FORMULAIRE POUR LA THORIE DU SIGNAL

Christian JUTTEN
Laboratoire GIPSA, Dpartement Signal et Images (CNRS, INPG, UJF), Grenoble, France
Christian.Jutten@inpg.fr

1. FORMULES TRIGONOMTRIQUES
1.1. Somme et diffrence dangles
sin( + ) = sin cos + cos sin ,
sin( ) = sin cos cos sin ,
cos( + ) = cos cos sin sin ,
cos( ) = cos cos + sin sin .

2. MODLES MATHMATIQUES DE SIGNAUX

2.1. Signaux simples
rect[(t )/T ] : fonction rectangle centre sur , damplitude
1 et de largeur T (laire vaut T ),
tri[(t )/T ] : fonction triangle centre sur , damplitude
1 et de largeur 2T (laire vaut T ),

2 sin2 = 1 cos 2,

(t) : distribution de Dirac, satisfaisant (t) = 0 pour

R +
t 6= 0, et (t)dt = 1,

2 cos2 = 1 + cos 2,

sinc(u) =
1).

1.2. Expression en fonction des angles doubles

sin(u)
u

: sinus cardinal de u (son aire vaut

2 sin cos = sin 2.

2.2. Oprateur de rptition
1.3. Produits de fonctions trigonomtriques
2 sin sin = cos( ) cos( + ),

repT (.) : rptition de . avec une priode T ,

P+

2 cos cos = cos( ) + cos( + ),

repT (x(t)) =

2 sin cos = sin( ) + sin( + ).

repT ((t)) = T (t) =

Dirac.

k=

x(t kT ),
P+

k=

(t kT ) : peigne de

1.4. Somme et diffrence de fonctions trigonomtriques

sin + sin = 2 sin[( + )/2] cos[( )/2],

2.3. Oprateur de convolution

sin sin = 2 sin[( )/2] cos[( + )/2],

Dfinition

cos + cos = 2 cos[( + )/2] cos[( )/2],

cos cos = 2 sin[( + )/2] sin[( )/2].
1.5. Formes exponentielles
exp(j) = cos + j sin , avec j 2 = 1,
sin =

exp(j)exp(j)
,
2j

cos =

exp(j)+exp(j)
.
2

1.6. Dveloppements limits

sin = 3 /3! + 5 /5! . . . + (1)p 2p+1 /(2p +
1)! + . . .,
cos = 1 2 /2! + 4 /4! . . . + (1)p 2p /(2p)! + . . .,
exp = 1 + + 2 /2! + . . . + k /k! + . . ..

x(t) y(t) = (x y)(t) =

R +
x(t v)y(v)dv,

R +

x(u)y(t u)du =

x(t) y(t t0 ) =
y)(t t0 ),

R +

x(u)y(t u t0 )du = (x

x(t) y(at + b) =

R +

x(u)y(a(t u) + b)du

Proprits
Commutativit : x(t) y(t) = y(t) x(t),
Associativit : [x(t)y(t)]z(t) = x(t)[y(t)z(t)] =
x(t) y(t) z(t),
Distributivit par rapport laddition : x(t) [y(t) +
z(t)] = x(t) y(t) + x(t) z(t)

4.5. Dveloppement en sries de Fourier (DSF) dans L2 (t1 , t1 +

T)


On utilise k (t) = exp j2 Tk t .


P+
x(t) = k=1 k exp j2 Tk t ,


R t +T
kk = t11 | exp j2 Tk t |2 dt = T ,

2.4. Proprits de la distribution de Dirac (t)

R +
x(t0 ) = x(t)(t t0 )dt
x(t) (t) = x(t),

x(t) (t t0 ) = x(t t0 ),
x(t t1 ) (t t2 ) = x(t t1 t2 ),
(at) = |a|1 (t).
3. VALEUR MOYENNE TEMPORELLE, NERGIE
ET PUISSANCE
R +T /2
x
= limT + T1 T /2 x(t)dt : moyenne.
Signaux rels
R +
Wx = x2 (t)dt : nergie,
Px = limT +

