Vous êtes sur la page 1sur 87

Traitement du Signal

Jean-Yves Tourneret
(1)
(1) Universit of Toulouse, ENSEEIHT-IRIT-TSA
Thme 1 : Analyse et Synthse de lInformation
jyt@n7.fr
Cours Traitement du Signal, 2013 p. 1/87
Bibliographie
J. Max et J.-L. Lacoume, Mthodes et techniques de
traitement du signal, Dunod, 5
me
dition, 2004.
Athanasios Papoulis and S. Unnikrishna Pillai, Probability,
Random Variable and Stochastic Processes, McGraw Hill
Higher Education, 4th edition, 2002.
Cours Traitement du Signal, 2013 p. 2/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Transforme de Fourier
Classes de signaux dterministes et alatoires
Proprits de R
x
() et de s
x
(f)
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 3/87
Transforme de Fourier
Dnitions
Formule directe
X(f) =
_
R
x(t) exp (j2ft) dt
Formule inverse
x(t) =
_
R
X(f) exp (j2ft) df
Hypothses
TF sur L
1
ou L
2
Cours Traitement du Signal, 2013 p. 4/87
Proprits
Linarit
TF [ax(t) +by(t)] = aX(f) + bY (f)
Parit x(t) relle paire X(f) relle paire
Translation et Modulation
TF [x(t t
0
)] = exp(j2ft
0
)X(f)
TF [x(t) exp(j2f
0
t)] = X(f f
0
)
Similitude
TF [x(at)] =
1
|a|
X
_
f
a
_
Cours Traitement du Signal, 2013 p. 5/87
Proprits
Produits de Convolution
TF [x(t) y(t)] = X(f)Y (f)
TF [x(t)y(t)] = X(f) Y (f)
galite de Parseval
_
R
x(t)y

(t)dt =
_
R
X(f)Y

(f)df
Conjugaison
TF [x

(t)] = X

(f)
Cours Traitement du Signal, 2013 p. 6/87
Distributions
Localisation
x(t)(t t
0
) = x(t
0
)(t t
0
)
Produit de Convolution
x(t) (t t
0
) = x(t t
0
)
Transformes de Fourier
TF [(t)] = 1, TF [1] = (f)
TF [(t t
0
)] = exp(j2ft
0
), TF [exp(j2f
0
t)] = (f f
0
)
Cours Traitement du Signal, 2013 p. 7/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Transforme de Fourier
Classes de signaux dterministes et alatoires
Proprits de R
x
() et de s
x
(f)
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 8/87
Classes de signaux dterministes et alatoires
Classe 1 : signaux dterministes nergie nie
Classe 2 : signaux dterministes priodiques
puissance nie
Classe 3 : signaux dterministes non priodiques
puissance nie
Classe 4 : signaux alatoires stationnaires
Cours Traitement du Signal, 2013 p. 9/87
Signaux dterministes nergie nie
Dnition E =
_
R
|x(t)|
2
dt =
_
R
|X(f)|
2
df <
Fonction dautocorrlation
R
x
() =
_
R
x(t)x

(t )dt = x(t), x(t )


Fonction dintercorrlation
R
xy
() =
_
R
x(t)y

(t )dt = x(t), y(t )


Produit scalaire
x(t), y(t) =
_
R
x(t)y

(t)dt
Cours Traitement du Signal, 2013 p. 10/87
Densit spectrale dnergie
Dnition
s
x
(f) = TF [R
x
()]
Proprit
s
x
(f) = |X(f)|
2
Preuve
s
x
(f) =
_
R
_
_
R
x(t)x

