Adaptatif

INSA-Lyon Dpartement Tlcommunications, Services &
Usages
3TC Traitement !u Signal
6. Filtrage adaptatif
6.1. Introduction
Les "iltres tels #ue nous les avons vus $us#u%& prsent sont en gnral utiliss !ans !es
applications o' on conna(t la )an!e !e "r#uence utile ainsi #ue la "r#uence principale* Ces "iltres
servent & amliorer le rapport signal sur )ruit sous l%+ypot+,se o' la )an!e !e "r#uence !u )ruit
est suprieure & celle !u signal* Dans ce cas, un "iltre passe-)an!e centr sur la "r#uence
principale !u signal permettra !%e-traire le signal*
Les "iltres !e .iener !velopps & partir !e concepts temporels et non "r#uentiels sont
con/us pour minimiser l%erreur #ua!rati#ue moyenne entre leur sortie et une sortie !sire* Ils sont
!its optimum au sens !u crit,re !e l%erreur #ua!rati#ue moyenne et nous verrons #ue !ans ce cas
les coe""icients !u "iltres sont lis & la "onction !%autocorrlation !u signal !%entre et &
l%intercorrlation entre les signau- !%entre et !e sortie !sire*
0uan! les "onctions !%auto et !%intercorrlation ne sont pas connues 1cas le plus courrant2,
alors on va approc+er le "iltre optimal !e .iener en utilisant une )oucle !e retour et un algorit+me
!e minimisation 3 c%est ce #ue l%on appelle le "iltrage a!aptati"* Dans ce cas, on remplacera la
connaissance !es "onctions !e corrlation par une p+ase !%apprentissage permettant !e mo!i"ier
itrativement la rponse impulsionnelle !u "iltre*
6.2. Filtres de Wiener
6.2.1 Problme d'estimation linaire
La "igure 4*5 illustre un pro)l,me courant !%estimation linaire*
) (n x
correspon! au signal
#ui nous intresse mais n%est pas !irectement accessi)le* Seul
) (n y
l%est et
) (n y
est o)tenu
apr,s passage !e
) (n x
!ans un syst,me linaire suivi !e l%a!!ition !%un )ruit*
Figure 5.1 : Schma gnral d'un problme d'estimation linaire.
Le pro)l,me #ui se pose est comment retrouver
) (n x
& partir !e
) (n y
* Une solution
consiste & "iltrer
) (n y
!e tel sorte #ue la sortie
) ( n x
soit la plus proc+e possi)le !e
) (n x
* 6n
peut mesurer la #ualit !e l%estimation par
) (n e
!"ini par 3
) ( ) ( ) ( n x n x n e
17#* 4*52
7vi!emment, plus
) (n e
sera "ai)le, plus l%estimation sera )onne* 6n c+erc+e !onc un "iltre
#ui minimisera l%erreur* Il est prati#ue !e c+erc+er & minimiser ) (
2
n e car c%est une "onction
#ua!rati#ue "acilement !riva)le* 8ar ailleurs, tant !onn #ue les signau- intressant sont
alatoires, la "onction co9t #ui sera & minimiser est l%erreur #ua!rati#ue moyenne 1:S7
5
2 !"inie
par 3
5
6n utilise la notation anglaise :S7 pour :ean S#uare 7rror
;ugues <enoit-Cattin - 5 -
Usages
)) ( ( ) (
2
n e E n 17#* 4*=2
Le "iltre optimal !e .iener correspon! au "iltre #ui minimisera la :S7*
6.2.2 Filtre de Wiener de type FIR
6n se limitera ici au calcul !es "iltres >I?* Selon les m@mes principes, on peut calculer !es
"iltres II?* C%est ce #ui sera vu !ans la suite !u cours avec les mo!,les A?:A utiliss en co!age
!e parole*
Appelons ;, le "iltre #ue nous rec+erc+ons et N la longueur !e sa rponse impulsionnelle
!onne avec une notation matricielle par 3
[ ]
T
N
h h h
1 1 0
...