1
T

R +T /2
T /2

1
T

R +T /2
T /2

1
T

R t1 +T
t1

x(t) exp

5. TRANSFORMES DE FOURIER
5.1. Transforme de fonctions sommables
Pour
R des fonctions x(t) bornes et absolument sommables
( |x(t)|dt < +), on dfinit la transforme de Fourier (TF),
note X(f ) :

x2 (t)dt : puissance.
x(t) X(f ) =

Signaux complexes
R +
Wx = |x(t)|2 dt : nergie,
Px = limT +

k = 1kk hx, exp j2 Tk t i =


j2 Tk t dt.

|x(t)|2 dt : puissance.

x(t) exp(j2f t)dt.

De mme, tant donne X(f ), on peut calculer x(t) par transforme de Fourier inverse :
Z +
X(f ) exp(+j2f t)df.
X(f ) x(t) =

4. REPRSENTATION VECTORIELLE
On considre des signaux x(t) et y(t) dans lespace L2 (t1 , t2 ).

5.2. Notations
On notera

4.1. Distance euclidienne

d(x, y) = kx yk =

x(t) X(f ),
hR

t2
t1

|x(t) y(t)|2 dt

i1/2

d(x, y)2 = kxk2 + kyk2 2hx, yi

hR
i
t
kxk2 = t12 |x(t)|2 dt ,
hx, yi =

R t2
t1

x(t)y (t)dt.

X(f ) = F{x(t)} : transforme de Fourier,

x(t) = F 1 {X(f )} : transforme de Fourier inverse.
5.3. Proprits
La TF est linaire : ax(t) + by(t) aX(f ) + bY (f )
La TF conserve la parit.

4.2. Ingalit de Schwartz

|hx, yi|2 hx, xi.hy, yi,
R
2 R
Rt
t
 t

 t12 x(t)y (t)dt t12 |x(t)|2 dt. t12 |y(t)|2 dt.

4.3. Orthogonalit de x(t) et y(t)

Rt
hx, yi = t12 x(t)y (t)dt = 0.

4.4. Dveloppement sur une base orthogonale {k (t)}

P+
x(t) = k=1 k k (t),
Rt
k = 1kk hx, k i = 1kk t12 x(t)k (t)dt,
Rt
kk = hk , k i = kk k2 = t12 |k (t)|2 dt,
Rt
P+
t12 |x(t)|2 dt = k=1 |k |2 kk .

Si la fonction x(t) est relle (imaginaire, resp.) impaire, X(f ) est imaginaire (relle, resp.) impaire.
5.4. Rgles de calculs
Soit une fonction x(t), telle que x(t) X(f ).
x(t) X(f ) : retournement temporel,
x (t) X (f ) : complexe conjugue,
x(at) |a|1 X(f /a) : effet Doppler,
x(t t0 ) X(f ) exp(j2f t0 ) : translation temporelle,
x(t) exp(j2f0 t) X(f f0 ) : translation en frquence
ou modulation,

dn
dtn x(t)

(j2f )n X(f ) : drivation sur t.

Soient deux fonctions x(t) et y(t), telles que x(t) X(f ) et

y(t) Y (f ), on montre le Thorme de Plancherel :
x(t) y(t) X(f )Y (f ),
x(t)y(t) X(f ) Y (f ).
5.5. Transformes de Fourier de quelques signaux usuels
rect(t/T ) T sinc(f T ) : fonction rectangle,
tri(t/T ) T sinc2 (f T ) : fonction triangle,
exp(at)(t)
unilatrale,

1
a+j2f

2a

exp(a|t|)
double,

a2 +(2f )2

: impulsion exponentielle
: impulsion exponentielle

exp(t ) exp(f ) : impulsion gaussienne,

exp(at) sin(2f0 t)(t)
sode amortie,

2f0
(a+j2f )2 +(2f0 )2

: sinu-

exp(at) cos(2f0 t)(t)

nusode amortie.

a+j2f0
(a+j2f )2 +(2f0 )2

: cosi-

5.6. Transformes de Fourier de distributions

(t)

1
j2f

sgn(t)

