Académique Documents
Professionnel Documents
Culture Documents
1 INTRODUCTION A L'LECTROTECHNIQUE
Il MATRIAUX DE L'LECTROTECHNIQUE
III LECTROMAGNTISME
IV THORIE DES RSEAUX DE KIRCHHOFF
V ANALYSE ET SYNTHSE DES SYSTMES LOGIQUES
VI THORIE ET TRAITEMENT DES SIGNAUX
VII DISPOSITIFS A SEMICONDUCTEUR
VIII LECTRONIQUE
IX LECTROMCANIQUE
X MACHINES LECTRIQUES
XI MACHINES SQUENTIELLES
XII NERGIE LECTRIQUE
XIII HYPERFRQUENCES
XIV CALCULATRICES
XV LECTRONIQUE DE PUISSANCE
XVI LECTRONIQUE DE RGLAGE ET DE COMMANDE
XVII SYSTMES DE MESURE
XVIII SYSTMES DE TLCOMMUNICATIONS
XIX FILTRES LECTRIQUES
XX TRAITEMENT NUMRIQUE DES SIGNAUX
XXI LECTROACOUSTIQUE
XXII HAUTE TENSION
INTRODUCTION
Gnralits
Elaboration, dtection, interprtation de signaux porteurs d'informations sont les
principaux objectifs du traitement des signaux. Cette discipline s'appuie essentiellement sur l'lectronique et l'informatique. Elle trouve son champ d'application dans
tOtiS les domaines concerns par la perception, la transmission et l'exploitation d'informations. Ce vaste champ s'tend des tlcommunications l'instrumentation scientifique, de l'automatisation industrielle au gnie biomdical, en passant par le traitement
d'images, la reconnaissance de formes, la robotique, l'intelligence artificielle ...
L'outil d'analyse et de synthse de systmes de traitement est la thorie du signal.
C'est un ensemble de concepts et de modles mathmatiques inspirs de l'analyse fonctionnelle, de l'algbre linaire et du calcul des probabilits.
Son point de dpart est le dveloppement orthogonal des fonctions, dont le cas
particulier le plus intressant est le modle de Fourier. 11 conduit aux concepts fconds
de dualit temps-frquence et de spectre frquentiel qui s'appliquent aussi bien l'tude des signaux dterministes que des signaux alatoires, continus ou chnntillonns,
moyennant l'introduction de la notion de corrlation et de modles statistiques appropris. Les concepts de signal analytique et d'enveloppe complexe gnralisent celui de
phase ur, introduit en lectrotechnique. Ils facilitent la reprsentation des signaux
bande troite et favorlsent le dveloppement d'une thorie de la modulation.
Le modle ut.lis en traitement des signaux est celui des schma-fonctionnels:
assemblages symboliques de blocs fonctionnels ralsant une tche lmentaire. Les
modles de ces blocs fonctionnels sont tablis en comparant leurs signaux d'entre et
de sortie. Il en rsulte un riche inventaire de proprits et de relations qui, combines,
permettent de dcrire ou de prdire le fonctionnement de systmes complexes. La recherche et l'valuation des performances de procdures efficaces de conversion, de dtection, de mesure, etc., de signaux s'en trouve facilite.
Le but de cet ouvrage est d'apporter l'ingnieur. ou tout autre scientifique
concern, les bases thoriques fondamentales ncessaires la comprhension ou l'utilisntion de cette discipline.
vi
Organisation de l'ouvrage
Ce livre est compos dp deux parties. L'ensemble des chapitres 1 7, complt
par les chapitres annexes 14 ct 15, forme la base d'une introduction gnrale la tl1orie du signal. Les chapitres 8 13 sont, eux, consacrs il la modlisa tion des principales
oprations fondamentales de traitement des signaux.
L'ouvrage dbute par une introduction gnrale sur la nature des signaux et l'volution des procds de traitement, suivie d'une classification des signaux. Les reprsentations mathmatiques des signaux dterministes et, en particulier, leur reprsentation spectrale, sont introduites aux chapitres 3 et 4. Les modles de signaux alatoires
sont reprsents au chapitre 5 et complts au chapitre 6 par l'tude du bruit de fond.
Les concepts de signal analytique et d'enveloppe complexe sont dvelopps au chapi
tre 7.
Le chapitre 8 prsente un essai d'tude systmatique des principaux oprateurs
fonctionnels rencontrs en traitement des signaux. Les chapitres 9 et 10 sont consacrs
l'tude des conditions d'chantillonnage et de reprsentation numrique.
Une thorie de la modulation faisant appel au modle de l'enveloppe complexe
est esquisse au chapitre 11. Les principes de l'analyse spectrale exprimentale sont
dcrits au chapitre 12. Enfin, thme central en traitement des signaux, les mthodes de
dtection ct d'estimation sont abordes au chapitre 13.
L'ouvrage est complt par deux annexes, dont l'une (chap. 14) est consacre
un rappel de thorie des probabilits et J'autre (chap. 15) contient un ensernble de tables de rfrences.
Objectifs pdagogiques
La matire runie dans cet ouvrage convient un enseignement d'environ 80
li 100 heures, rparti de prfrence sur une anne. Moyennant une certaine slection
des sujets abords, cette matire peut tre traite dans un temps plus rduit, si l'on se
borne un objectif de formation de base et non d'approfondissement.
De nombreux exemples et exercices son t proposs pour faciliter une tude individuelle.
La relation entre les concqpts abstraits de la thorie du signal et les potentialits
pratiques du traitement des signaux ne peut toutefois tre perue que moyennant des
travaux pratiques additionnels: laboratoires ou projets.
Conventions
Le Trait d'Electricit est compos de volumes (vol.) reprs par un chiffre romain (vol. V). Chaque volume est partag en chapitres (chap.) reprs par un nombre
arabe (chap. 2). Chaque chapitre est divis en sections (sect.) repres par deux nombres arabes spars par un point (sect. 2.3). Chaque section est divise en pan:lgraphes
() reprs par trois nombres arabes spars par deux points ( 2.3.11 ). Les rfrences internes stipulent le volume 1 le chapitre. la section ou Je paragraphe du Trait auquel
on renvoie. Dans le cas de la rfrence une partie du mme volume, on omet le numro de celui-ci.
Les rfrences bibliographiques sont numrotes contnlment par volume et repres par un seul nombre arabe entre crochets [33].
Un terme appara]t en italique maigre la premire fois qu'il est dfini dans le texte.
Un passage important est mis en vidence lorsqu'il est compos en italique gras.
Un pamgraphe dlicat ou compliqu est marqu par le signe !fil prcdant son repre nLlmriquc~ dans les exercices. cc mme signe peut galement annoncer des calculs
longs et fastidieux. Un paragraphe qui n'est pas indispensable la comprhension de ce
qui suit est marqu par le signe 0 prcdant son repre numrique.
Les quations hors texte sont numrotes continment par chapitre et repres
par deux nombres arabes placs entre parenthses et spars par un point (3.14): une
quation est mise en vidence par son numro imprim en caractre gras. Les figures
et tableaux sont numrots continment par chapitre et reprs par deux nombres arabes prcds de Fig. (Fig. 4.12) ou Tableau (Tableau 4.13).
