faisant intervenir les lois a priori,
R = C
00
P (D
0
|H
0
) P (H
0
) + ... + C
11
P (D
1
|H
1
) P (H
1
)
or,
P (D
0
|H
0
) = P (r Z
0
|s
0
mis) =
_
Z
0
p (r |s
0
) dr
La stratgie baysienne consiste trouver la partition Z
0
, Z
1
tel que le risque baysien R soit mini-
mal. Le risque baysien sexprime alors, en fonction des probabilits de transition et des rgions de
dcisions, comme :
R = C
00
P (H
0
)
_
Z
0
p (r |H
0
) .
On supposera dans toute la suite que le cot attach une mauvaise dcision est plus important que
celui associ une bonne dcision :
_
C
10
> C
00
C
01
> C
11
Par ailleurs, on note que Z = Z
0
+ Z
1
. Par consquent,
_
Z
1
=
_
ZZ
0
=
_
Z

_
Z
0
.
En observant de plus que
_
Z
p (r |H
0
) dr =
_
Z
p (r |H
1
) dr = 1,
le risque baysien peut simplement tre rduit
R = P (H
0
) C
10
+P (H
1
) C
11
+
_
Z
0
P (H
1
) (C
01
C
11
) p (r |H
1
) P (H
0
) (C
10
C
00
) p (r |H
0
) dr
Les deux premiers termes de R sont des termes constants. Lintgrale reprsente le cot contrl
par les points assigns Z
0
. En supposant que le cot associ une mauvaise dcision est plus impor-
tant que celui associ une bonne dcision, on note que lintgrande est constitu par la diffrence de
deux termes positifs.
Page 4
Comme on veut trouver une partition de Z qui permette de minimiser le risque baysien, il faut
que tous les points r tels que
P (H
0
) (C
10
C
00
) p (r |H
0
) > P (H
1
) (C
01
C
11
) p (r |H
1
)
soient assigns lensemble Z
0
(et donc la dcision D
0
), car ils contribuent alors rendre lintgrale
ngative. En suivant la mme ide, tous les points r tels que lingalit prcdente ne soit pas vrie
doivent tre exclus de Z
0
, cest--dire affects Z
1
(dcision D
1
). Ceci nous permet donc de dnir
la partition Z
0
/Z
1
qui minimise le risque baysien. Ceci scrit
P (H
0
) (C
10
C
00
) p (r |H
0
)
H
0

H
1
P (H1) (C
01
C
11
) p (r |H
1
)
Plus classiquement, on crit le test du rapport de vraisemblance (Likelihood Ratio Test)
p (r |H
1
)
p (r |H
0
)
H
1

H
0
P (H
0
)
P (H1)

(C
10
C
00
)
(C
01
C
11
)
ou encore
(r)
H
0

H
1
.
Il est important de noter que
le rapport de vraisemblance (r) ne dpend que des probabilits de transition p (r |H
i
), cest-
-dire du canal, et non des cots et des probabilits a priori,
le rapport de vraisemblance, comme rapport de deux distributions, est une quantit monodi-
mensionnelle,
le seuil ne dpend que des cots et des probabilits a priori,
le rapport de vraisemblance, comme rapport de deux fonctions dune variable alatoire est
lui-mme une variable alatoire. Les performances du test sont alors lies aux carctristiques
statistiques de (r).
Limplantation du dtecteur consiste donc calculer le rapport de vraisemblance (r), puis
comparer ce rapport un seuil .
FIG. I.4: Structure dun dtecteur maximum de vraisemblance.
On utilise souvent le logarithme du rapport de vraisemblance, l(r) et le test devient alors
l(r) = log ((r))
H
1

H
0
log .
1. Fondements de la thorie de la dtection Page 5
En gnral, on prend simplement C
00
= C
11
= 0, pour les bonnes dcisions, et C
01
= C
10
= 1
pour les mauvaises dcisions. Si en outre les deux hypothses sont quiprobables, le test peut scrire
p (r |H
1
)
H
1