(t )dt
_
exp(j2f)d
=
_
R
_
_
R
x

(t ) exp(j2f)d
_
x(t)dt
=
_
R
_
_
R
x

(u) exp [j2f(u t)] du


_
x(t)dt
= X

(f)X(f)
Cours Traitement du Signal, 2013 p. 11/87
Exemple
Fentre rectangulaire
x(t) =
T
(t) =
_
1 si
T
2
< t <
T
2
0 sinon
Fonction dautocorrlation
R
x
() = T
T
()
Densit spectrale dnergie
s
x
(f) = T
2
sinc
2
(Tf) = |X(f)|
2
Cours Traitement du Signal, 2013 p. 12/87
Signaux dterministes priodiques
Dnition P =
1
T
0
_
T
0
/2
T
0
/2
|x(t)|
2
dt <
Fonction dautocorrlation
R
x
() =
1
T
0
_
T
0
/2
T
0
/2
x(t)x

(t )dt = x(t), x(t )


Fonction dintercorrlation
R
xy
() =
1
T
0
_
T
0
/2
T
0
/2
x(t)y

(t )dt = x(t), y(t )


Produit scalaire
x(t), y(t) =
1
T
0
_
T
0
/2
T
0
/2
x(t)y

(t)dt
Cours Traitement du Signal, 2013 p. 13/87
Densit spectrale de puissance
Dnition
s
x
(f) = TF [R
x
()]
Proprit
s
x
(f) =

kZ
|c
k
|
2
(f kf
0
)
avec x(t) =

kZ
c
k
exp(j2kf
0
t).
Preuve
R
x
() =

k,l
c
k
c

l
exp (j2lf
0
)
_
1
T
0
_
T
0
/2
T
0
/2
exp [j2(k l)f
0
t] dt
_
=

k
|c
k
|
2
exp(j2kf
0
)
Cours Traitement du Signal, 2013 p. 14/87
Exemple
Sinusode
x(t) = Acos(2f
0
t)
Fonction dautocorrlation
R
x
() =
A
2
2
cos(2f
0
)
Densit spectrale de puissance
s
x
(f) =
A
2
4
[(f f
0
) +(f +f
0
)]
Cours Traitement du Signal, 2013 p. 15/87
Signaux dterministes puissance nie
Dnition P = lim
T
1
T
_
T/2
T/2
|x(t)|
2
dt <
Fonction dautocorrlation
R
x
() = lim
T
1
T
_
T/2
T/2
x(t)x

(t )dt = x(t), x(t )


Fonction dintercorrlation
R
xy
() = lim
T
1
T
_
T/2
T/2
x(t)y

(t )dt = x(t), y(t )


Produit scalaire
x(t), y(t) = lim
T
1
T
_
T/2
T/2
x(t)y

(t)dt
Cours Traitement du Signal, 2013 p. 16/87
Densit spectrale de puissance
Dnition
s
x
(f) = TF [R
x
()]
Proprit
s
x
(f) = lim
T
1
T
|X
T
(f)|
2
avec
X
T
(f) =
_
T/2
T/2
x(t) exp(j2ft)dt
Exemple
x(t) = A
1
cos(2f
1
t) +A
2
cos(2f
2
t)
avec f
1
et f
2
non commensurables.
Cours Traitement du Signal, 2013 p. 17/87
Signaux alatoires stationnaires
Dnition
Moyenne : E[x(t)] indpendant de t
Moment dordre 2 : E[x(t)x

(t )] indpendant de t
Fonction dautocorrlation
R
x
() = E[x(t)x

(t )] = x(t), x(t )
Fonction dintercorrlation
E[x(t)y

(t )] = x(t), y(t )
Produit scalaire
x(t), y(t) = E[x(t)y

(t)]
Remarques : stationnarit au sens strict, large, lordre deux, tests de stationnarit.
Cours Traitement du Signal, 2013 p. 18/87
Densit spectrale de puissance
Puissance moyenne
P = R
x
(0) = E
_
|x(t)|
2