CHAPITRE 1
CHAPITRE 2
CHAPITRE 3
CHAPITRE 4
CHAPITRE 5
INTRODUCTION. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
SIGNAL ET INFORMATION
1.1 Thorie du signal et de l'information. . . . . . . . . . . . . .
1.2 Traitement des signaux. . . . . . . . . . . . . . . . . . . . . . .
1.3 Notations particulires. . . . . . . . . . . . . . . . . . . . . . .
1.4 Exercices................................
1
9
15
25
27
28
33
35
37
40
41
49
52
57
66
SIGNAUX DTERMINISTES
4.1 Rappel sur ]a transformation intgrale de Fourier
4.2 Signaux nergie finie. . . . . . . . . . . . . . . . . . . . . . .
4.3 Signaux puissance finie. . . . . . . . . . . . . . . . . . . . . .
4.4 Cas particulier des signaux priodiques . . . . . . . . . . . .
4.5 Reprsentations spectrales bilatrales et unilatrales. . ..
4.6 Exercices................................
69
73
89
94
105
107
SIGNAUX ALATOIRES
5.1 Modle statistique: processus alatoire. . . . . . . . . . . ..
5.2 Fonctions d'autocorrlation et d'autocovariance . . . . ..
5.3 Densit spectrale de puissance . . . . . . . . . . . . . . . . ..
1l l
125
] 33
5.4
CHAPITRE 6
CHAPITRE 7
CHAPITRE 8
159
162
163
166
BRUIT DE FOND
6.1 Sources de bruit
6.2 Bruit thermique . . . . . . . . . . . . . . . . , . , ...... .
6.3 Brut de grenaille . . . . . . . . . . . . . . . . . . . . . , , ...
6,4
Bruit additionnel de basse frquence (en l/f) . . . . . . .
6.5 Autres sources de bruit . . . . . . . . . . . . . . . . . . . . . .
6.6 Facteur de bruit d'un systme linare ..... , ......
6.7 Gnrateurs de bruit . . . . . . . . . . . . . . . . . . . . . . .
6.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
171
173
179
183
184
185
190
191
.
.
.
.
.
.
.
.
.
144
147
151
153
]93
196
:200
208
218
:2:25
227
230
249
255
268
273
275
281
292
301
307
310
CHAPITRE 9
CHAPITRE
xi
] 0.3
10.4
10.5
10.6
CHAPITRE 11
CHAPITRE 12
CHAPITRE 13
CHAPITRE 14
CHAPITRE 15
Quan tification . , . . . . . . . . . . . . .
Codage binaire . . . . . . . . . . . . . . .
Acquisition de donnes . . . . . . . . . .
Exercices. . . . . . . . . . . . . . . . . . .
.
.
,
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
..
..
314
324
327
332
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
..
..
..
..
333
336
349
362
365
367
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
..
..
..
371
387
392
397
408
DTECTION ET ESTIMATION
13.1 Estimation de paramtres. . . . . . . . . . .
13.2 Comparaison de signaux. . . . . . . . . . . .
13.3 Elments de thorie de la dcision . . . . .
13.4 Dtection de signaux de formes connues.
13.5 Exercices... . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
..
..
..
409
430
441
453
460
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
..
..
465
466
474
478
487
492
493
497
500
501
502
504
508
xii
511
BIBLIOGRAPHIE. . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
515
533
. ....... , . . . . . . .
GLOSSAIRE . . . . . . . . . . , ..... , . . . . . . . . . ..
....
543
CHAPITRE 1
SIGNAL ET INFORMATION
La thorie et le traitement des sgnalLx est une discipline appartenant au deuxime domaine, auquel eUe apporte la fois des bases thoriques fondamentales et des
teclmiques particulires.
Son influence dborde toutefois aussi sur les teclmiques de l'nergie, dans la mesure o l'on y rencontre de nombreux phnomnes (fluctuations de charge d'un rseau
lectrique, vibrations d'une machine tournante, variations transitoires du courant d'excitation d'un moteur lectrique, perturbations lectromagntiques, etc.) qui peuvent
tre tudis avec les mmes outils thoriques ou exprimentaux que ceux utiliss pour
les signaux informationnels.
En fait, la thorie et le traitement des signaux intresse tous les secteurs techniques et scientifiques dans lesquels l'information est perue par l'intenndiaire d'observations exprimentales de grandeurs mesurables.
Ces deux termes-cIefs : perception et traitement, indiquent pourquoi cette discipline s'est avant tout dveloppe en relation avec les applications de l'lectricit et
plus particulirement celles de la mtrologie, responsable de la perception, des tlcommunications et de l'informatique, chargs du traitement.
La mtrologie (vol. XVII) fournit les capteurs qui traduisent pratiquement n'importe quel phnomne physique en une grandeur lectrique facilement amplifie, filtre, conditionne, code, etc., par des dispositifs lectroniques appropris (vol. VIII).
Les circuits de tlcommunications (vol. XVIII) acheminent le signal lectrique ainsi
cr vers son destinataire. L'informatique (vol. XIV), grce son nonne puissance de
calcul, permet d'effectuer des tches complexes de manipulations et d'interprtation
de l'information vhicule par le signal (traitement numrique: vol. XX).
L'universalit de la thorie et du traitement des signaux est atteste par la diversit des secteurs d'application: industriels, scientifiques, biomdicaux, militaires, spatiaux, etc.
SIGNAL ET INFORMATION
(1.1)
Px/Pu
= 10 log 10 ~
dB
(1.2)
des charges) ou l'utilisation (mode d'emploi) de ces dispositifs. C'est ainsi que l'on
peut tablir les rgles respecter pour passer d'un signal analogique un signal numrique (chap. 9 et 10). Elle permet aussi de dterminer et de tenir compte des limites
de fonctionnement imposes par la prsence de perturbations alatoires telles que le
brut de fond (chap. 6).
Son outil de base est le dveloppement en srie de fonctions orthogonales (sect.
3.3) dont le cas particulier le plus intressant est celui de Fourier ( 3.4.7). Sa forme
la plus gnrale (chap. IV.7.3) est connue sous le nom de transfornze de Fourier [22],
dont les principales proprits sont rappeles au chapitre 4. Avec les notations usuelles en traitement des signaux ( 4.1.3), la transforme de Fourier d'un signal temporel
x(t) est une fonction de la frquence f dfmie par la relation intgrale
""
X(f)
(1.3)
-~""
Elle introduit le principe fcond de dualit entre l'espace temps et l'espace frquence.
Ceci conduit la notion de spectre: rpartition d'une grandeur caractristique d'un
signal (amplitude, nergie, puissance) en fonction de la frquence. La technique de
l'analyse spectrale (chap. 12) en est l'application pratique directe.
Applicable galement l'tude des signaux alatoires (chap. 5), grce au dveloppement de modles statistiques appropris, ce concept d'une extrme richesse permet
d'aborder un niveau d'abstraction lev l'tude de procdures complexes de traitement des signaux.
L'introduction des modles de signal analytiques et d'enveloppe complexe (chap. 7)
facilite la reprsentation des signaux bande troite et favorise le dveloppement
1
1
1
1
1
1
1
1
1
Analyse spectrale
1
1
Dtection et estimation
1
1
1
Codage de voie
(dlectioll Cl correction de, erreuu)
________
--I1
Cryptographie
(commllllicati()n~
confientielles)
Aspects abords dans cet ouvr:lge _.._ _-1..1- _.... Non trait dans cet ouvrage
Fig. 1.1
SIGNAL ET INFORMATION
30% -
64 115
image i(x, y)
1,,")', t.II ~
o
1if>,),!,
,1
o
o
o
o
o
o
o
a
a
a
a
Fig. 1.2
SIGNAL ET INFOnMATION
Le deuxime cas est celui des signaux bidimensionnels. Ce sont gnralement des
fonctions de coordonnes spatiales."'I: et y que l'on nomme plus couramment: images.
Le dernier cas) enfin, correspond par exemple une succession d'images de tlvision ou de cinma o le temps rapparat comme troisime variable.
Les signaux d'entre et de sortie d'un systme (fig. 1.3) sont souvent nots, par
convention, x(t) et y(t), respectivement. Par exemple, y(t) =x\t) dsigne la sortie
d'un dispositif non linaire quadrateur dont la caractristique est dfinie par y =x 2
:c(t)
..