1
jf

(f )
2

: chelon unit,

: fonction signe,

5.8.2. Transformes de Fourier

Les transformes de Fourier de signaux priodiques sont des
spectres de raies, aux frquences n/, dont lenveloppe spectrale est la transforme de Fourier dune priode du signal divise par la priode .
P+
X(f ) = n= Xn (f n/), avec Xn dfini cidessus,
P+
Y (f ) =
n= Yn (f n/), avec Yn dfini cidessus.
5.8.3. Transformes de signaux priodiques usuels
cos(2f0 t) 21 [(f + f0 ) + (f f0 )] : signal cosinusodal,
sin(2f0 t) 2j [(f + f0 ) (f f0 )] : signal sinusodal,
exp(j2f0 t) (f f0 ) : phaseur la frquence f0 ,
P
P
1

k (tk)
n (f n/) : peigne de Dirac,

1
(t)
1/ (f ) : peigne de Dirac avec les notations abrges,
P+
P+

n= Xn exp(j2nt/)
n= Xn (f n/):
signal x(t) priodique,
P+
Arep {rect(t/} n= Xn (f n/) avec Xn =
A
sinc(n/).

(t) 1 : impulsion de Dirac,

k k(f ) : constante.

6. CORRLATIONS ET DENSITS SPECTRALES

6.1. Signaux nergie finie

5.7. Transforme de Fourier de signaux moyenne non

nulle
Soit x(t) = x
+ x0 (t) o x
est la moyenne de x(t), on
F {x0 (t)}
a F{x(t)} = j2f
+x
(f ),
(t) 12 (f ) +
sgn(t)

1
j2f ,

1
jf .

5.8. Transformes de Fourier de signaux priodiques

Soient deux signaux x(t) et y(t), priodiques de mme priode .
5.8.1. Dveloppement en sries de Fourier (DSF)
Les signaux tant priodiques, si les conditions de Diriclet
sont satisfaites, on peut calculer les DSF de x(t) et y(t) :
P+
x(t) = n= Xn exp(j2nt/),
R +/2
avec Xn = [ /2 x(t) exp(j2nt/)dt]/,
y(t) =
avec

P+

n= Yn exp(j2nt/),
R +/2
Yn = [ /2 y(t) exp(j2nt/)dt]/.

6.1.1. Auto- et inter-corrlation

Auto-corrlation : xx ( ) =
Inter-corrlation : xy ( ) =

R +

R +

x(t)x (t )dt,
x(t)y (t )dt.

6.1.2. Relation entre corrlation et convolution

xy ( ) = x( ) y ( ).
6.1.3. Proprits des fonctions de corrlation
Symtrie hermitienne :
xy ( ) = yx ( ),
xx ( ) = xx ( ),

Bornes
Cas gnral : |xy ( )|2 xx (0)yy (0),
Pour x(t) = y(t) : |xx ( )| xx (0),
xx (0) R est lnergie du signal.

Dans le cas de signaux rels, la fonction dautocorrlation

est paire et maximale en 0, o xx (0) est lnergie du
signal.

6.1.4. Densit spectrale dnergie

R +
xx ( ) Sxx (f ) = xx ( ) exp(j2f )d ,

Sxx (f ) = |X(f )|2 : densit spectrale dnergie,

R +
xy ( ) Sxy (f ) = xy ( ) exp(j2f )d :
densit inter-spectrale dnergie,
Sxy (f ) = X(f )Y (f ) ,

6.1.6. Drivation de la fonction de corrlation

xy ( ) =

xy ( ) =

R +/2
/2

R t0 +

t0
P+
n=

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

Xn Yn exp(j2n /), en utilisant le DSF de x(t) et y(t).

xy ( ) =

6.3.2. Densits spectrale et inter-spectrale de puissance

6.1.5. Relations de Parseval

R +
R +
x(t)y (t)dt = X(f )Y (f )df ,
R +
R +
|x(t)|2 dt = |X(f )|2 df , ou, pour le cas =
0,
R +
xy (0) = Sxx (f )df : nergie du signal.
dxy ( )
d

Inter-corrlation

= x y ( ) = xy ( )