=
_
R
s
x
(f)df
Densit spectrale de puissance
Dnition
s
x
(f) = TF [R
x
()]
Proprit
s
x
(f) = lim
T
1
T
E
_
|X
T
(f)|
2
_
mais en gnral X(f) nexiste pas !
Cours Traitement du Signal, 2013 p. 19/87
Exemples
Exemple 1 : Sinusode
x(t) = Acos(2f
0
t +)
va uniforme sur [0, 2].
Fonction dautocorrlation
R
x
() =
A
2
2
cos(2f
0
)
Densit spectrale de puissance
s
x
(f) =
A
2
4
[(f f
0
) +(f +f
0
)]
Cours Traitement du Signal, 2013 p. 20/87
Exemples
Exemple 2 : Bruit blanc
Fonction dautocorrlation
R
x
() =
N
0
2
()
Densit spectrale de puissance
s
x
(f) =
N
0
2
Cours Traitement du Signal, 2013 p. 21/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Transforme de Fourier
Classes de signaux dterministes et alatoires
Proprits de R
x
() et de s
x
(f)
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 22/87
Proprits de R
x
()
Symtrie Hermitienne : R

x
() = R
x
()
Valeur maximale : |R
x
()| R
x
(0)
Distance entre x(t) et x(t ) : si x(t) est un signal rel
d
2
[x(t), x(t )] = 2 [R
x
(0) R
x
()]
Donc R
x
() mesure le lien entre x(t) et x(t ).
Dcomposition de Lebesgue : dans la quasi-totalit des
applications, on a
R
x
() = R
1
() +R
2
()
o R
1
() est une somme de fonctions priodiques et
R
2
() tend vers 0 lorsque .
Cours Traitement du Signal, 2013 p. 23/87
Proprits de s
x
(f)
DSP relle
s
x
(f) R
De plus, si x(t) signal rel, s
x
(f) relle paire
Positivit : s
x
(f) 0
Lien entre DSP et puissance/nergie
P ou E = R
x
(0) =
_
R
s
x
(f)df
Dcomposition de Lebesgue : dans la quasi-totalit des
applications, on a s
x
(f) = s
1
(f) +s
2
(f), o s
1
(f) est un
spectre de raies et s
2
(f) un spectre continu (cas
gnral : partie singulire).
Cours Traitement du Signal, 2013 p. 24/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Introduction
Relations de Wiener-Lee
Formule des interfrences
Exemples
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 25/87
Introduction
On cherche une opration avec les proprits suivantes
Linarit : T [a
1
x
1
(t) + a
2
x
2
(t)] = a
1
T [x
1
(t)] +a
2
T [x
2
(t)]
Invariance dans le temps
Si y(t) = T [x(t)] alors T [x(t t
0
)] = y(t t
0
)
Stabilit BIBO
Si |x(t)| M
x
alors il existe M
y
tel que
|y(t)| = |T [x(t)] | M
y
Limitation du spectre dun signal
Convolution
y(t) = x(t) h(t) =
_
R
x(u)h(t u)du = h(t) x(t)
Cours Traitement du Signal, 2013 p. 26/87
Commentaires
La linarit ne suft pas. Contre-exemple
y(t) = m(t)x(t)
CNS de Stabilit BIBO
_
R
|h(t)|dt < , i.e., h L
1
Rponse impulsionnelle et Transmittance
H(f) = TF [h(t)] =
_
R
h(t) exp(j2ft)dt
Si x(t) = (t) alors y(t) = h(t). Ceci permet dobtenir la
seule rponse impulsionnelle possible.
Cours Traitement du Signal, 2013 p. 27/87
Ralisabilit dun ltre
Domaine temporel
(1) h(t) relle
(2) h(t) L
1
(stabilit)
(3) h(t) causale (ltre sans mmoire)
Domaine spectral
(1) Symtrie hermitienne : H