H
0
p (r |H
0
) ,
qui est simplement la rgle du maximum de vraisemblance.
1.2.1 Lien avec la probabilit derreur
Lorsque
_
C
00
= C
11
= 0
C
01
= C
10
= 1
et si les probabilits a priori sont quiprobables, alors le risque est simplement
R = C
01
P (D
0
|H
1
) + C
10
P (D
1
|H
0
)
= P (D
0
|H
1
) + P (D
1
|H
0
) = P (erreur) .
Ainsi, dans ce cas particulier, la minimisation du risque baysien R est quivalente la minimisation
de la probabilit derreur.
1.3 Stratgie de Neyman-Pearson
La stratgie de Neyman-Pearson est essentiellement dnie dans le cas binaire. On considre deux
types derreur :
Lerreur de fausse alarme : = P
fa
= P (D
1
|H
0
) =
_
Z
1
p (r |H
0
) dr,
Lerreur de mauvaise dtection : = P
md
= P (D
0
|H
1
) =
_
Z
0
p (r |H
1
) dr,
La probabilit P (D
1
|H
1
) = 1 est appele la puissance du test. La stratgie consiste se xer
une probabilit maximale de fausse alarme, et, cette probabilit tant xe, maximiser la puissance
du test, cest--dire minimiser la probabilit de mauvaise dtection.
Ceci conduit un test du type rapport de vraisemblance,
p (r |H
1
)
p (r |H
0
)
H
1

H
0
.
o le paramtre de Lagrange est dtermin an de satisfaire la contrainte :
P
fa
=
_

p (|H
0
) d =P
r
( > |H
0
)
La stratgie de Neyman-Pearson conduit donc la mme structure de rcepteur que la stratgie bay-
sienne : seul change le seuil de dcision, qui est ici x par la probabilit de fausse alarme.
Page 6
1.4 Observation vectorielle - Cas gaussien gnral
On considre maintenant le problme de dtection binaire
H
0
: r N (m
0
,
0
)
H
1
: r N (m
1
,
1
)
o il sagit de dcider entre deux signaux gaussiens de moyennes respectives m
0
et m
1
, et de matrices
de covariances
0
et
1
.
Le rapport de vraisemblance est, comme prcdemment
(r) =
p (r |H
1
)
p (r |H
0
)
or p (r |H
i
) =
1

(2)
N
det
i
exp
1
2
(r m
i
)
t

1
i
(r m
i
), o det dsigne le dterminant. Alors
l(r) = log (r) =
1
2
_
(r m
0
)
t

1
0
(r m
0
) (r m
1
)
t

1
1
(r m
1
)
_
H
1

H
0
log () +
1
2
log
_
det
1
det
0
_
.
Nous pouvons maintenant examiner le problme de la dtection de deux signaux certains, connus,
s
0
et s
1
, partir dune observation bruite.
H
0
: r = s
0
+ b N (s
0
,
b
)
H
1
: r = s
1
+ b N (s
1
,
b
)
Compte tenu des rsultats prcdents, on obtient alors
l (r) =
1
2
_
(r s
0
)
t

1
b
(r s
0
) (r s
1
)
t

1
b
(r s
1
)
_
=
1
2
_
2r
t

1
b
(s
1
s
0
) s
t
1

1
b
s
1
+ s
t
0

1
b
s
0
_

log
Il vient donc
r
t

1
b
(s
1
s
0
)
H
1

H
0
log +
1
2
_
s
t
1

1
b
s
1
s
t
0

1
b
s
0
_
.
Cas particuliers :
Si le bruit dobservation est blanc, on a
b
=
2
1, o 1 est la matrice identit. Si dautre part on
a = 1, alors
r
t
(s
1
s
0
)
H
1

H
0
1
2
_
s
t
1
s
1
s
t
0
s
0
_
.
Si les deux signaux possdent la mme nergie E
s
= s
t
1
s
1
= s
t
0
s
0
, on obtient le simple test
r
t
s
1
H
1