+
Le signal estim
) ( n x
peut alors s%crire

1
0
) ( ) (
N
i
i
i n y h n x
ou encore en intro!uisant la notation matricielle pour
) (n y
+ y y + ) ( ) ( ) ( ) ( n n x n n x
T T
17#* 4*32
avec
[ ]
T
N n y n y n y n ) 1 ( ( ... ) 1 ( ) ( ) ( y
7n "aisant l%+ypot+,se #ue les signau- x(n) et y(n) sont stationnaires, et si on intro!uit
l%#uation 4*3 !ans l%#uation 4*=, on arrive & la "onction co9t suivante 3
( ) [ ]
[ ] + y y + y +
y +
) ( ) ( ) ( ) ( 2 ) (
) ( ) (
2
2
n n n x n n x E
n n x E
T T T
T
+

[ ] + + +
yy
T
yx
T
n x E + 2 ) (
2
17#* 4*A2
o' yy
est une matrice !%autocorrlation !e taille N-N !"inie par 3

[ ] ) ( ) ( n n E
T
yy
y y 17#* 4*42
et o' yx
est une vecteur !%intercorrlation !e taille N !"ini par 3

[ ] ) ( ) ( n x n E
yx
y
17#* 4*B2
L%#uation 4*A montre #ue pour un "iltre >I?, la "onction co9t :S7 !pen! !e la rponse
impulsionnelle +* 8our en o)tenir le minimum, il su""it !e c+erc+er les con!itions !%annulation !e la
!rive !e la "onction co9t par rapport au varia)les #ue sont les N points !e la rponse
impulsionnelle !u "iltre*
La !rive !e la "onction co9t par rapport au $
,me
point !e la rponse impulsionnelle est
!onne par 3
{ }
1
1
]
1
1
1
]
1
j j j
h
n e
n e E n e
h
E
h
) (
) ( 2 ) (
2
7n su)stituant !ans cette #uation e1n2 par les #uations 4*5 et 4*3, on o)tient l%e-pression
suivante 3
;ugues <enoit-Cattin - = -
Usages
{ }
1
1
]
1
) ( ) ( ) ( 2 n n x
h
n e E
h
T
j j
y +
7n utilisant le "ait #ue la sortie !u "iltre ) (n

T
y + peut s%crire comme une somme !e N
pro!uits !ont un seul contient le terme +$, on a arrive & l%e-pression suivante 3
{ }
[ ] ) ( ) ( 2
) ( ) ( 2
j n y n e E
h
j n h
h
n e E
h
j
j
j j

1
1
]
1
y
6n c+erc+e les con!itions !%annulation !e cette #uation pour tous les $CDE, ***, N-5F* Ceci
nous !onne un ensem)le !e N #uations #ui peut @tre crit !e "a/on matricielle en intro!uisant le
vecteur gra!ient 3
)] ( ) ( [ 2 ) ( .
) 1 (
.
) (
.
) 1 (
) (
2
) ( ) 1 (
.
) ( ) (
.
) ( ) 1 (
) ( ) (
2
.
.
1
1
0
n e n E n e
N n y
j n y
n y
n y
E
n e N n y
n e j n y
n e n y
n e n y
E
h
h
h
h
N
j
y
'
1
1
1
1
1
1
1
1
]
1

1
1
1
1
1
1
1
1
]
1

1
1
1
1
1
1
1
1
]
1
7n utilisant les #uations 4*5 et 4*3 pour remplacer e1n2 on o)tient 3