(f) = H(f)
(2) ne peut se traduire
(3) H(f) = j

H(f), o

H(f) = H(f)
1
f
est la
transforme de Hilbert de H (preuve dans le cours
manuscrit).
Cours Traitement du Signal, 2013 p. 28/87
criture quivalente
En crivant H(f) = H
r
(f) +jH
i
(f), on obtient
H
r
(f) =H
i
(f)
1
f
H
i
(f) =H
r
(f)
1
f
Cours Traitement du Signal, 2013 p. 29/87
Identier une relation de ltrage linaire
Signaux dterministes
y(t) = x(t) h(t) Y (f) = X(f)H(f)
Signaux alatoires : Isomtrie fondamentale
Si x(t)
I
e
j2ft
, alors y(t)
I
e
j2ft
H(f)
Exemples
y(t) =

n
k=1
a
k
x(t t
k
)
y(t) = x

(t)
y(t) = x(t)m(t)
Cours Traitement du Signal, 2013 p. 30/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Introduction
Relations de Wiener-Lee
Formule des interfrences
Exemples
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 31/87
Relations de Wiener Lee
Densit spectrale de puissance
s
y
(f) = s
x
(f)|H(f)|
2
Intercorrlation
R
yx
() = R
x
() h()
Autocorrlation
R
y
() = R
x
() h() h

()
Cours Traitement du Signal, 2013 p. 32/87
Preuves (signaux nergie nie)
Densit spectrale de puissance
s
y
(f) = |Y (f)|
2
= |X(f)H(f)|
2
= s
x
(f)|H(f)|
2
Intercorrlation
R
yx
() =
_
R
y(u)x

(u )du
=
_
R
Y (f)
_
e
j2f
X(f)

df
=
_
R
X(f)H(f)
_
e
j2f
X

(f)

df
=
_
R
s
x
(f)H(f)e
j2f
df = TF
1
[s
x
(f)H(f)] CQFD
Cours Traitement du Signal, 2013 p. 33/87
Preuve (signaux puissance nie)
Intercorrlation
R
yx
() =
1
T
0
_
T
0
/2
T
0
/2
y(t)x

(t )dt
=
1
T
0
_
T
0
/2
T
0
/2
_
_
R
h(v)x(t v)dv
_
x

(t )dt
=
_
R
h(v)
_
1
T
0
_
T
0
/2
T
0
/2
x(t v)x

(t )dt
_
dv
=
_
R
h(v)R
x
( v)dv CQFD
etc ...
Cours Traitement du Signal, 2013 p. 34/87
Preuves (signaux alatoires)
Intercorrlation
R
yx
() =E[y(t)x

(t )]
=y(t), x(t )
=e
j2ft
H(f), e
j2f(t)

=
_
R
e
j2ft
H(f)e
j2f(t)
s
X
(f)df
=
_
R
H(f)e
j2f
s
X
(f)df
= h() R
x
() CQFD
Cours Traitement du Signal, 2013 p. 35/87
Preuves (signaux alatoires)
Autocorrlation
R
y
() =E[y(t)y

(t )]
=y(t), y(t )
=e
j2ft
H(f), e
j2f(t)
H(f)
=
_
R
e
j2ft
H(f)e
j2f(t)
H

(f)s
x
(f)df
=
_
R
|H(f)|
2
s
x
(f)e
j2f
df
=TF
1
{s
x
(f)|H(f)|
2
}
= h() h

() R
x
() CQFD
Cours Traitement du Signal, 2013 p. 36/87
Preuves (signaux alatoires)
Autocorrlation
R
y
() = TF
1
{s
x
(f)|H(f)|
2
}
Densit Spectrale de Puissance
s
y
(f) = s
x
(f)|H(f)|
2
CQFD
Cours Traitement du Signal, 2013 p. 37/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Introduction
Relations de Wiener-Lee
Formule des interfrences
Exemples
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 38/87
Formule des interfrences
Hypothses
y
1
(t) = x(t) h
1
(t) et y
2
(t) = x(t) h
2
(t)
Conclusion
R
y
1
y
2
() =
_
R
s
x
(f)H
1
(f)H