Les densits spectrale et inter-spectrale de puissance sont les

transformes de Fourier de fonctions priodiques de priodes
. On obtient donc des spectres de raies, aux frquences
k/, dont lenveloppe spectrale est la transforme de Fourier
dune priode de la fonction de corrlation divise par la priode .
Densit spectrale
Sxx (f ) =

6.2.1. Fonctions de corrlation

R +T /2
xx ( ) = limT T1 T /2 x(t)x (t )dt : autocorrlation,
R +T /2
xy ( ) = limT T1 T /2 x(t)y (t )dt : intercorrlation.

n=

|Xn |2 (f n/), en util-

isant le DSF de x(t),

Sxx (f ) =

6.2. Signaux puissance moyenne finie

P+

1
2
2 |X(f, )| 1/ (f ),

avec
X(f, ) = F{x(t, )} = F{rect((t)/)x(t)}.

Densit inter-spectrale
P+

Sxy (f ) =
n= Xn Yn (f n/), en utilisant le DSF de x(t),
Sxy (f ) =

2 X(f, )Y (f, )1/ (f ),

avec
X(f, ) = F{x(t, )} = F{rect((t)/)x(t)}
et Y (f, ) = F{y(t, )} = F{rect((t)/)y(t)}.

6.2.2. Densits spectrale et interspectrale de puissance

Sxx (f ) = F{xx ( )} : densit spectrale de puissance,
Sxy (f ) = F{xy ( )} : densit inter-spectrale de puissance,
Sxx (f ) = limT T1 |X(f, T )|2 , avec
X(f, T ) = F{x(t, T )} = F{rect(t/T )x(t)}.
6.2.3. Relation de Parseval
R +
Px = xx (0) = Sxx (f ).

6.3.3. Relations de Parseval

R +
P+
Px = xx (0) = Sxx (f )df = n= |Xn |2 .
7. SIGNAUX ALATOIRES
7.1. Variables alatoires
7.1.1. Densits de probabilit
On note pX (u) la densit dune variable alatoire (VA) X.

6.3. Signaux priodiques

Si X et Y sont deux VA indpendantes, la densit de la

VA Z = X + Y est : pZ (u) = (pX py )(u),

Soient deux signaux x(t) et y(t), priodiques de mme priode .

Si Y = f (X), avec f inversible,

pY (u) = pX (f 1 (u))/|f (f 1 (u))|

6.3.1. Fonctions de corrlation

7.1.2. Moments

Les auto et inter-corrlations sont priodiques de priode ,

et on peut les calculer par intgration sur une priode .

Moyenne dune VA continue ou discrte

R +
1 = E[X] = upX (u)du,
P
1 = E[X] = i ui Pr(X = ui ).

Auto-corrlation
xx ( ) =

xx ( ) =

R +/2
/2

R t0 +
t0

P+

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

|Xn |2 exp(j2n /), en utilisant le DSF de x(t).

xx ( ) =

n=

Moment dordre k dune VA continue ou discrte

R +
k = E[X k ] = uk pX (u)du,
P
k = E[X k ] = i uki Pr(X = ui ).

Moment centr dordre k dune VA continue ou discrte

R +
k = E[(X 1 )k ] = (u 1 )k pX (u)du,
k = E[(X 1 )k ] =

i (ui

i (ui 1 )

Pr(X = ui ).

Relation entre variance et moments dordre 1 et 2

2 = E[(X 1 )2 ] = E[X 2 ] E[X]2 = 2 21 .
7.1.3. Distributions de quelques lois usuelles
Pr(k) = Cnk pk (1 p)nk : loi Binomiale, de la VA
somme de n VA binaires, avec p = Pr(X = x1 ) et
1 p = Pr(X = x0 ),
Pr(n) =
a > 0,

an
n!

p(u) =

1
2

exp(a) : loi de Poisson de paramtre

exp

On note de faon gnrale Xi = x(ti ) la VA associe au

processus alatoire x(t) pour t = ti .

1 )k Pr(X = ui ).