)' Ct)
systme
Fig. 1.3
fI (x)
(lA)
dt
DO
Jx (t)g(t)dt
2
12 (x) =
(l.5)
-DO
\!II)
y(t)
x(t)*g(t)
J x(r)g(t
(1.6)
T)dr
-"'"
.. produit scalaire (valu sur l'intervalJe T)
<X,y*
>
= fX(t)y*(t)dt
(1.7 )
.. valeur chantillonne
J :dt)5(r-'o)dt
QO
X( to )
(1.8 )
-OCl
[(u,v)
= ff
+ l'y)]
( 1.9)
dxdy
x(t)
g(t)
________-+L-____________________________
~~
___ __
o
x(t)g(t)
o
fI (X) :::;; vuleur intgrale = somme algbrique des surfuccs
Fig. 1.4
A x (t) ou x ( T )
1 ou T
tau
..
= somme
algbrique
des surfaces
T
Fig. 1.5
SIGNAL ET INFORMATION
1.2
1.2.1 Dfinition
La description mathmatique - ou modlisation - des signaux est le rle de la
thorie du signal, ainsi qu'on l'a relev au paragraphe 1.1.7.
Le traitement des signaux est la discipline tecl1Ique qui, s'appuyant sur les
enseignements de la thorie du signal et de l'information, les ressources de l'lectronique, de l'informatique et de la physique applique, a pour objet l'laboration ou l'interprtation des signaux porteurs d'information. Elle trouve son champ d'application
dans tous les domaines concerns par la perception, la transmission ou l'exploitation
de ces informations (fig. 1.6).
RESSOURCES SCIENTIFIQUES
Thoric des
processus alatoires
Electricil
genrale
Algbre linaire et
analyse ronctionnellc
~~~
THr.:ORlE DU SIGNAL ET DE L'INFORMATION
RESSOURCES TECHNOLOGIQUES
Techniques lectroniques
Informatique
Physique applique
~~~
TRAITEMENT DES SIGNAUX
Gophysique
Seismologie
Astronomie
Radar, sonar
Acoustique
etc ...
Fig. 1.6
1.2.2 Description
Les relations de l'homme avec son milieu naturel ou avec les systmes teclmiques qu 7 il construit se caractrisent par un intense change d'informations.
L'observation (mesure) de phnomnes physiques oule dialogue (communication) entre hommes, entre l'homme et la machine, ou entre les machines eUes-mmes,
se font l'aide de signaux (fonctions du temps) ou d'impressions visuelles (images)
10
dont la nature est complexe et peut tre masque par des perturbations indsirables
(bruit de fond, parasites, interfrences).
L'extraction des informations utiles incorpores ces signaux (par al1:Jlyse, filtrage, rgnration, mesure, dtection, identification) et la prsentation des rsultats
sous une forme approprie l'homme ou la machine constitue l'une des tches essentielles dvolues au traitement des signaux (fig. 1.7). A cel, on peut ajouter l'laboration des signaux permettant l'tude du comportement des systmes physiques ou servant de support pour la transmission ou le stockage d'informations (synthse, modulation et changement de frquence, codage pour lutter contre le bruit ou rduire la
redondance) .
Elaboration des :;gnaux
Incorpora 1ion
d'informations
Extraction
d'informations
Par l'analyse, on cherche isoler les composantes essentielles d'un signal de forme
complexe, afin d'en mieux comprendre la nature et les origines. Jl;Jesurer un signal, en
particulier alatoire, c'est essayer d'estimer la valeur d'une grandeur caractristique qui
lui est associe avec un certain degr de confiance. Le filtrage est une fonction bien
connue qui consiste limier d'un signal certalnes composantes indsirables. La rgnratioll est une opration par laquelle on tente de redonner sa forme initiale un signal
ayant subi diverses distorsions. Par une procdure de dtection, on tente d'extraire un
signal utile du bruit de fond qui lui est superpos, L'identification est un procd souvent complmentaire qui permet d'effectuer un classement du signal observ. Les techniques de corrlation dont il sera fait mention plus Join sont souvent utilises cet effet.
La synthse, opration inverse de l'analyse, consiste crer un signal de forme
approprie en procdant, par exemple, une combinaison de signaux lmentaires. Le
codage, outre sa fonction de traduction en langage numrique, est utilis soit pour lutter
contre le bruit de fond, soit pour tenter de raliser des conomies de largeur de bande
SIGNAL ET INFORMATION
11
1.2.3 Commentaire
La notion d'information utile mentionne plus haut est troitement lie au contexte. Pour une communication tlphonique, elle est essentiellement associe l'intelligibilit des messages parls changs. Dans le cas d'une observation en radio-astronomie, elle est reprsente par la frquence et l'amplitude de l'mission priodique
d'un rayonnement lectromagntique. En gophysique, ce sont plutt les paramtres
statistiques du signal peru quj sont interprtables. En technique radar Doppler,l'information utile est, d'une part, la dure entre l'mission d'une impulsion sinusodale
et la rception de son cho renvoy par une cible et, d'autre part, l'cart de frquence
mesur entre l'onde mise et l'onde reue. On estime de cette manire la distance de
l'metteur la cible et la vitesse radiale de celle-ci.
1.2,4 langage du traitement des signaux
Au plus haut niveau, le langage du traitement des signaux est celui des schmablocs, galement familier du spcialiste du rglage automatique et de la thorie des
systmes en gnral laquelle le traitement des signaux est apparent.
Un schma-bloc est un assemblage symbolique, reprsent sous forme graphique,
de blocs fonctionnels, en principe indpendants, ralisant une fonction donne. L'exemple de la figure 1. 8 illustre le principe d'un analyseur de spectre balayage (dcrit
la section 12.3).
Fig. 1.8
Le comportement thorique de chaque bloc peut tre dcrit par une ou un ensemble de relations mathmatiques. Les oprateurs fonctionnels dvelopps au chapitre
8 servent de modles aux blocs qui produjsent un signal de sortie dpendant d'une ou
plusieurs excitations d'entre.
1.2.5 Exemple et dfinitions: apport de la thorie des systmes linaires
On sait (chap. IV.2) que le signal de sortiey(t) d'un systme linaire causal
invariant dans le temps est donn par le produit de convolution (1.6) du signal d'entre x (t) et d'une fonction g(t) appele rponse impulsiomlle du systme:
Jx(r)g(t- r)dr
(1.10)
12
y(t) == x(t,T)
r x( r) dT
(1.11)
T r:"T
x(r)
g(to-r)
lIT
T
to -T
fO
T
x(r)g(to -T)
o
Fig. 1.9
13
SIGNAL ET INFORMATION
Un autre exemple simple est celui du filtrage passe-bas effectu par un circuit
intgrateur RC du 1er ordre dont la rponse impulsionnelle vaut
g(t) :=: (RC) 1 exp [- tl (RC)] pour f ~ 0 et zro pour t < 0 :
L
t
-=
y(1)
Re
x(r)exp [-(t
T)j(RC)] dT
(1.12)
C'est une moyenne pondre des valeurs passes et prsente du signal x (t),dans
laquelle le circuit introduit un oubli progressif (une illustration en est donne la
figure 1.5).
A la convolution (1.10) correspond dans le domaine frquentiel une simple
multiplication de la transforme de Fourier (1.3) du signal d'entrex(t) et de celle
de la rponse impulsionnelle g(t) qui n'est autre que lafonction de rponse frquentielle (ou isomorphe, cf. IV.2.I.12, souvent aussi dnomme fonction de trallsfert
dans la littrature internationale) du systme:
(1.13 )
X(f) G(f)
Y(f)
x(t)
* g(t)
= g(t)
* x(t)
* g 1 (t)] * g 2 (t)
(1.14)
* [g 1 (t)
'" g 2 (t) ]
(1.15)
(1.16)
(1.18 )
o G (u ,l') est la fonction de rpollse frquen tielle blinwllsionl7elle du systme correspondant.