2
(f)e
j2f
df
Preuve
R
y
1
y
2
() = E[y
1
(t)y

2
(t )]
=
_
R
e
j2ft
H
1
(f)e
j2f(t)
H

2
(f)s
x
(f)df
=
_
R
H
1
(f)H

2
(f)e
j2f
s
x
(f)df CQFD
Cours Traitement du Signal, 2013 p. 39/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Introduction
Relations de Wiener-Lee
Formule des interfrences
Exemples
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 40/87
Exemples
Filtre Passe-bas
Transmittance
H(f) =
F
(f)
Rponse impulsionnelle
h(t) = Fsinc (Ft)
non causale et / L
1
troncature + dcalage
Filtres liaisons montante et descendante dune chane
de transmission
Cours Traitement du Signal, 2013 p. 41/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
chantillonnage idal
chantillonnage rel
Mthodes pratiques de restitution
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 42/87
chantillonnage idal
Signaux nergie nie
Domaine temporel
x
e
(t) =

kZ
x(kT
e
)(t kT
e
) = x(t)

kZ
(t kT
e
)
Domaine Frquentiel
X
e
(f) = X(f) F
e

kZ
(f kF
e
) = F
e

kZ
X(f kF
e
)
Priodisation du spectre
Cours Traitement du Signal, 2013 p. 43/87
Commentaires
Thorme de Shannon
F
e
> 2f
max
Restitution
X
r
(f) =
1
F
e
X
e
(f)
F
e
(f)
Interpolateur de Shannon
x
r
(t) =

kZ
x(kT
e
)sinc [F
e
(t kT
e
)]
Gnralisation
x
r
(t) =

kZ
x(kT
e
)h(t kT
e
)
Cours Traitement du Signal, 2013 p. 44/87
Commentaires
Frquences normalises
F
e
> 2f
max


f =
f
F
e

1
2
Repliement et ltre anti-repliement
Gnralisation : signaux dterministes puissance nie
Cours Traitement du Signal, 2013 p. 45/87
chantillonnage dune sinusode
Signal et spectre
x(t) = Acos(2f
0
t) X(f) =
A
2
[(f f
0
) +(f +f
0
)]
Cas particulier
F
e
= 2f
0
Repliement
f
0
= 5kHz et F
e
= 100kHz
f
0
= 5kHz et F
e
= 8kHz
Filtre de restitution
F
e
(f)
Cours Traitement du Signal, 2013 p. 46/87
Signaux alatoires stationnaires
Theorme de Shannon
Si x(t) est un signal alatoire stationnaire bande
limite, i.e.,
s
x
(f) = 0 |f| > f
max
et que F
e
> 2f
max
alors
x
N
(t) =
N

k=N
x(kT
e
)sinc [F
e
(t kT
e
)]
MQ

N
x(t)
Preuve
voir livre de Papoulis page 378.
Cours Traitement du Signal, 2013 p. 47/87
Signaux alatoires stationnaires
Autocorrlation
R
x
() =

kZ
R
x
(kT
e
)sinc [F
e
( kT
e
)]
Interpolateur de Shannon pour R
x
() = TF
1
[s
x
(f)].
Densit spectrale de puissance
Si on pose y(n) = x(nT
e
) alors
s
y
_

f
_
=

kZ
R
y
(k)e
j2k

f
= F
e

kZ
s
x
_

f k
T
e
_
Priodisation de la densit spectrale de puissance
Cours Traitement du Signal, 2013 p. 48/87
Preuve
s
y
_

f
_
=

kZ
R
y
(k)e
j2k

f
=

kZ
R
y
(k)
_
R
e
j2

ft
(t k)dt
=
_
R
e
j2

ft
_

kZ
R
x
(kT
e
)(t k)
_
dt
=TF
_
R
x
(tT
e
)

kZ
(t k)
_
=
1
T
e
s
x
_

f
T
e
_

kZ

f k
_
CQFD
Cours Traitement du Signal, 2013 p. 49/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
chantillonnage idal
chantillonnage rel
Mthodes pratiques de restitution
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 50/87
chantillonnage bloqueur
Domaine temporel
x
b
(t) =

kZ
x(kT
e
)

_
t

2
kT
e
_
= x
e
(t)