Variance : cest le moment centr dordre 2. On la note

frquemment 2 plutt que 2 .
R +
2 = 2 = E[(X 1 )2 ] = (u 1 )2 pX (u)du,
2 = 2 = E[(X 1 )2 ] =

7.3. Auto-corrlation

(um)2
2 2
2

: loi gaussienne de

moyenne m et de variance , note N (m, 2 ).

7.2. Vecteurs alatoires
7.2.1. Densits de probabilit
On note pX (u1 , . . . , un ) la densit dun vecteur alatoire (VcA)
X de dimension n.
Soit Y = f (X), avec f inversible. On note f 1 la transformation inverse, |Jf 1 | son jacobien et (f 1 )i la composante
i de la transformation f 1 :
pY (u1 , . . . , un ) =
pX ((f 1 )1 (u1 ), . . . , (f 1 )n (un ))|Jf 1 |.
Dans le cas dune transformation linaire Y = AX o A est
une matrice rgulire et u = (u1 , . . . , un )T :
pY (u1 , . . . , un ) =
pX (A1 u)| det A1 |.
Dans le cas de la somme Z = X + Y de deux variables
alatoires, la densit pZ (u) vaut :
R
pZ (u) = pXY (x, u x)dx,
R
pZ (u) = pX (x)pY (u x)dx = (pX pY )(u), si X
et Y sont des VA indpendantes.

7.3.1. Auto-corrlation statistique

Cas gnral
RXX (t1 , t2 ) = E[X1 X2 ] =

RR

x1 x2 p(x1 , x2 )dx1 dx2 .

Cas dun signal stationnaire, en notant = t1 t2

RR
RXX ( ) = E[X(t)X(t )] =
x1 x2 p(x1 , x2 )dx1 dx2 .
Les VA sont orthogonales ssi RXX ( ) = 0.
7.3.2. Auto-covariance statistique
Cest lauto-corrlation des processus alatoires centrs. On
la note CXX ( ).
Cas gnral
CXX
R R(t1 , t2 ) = E[(X1 E(X1 ))(X2 E(X2 ))]
=
(x1 E(X1 ))(x2 E(X2 ))p(x1 , x2 )dx1 dx2
= RXX (t1 , t2 ) E(X1 )E(X2 ).
Cas dun signal stationnaire, en notant = t1 t2
CXX
R R( ) = E[(X(t) E(X))(X(t ) E(X))]
=
x1 x2 p(x1 , x2 )dx1 dx2
= RXX ( ) E(X)2 .
Les VA sont non corrles ssi CXX ( ) = 0.
7.3.3. Cas de processus ergodiques et stationnaires
Dans ce cas, on peut remplacer les moyennes statistiques par
des moyennes temporelles, car on a asymptotiquement :
R T /2
RXX ( ) = limT T1 T /2 x(t)x(t )dt = XX ( ).
7.3.4. Coefficient de corrlation
Par dfinition, cest lauto-covariance normalise, note X ( ) :
X ( ) =

CXX ( )
CXX (0)

CXX ( )
.
2
X

7.3.5. Proprits pour les signaux rels

Les fonction dauto-corrlation et dauto-covariance ont les
proprits intressantes pour des processus alatoires rels.
De plus, en = 0, on a les relations nergtiques.
elles sont paires,
le maximum est atteint en = 0 :

7.2.2. Thorme de la limite centrale

Thorme 7.2.1 La distribution statistique dune somme de
n variables alatoires indpendantes, possdant la mme loi
tend asymptotiquement vers une distribution gaussienne quelle
que soit la distribution des termes individuels.

|CXX ( )| CXX (0)

|RXX ( )| RXX (0)
2
CXX (0) = X
,
2
RXX (0) = X
+ 2X .