14
ou logicielle:
lectronique analogique:
Il lectronique numrique cble (logique spcialise);
., lectronique numrique programme (processeur universe1 ou il architecture
spciale);
autre technologie.
L'volution de la technologie (microlectronique, mcroacoustique ou optique)
favorise l'apparition de ce que l'on conviendra d'appeler des processeurs spcialiss
- analogiques ou numriques - capables de traiter rupidement et conomiquement une
quantit croissante d'informations. Cette tendance actuelle, attise par des besoins
nouveaux, conduit un largissement constant des domaines d'application des mthodes de traitement des signaux.
Si le traitement analogique des signaux a beaucoup bnfici du dveloppement
des circuits lectroniques intgrs, c'est surtout dans Je domaine du traitement numrique que l'volution la plus spectacu1aire a t enregistre. Simultanment, des algoritlunes de calcul puissants (tels que la transformation de Fourier rapide) on t vu le
jour, qui tendent peu peu donner au traitement numrique une prdominance
indiscutable, sauf dans le domaine des trs hautes frquences.
En plus des circuits lectroniques conventionnels, prsents dans le volume VIII
et des calculatrices et systmes programmables dcrits dans le volume XIV, la physique
applique met disposition du traitement des signaux d'autres outils, moins universels,
mais plus performants pour certains types d'applications.
C'est le cas des circuits il transfert de charges ou capacits commutes, constitus par un assemblage intgr de condensateurs et d'interrupteurs lectroniques, et
celui des dispositifs onde de surface (en anglais: surface acoustic wave devices ou
SAW), qui exploitent la vitesse limite de propagation d'ondes lastiques il la surface
de certains matriaux pizo-lectriques. Le principe de ce dernier type de dispositifs
est illustr par la figure 1.] O. Ils son t utiliss principalement dans les installations radar
et de tlvision.
lectrodes
solide pizo-ledriquc
Fig. 1.10 Prindpc du transducteur interdigital (lOT): les lectrodes dpo~cs sur un substrat pizolectrique transforment le signal en une onde lastique qui parvient avec des retards dfinis il un rseau
d'lectrodes de dimensions variables ralisant une sommation pondre (convolution).
15
SIGNAL ET INFORMATION
source lumineuse
cohrente
-t
<E-:~
.. ~
i::!, (X,y)
Fig. l.11 Principe du traitement optique: si une image de tran~mittance varable il (x,y) c.,;t place
dans le plan focal frontal Pl de la len tille LI et 11lumine en lumire cohrente, ln di!,tribu tion de
lumire dans le plan focal Pl est proportionnelle la transforme de Fourier Il (u, Il) de l'image. En
plaant en Pl un filtre optique de fonctlon de transfert G(u,v), on obtient cn Pl la convolution
; l (x.y) de l'image orignale ct de la rponse impulsionnellc g (x,Y) du filtre.
L'optique intgre est une conqute rcente de l'optolectronique qui offre galement des possibilits de ralisations intressantes de dispositifs de traitement des signaux applicables surtout aux tlcommunications et la mtrologie.
1.3
NOTATIONS PARTICULIRES
1.3.1 Prambule
Afm d'allger les formules mathmatiques dcrivant certains signaux, fonctions
ou oprateurs frquemment rencontrs en thorie du signal, il est avantageux de les
dnoter d'une manire simple et concise.
Certaines de ces notations mentionnes ci-aprs sont usuelles en 'mathmatiques.
Les autres sont moins conventionnelles [Il, 23] et font l'objet de notations variables
selon les auteurs.
<
>
sgn ( t)
III
0
0
pour t ::/= 0
(1.19)
La valeur l'origine est en principe arbitraire, situe entre 1. Par souci de symtrie, on admettra, sauf cas particulier, que cette valeur est nulle par convention.
16
sgn(t)
a
--------t - 1
Fig. 1.12
<
>
( L20)
Fig. 1.13
rU)
E( T) dT
= t e(t)
(1.21)
= dr(t)jdt
pour t
'* 0
(1.22)
a
Fig. 1.14
17
SIGNAL ET INFORMATION
~ EU' + 1/2 ) -
rect (t')
n ~
E(t' - 1 /
l~
1f '1
It'I
< 1/ '}.
> 1 1~
(1.23)
o le signe prime indique une J1ariable adimellsiollllelle. La valeur conventionnelle assigne aux abscisses t' :::: \6 est Y.!..
rcct(t/)
surface unit
t/
Fig. l.IS
(1.24 )
=A
x(t)
rect[(t-T)/Tj
surface A T
T -
TI2
+ T/2
L __
Fig. 1.16
1.3.6 Application
Outre sa capacit de reprsenter simplement des signaux de forme rectangulaire,
la fonction rectangulaire intervient frquemment comme facteur multiplicatif pour
localiser un segment de dure T d'un signal quelconque (fig. 1.17). Par exemple
( 1.25)
Jx(t)g)(t)dt
Tf2
OC>
x(T)::::
-ca
r x(t)dt
Tf2
OC>
Jx
(t) g2(t) dt
Jx
J x 2(t)dt
(1.27 )
-T12
-<XI
Px(T) =
( 1.26)
-f/2
D2
2
(t)gl(t)dl::::
-'1'/2
x2(t)dt
( 1.28)
18
x{t)
1(1,
n = x(t) reelU/Tl
x:z(t, T)
= :c(t)
rcct[U-T/2)/Tl
a
Fig. 1.17
x( t, T) = x( t)
* g 3 (t)
f x( T) dT
( 1.29)
t-T
La valeur moyenne x du signal, mesure sur tout l'axe rel, est la limite de (1.26)
T/2
lm
T- ....
x(t)dt
(1.30 )
-T/2
La racine carre de (1.28) est par dfinition la l'aleul' efficace du signal sur J'intervalle T
(1.31)
tri(t ) =
ll-ll
o
It'I ~
It'I > 1
(1.32)
= rect(t') * rect(t')
(L33)
19
SIGNAL ET INFORMATION
tri (l' )
surface unit
f'
-1
Fig. 1.18
l
)IT]
(1.34 )
x(t) =
ri tri[(r-r)JTJ
'1 T
Fig. 1. [9
x(O) =
<
x,5
I x(t)8(t) dt
> =
( 1.35)
-DQ
En d'autres termes, l'impulsion de Dirac (t) est un oprateur d'chantillonliage qui restitue la valeur x (0) d'une fonction x (t) continue l'origine. Sa dimension
est par cOllsquent /,im'erse de celle de la l'ariable d'intgratioll. D'une manire plus
gnrale, pour toute fonction x (t) continue en t = t o, on a
Jx(t)(/-fo)dt
<Xl
x(to) =
( 1.36)
= 1, on obtient
1 (t)dt = 1
( 1.37)
avec
t
o( 7) dT
t
e(t)
<
>
0
0
(1.38 )
( 1.39)
20
( 1.40)
dt
1.3.9 Interprtation
L'expression (1.36) correspond la limite, prise pour T -'1- 0, de la valeur moyen
ne localex(to,T) dex(t), mesure sur un intervalle Tcentr en t to
lim x(to,T)
x( to)
(1A1)
1'-0
to+ TIl
""
1 .