H
0
r
t
s
0
,
qui consiste comparer les produits scalaires entre les observations r et les deux signaux attendus s
0
et s
1
.
Enn, dans le cas ou lon cherche dtecter un seul signal s
1
dans du bruit blanc (s
0
= 0), le test
obtenu consiste comparer le rsultat du produit scalaire la moiti de lnergie
r
t
s
1
H
1

H
0
1
2
s
t
1
s
1
.
2. Dtection de signaux temps continu Page 7
1.5 Test M hypothses
Nous avons prsent prcdemment le cas de la dcision entre deux hypothses, ce qui correspond
nalement ltude de signaux binaires. On peut gnraliser ceci au test M hypothses, cest--dire
par exemple au problme daffectation dun symbole reu un point dune constellation. on a ainsi
un problme de dtection dun signal parmi M :
H
0
: r = s
0
+ b
H
1
: r = s
1
+ b
.
.
.
.
.
.
.
.
.
H
M1
: r = s
M1
+ b
ces hypothses correspondent M
2
ventualits (D
i
, H
j
), auxquelles on associe les cots C
ij
. La
minimisation du cot moyen, cest--dire du risque baysien, conduit diviser lespace dobservation
Z en M sous-espaces Z
i
, tels que r Z
i
Dcision D
i
. Ltude prcise conduit ici simplement
au fait quil faut tester les hypothses deux deux. En dnissant les rapports de vraisemblance

1|0
(r)
D
=
p
r|H
1
p
r|H
0
,
2|0
(r)
D
=
p
r|H
2
p
r|H
0
, . . .
M1|0
(r)
D
=
p
r|H
M1
p
r|H
0
,
on a accs lensemble des rapports de vraisemblance, puisque

i|j
(r)
D
=
p
r|H
i
p
r|H
j
=

i|0

j|0
.
On effectue ensuite tous les tests

i|j
(r)
H
i
(ou H
k
,k=i,j)

H
j
(ou H
k
,k=i,j)
p
j
p
i
,
qui permettent de tester une hypothse (mais une seule) contre une autre. En collectant lensemble
des rsultats, on obtiendra alors la dcision.
2 Dtection de signaux temps continu
Nous navons considr pour le moment que la dtection de constantes, ou de signaux temps
discrets, reprsents sous la forme de vecteurs. Linformation est vhicule, le long du canal, par des
signaux analogiques temps continu, et il convient donc de sintresser au problme de la dtection
des signaux temps continu. Ceci nous amnera en fait prsenter la structure gnrale dun r-
cepteur. Pour passer lanalyse de signaux temps continu, sans perdre linvestissement thorique
prcdent, nous allons utiliser les mthodes de reprsentation des signaux alatoires prsentes au
dbut de ce chapitre, qui nous permettront de nous ramener au cas vectoriel. Pour introduire cette
dmarche, nous dbuterons par le problme de dtection dun signal dans du bruit.
2.1 Reprsentation
Les deux hypothses sont
H
0
: r (t) = b (t)
H
1
: r (t) = s (t) + b (t)
Page 8
o s (t) est un signal certain, dnergie E
s
=
_
T
0
|s (t)|
2
dt, et b (t) un signal alatoire, centr, gaussien,
de fonction de corrlation
b
(t, u).
On choisit comme base de reprsentation les
i
(t) (fonctions propres) de
b
(t, u), dnis par
_
T
0

i
(t)
b
(t, u) dt =
i

i
(u) pour u [0, T], et o les coefcients b
i
du dveloppement de b(t)
sont dcorrls : E [b
i
b
j
] =
i

ij
. Lutilisation de la transforme de Kahunen-Love permet ici de
traiter sans difcult le cas dun bruit color.
Dans ces conditions, les signaux dintrt peuvent sexprimer laide des dveloppements en srie
suivants :
_