[ ] [ ] [ ]+ y y y + y ) ( ) ( 2 ) ( ) ( 2 ) ) ( ) ( )( ( 2 n n E n x n E n n x n y E
T T
+
#ui !evient en intro!uisant la matrice !%autocorrlation et le vecteur !%intercorrlation 3
+
yy yx
+ 2 2
17#* 4*G2
La rponse impulsionnelle optimale +opt est celle #ui annule cette #uation !%o' 3
yx opt yy
+
17#* 4*H2
Le "iltre ainsi !"ini est appel "iltre >I? !e .iener* Il permet !%o)tenir une erreur #ua!rati#ue
minimale entre x(n) et son estim
) ( n x
!onne par 3
[ ]
yx
T
opt
h n x E ) ( 2
min
17#* 4*I2
6.2.3 Appliation ! l'galisation de anal
Un pro)l,me classi#ue rencontr en traitement !u signal pour les tlcoms est illustr sur la
"igure 4*=* Une s#uence alatoire !e !ensit !e pro)a)ilit uni"orme est appli#u & l%entre !%un
canal* Un )ruit )lanc
) (n
s%a$oute & la sortie !u canal pour !onner le signal o)serva)le y(n)*
Le canal peut @tre mo!lis par sa "onction !e trans"ert en J,
i
i
i
z c z C ) (
*
Notre o)$ecti" est !e construire un "iltre avec une "onction !e trans"ert ;1J2 tel #ue sa sortie
nous !onne une )onne estimation !e -1n2* Il est naturellement accepta)le !%o)tenir notre estim
avec un certain retar! ! !e telle sorte #ue ce #ue l%on estime correspon! & -1n-!2* Ce pro)l,me est
connu sous le nous !%galisation de canal !ans le !omaine !es tlcommunications ou encore
sous le nom !e dconolution en traitement !%images* Les "iltres !e .iener nous apporte une
solution & ce pro)l,me #ue nous allons prciser*
Usages
Figure 5.! : Schma gnral d'un problme d'galisation de canal.
8our simpli"ier, nous intro!uirons les trois notations suivantes x'(n), e'(n) et y'(n)
respectivement !"inies par 3
) ( ) ( ' ) (
) ( ) ( ) ( '
) ( ) ( '
n n y n y
d n x d n x n e
d n x n x
+

("#. 5.1$)
Le )ruit a!!iti" et le signal sont consi!rs comme !corrls entre eu-* Cette +ypot+,se est
gnralement vri"ie en prati#ue* Le "iltre !e .iener #ui minimise la :S7 est alors !"ini par 3
' yx opt yy
+
o'
[ ] ) ( ) ( n n E
T
yy
y y
et
[ ] ) ( ) (
'
n x' n E
yx
y
7tant !onn #ue les processus sont consi!rs comme stationnaires et ergo!i#ues, la
matrice !%autocorrlation yy
peut @tre !!uite !e la "onction !%autocorrlation

) (m
yy
!onne
par 3
[ ]
{ }{ } [ ]
) ( ) ( ) ( ) (
) ( ) ( ' ) ( ) ( ' ) (
) ( ) ( ) (
' ' ' '
m m m m
m n m n y n n y E m
m n y n y E m
y y y y yy
yy
yy

+ +
+ + + +
+
("#. 5.11)
Comme y'(n) est une com)inaison linaire !es c+antillon !e l%entre x(n) i*e*

0
) ( ) ( '
i
i
i n x c n y
et #ue -1n2 et
) (n
sont !corrls, il en !coule #ue y%1n2 et
) (n
sont !corrls !%o' 3
[ ] [ ] 0 ) ( ' ) ( ) (
'
+ m n y E m E m
y

pour !es processus & moyenne nulle*

8ar ailleurs, puis#ue
) (n
est un )ruit )lanc, il a la proprit suivante 3
) ( ) (
2
m m

7t "inalement, l%#uation 4*55 pren! la "orme suivante 3
) m ( ) m ( ) m (
2
' y ' y yy
+

("#. 5.1!)
;ugues <enoit-Cattin - A -
Usages
Les trans"ormes en K !es "onctions !%autocorrlation !e !eu- signau- lis par un syst,me linaire
comme !ans la "igure ci-!essus sont relies !e la "a/on suivante 3
) ( ) ( ) ( ) (
1
z S z H z H z S
xx yy

7n utilisant cette proprit pour le cas #ui nous intresse, on o)tient la relation suivante 3
2 1
' '
) ( ) ( ) (
x y y
z C z C z S
8ar trans"orme inverse, on o)tient 3

[ ] ) ( ) (
' '
1
' '
z S Z m
y y y y

("#. 5.1%)
Cette #uation intro!uite !ans 4*5= permet !%acc!er &
) m (
yy
*
A"in !%acc!er au "iltre !e .iener, il reste & calculer le vecteur !%intercorrlation ' yx
* Si le
"iltre !e .iener poss,!e N coe""icients, le vecteur ' yx
aura N lments !e la "orme