(1.42)
o
( 1.43)
--, ,
' .......0 _.-/
10 -
TI:'
10
10
+ TI2
Fig. 1.20
oCt) =
1
lim rcct(t/T)
T-O T
impul~
(1.44 )
= x(O) 5(t).
x (t) 5 (t - t 0)
= x (t 0) b Ct - t 0)
(l.45)
( 1.46)
11
SIGNAL ET INFORMATION
Fig. 1.2 t
identit
x(t)
* o(t) = x(t)
(1.47 )
translation
x (t)
* 0 (t -
(0) =
x (t -
(1.48)
(0)
-(2)
( 1.49)
-(2)
( 1.50)
changement de variable
o(a ( )
1a 1- 1 a(t )
(1.51 )
avec en particulier, si w
= 1rrf
o (w)
( 1.52)
o(f)
1rr
La rponse indicielle 'Y(t) d'un systme linaire est la rponse une excitation
en forme de saut unit (1.20). Compte tenu de la relation (1.39), les rponses indi
cielles et impulsionnelles sont lies par
w
'YU)
Jg( T) dT
(1.53 )
22
(1.54 )
o(t -kT)
k=-or:>
t
2T
-T
:. T
3T
4T
ST
6T
7T
Fig. 1.22
k=
x(kT)8(t-kT)
( 1.55)
_1OCl
l
k= -
x( t - kT)
(1.56 )
ro
* 0T(t)
(l.57)
= tri(t/T 1 )
Tl
Fig. 1.23
SIGNAL ET
23
INI~OItMATION
sin ( ira:
(1.58)
1fa
Elle vaut un l'origine, est paire et ses zros sont les valeurs entires de a diffrentes
de zro (fig. 1.24). Une tabulation de cette fonction et de son carr est reproduite en
annexe au chapitre 15.
sinc( Il')
-s
Fig. 1.24
sinus~
on obtient pour
( 1.59)
sinc(a)
(1.60 )
sine ( 0:) da = 1
(1.61)
et, en posant a = Ti: ce qui revient localiser les zros de ]a fonction aux multiples
entiers non nuls def= 1/ T:
""
S Tsinc(Tf)df =
(1.62 )
JT
( 1.63)
sine 2 ( Tf) df = 1
lim
Tsinc(TJ) = lim
T-+- co
(1.64)
24
L'intgrale du sinus cardinal (fig. 1.25) est simplement lie au sinus intgral
u'=u;rr
Il
j si~x
.\:
Sj(u) =
-'
dx
11'
l
o
;r-l
- 51T -41T
-5
(1.65 )
sinc(a) da
Si(u)
- 31T
-.)
--3
Il'
Fig. 1.25
nt ,1.
~ )
(1.66)
En posant t' = tlT, o T est une mesure de 1'talement de l'impulsion sur l'axe t
lie la notion d'ecart-(\'pe Ut utilise en statistique par la relation T =y'lrr Ut, on
obtient du fait de la normalisation
00
ig(t')dt'
-1
ig(tjT)d t
( 1.67)
o(t)
(1.68 )
d'o aussi
lim TT-O
ig(t/T)
;.(1')
t'
-1
Fig. 1.26
25
SIGNAL ET INFORMA TI ON
1.4 EXERCICES
1.4.1 Calculer l'intgrale pour - 00 < t < 00 des fonctions x 1 (t) A rect(tILl) et
YI (t) A tri(tILl) et les valeurs moyennes.Y" et)' des signauxx2(t) = rePT {XI{t)}
et .1'2 (t) ;::: repT {l, 1 (t)}.
1.4.2 Donnerl'expression du signaIx(t) A rect[(t to - T/'2)/T] l'aide de fonctions signes seulement. Justifier graphiquement la solution trouve.
1.4.3 Calculer et esquisser graphiquement pour les cas t 0
convolution Zj(t) Xj(t) * )';(t) pour les cas suivants:
fi
x J Ct)
J'tU)
=A [0 (t + t 0) + 0 (t -
t 0)] et
Bo(t)+~B[o(t+td+o(t-tl)];
x2 (t)
cos(rrtIT) rect(t/T) et
Y2(t) =AoT(l)
et To = 11/0-
!Xl
x(t)
=I
ai o(t-iT)
1'=0
et
y( t ) = .
J= 0
bi 0( t - jT)
1.4.7 Calculer la valeur moyenne (1.26), la valeur quadratique (1.27), la valeur quadratique moyenne (1.28) et la valeur efficace (1.31) du signal x(t) =A triCt/T) sur
l'intervalle Tl
T, T].
CHAPITRE 2
2.1
2.1.3 Exemples
Un signal sinusodal est reprsent par une fonction dfinie sur tout l'a..x.e rel:
son nergie thorique est donc infmie.
Le modle usuel de signaux perturbateurs appels bruit de fond (chap. 6) admet
la possibilit, bien qu'avec une probabilit tendant vers zro, d'amplitudes infmies.
Les changement d'tats de signaux logiques binaires sont gnralement reprsents par de simples discontinuits.
Une excitation de type percussionnel est symbolise par ]a distribution de Dirac
o(t).
28
2.2.1 Dfinitions
la premire classification (tableau 2.1) est obtenue en considrant la nature
profonde de l'volution du signal en fonction du temps. Elle fait apparatre deux types
fondamentaux de signaux:
les signaux dterministes (ou certains, ou encore non alatoires [57]) dont
l'volution en fonction du temps peut tre parfaitement prdite par un modle mathmatique appropri;
Tableau 2.1
29
k entier
(2.1 )
x(t) = A sin
Asin
T(t +
:!Tf
+~ )
(2.2)
T) ]
A sin
priode T
Fig. 2.2
30
x(t }
priode T
== sin (21l't/Td
A sin (
~rr 1 +
lm
1A exp [j (~rr 1 + )1
Q
(2.3)
=-
exp (jwt)
A
-
exp( - jwt)
(2.4)
31
x(r) :: rcct
r-(U+b)/2]
b-a
lIa
z(' )
,-(rI +,~
r,!
)/2]
l)
Fig. 2.5 Signaux transitoires: x (t) = impulsion rectangulaire; y (t) = impulsion exponentielle
dcroissante; z (t) = impulsion sinusoldlc.
Re
Fig. 2.6
32
catgo~
y(t)
tr pusse-bas.
y(t)
y (t)
=signal fil-
33
2.2.6 Commentaire
Un signal alatoire comportement transitoire est non stationnaire.
Le concept de stationnarit est, comme le caractre permanent associ aux signaux priodiques, une abstraction commode. Il est prcieux dans ]a mesure o l'on
peut souvent considrer, en pratique, qu'un signal est stationnaire pe1ldant la dure
d 'ob sen'otio n .
La premire catgorie comprend tous les signaux de type transitoire, qu'ils soient
dterministes ou alatoires. La deuxime catgorie englobe presque tous les signaux
priodiques, quasi-priodiques et les signaux alatoires permanents.
Certains signaux thoriques n'appartiennent aucune de ces deux catgories:
c'est le cas par exemple de x(t) = exp(at) pour - co < t < 00,
L'abstraction mathmatique commode qu'est l'impulsion de Dirac 0 (t) n'est
pas classable non plus dans ce contexte, pas plus que la suite priodique d'impulsions
de Dirac 0 T ( t ) .
p(t)
= u(t)
t(t)
W = V-A
(2.5)
pU)
W(t 1 ,t2
= S p(t)dt
il
(2.6)
!2
t2
(2.7)
tJ
R
(2.8)
34
Par analogie, on appelle respectivement nergie (normalise) et puissance moyenne (normalise) d'un signal rel x(t), calcules sur un intervalle [tI,(2 ], les valeur qua'
dratique (1.27) et valeur quadratique moyenne (1.28) suivantes:
h
f -x 2U )dt
WA '1 J2 )
(2.9)
f}
C2
Px (tb t 2 )
tl
t2
f x 2(t)dt
(2.10)
ri
La racine carre de (2.10) est la valeur efficace (1.31). C'est la mme dfInition
que celle introduite pour les grandeurs priodiques ( 1.8.2.11 ), mais tendue des
signaux de forme quelconque.
La puissance moyenne normalise possde donc une dimension gale au carr de
celle de x (t). En multipliant encore par l'unit de temps, on obtient la dimension de
l'nergie normalise. Six(t) est une tension ou un courant lectrique, (2.9) et (2.10)
correspondent l'nergie et la puissance dissipes par une rsistance de 1 Ohm.