_
s (t) =

i=1
s
i

i
(t) avec s
i
=
_
T
0
s (t)
i
(t) dt,
b (t) =

b
i

i
(t) avec b
i
=
_
T
0
b (t)
i
(t) dt,
r (t) =

i=1
r
i

i
(t) avec r
i
=
_
T
0
r (t)
i
(t) dt.
Le bruit b (t) tant gaussien, on peut connatre r| H
0
et r| H
1
...
Par proprits du dveloppement de Kahunhen-Love, et en tenant compte du fait que b(t) est par
hypothse gaussien centr, les variables alatoires b
i
sont gaussiennes dans leur ensemble, centres et
dcorrles. On dduit de ceci les distributions de r
i
| H
0
et r
i
| H
1
:
les r
i
| H
0
sont des variables alatoires gaussiennes centres, non corrles,
les r
i
| H
1
sont gaussiennes, non corrles, de valeurs moyennes E [ r
i
| H
1
] = s
i
Notons r
i
| H
1
la variable alatoire r
i
| H
1
centre : on a
r
i
| H
1
= r
i
| H
0
,
et par suite les variances sont gales et =
i
.
E [ r
i
| H
0
. r
j
| H
1
] = E [b
i
b
j
] =
i

ij
.
2.2 Troncature
On peut tronquer les dveloppements lordre N (on sait que le dveloppement de KL converge
en moyenne quadratique). On obtient alors les dveloppements suivants :
r
N
(t) =
N

i=1
r
i

i
(t) s
N
(t) =
N

i=1
s
i

i
(t) b
N
(t) =
N

i=1
b
i

i
(t)
Sur la base {
i
} , i = 1..N, les diffrents signaux pourront simplement tre reprsents par les
composantes du dveloppement, cest--dire par un vecteur.
Sous lhypothse H
0
: r (t) est reprsent par r
N
(t), i.e. par les r
i
pour i = 1 N,
r| H
0
= [r
1
, r
2
, . . . r
N
]
T
= [b
1
, b
2
, . . . b
N
]
T
,
et sous H
1
:
r| H
1
= [r
1
, r
2
, . . . r
N
]
T
= [s
1
, s
2
, . . . s
N
]
T
+ [b
1
, b
2
, . . . b
N
]
T
= s +b.
2.3 Stratgie baysienne
Nous pouvons maintenant appliquer les rsultats obtenus prcdemment : le problme est simple-
ment la dtection dun signal certain s dans un bruit gaussien b, avec p
r|H
0
une densit gaussienne
centre de matrice de corrlation
b
, et p
r|H
1
gaussienne de moyenne s et de mme matrice de corr-
lation.
2. Dtection de signaux temps continu Page 9
La matrice de corrlation est diagonale, par proprit de dcorrlation du dveloppement de
Kahunen-Love :

b
=
_

1
0
.
.
.
0
N
_

_
.
On a alors :
l (r) = r
T

1
b
s
H
1

H
0
log +
1
2
s
T

1
b
s
or, la matrice diagonale
b
est particulirement simple inverser, et

1
b
=
_

_
1

1
0
.
.
.
0
1

N
_

_
.
On obtient alors nalement
l (r) =
N

i=1
r
i
s
i

i
H
1

H
0
log +
1
2
N

i=1
s
2
i

i
2.4 Retour au continu
Comme on sait que le dveloppement de Kahunen-Love converge, on peut faire tendre N vers
linni.
A COMPLETER
On ne peut en gnral pas revenir une expression simple en fonction des signaux temps continu
initiaux, et lexception notable du bruit additif blanc gaussien, le traitement doit passer soit par un
blanchiment pralable, soit par lemploi effectif dune dcomposion de type Kahunhen-Love.
En posant w
i
= s
i
/
i
, on peut dnir w(t) =