[ ] ) ( ' ) (, n x m y E , o' N m < 0 * 6n peut noter #ue le processus tant stationnaire 3
[ ] [ ] ) ( ) ( ' ) ( ) ( ' ) (
'
m m n x n y E n x m n y E
yx
+
8ar ailleurs, comme
) ( ' n x
et
) (n
sont !corrls, on a 3
[ ] ( ) [ ] ) ( ) ( ' ) ( ) ( ' ) ( ' ) ( ) (
' ' '
m m n x n n y E m n x n y E m
x y yx
+ + +
Les trans"ormes en K !es "onctions !%auto et !%intercorrlation !e trois signau- lis par !eu-
syst,me linaire en parall,le comme sur la "igure ci-!essus sont relies !e la "a/on suivante 3
) ( ) ( ) ( ) (
)) ( ( ) ( ) ( )) ( (
1
2 1
1
2 1
1 2
1 2
z S z H z H z S
n TZ z H z H n TZ
xx y y
xx y y

7n utilisant cette proprit et l%analogie avec la >igure 4*=, on o)tient !onc la relation
suivante 3
2 1
' '
). ( ) (
x
d
x y
z C z z S

!%o'
[ ] ) m ( ) z ( S Z ) m (
' yx ' x ' y
1
' x ' y

("#. 5.1&)
A partir !es relations 14*5A2, 14*532 et 14*5=2 on peut calculer la rponse impulsionnelle !u
"iltre !e .iener comme nous allons le "aire !ans l%e-emple ci-apr,s*
6.2." #$erie d'appliation
Soit un canal !e communication mo!lisa)le par la "onction !e trans"ert suivante 3
1
5 . 0 ) (

+ z z C
Usages
A son entre, on a un signal alatoire avec une !ensit !e pro)a)ilit uni"orme, une moyenne
nulle et une variance !e 5* A la sortie !u canal s%a$oute un )ruit )lanc !e moyenne nulle, !e
variance E*5 et !corrl !u signal !%entre*
DonneJ le "iltre !e .iener !e longueur 3 #ui peut @tre mis en place avec un retar! !e 5 pour
galiser ce canal* 0uelle est la valeur minimale !e la :S7 #ui sera o)tenue* ConclueJ #uant &
l%intr@t !e ce "iltre*
1***2
?ponses
[ ] 05 . 0 13 . 0 69 . 0
T
+
24 . 0 ] [ e E
Le minimum !e :S7 est suprieur & la variance !u )ruit, le "iltre n%est pas utile L 8our avoir un "iltre
!e .iener e""icace, il "aut en augmenter le retar! tolr et la longueur !u "iltre !e .iener*
6.3. Algorithmes pour le filtrage adaptatif
6.3.1. Introd%tion
La mise en Muvre !%un "iltre 1estimateur2 optimal !e .iener !eman!e la connaissance !es
caractristi#ues !u signal, !u )ruit et !e la "onction !e trans"ert !u canal* Cela impli#ue galement
#ue ces caractristi#ues soient sta)les au cours !u temps, ce #ui n%est pas le cas en prati#ue*
Le "iltrage a!aptati" a pour o)$et !%approc+er ces "iltres optimau-* 8our cela, les coe""icients
!e la rponse impulsionnelle !u "iltre sont a!apts en "onction !e l%erreur par une )oucle !e retour
comme le montre la "igure ci-!essous*
Figure 5.! : Schma gnral d'un systme de 'iltrage adaptati'.
Cette a!aptation ncessite une s#uence !%apprentissage et une stratgie !e mise & $our
!es coe""icients !u "iltre !ont l%o)$ecti" est la minimisation !%une erreur* 8our cela, on utilisera !es
algorit+mes !%optimisation* Le !tail !e ces algorit+mes !passe le ca!re !u traitement !u signal,
mais on !onnera ici les gran!es lignes !e !eu- approc+es largement utilises en "iltrage a!aptati" 3
le ?LS et le L:S*
La rponse impulsionnelle !%un "iltre a!aptati" est !onc varia)le !ans le temps* 7lle !pen!
!u signal re/u, !e la s#uence !%apprentissage et !e l%algorit+me !%optimisation utilis* Ces "iltres
peuvent @tre !e type II? ou >I?*
Le signal estim
) ( n x
s%crit !e la "a/on suivante 3
y +
T
) 1 ( ) (
) ( ) 1 ( ) (
1
0