_
t

2
_
Domaine spectral
X
b
(f) =

T
e
e
jf
sinc(f)

kZ
X(f kF
e
)
Spectre dordre 0
X
0
(f) =

T
e
e
jf
sinc(f)X(f)
Conditions de restitution
Cours Traitement du Signal, 2013 p. 51/87
chantillonnage rel
chantillonnage moyenneur
voir TD
chantillonnage porte analogique
...
Exemples
Tlphone
f
max
= 3400Hz et F
e
= 8kHz
Audio
f
max
= 15kHz et F
e
= 44.1kHz
Cours Traitement du Signal, 2013 p. 52/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
chantillonnage idal
chantillonnage rel
Mthodes pratiques de restitution
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 53/87
Restitution
Filtrage passe bas
H(f) =
F
e
(f)
Interpolation linaire
Filtre non causal
Bloqueur dordre 0
Utilis dans la quasi-totalit des applications
Cours Traitement du Signal, 2013 p. 54/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Introduction
Quadrateur
Quantication
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 55/87
Introduction
Transformation sans mmoire
y(t) = g [x(t)]
Exemples
Quadrateur
y(t) = x
2
(t)
Quantication
y(t) = x
Q
(t)
Cours Traitement du Signal, 2013 p. 56/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Introduction
Quadrateur
Quantication
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 57/87
Quadrateur
Signaux dterministes
Y (f) = X(f) X(f)
Exemples
Sinusode : x(t) = Acos(2f
0
t)
Y (f) =
A
2
2
(f) +
A
2
4
[(f 2f
0
) + (f + 2f
0
)]
Disparition de la frquence f
0
et apparition de la
frquence 2f
0
Somme de sinusodes : Termes dintermodulation
Sinus cardinal : doublement de la largeur de bande
Cours Traitement du Signal, 2013 p. 58/87
Quadrateur pour signaux alatoires
Thorme de Price
Hypothses
(X
1
, X
2
) vecteur Gaussien de moyenne nulle
Y
1
= g(X
1
) et Y
2
= g(X
2
)
Conclusion
E(Y
1
Y
2
)
E(X
1
X
2
)
= E
_
Y
1
X
1
Y
2
X
2
_
Application au quadrateur
R
Y
() = 2R
2
X
() +K
Cours Traitement du Signal, 2013 p. 59/87
Remarques
Loi Gaussienne bivarie
p(x
1
, x
2
) =
1
2
_
||
exp
_

1
2
x
T

1
x
_
Stationnarit
E [Y (t)Y (t )] =
_ _
g (x
1
) g (x
2
) p (x
1
, x
2
) dx
1
dx
2
avec x
1
= X(t), x
2
= X(t ) et
=
_
R
X
(0) R
X
()
R
X
() R
X
(0)
_
Cours Traitement du Signal, 2013 p. 60/87
Dtermination de K
Moments dune loi Gaussienne centre
E
_
X
2n+1
_
= 0, E
_
X
2n
_
= [(2n1)(2n3)... 31]
2n
= 0
E
_
Y
2
(t)

= E
_
X
4
(t)

= 3R
2
X
(0) = 2R
2
X
(0) + K
Autocorrlation
R
Y
() = 2R
2
X
() + R
2
X
(0)
Densit spectrale de puissance
s
Y
(f) = 2s
X
(f) s
X
(f) +R
2
X
(0)(f)
Cours Traitement du Signal, 2013 p. 61/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Introduction
Quadrateur
Quantication
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 62/87
Quantication
Principe
x
Q
(t) = iq
i
= x
i
et x
i

q
i
2
x(t) x
i
+
q
i
2
Dnitions
Pas de quantication q
i
Quantication uniforme q
i
= q =
2A
max
N
Niveaux de quantication: x
i
Nombre de bits de quantication N = 2
n
Cours Traitement du Signal, 2013 p. 63/87
Erreur de quantication
Hypothse
(t) suit la loi uniforme sur
_

q
2
,
q
2
_
, i.e., N 2
8
Rapport signal sur bruit de quantication
SNR
dB
= 10 log
10
_