i
w
i
(t), et le ltre de rponse impulsionnelle
h(t) = w(T t), chantillonn linstant T, est le ltre de rception optimal. Mais le calcul du
ltre en question nest pas forcment ais. . . Une autre manire de procder consiste se ramener, par
blanchiment, au cas du bruit blanc (gaussien) additif, pour lequel existent de beaux rsultats.
2.4.1 Cas du bruit blanc
Dans le cas du bruit blanc, toutes les valeurs propres sont gales, et on a
i
=
N
0
2
i. Le test du
log-rapport de vraisemblance scrit alors
l =
2
N
0

i=1
r
i
s
i

log +
1
N
0

i=1
s
2
i
,
ou
l

r
i
s
i

log +

s
2
i
.
En remplaant r
i
par son expression,
l

i=1
_
T
0
r (t)
i
(t) s
i
dt =
_
T
0
r (t)

s
i

i
(t) dt
=
_
T
0
r (t) s (t) dt,
Page 10
on arrive alors :
_
T
0
r (t) s (t) dt
H
1

H
0
N
0
2
log +
1
2
_
T
0
s (t) s (t) dt.
Le rcepteur optimal consiste ainsi calculer le produit scalaire entre s(t) et r(t), cest--dire
aussi lintercorrlation entre r(t) et s(t), pour un retard nul, et comparer le rsultat un seuil qui
fait intervenir lnergie du signal.
FIG. I.5: Rcepteur optimal pour la dtection dun signal noy dans du bruit.
Cette opration peut galement sinterprter comme un ltrage particulier, un ltrage adapt, au
signal attendu s(t), avec chantillonnage et prise de dcision au temps T. On parlera alors de manire
quivalente de rcepteur corrlation ou de rcepteur ltre adapt.
Pour caractriser le rcepteur, il nous faut maintenant chercher tablir quelles sont les perfor-
mances du rcepteur optimal, cest--dire les probabilits derreur, de dtection, de fausse alarme,
etc... Pour cel, il suft de connatre les deux distributions de probabilit p
l |H
0
(l) et p
l |H
1
(l). La
variable l tant gaussienne, il suft alors de connatre la moyenne et la variance. On a
l| H
0
=
_
T
0
b (t) s (t) dt soit E [ l| H
0
] = 0
l| H
1
=
_
T
0
s (t)s (t) + s (t) b (t) dt soit E [ l| H
1
] = E
s
puis
Var [ l| H
0
] = Var [ l| H
1
] = E [ l
2
| H
0
]
= E
_
_ _
T
0
b (t) s (t) b (u) s (u) dtdu
_
=
N
0
2
_
T
0
(s (t))
2
dt =
N
0
2
.E
s
,
en utilisant le fait que b(t) est un bruit blanc de fonction dautocorrlation R
bb
() =
N
0
2
(t ).
On dnit lindice de performance comme
d
2
=
{E [ l| H
1
] E [ l| H
0
]}
2
Var (l| H
0
)
=
2E
2
s
N
0
E
s
=
2E
s
N
0
.
Il sagit l aussi de la valeur du rapport signal--bruit en sortie dun ltre adapt. Les variables l|H
0
et l|H
1
tant respectivement deux variables gaussiennes,
l| H
0
= N
_
0,
N
0
2
E
s
_
,
l| H
1
= N
_
E
s
,
N
0
2
E
s
_
,
3. Dtection de signaux de phase inconnue, ou paramtres inconnus. Page 11
la probabilit de fausse alarme sexprime comme
P
fa
=
1

2
_
+
_
N
0
2E
s
log +
1
2
_
2E
s
N
0
exp
_

l
2
2
_
dl

= Q
_

N
0
2E
s
log +
1
2

2E
s
N
0
_
On trouvera enn :
P
fa
= Q
_
log
_
N
0
2E
s
+
1
2
_
2E
s
N
0
_
P
d
= Q
_
log
_
N
0
2E
s