n n x
i n y n h n x
N
i
i
("#. 5.15)
Ce #ui signi"ie #u%un point & l%instant n est calcul en utilisant la rponse impulsionnelle !u
"iltre calcule le coup prc!ent par l%algorit+me !%optimisation*
;ugues <enoit-Cattin - B -
Usages
6.3.2 Algorit&me R'(
Sac+ant #ue les proprits statisti#ues nous sont inconnues, on ne vas pas c+erc+er &
minimiser "(e)(n)* mais une somme "inie !%erreur au carr !onne par 3

n
k
k x k x
0
2
)) ( ) ( ( ("#. 5.1+)
0uan! cette "onction co9t est minimise en utilisant une rponse impulsionnelle h(n)
associe &
) ( n x
, on o)tient l%estime !es moin!re carr*
La rponse impulsionnelle est !onc "onction !es c+antillons !isponi)les et non pas !%une
moyenne statisti#ue gnrale* 8ar analogie avec .iener, elle est !onne par la relation 3
) ( ) ( ) ( n r n n R
yx yy
+
("#. 5.1,)
o'
n
k
T
yy
k k n R
0
) ( ) ( ) ( y y ("#. 5.1-)
et
n
k
yx
k x k n r
0
) ( ) ( ) ( y ("#. 5.1.)
La rponse impulsionnelle !u "iltre est !onc & mo!i"ier & c+a#ue nouvel c+antillon* 8our
limiter le nom)re !es calcul, on passe par une #uation rcursive 3
) ( ) ( ) ( ) 1 ( ) (
1
n e n n R n n
yy
y + +

+
("#. 5.!$)
o'
) ( ) 1 ( ) ( ) ( n n n x n e
T
y + ("#. 5.!1)
et o'
( ) ) ( ) 1 ( ) ( 1
) 1 ( ) ( ) ( ) 1 (
) 1 ( ) (
1
1 1
1 1
n n R n
n R n n n R
n R n R
yy
T
yy
T
yy
yy yy
y y
y y
+

("#. 5.!!)
Ces trois #uation sont connues sous le nom !e l%algorit+me ?LS* Le !tail !e cet algorit+me
est !onn ci-!essous*
;ugues <enoit-Cattin - G -
Usages
/tail de l'algorithme 01S
6.3.3. Algorit&me ')(
D%autres tec+ni#ues !%optimisation )ases sur la !escente en gra!ient peuvent @tre mise en
Muvre* L%algorit+me L:S 1Least :ean S#uares2 !ont le !tail est !onn ci-!essous est souvent
utilis !ans les syst,mes !e "iltrage a!aptati"* 6n trouvera !es !tails concernant cette approc+e
!ans N5O*
/tail de l'algorithme 12S
6.3.". *omparaison
Le pro)l,me #ui se pose est celui !u c+oi- !%un algorit+me !%optimisation* Ce c+oi- va @tre
gui! par le nom)re !%oprations ncessaires & c+a#ue tape pour mettre & $our les coe""icients et
par la vitesse !e convergence !e l%algorit+me, c%est & !ire la longueur !e la s#uence
!%apprentissage ncessaire pour o)tenir un "iltre a!apt*
Si une mt+o!e rpon!ait & ces !eu- crit,res simultanment, elle serait systmati#uement
utilise*
L%algorit+me L:S ncessite moins !e calcul & c+a#ue tape mais converge plus lentement
#ue le ?LS comme le montre la "igure ci-!essous* C%est !onc l%application #ui va !terminer le
c+oi- !e l%algorit+me en "onction !e la puissance !e calcul !isponi)le L
;ugues <enoit-Cattin - H -
Usages
Figure 5. : "rreur (d3) s 4ombre d'itrations pour la comparaison
des itesses de conergence des algorithmes 01S et 12S
6.4. Applications
6.".1. Introd%tion
6.".2. (%ppression de br%it
6.".3. Ann%lation d'&o
6.".". #galisation de anal
6.5. Conclusion
6.6. Biliographie
N5O <* :ulgreP, 8* Qrant, R* T+ompson, SDigital Signal 8rocessing, Concepts an!
ApplicationsS, :ac:illan 8ress, 5III,34Bp*
;ugues <enoit-Cattin - I -
Usages
Filtre de Wiener
6)$ecti"

)) n ( e ( E Minimiser
2

Synt+,se !e "iltre temporelle
yx !" yy
h
o'
( ) (#x#) $"in $%"&rre' (' M$"ri&e , ) n ( ) ). n ( ) E
*
yy