7.4. Densit spectrale de puissance (DSP)

Pour un processus alatoire x(t), on ne peut pas calculer directement la transforme de Fourier, puisque x(t) ne peut pas
tre dcrit. Par consquent, on ne peut pas calculer directement sa DSP. On peut en revanche calculer sa fonction dautocorrlation par une moyenne statistique ou temporelle, et en
dduire sa DSP en appliquant le thorme ci-dessous.
7.4.1. Thorme de Wiener-Kintchine
Le thorme de Wiener-Kintchine tablit le lien entre la fonction dauto-corrlation et la DSP pour des signaux alatoires.
Thorme 7.4.1 La DSP dun processus alatoire stationnaire au sens large est le transforme de Fourier de sa fonction dauto-corrlation :
Z +
RXX ( ) exp(j2f )d.
SXX (f ) =

RXY ( ) = E[X(t)Y (t )] (cas stationnaire).

et dinter-covariance :
CXY (t1 , t2 ) = E[(X(t1 ) X )(Y (t2 ) Y )]
= RXY (t1 , t2 ) E[X(t1 ))E(Y (t2 )] (cas gnral),
CXY ( ) = E[(X(t) X )(Y (t ) Y )]
= RXY ( ) X Y (cas stationnaire).
7.5.2. Coefficient dinter-corrlation
Le coefficient dinter-corrlation est dfini par :
XY ( ) =

CXY ( )
X Y .

7.5.3. Densit inter-spectrale

La densit inter-spectrale de puissance est la transforme de
Fourier de la fonction dinter-corrlation :
SXY (f ) = F{RXY ( )}.

7.4.2. Consquence
Si on connat la DSP SXX (f ) dun processus alatoire x(t),
on peut dduire la fonction dauto-corrlation par transforme
de Fourier inverse :
Z +
SXX (f ) exp(j2f )df.
RXX ( ) =

On peut aussi lexprimer en fonction de lauto-covariance, car

RXX ( ) = CXX ( ) + 2X :
SXX (f ) = F{CXX ( )} + 2X (f ).
En = 0, on a :
RXX (0) = PX =

R +

SXX (f )df .

Si le processus est aussi ergodique, on a

R T /2
RXX (0) = limT T1 T /2 |x(t)|2 dt
R +
= SXX (f )df .
7.4.3. Bruit blanc
Dfinition 7.4.2 On appelle bruit blanc un processus alatoire b(t) dont la densit spectrale de puissance est constante,
f :
SBB (f ) = /2.
Par transforme de Fourier inverse, on dduit la fonction dautocorrlation dun bruit blanc b(t) :

7.5.4. Cohrence
XY (f ) =

|SXY (f )|2
SXX (f )SY Y (f ) .

La cohrence est proche de 1 si les signaux x(t) et y(t) sont

lis par une relation linaire (filtre). Dans le cas dune relation
non linaire ou en prsence dun bruit additif, la cohrence
devient trs infrieure 1.
8. FILTRES LINAIRES INVARIANTS
On considre un filtre de rponse impulsionnelle g(t) et en
frquence G(f ), dont les signaux dentre et de sortie sont
x(t) et y(t), respectivement.
Y (f ) = G(f )X(f ) = X(f )G(f ),
y(t) = (g x)(t) = (x g)(t).
Pour une cascade de filtres, on a g(t) = (g1 g2 . . . gn )(t)
ou, en frquence, G(f ) = G1 (f )G2 (f ) . . . Gn (f ).
8.1. Formule des interfrences
On considre deux filtres de rponses impulsionnelles g1 (t) et
g2 (t) et de rponses en frquence (TF) G1 (f ) et G2 (f ), dont
les signaux dentre sont x1 (t) et x2 (t), et de sortie y1 (t) et
y2 (t).
SY1 Y2 (f ) = SX1 X2 (f )G1 (f )G2 (f ).

RBB ( ) = F 1 {SXX (f )} = ( )/2.

8.2. Relation entre-sortie des DSP
7.5. Inter-corrlation et densit inter-spectrale
7.5.1. Inter-corrlation et inter-covariance
On dfinit les fonctions dinter-corrlation :
RXY (t1 , t2 ) = E[X(t1 )Y (t2 )] (cas gnral)

En consquence de la formule des interfrences, on a pour les

DSP :
SY Y (f ) = |G(f )|2 SXX (f ),
SY X (f ) = G(f )SXX (f ).