1
2
_
2E
s
N
0
_
On pourra noter que les probabilits P
fa
et P
d
ne dpendent que du rapport signal--bruit
2E
s
N
0
. Dautre
part, la minimisation du risque baysien dans le cas du signal blanc gaussien revient maximiser le
rapport signal--bruit et retrouver la notion de ltre adapt.
3 Dtection de signaux de phase inconnue, ou paramtres in-
connus.
Les signaux reus sont non seulement bruits, mais il peuvent tre imparfaitement connus : la
phase, le rythme ou la frquence des signaux reus peuvent tre mal connus, en raison de la propa-
gation ou de la dsynchronisation de lmetteur et du rcepteur. Il sagit donc de dtecter la prsence
de signaux qui sont eux mme imparfaitement caractriss : on considrera par exemple le cas dune
dtection binaire
r (t) = s
0
(t, ) + b (t)
r (t) = s
1
(t, ) + b (t),
o le paramtre est inconnu.
Comme classiquement, on formule le rapport de vraisemblance
(r) = lim
N
p (r| H
1
)
p (r| H
0
)
,
o lon dnit les distributions p (r| H
0
) et p (r| H
1
) comme les distributions marginales
_

_
p (r| H
0
) =
_

p (r| H
0
, ) p (| H
0
)d,
p (r| H
1
) =
_

p (r| H
1
, ) p (| H
1
)d.
On dit quon intgre le paramtre de nuisance hors du problme. Le problme est alors rsolu,
si lon se donne des les distributions a priori p (| H
0
) et p (| H
1
), et si les distributions marginales
sont calculables.
Une autre possibilit souvent utilise est de construire un rapport de vraisemblance conditionnel :

(r) =
p (r| H
1
, )
p (r| H
0
, )
On retient alors dans un premier temps la valeur de comme largument du maximum du rapport
de vraisemblance :

= argmax

(r), puis il reste rsoudre un problme classique, avec =

connu. Le problme a alors t scind en deux tapes : dabord une tape destimation du paramtre,
puis une tape de dtection.
Enn, une dernire manire de procder, qui peut tre quivalente la premire, consiste utiliser
un rapport de vraisemblance moyen :

(r) = E

_
p (r| H
1
, )
p (r| H
0
, )
_
Page 12
3.1 Rcepteurs pour un signal phase inconnue
Pour illustrer le problme de la dtection dun signal paramtres inconnus et fournir le rcepteur
correspondant un cas particulier important, considrons maintenant le problme de la dtection dun
signal sinusodal dont la phase est inconnue.
H
1
r (t) = cos (2f
0
t + (t) + ) + b (t)
H
0
r (t) = b (t)
Aprs dcomposition sur une bonne base, on peut crire le rapport de vraisemblance, puis faire tendre
N vers linni pour obtenir lexpression continue. Cette dmarche ayant dj t rpte plusieurs
reprises, on peut donner ici directement le rsultat. On a en outre introduit une loi a priori p

() sur
le paramtre , et on a exprim les lois marginales.
(r) =
_

() d exp
_
2
N
0
_
T
0
r (t) s
0
(t, ) dt
4
N
0
_
T
0
s
0
(t, )
2
dt
_
Le signal s
0
(t, ) = cos (2f
0
t + (t) + ) peut tre exprim comme
cos (wt + (t) + ) = cos (wt + (t)) cos sin (wt + ) sin
On peut alors dcomposer
_
T
0
r (t) s
0
(t, ) dt sous la forme L
C
cos L
S
sin , avec
L
C
=
_
T
0
r (t) cos [wt + (t)]dt
L
S
=
_
T
0
r (t) sin [wt + (t)] dt
et le rapport de vraisemblance devient alors ( une constante prs) :

(r) =
_

() exp
_
2
N
0
(L
C
cos L
S
sin )
_
d.
Il nous reste maintenant spcier la distribution a priori. On peut prendre une famille de densits
indexe par un paramtre L
m
:
p