2
x

_
Variance du bruit :
2

=
(q)
2
12
Sinusode :
2
x
=
A
2
2
Conclusion
SNR
dB
= 6n + 1.76
Cours Traitement du Signal, 2013 p. 64/87
Remarques
Gnralisation un signal Gaussien
2S = Nq SNR
dB
= 6n +...
Quantication non uniforme
Cours Traitement du Signal, 2013 p. 65/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Dnition
Signal des tlgraphistes
Introduction aux les dattente
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 66/87
Processus de Poisson homogne
Notations
Instants : {t
j
}
jZ
Nombre dinstants dans [t, t +[ : N(t, )
Hypothses
Stationnarit (rgime tabli) : P
n
() = P[N(t, ) = n]
est indpendante de t.
Indpendance du pass et de lavenir (non
embouteillage) : si [t, t + [ et [t

, t

[ sont des
intervalles disjoints, alors N(t, ) et N(t

) sont des
va indpendantes.
Non accumulation (non simultanit des instants t
i
) :
si () = P[N(t, ) 2], alors
()


0
0
Cours Traitement du Signal, 2013 p. 67/87
Conclusions
Loi de N(t, )
N(t, ) suit une loi de Poisson de paramtre , o est
le nombre moyen dinstants dans un intervalle de
largeur = 1.
Loi des largeurs dintervalles :
Si L
n
= t
n+1
t
n
, alors {L
n
}
nZ
est une suite de va
indpendantes de lois exponentielles de paramtre
(utile pour la simulation)
Loi des instants
Si lintervalle [0, t[ contient n instants t
1
, ..., t
n
, alors
chaque instant t
i
suit une loi uniforme sur [0, t[.
Cours Traitement du Signal, 2013 p. 68/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Dnition
Signal des tlgraphistes
Introduction aux les dattente
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 69/87
Signal des tlgraphistes
Dnition
X(t) =
_

_
A si t = 0
A si N(0, t) pair
A si N(0, t) impair
o A est uniforme sur {1, +1}.
Stationnarit
Moyenne
E [X(t)] = 2P [X(t) = 1] 1 = 0
Fonction dautocorrlation
E [X(t)X(t )] = e
2||
, R
Cours Traitement du Signal, 2013 p. 70/87
Signal des tlgraphistes
Densit spectrale de puissance
s
X
(f) =

2
+
2
f
2
Application
Imagerie radar synthse douverture (Imagerie SAR)
Cours Traitement du Signal, 2013 p. 71/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Dnition
Signal des tlgraphistes
Introduction aux Files dattente
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 72/87
Introduction aux Files dattente
Hypothses
Un guichet
Une le dattente
Arrive des clients dcrite par un processus de
Poisson de paramtre
Temps de service T
s
E() avec E(T
s
) = 1/
Conclusion (admise)
Probabilit davoir n clients dans le systme linstant t
P [X(t) = n] = (1 Q)Q
n
, n N
avec Q = / < 1.
Cours Traitement du Signal, 2013 p. 73/87
Nombres moyens de clients
Dans le systme
L = E [X(t)] =
Q
1 Q
Dans la le dattente
L
Q
= E
_
X
Q
(t)

=
Q
2
1 Q
Rsultat utile

n=1
nx
n
=
x
(1 x)
2
, |x| < 1
Cours Traitement du Signal, 2013 p. 74/87
Temps de sjour moyen dun client C
Dans le systme
W = E (T) = E [E (T|A
n
)] =
1
(1 Q)
o A
n
est lvnement il y a n clients dans le systme
lorsque C y rentre.
Dans la le dattente
W
Q
= E
_
T
Q
_
= E (T)
1