L'nergie totale et la puissance moyenne totale d'un signal sont obtenues en considrant un intervalle s'tendant tout l'axe rel. Les relations (2.9) et (2.10) sont
alors modifies comme suit:
Wx
Tx2(t)dt
(2.11 )
ca
TI2
Px = lim
T-Io
<Xl
x (t)dt
(2.12)
-T12
La puissance moyenne totale est dfInie comme une valeur principale de Cauchy.
Pour les signaux priodiques, la puissance moyenne totale (2.12) est gale la puissan
ce moyenne sur une priode.
Si le signal est reprsent par une fonction complexe de la variable relle t, on
remplace dans (2.11) et (2.12) X2(t) par Ix(t)1 2
f Ix(t)1
dt
<
(2.13)
co
0<
lim
T_cc
T/2
J Ix(t)1
-T12
2dt
<
00
(2.14 )
35
2.3.5 Commentaires
2
La fonction x (t) correspond une distribution de l'nergie du signal en fonction du temps. La puissance moyenne Px(T) est, en d'autres termes, la distribution
moyenne de l'nergie sur l'intervalle T choisi.
L'examen des conditions (2.13) et (2.14) montre clairement qu'un signal
puissance moyenne fmie non nulle possde une nergie infInie et qu'un signal nergie
fm.ie possde une puissance moyenne nulle. Bien videmment, seul ce dernier est physi
quement ralisable.
AmpHtude
Discrte
Continue
x(t)
::1
81
l&.
Er-+-------------------------~----------------------~
t:!
o
Fig. 2.9
36
37
(2.15)
avec 0
</2 , o Il et 12 sont des frquences caractristiques dnotant respectivement les limites infrieure et suprieure prises en compte. On parle ainsi couramment
de
fI
= 0 ou proche de zro
f
- 12
fl
Fig. 2.10
cllx(f)
l \--- 1 mz=\ ~
- Il
- fI
Fig. 2.11
fI
f2
38
f
Bi
-fl
-fla fi
Fig. 2.13
Un signal dont le spectre est nul en dehors d'une bande de frquence spcifie B
<Px (j) = 0
\7' Ifl
$. B
(2.16)
$. T
(2.17)
Ix(t)l
K pour - 0 0
<t <
00
(2.18)
= x(-t)
(2.19)
x(-t)
(2.20)
2.5.5 Application
Tout signal rel peut tre dcompos en une partie paire et une partie impaire
(fig. 2.14)
(2.21)
39
avec
xp(t)
(2.22)
(t)
!h[X(t) - X(-t)]
(2.23 )
Xi
x(1)
Fig. 2.14
<
(2.24)
En tenant compte de (2.21), on voit qu~un signal rel causal est tel que (fig.
2.15)
(2.25)
2.5.7 Commentaire
Exprimentalement, tous les signaux sont causals, c'est--dire commencent en un
instant t = O. C'est par commodit thorique que l'on dfmit gnralement les signaux
sur la totalit de l'axe des temps.
Le principe de causalit a dj t trait dans le volume IV, o il est associ au
caractre physiquement ralisable d~un systme linaire: la rponse impulsionnelle
d'un tel systme est une fonction causale.
40
x(t)
Fig. 2.15
2.6 EXERCICES
2.6.1 Les signaux suivants sontHs nergie finie, puissance moyenne finie, ou ni l'un,
ni l'autre? Calculer dans chaque cas l'nergie totale et la puissance moyenne totale (a> 0).
A rect(tIT);A sin wt; A sin wt . e(t); e(t); t ( t);A exp ( - at) . e(t);
A exp(-at);A tr(tIT).
2.6.3 Dterminer les parties paire et impaire du signaI x (t) = A sin (wt - Cl').
2.6.4 Dmontrer que 1a valeur moyenne de la partie impaire d'un signal rel est toujours nuUe.
CHAPITRE 3
REPRSENTATION VECTORIELLE
DES SIGNAUX
xU)
ak
t/J/i:(t)
(3.1 )
k=1
Les Il coefficients ale constituent une reprsentatioll discrte du signal qui dpend de l'ensemble des fonctions t/J1c (t) choisies. Ceci constitue le fondement de l'analyse des signaux.
L'intrt d'un tel mode de description est triple:
un choix adquat des fonctions l/.J k (t) peut favoriser la mise en vidence de
proprits particulires du signal et faciliter l'tude des transformations qu'il
subit au cours de sa propagation dans un systme physique donn, en particulier lorsque celui-ci est linaire;
la reprsentation discrte est tout naturellement associe l'image d'un vecteur dans un espace de dimension 12 (ventuellement infrnie), ce qu i permet
d'interprter gomtriquement des notions assez difficiles visualiser autrement telles que celles de distance, de produit scalaire, d'orthogonalisation,
d'intercorrlation de deux signaux, etc;
la reprsentation discrte est le seul moyen d'aborder le traitement d'un signal
par voie numrique (vol. XX).
42
ex
Hm
d( X'I ~ x) = 0
Les diverses mtriques possibles correspondent donc divers modes de convergence. Un espace dans lequel toute suite converge est dit complet.
Ces concepts abstraits, introduits en algbre linaire [58 Lpeuvent tre tendus
au cas de fonctions appartenant une famille donne. Tout membre de cette famille,
assimilable un vecteur, peut tre exprim comme une combinaison linaire de fonctions particulires de la famille qui fonnent une base de l'espace vectoriel (espace
fonctioll1lel) envisag. Cette base peut comporter une infnit d'lments: l'espace
est alors de dimension infinie.
-------71
/
1
1
1
1
1
1
::
3).
43
On dit que le il-upIe a = {ak } est une reprsentation (dans RH ou Cil) de x (r)
par rapport )a base {1/1 /, (t) }.
A chaque base correspond une reprsentation vectorielle a particulire de x (t).
On dispose ainsi de diffrents modes d'analyse d'un signal. Du choix d'une base dpend
la simplicit, l'efficacit et l'utilit d'une telle analyse.
3.1.4 Distance de deux signaux. Dfinitions
La distance d(x,y) de deux signaux x(t) ety( r) est une mesure de leur dissemblance. Elle est nuUe si les signaux sont identiques.
Cette notion joue un rle important en lhorie du signal olt elle est utilise pour
comparer des signaux. En dtection de signaux, en reconnaissance de formes, on calcule les distances d'un signal ou d'une forme identifier avec un ensemble de candidats
possibles. Le candidat prfr est gnralement celui qui correspond la plus petite
distance (principe du maximum de vraisemblance [20, 59]).
Un filtre est un dispositif qui tente de minimiser une certaine dIstance d(x 1 1')
entre un signal incident x( t), entch de composantes ou de perturbations indsirables
et un signal de sortie y(t) ayant des proprits dsires.
Pour des vecteurs x = (x l' X2, , XII) et JI = (y 1, Y2' ... , J'1t ) la distance euclidienne classique est
11
d(x,y)=
1/2
IIXj-yi 1
(3.2)
i= 1
1/2
(3.3)
(3.4 )
(3.5)
"T
yU)1 ;
tE
TI
(3.6)
44
(mots) contre r effet de perturbations prsentes sur la voie de transmission, on a dvelopp des codes dtecteurs ou correcteurs d'erreurs. Dans l'tude de tels codes, on uti*
lise la distance de Hanunilzg [59]
Il
ds(x,y)
(3.7)
[Ci C;]
== 1
ci
3.1.5 Exemple
Soit le problme suivant: on dsire comparer deux signaux x (t) =A cos Wo t et
y (t) =x (t - T) =A cos Wo (t - T) afm de dtenniner leur distance en fonction du pa-
Ix(t)
d, (x,y)
= 2 A 1sin (1TTIT)1
= V2A 1sin (rrTIT)1
)IT] 1
T
)IT] 1
)IT] dt }
'(2
d3 {x,y):::: 4 T- t
d 4 (x'!.v)
Sdt::::
; Alsin{7rT/T)1
4\TIIT
-TI2~T~TI2
t E
T}
Le fait de choisir le coefficient K liT dans les expressions (3.3), (3.4) et (3.5)
homognise les diffrentes mesures de distance utilises en ce sens qu'elles ont ici toutes la mme dimension que les signaux x (t) et y (t ). On peut ds lors valablement les
comparer. C'est ce qui est fait graplquement sur la figure 3.2.