(, L
m
) =
exp (L
m
cos )
2I
0
(L
m
)
o I
0
est la fonction de Bessel de 1re espce, dnie par
I
0
(x) =
1
2
_
2
0
e
xcos(+)
d.
Pour cette famille paramtre, on a en particulier
L
m
= 0 p

() =
1
2
L
m
p

() = ()
Le rapport de vraisemblance devient alors

(r (t)) =
_

exp
__
L
m
+
2L
C
N
0
_
cos
2L
S
N
0
sin
_
1
2I
0
(L
m
)
d
=
1
I
0
(L
m
)
.I
0
_
_
_
L
m
+
2L
C
N
0
_
2
+
_
2L
s
N
0
_
2
_1
2
_
et
log

(r) = log I
0
_
_
_
_
L
m
+
2L
C
N
0
_
2
+ (L
s
)
2
_1
2
_
_
H
1
>
<
H
0
log +
2E
s
N
0
+ log I
0
(L
m
) .
3. Dtection de signaux de phase inconnue, ou paramtres inconnus. Page 13
En tenant compte du fait que
I
0
(x) 1 +
x
2
4
(x << 1) ,
cest--dire log (I
0
(x))
x
2
4
,
il vient
_
L
C
+
N
0
2
L
m
_
2
+ L
2
s
>
<
,
et on en dduit le rcepteur optimal : un schma de dmodulation non cohrente typique, qui consiste
dmoduler par deux signaux en quadrature, intgrer puis lever au carr an de faire disparatre la
dpendance en la phase inconnue : Dans ce dernier schma, on peut remplacer la partie dmodulation
FIG. I.6: Rcepteur optimal non cohrent dans le cas de la dtection dun signal dans du bruit.
et intgration (le calcul de corrlation) par un ltre adapt suivi dun chantillonnage au temps T pour
obtenir un rcepteur quivalent ltres adapts.
Ce type de rsultat stend des modulations plus dtats ; dans le cas dune modulation M-
FSK avec une incertitude sur la phase de rception, on trouverait ainsi un rcepteur constitu par M
voies o lon calcule les produits scalaires du signal reu avec les composantes en quadrature de la
frquence attendue, intgration et lvation au carr ; cest--dire simplement le rcepteur lmentaire
prcdent, rpliqu pour les M frquences potentielles. Enn, la dcision est prise en faveur de la voie
fournissant la plus grande valeur.
Lorsque L
m
= 0, le test se rduit
L
C
2
+ L
2
s
>
<
,
et lon doit calculer L
C
2
+ L
2
s
, ou, de manire quivalente,
_
L
C
2
+ L
2
s
. Ceci peut tre ralis en
employant un ltre passe-bande isolant le signal recherch suivi par un dtecteur denveloppe. En
effet, si lon prend h(t) = cos (2f
0
t + (t)), alors le signal de sortie vaut
(h r)(t) =
_
T
0
h(t )r() d =
_
T
0
cos (2f
0
(t ) + (t )) r() d
= L
C
cos (2f
0
t + (t ) ()) L
s
sin (2f
0
t + (t ) ()) .
Lenveloppe de la sortie du ltre est alors proportionnelle la racine carre du test. Il suft donc
dutiliser un dtecteur denveloppe aprs la dmodulation (un seuil zro suivi par un ltrage passe-
bas par exemple). Lenveloppe tant insensible la phase du signal reu, ce dispositif permet ainsi la
dtection. Si le signal mis comportait en outre une modulation damplitude a(t), cest--dire quil
Page 14
serait de la forme a(t) cos (2f
0
t + (t)), alors on devrait utiliser un ltre passe-bande de rponse
impulsionnelle h(t) = b(t) cos (2f
0
t + (t)), cf [1, pages 341-343] et dans ce cas lenveloppe de
sortie est la racine du test
_
L
C
2
+ L
2
s
linstant T, si on choisit b(t) = a(T t) et (t) = (T t).
Ceci peut alors tre interprt comme la combinaison dune dmodulation dune part et un ltrage
adapt dautre part. Cette opration, suivie par la dtection denveloppe et chantillonnage linstant
T est parfois appele ltre adapt non cohrent.
3.2 Rcepteur pour un signal amplitude et phase inconnue
Pour conclure ce chapitre, nous nous intresserons au cas dun signal issu dun canal de Rayleigh.
En labsence de bruit dobservation, le signal recueilli a la forme
r(t) = a(t) cos (2f
0
t + (t)) ,
o lenveloppe a(t) varie continment et a une densit de probabilit de Rayleigh, et o la phase est
distribue uniformment entre 0 et 2. Lorsque lon a un fading lent, on peut considrer que a(t)
et (t) sont constants sur chaque dure symbole, et si on sintresse simplement un problme de
dtection, on a
H
1
r (t) = a cos (2f
0
t + ) + b (t) ,
H
0
r (t) = b (t) ,
o a est une variable alatoire de Rayleigh et une variable alatoire uniforme. On peut crire la
partie signal en fonction des composantes en quadrature :
a cos (2f
0
t + ) = a
1
cos (2f
0
t) + a
2
sin (2f
0
t) = a
1
s
1
(t) + a
2
s
2
(t),
o a
1
et a
2
sont deux variables alatoires gaussiennes indpendantes, centres et de mme variance
2
.
De plus, les deux composantes sont orthogonales. On obtient alors pour le rapport de vraisemblance
(r(t)) =
_ _
p
a
1
(A
1
)p
a
2
(A
2
) exp
_
2
N
0
_
T
0
r(t) (A
1
s
1
(t) + A
2
s
2
(t)) dt