8.3. Relation entre-sortie entre corrlations

En consquence des formules entre DSP, par transforme de
Fourier inverse, on a pour les auto-corrlations :
RY Y ( ) = gg ( ) RXX ( ) pour des signaux alatoires, et
Y Y ( ) = gg ( ) XX ( ) si les signaux sont ergodiques, ou certains puissance moyenne finie ou
nergie finie (attention aux dfinitions de ).

9.2. Oprateur de moyenne temporelle

g(t) = rect((t T /2)/T ),
G(f ) = sinc(T f ) exp(jf T ),
y = G(0)X = X (moyenne),
gg ( ) = tri( /T )/T (auto-corrlation).
9.3. Oprateur de filtrage passe-bas idal
Le filtre causal de largeur de bande B ntant pas ralisable,
on dcale g(t) de t0 .

et pour les inter-corrlations :

RY X ( ) = g( ) RXX ( ), pour des signaux alatoires, et

G(f ) = rect[f /(2B)] exp(j2f t0 ),

avec |G(f )| = rect[f /(2B)] et (G(f )) = 2f t0 ,

Y X ( ) = g( )XX ( ) si les signaux sont ergodiques,

ou certains puissance moyenne finie ou nergie finie
(attention aux dfinitions de ).

g(t) = 2Bsinc[2B(t t0 )],

8.4. Statistiques en sortie dun oprateur de filtrage

On considre y(t) = (g x)(t). Les statistiques de y(t) suppos stationnaire et ergodique sont :
Y = X G(0) (moyenne),
PYR = RY Y (0)
= R RXX ( )gg ( )d
= SXX (f )|G(f )|2 df (moment dordre 2),

Y2 R=
=

gg ( ) = 2Bsinc[2B ] (auto-corrlation).
9.4. Oprateur de filtrage passe-bande idal
Le filtre causal de largeur de bande B, centr sur les frquences
f0 ntant pas ralisable, on dcale g(t) de t0 .
G(f ) =
rect[f /B] exp(j2f t0 ) [(f f0 ) + (f + f0 )],
avec |G(f )| = rect[f /(2B)] et (G(f )) = 2f t0 ,
g(t) = 2Bsinc[2B(t t0 )] cos(2f0 t),
gg ( ) = 2Bsinc[B ] cos(2f0 ) (auto-corrlation).

2X

CY Y (0) = PY
CXX ( )gg ( )d (variance)

SY X (f ) = G(f )SXX (f ) (auto-corrlation).

8.4.1. Filtre passe-bas sans perte
G(0) = 1 et la moyenne en sortie : Y = X .

10. FILTRE ADAPT

Problme : concevoir un filtre h(t) qui dtecte un signal x(t)
connu dans une observation bruite, x(t) + n(t), o n(t) est
un bruit de DSP SN N (f ), avec le meilleur rapport signal/bruit
au temps t0 . On note y(t) = (x + n) h(t) la sortie du filtre
h(t).
Le filtre optimal est le filtre adapt (au signal x(t)) :

8.4.2. Filtre passe-haut

G(0) = 0 et la moyenne en sortie Y = 0.
8.4.3. Signal dentre blanc, centr et de DSP /2
moyenne en sortie : Y = 0,
auto-corrlation de lentre : XX ( ) = ( )/2,
auto-corrlation en sortie : RY Y ( ) = gg ( )/2,
variance : Y2 = gg (0)/2.
9. AUTRES OPRATEURS

H(f ) = k

G(f ) = exp(j2f t0 ), soit |G(f )| = 1

et (G(f )) = 2f t0 (phase linaire),
gg ( ) = ( ) (auto-corrlation).

(1)

avec le rapport S/B :

 S 2
B

|X(f )|2
df.
SN N (f )

(2)

Dans le cas o le bruit n(t) est un bruit blanc de DSP gale

N0 :
H(f ) = k X (f ) exp(j2f t0 ),
(3)
ou, dans le domaine temporel :
h(t) = k x (t0 t),

9.1. Oprateur de retard t0

g(t) = (t t0 ),

X (f )
exp(j2f t0 ),
SN N (f )

(4)

avec le rapport S/B :

 S 2
B

1
N0

|X(f )|2 df.

(5)

Pour un signal x(t) rel, on a simplement h(t) = k x(t0 t).