( ) (#) '$"in in"er&rre (' +e&"e%r , ) n ( x ). n ( ) E
yx

;ugues <enoit-Cattin - 5E -
Usages
Appliation d% filtre de Wiener
! l'galisation de anal
x y !" yy
h
( ) ) m n ( y ). n ( y E ) m (
yy
+
T

) m ( ) m ( ) m (
2
y y yy
+

( )
2
x
1
y y y y
1
y y
) z ( , ) z ( , ) z ( S $-e& ) z ( S Z ) m (

( )
2
x
1 (
x y x y
1
x y x y
) z ( , . z ) z ( S $-e& ) z ( S Z ) m (

Usages
Filtrage adaptatif
Approc+er le "iltre optimal 1:S72 par une )oucle !e retour
Algorit+mes !%optimisation
( )
2
n
0 .
) . ( x ) . ( x

?LS 3 ?ecursive Least S#uares
L:S 3 Least :ean S#uare 1Qra!ient stoc+asti#ue, Descente en
gra!ient2
?LS converge plus rapi!ement #ue L:S mais plus co9teu- en
nom)re !%oprations
;ugues <enoit-Cattin - 5= -
Usages
Algorit+mes !%optimisation rcursi"s
Usages
Appliations
3 mo!es !e "onctionnement
a2 Annulation !%c+o
)2 7galisation !e Canal
c2 Suppression !e )ruit large )an!e )an!e troite
;ugues <enoit-Cattin - 5A -
Usages
(%ppression de br%it large bande + bande troite
Syst,me connu "iltre passe-)an!e
I!e L
Signal "ortement corrl "acile & pr!ire L pas le )ruit L
Apprentissage
Seul le signal !%entre est ncessaire 3 il sert !%entre et
!%apprentissage L
Usages
Ann%lation d'&o
8as trop grave en parole
Tr,s grave en mo!em !ata
Apprentissage
7mission !%une s#uence alatoire type avant !e "onctionner
en mission rception
;ugues <enoit-Cattin - 5B -
Usages
#galisation de anal
Transmission !e s#uence )inaire alatoire sur un canal
>iltre !e .iener irraliste
Dcision )inaire & pren!re y1n2 C U- 5 V
?glage initial avec s#uence mmorise metteur
rcepteur
?glage en continu pour la tlp+onie mo)ile
;ugues <enoit-Cattin - 5G -
Usages
,eleomm%niations Appliations
-it& t&e ,)(32.*/. 0(P
T:S3=EC4E DS8 5B <its, Wirgule "i-e, =4 nsins*
6rient Tlp+onie mo)ile
- Co!eurs !e parole
- Co!age !e canal 3 C?C, convoluti", Witter)i
- :o!ulationDmo!ulation
- 7galisation !e Canal
- ?econnaissance !e la parole
;ugues <enoit-Cattin - 5H -
Usages

;ugues <enoit-Cattin - 5I -
Usages
C?C G )its 3 g1-2 C 5 U - U -
=
U -
A
U -
4
U -
G
Convoluti" 3 ?C5=
;ugues <enoit-Cattin - =E -
Usages
Di""erential 0uaternary 8+ase S+i"t Xeying
= )its 5 sym)ole, A niveau- !e mo!ulation
Translation en "r#uence HEE :+J
;ugues <enoit-Cattin - =5 -
Usages
7galiseur !e canal V
U Annulateur !%c+o V
>iltrage a!apt
;ugues <enoit-Cattin - == -

Adaptatif

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

Adaptatif

Transféré par

Droits d'auteur :

Formats disponibles

INSA-Lyon Dpartement Tlcommunications, Services &

est une matrice !%autocorrlation !e taille N-N !"inie par 3

est une vecteur !%intercorrlation !e taille N !"ini par 3

7n utilisant le "ait #ue la sortie !u "iltre ) (n

7n utilisant les #uations 45 et 43 pour remplacer e1n2 on o)tient 3

peut @tre !!uite !e la "onction !%autocorrlation

pour !es processus & moyenne nulle*

8ar trans"orme inverse, on o)tient 3

aura N lments !e la "orme

Vous aimerez peut-être aussi