1
N
0
_
T
0
2

i=1
2

j=1
A
i
A
j
s
i
(t)s
j
(t) dt
_
_
dA
1
dA
2
.
En dnissant alors
L
i
=
_
T
0
r(t)s
i
(t) dt,
et en utilisant lorthogonalit entre s
1
et s
2
, on obtient
L
2
1
_

2
a
1

2
a
1
+ N
0
/2
_
+ L
2
2
_

2
a
2

2
a
2
+ N
0
/2
_
>
<
.
En se souvenant enn que
2
a
1
=
2
a
2
=
2
, et en notant que L
1
et L
2
ne sont rien dautre que les
fonctions L
C
et L
s
introduites prcdemment, on obtient nalement
L
C
2
+ L
2
s
>
<

,
qui est le mme test que celui obtenu pour le cas dune phase alatoire, et lon adoptera donc les
mmes structures de rcepteur. Bien entendu, les performances seront dgrades par rapport au cas
ou seule la phase est inconnue, mais ltude de cette question sort du cadre de ce texte, et lon pourra
se reporter [1].
4. Conclusions Page 15
4 Conclusions
Dans ce chapitre, nous avons tch de prsenter des outils et une mthodologie pour comprendre
ou concevoir un dtecteur, et plus largement un rcepteur. Cette dmarche sapplique aisment au
contexte radar, comme nous lavons illustr en cours. Cependant en ce qui concerne le cas particu-
lier du radar, il resterait tudier dautres aspects, comme la dtection partir dobservations mul-
tiples (rponse un train dimpulsions), la dtection squentielle, la dtection de cibles multiples.
Par ailleurs, limportante tude des performances a t lude. Ces diffrents points sont donc, pour
les tudiants, les thmes explorer pour une exploration plus approfondie, et pour lenseignant, les
thmes dvelopper pour la prochaine version du cours et du polycopi. . .
CHAPITRE II
Bibliographie
[1] Van Trees H. L. Detection, Estimation and Modulation Theory, New York, Wiley, 1968.
[2] Proakis J. G. Digital Communications, 4
e
dition, New York, Mc Graw-Hill, 2000.
[3] Haykin S. Communication Systems, 4
e
dition, New York, John Wiley and Sons, 2001.