3.1.6 Exemple
Considrons les quatre signaux impulsionnels, de dure finie T, reprsents sur la
figure 3.3. Les distances dl (Xi, Xj) et d 2 (Xil Xj), calcules ici avec K = liT, donnent
45
d(x,!,'
rlTi
2-
TIT
0.5
0.5
Fig. 3.2
respectivement:
d,(x"xz) = d t (XJ, X 3) = d l (Xl,X4)
d t (X2,X4) = d t (X3,X4) =
dl(X2~X3)
=2
d 2 (xl,X2)
d 2 (X2,X3)
o~----------~--~_
= d 2 (X3,X4)
V2
46
3.1.7 Exemple
Soit dterminer les distances dt (x, y) et d 2 (x, y) entre les deux signaux
x(t) = exp(-at) . eU) ety(t) x(t-r) o E(t) dnote la fonction chelon-unit
( 1.3.3) et il> O. L'intervalle de dfinition est ici infini. On utilisera les mesures de
distance (3.3) et (3.4) en posant K 1. Les mesures ainsi obtenues ne sont pas homognes et ne peuvent donc pas tre compares quantativement.
Pour r > 0, on a :
Ix(t) -y(l)1 =
Pour T
. exp (
{ exp ("
at)c:(t)
al) . [exp (ar) - 1]
< 0, on a :
Ix(t) - yU)!
exp ( a T
) ]
-oo<t<O
O~t<oo
Ainsi
1/2
{+ [
dt< x,y);
a 1TI) 1 )
1 - exp (
et
"
alTI)]
[l-exp(
[ f.
IIxll
c2
]1/2
(3.8)
fi
1/2
1,
1t)
yi t) 1 2ct t
(3.9)
Dans L , un signal y (t) converge vers x (t) e11 moyell11e Quadratique lorsque leur
distance d(x, y) tend vers zro. L'exposant :2 apparaissant dans la notation symbolique
de l'espace fonctionnel considr n'est pas une indication de sa dimension, mais du critre de convergence utilis.
L'origine de cet espace ~st le signal qui est nul presque partout, c'est--dire exception fate d'un ventuel nombre limit de discontinuits fines (points isols).
47
"
XiYi
(3.10)
i=l
x . x : : :; IIxll
(3.1 1)
<
x,y* >
:::
f x(t)y*( t) dt
(3.12)
fI
<
x,x*
>
IIxll
(3.13)
2
<
x,y*
<
>
y,x*
>
(3.14)
:1:
3.1.10 Commentaire
La notation fonctionnelle <x,y*> utilise dans cet ouvrage, o l'astrisque indique le conjugu complexe, est cohrente avec celle introduite au volume IV en rela~
tion avec le concept de distribution ( IV. 7.1.13). Dans la plupart des ouvrages de
rfrence, le produit scalaire est plus simplement dnot par <x,y> ou (x,y). La notation <x,y > sera ici rserve au cas de signaux rels.
3.1.11 Dfinition: fonctions orthogonales
En gomtrie euclidienne, deux vecteurs sont orthogonaux si leur produit scalaire est nul. Par analogie, x (t) et y (t) sont des fonctions orthogonales sur l'intervalle
[t l' t 2 ] si leur produit scalaire
12
x(t)y*(t)dt
(3.15)
La spcification de l'intervalle [t l, t 2 ] est importante, Deux fonctions orthogonales sur [tt> t 2 ] ne le sont pas ncessairement sur tout autre intervalle [t3' t4]'
3.1.12 Exemple
Les quatre signaux de la figure 3.3 sont orthogonaux deux deux sur l'intervalle
[0, T], sauf pour la paire X2 (t),X3 (t) dont le produit scalaire vaut <X2,Xj > =-T.
48
d \ x ,y) =
[x( t) - y( t ) ] [ x
*( t ) -
y *( t ) ] dt
1]
x,y*
> - <
x,y*
>*
(3.16)
d (x,)') =
..,
IIxll-+ Il)'11
(3.17)
(sect. 13.1).
k <x,y* >*
(3.18)
Cette relation est en particulier satisfaite pour k::= <x,y * > 1<y,y * >. ce qui
donne en remplaant dans (3.18) :
(3.19)
(3.20)
En tenant compte de (3.8), (3.12) et (3.13), cette ingalit peut aussi s'crire
sous la forme:
t2
f x{t)y*(t)dt
1tl
t.,
t2
f lyU)1
Il
tl
~ ix(t)1 2dt
2 dt
(3.21)
x(t) = ky(t)
(3.22)
49
x(t)
Ci.
k=l
(3.23 )
k t/Jk(t)
La diffrence
e(t)
xU) -x(t)
(3.24)
est un signal d'erreur d'approximation dont la norme est, par (3.9) gale la distance
d(x,x) :
Ile Il
d(x,x)
(3.25)
Le carr de la nonne lIell est appel erreur quadratique moyennc. L'approximation (t) de x (t) est optimale au sens des moindres carrs si les coefficients Ci" sont
choisis de manire rendre la distance d(x, x) minimale.
SixU) E E""d(x,x) =0 etx(t) =x(t).
<c,I/I;>
= 0
"fIk
(3.26)
3.2.3 Dmonstration
Soit x (t) l: Cik t/J k (t) une approxima tion cl' ordre m de x (t) telle que r erreur
e(t) =x(t) -x(t) satisfasse)a condition d'orthogonalit (3.26). Considrons une
autre approximation arbitraire de mme ordre -y(t) = 2: {lk t/J,,(t) de x(t). On peut
crire en tenant compte de (3.16) :
2
d (x,x)
A,
Or<x-X', -
'" ,....,
= d 2 (x-x,x-x)
= IIx-xll 2 + ILy-x11 2
-?*> ==0 puisque x(t)
2 Re
<x-X',_y*-X'*>
(3.27)
50
(3.18)
lIeU 2 =
(3.29)
Ile Il 2
= J1x( t ) -
t.
= J Ix(l)!
x(t ) 1 dt
2
12
2 dt
ft
111
L L CX/;;Ci/ <
k=1
1=1
1/.1 k
,l/I/"
>
(3.30)
(3.31)
l <
;1=
1, 2 ... , 112
(3.31 )
k=1
A -a:::=
(3.33)
k /:=
(3.34 )
II
et r est le vecteur colonne des produits scalaires (projections) du signal avec les diffrentes fonctions de base
t2
'YI
f x(t) 1/1/:( () dt
(3.35)
11
= A-] . r
('Xk
(3.36)
On peut observer par (3'.34) que la matrice A est diagonale si les fonctions de
base sont orthogonales.
51
3.2.6 Exemple
Considrons l'approximation d'une impulsion rectangulaire x Ct) = rect (t par une combinaison linaire de III 3 fonctions exponentielles dcroissantes
I/lk(t) = exp[- kt], avec k = 1 3, dfinies sur rintervalle [0, co1.
On a ici (le premier rsultat montre~ en particulier, que ces fonctions ne sont
pas orthogonales) :
+)
"kl =
et
<
Jexp [-( k
o
x,
+ I)t]dt
+1
k,!