=
Q
(1 Q)
Formules de Little
L
W
=
L
Q
W
Q
=
Cours Traitement du Signal, 2013 p. 75/87
Plan du cours
Chapitre 1 : Corrlations et Spectres
Chapitre 2 : Filtrage Linaire
Chapitre 3 : chantillonnage
Chapitre 4 : Traitements Non-linaires
Chapitre 5 : Processus de Poisson
Chapitre 6 : Signaux des tlcommunications
Cours Traitement du Signal, 2013 p. 76/87
Signaux des tlcommunications
Chane de transmission
chantillonnage et Quantication
Codage
Mise en forme
modulation
...
Le signal NRZ : soit {A
n
}
nZ
une suite de va binaires
indpendantes avec P[A
n
= 1] = 1 P[A
n
= 0] = p.
Modle 1
X(t) = A
t
Modle 2
Y (t) = X(t +) = A
t+
Cours Traitement du Signal, 2013 p. 77/87
Signal NRZ (modle 1)
Moyenne
E[X(t)] = E[A
t
] = p
Fonction dautocorrlation
E[X(t)X(t )] dpend de t
Exemple : t =
1
4
, =
1
2
et t =
3
4
, =
1
2
.
Cours Traitement du Signal, 2013 p. 78/87
Signal NRZ (modle 2)
Moyenne
E[Y (t)] = p.
Fonction dautocorrlation
E[Y (t)Y (t )] = p
2
+ (p p
2
)
1
()
Cours Traitement du Signal, 2013 p. 79/87
Preuves
Moyenne
E[Y (t)] = E[A
t+
]
= E[

E[A
t+
|]]
= E[p]
= p. CQFD
Cours Traitement du Signal, 2013 p. 80/87
Preuves
Fonction dautocorrlation
E[Y (t)Y (t )] = E[A
t+
A
t+
]
= E[

E[A
t+
A
t+
|]]
=
_
1
0
E[A
t+
A
t+
]d
=
_
t+1
t
E[A
u
A
u
]du
=
_
1
0
E[A
0
A
u
]du.
Cours Traitement du Signal, 2013 p. 81/87
Preuves
1
_
1
0
E[A
0
A
u
]du =
_
1
0
E[A
0
]E[A
u
]du
= p
2
.
1 0
_
1
0
E[A
0
A
u
]du =
_
1+
0
pdu +
_
1
1+
p
2
du
= p(1 +) p
2
.
Cours Traitement du Signal, 2013 p. 82/87
Signal NRZ (modle 2)
Moyenne
E[Y (t)] = p.
Fonction dautocorrlation
E[Y (t)Y (t )] = p
2
+ (p p
2
)
1
()
Cours Traitement du Signal, 2013 p. 83/87
Gnralisation
X(t) = A
t/T
, Y (t) = X(t + )
Moyenne
E[Y (t)] = p.
Fonction dautocorrlation
E[Y (t)Y (t )] = p
2
+ (p p
2
)
T
().
Densit spectrale de puissance
s
Y
(f) = p
2
(f) + (p p
2
)Tsinc
2
(Tf)
Bande passante : B =
2
T
(si T , le dbit et B )
Cours Traitement du Signal, 2013 p. 84/87
Signal Biphase
Formes donde
m
1
(t) = 2
T/2
_
t
T
4
_
1, m
0
(t) = m
1
(t)
Moyenne : E[X(t)] = 0
Fonction dautocorrlation
E[X(t)X(t )] = R
1
() +R
2
()
avec R
1
() =

kZ
m( kT) priodique, R
2
() de
support [T, +T], et
m(t) = 2(2p 1)
2

T/2
() (2p 1)
2

T
()
Cours Traitement du Signal, 2013 p. 85/87
Signal Biphase
Densit spectrale de puissance
s
X
(f) = s
1
(f) +s
2
(f)
avec s
1
(f) spectre de raies
s
1
(f) =

kZ
M
_
k
T
_

_
f
k
T
_
et s
2
(f) spectre continu
s
2
(f) = [1 (2p 1)
2
]
sin
4
_
Tf
2
_
_
Tf
2
_
2
Cours Traitement du Signal, 2013 p. 86/87
Remarques
Fonction M
M
_
2k
T
_
= 0
M
_
2k + 1
T
_
=
4

2
(2p 1)
2
(2k + 1)
2
pour k Z.
rcupration de lhorloge
Cours Traitement du Signal, 2013 p. 87/87