::=:
1, 2, 3
-ft) dt
Jexp( -lt)dt
o
exp ( -1 )]
_L[ 1
1
"3
[i 1]
1
4"
1
et
A- 1
= [
et
72
240
180
-240
900
-720
80]
-720
600
[0,63212]
0,43233
0,31674
D'o la solution
[m
[- J
=A-1r
,234]
9,338
0< t
+) sur l'intervalle
(fig. 3.4)
x(t)
= -1,234
exp(-t)
exp(-3t)
= 1-
0,896 = 0,104
52
o
Fig. 3.4
IIxll
=2
IIxl1
IIell
IIxll
11xll 2
(3.37)
1-1IX'1I
o
t",
(3.38 )
TI
IIkCif <
k
>
tJ;k,!J;/,
(3.39)
dB
(3.40)
3.2.8 Exemple
La qualit de l'approximation d'un signal rectangulaire ralise dans l'exemple
3.2.6 Paide d'une combinaison linaire de trois fonctions exponentielles dfinies sur
l'intervalle [0,
~ =
00 ]
1/0,104
9,62 ou
~dB =
t/lk(t) forment une base orthogonale ~ur l'intervalle [t 1, t 2 ], c'est--dire si leurs produits scalaires (3.12) satisfont la condition (3.15) :
k 1 =
"fi k
=1:=
( 3.41 )
53
x(t)
C'i k
(3.42)
l/1k(t)
k=t
dont les coefficients sont indpendallls et dtermins par l'quation gnrale (avec
kk ;::: ,,)
(3,43 )
o
h
Ill/1k 11
J Ih (t)I:! dt
(3.44 )
Il
(3.45 )
k =1=
l, en introduisant
(3.46 )
Ile Il
111
= fx(t)1
dt
HI
l
k= 1
(3.47)
k:: 1
Tl
Puisque Il e Il
2
1O:k 1
ICl k I
2
k
-<
JIx(t)1
dt
IIxll
'\lm
(3.48)
fI
54
tit de Parseval (dj rencontre sous d'autres formes dans le volume IV) :
t2
co
L la k 1 2
Ix{t)1 2 dt
(3.49)
t=l
1}
L cx k 1./Jk(t)
.'l(t)
(3.50)
k=1
I -1
l/Ik 12dt
CX k
(3.51 )
==
t1
Pe = -
t +7'
1
TrI
l.t(t )1 dt
L
k=1
(3.52)
55
L'identit de Parseval, atteinte lorsque la puissance de l'erreur est nulle (ensemble complet) prend ici la forme suivante qui exprime de deux manres quivalentes
la pUssance moyenne du signal priodique:
II +T
Px:
=- J
""
1,L Ia:kl
T k=1
:2
=-
Ix(t)1 dt
TIl
(3.53 )
L 2(t1
ak Wk(t)
:=
avec
t2 )
1,
kl
; J.!JI,...!
t) I/I/U
~dt
'r:I k =F 1
II
et
12
ale
k
oh
J x( t) l/Jh~(t) dt
Il
1.,
1/1,..., !JI;
"'le
>
r-'!JId t)\2 dt
il
Approximation:
m
x(1)
=l
ak Wk(t)
k=1
signal x( t)
ll/lj(t)
-kII/lZ(r)
~ll/1~(t)
gnrateur local de
Conction5orthogonaks
56
Cl!l
X J----------llllool
--~
x(t)
:=
}:: Ck
1/Jdt)
/{::::::I
CI! /1 ----+---+---111~
... 1/J,,(t)
gnrateur local de
fonctions orthogonales
l/.Jk ( t)
avec
Wl
Ct) =-
(3.55)
l' 1 (t)
et le terme gnral
k-l
Wk(t)
]}k(t) -
L<
Vk>
1/1/ >
1jJ;(t)
(3.56)
i= 1
Par l'quation (3.56), la fonction (vecteur) Hfk (t) est la diffrence entre la
fonction (vecteur) li k (t) et sa projection sur le sous-espace de dimension k - 1 engendr par J'ensemble des fonctions orthogonales dj dtermines {1/1i(t), i 1,2, ... ,
k - 1 }. Elle est donc perpendiculaire toutes les fonctions de cet ensemble.
Si les fonctions J1 k (t) ne sont pas linairement indpendantes, la procdure d'orthogonalisation dcrite reste applicable, mais conduit m < n fonctions orthogonales
non nulles: ln reprsente alors la dimensioll de l'espace des signaux dfini par
{llk
(t)}.
o 3.3.10 Exemple
Soit l'ensemble de fonctions linairement indpendantes appartenant L 2 (0, co)
l'k(t) :;::; exp(-kt);
k = 1,2, ...
57
(t)
t/Jt<t)
W2
v'2 exp(- t)
(t) = exp (- 3 t)
t/J 3 Ct) =
( 6/5) exp ( - 2 t)
V6[ 10 exp ( -
3 t)
+ (3/10) exp ( -
12 exp ( - 2 t)
+ 3 exp ( -
t)
t) ]
etc.
On vrifie aisment (exercice 3.59) que les fonctions H'/.:(t) et I/Ik(t) sont respectivement orthogonales et orthonormales sur [0,00]. Les fonctions Pk (t) et t/Jk (t),
pour k allant de 1 3, sont reprsentes sur la figure 3.8.
\~,
1"
..' ,
........:~,,~ = 2
3 ......
.... ....
.............:::::::::::.:::::::::::::'::.":""
-- - --
"'
o
-1
Pk..." ........ _
"
......"....... .
. [
k = 3
........................................
:2
. . ..............-----------;;-:-2--Fig. 3.8
(t
(3.57)
58
"'k
(t :; L> r
= _1
LlT
( k-
;:
Llr et par
dt
x(t)dt
(3.58)
1/2 ) .:1 T
Les coefficients (Xk correspondent ainsi la l'aleur moyelllle du signal calcule SUr
un mtervalle Llr centr en t = k . Llr. En premire approximation, pour 6.r suffisamment petit, (XJc est la valeur chantillonne du signal l'instant t k Llr :
(3.59)
Un modle approximatif du signal x(t) est alors obtenu en combinant les quations (3.42) et (3.59) :
x(t) =
k=-~
x( kLl T) reet ( t
k Ll
Tl
(3.60)
LlT
!l'k
rect (
t - ki5. T
o
.Y(t)
Fig. 3.9
L'ensemble des fonctions orthogonales {Wk (t)} dfinies par (3.57) n'est manifestement pas complet. Toutefois~ la qualit de l'approximation (3.60) est d'autant
meilleure que Ll Test pe tH. A la limite, pour Ll T ...,. 0, l'impulsion rectangulaire pondre
par 1/LlT devient une impulsion de Dirac ( 1.3.9) et on obtient la description exacte
(avec k Ll T ...,. T)
x(t) = lim x(t)
.6.,-0
lim
.:1,-0 k=
CS>
x( k Ll r ) _1_ reet
Llr
(t - k Ll
T )
L1 r
LlT
ex>
J x(r)(t
-"'"
r)dr
(3.61 )
59
rad (0,
IITl +l----------~~
rad ( l,
IITi 1+_____-.
-!~
rad (::!. t
..
Ilnh
1
_II
r
r
_?L-J~
LJ
rad ( 4,
III
ITi~t==::::::::~-t-----if----+--""'-L-_....IFl::::=:f ~
-1
rad(3,
~----~
rlT)~
1
c:::
t
III
nnnrlnnn T t
_?LrU u L.JU U U 0
lIIIi
tlT)
(3.62)
Le caractre incomplet de l'ensemble ainsi form est illustr par l'exercice 3.5.12.
La fonction de Rademacher est le modle du signal rectangulaire priodique appel onde carre par les lectroniciens. Hormis la fonction d'indice zro qui est une
simple constante, toutes les autres fonctions de Rademacher correspondent des sgnaux aisment
partir de celui d'indice le plus lev, l'aide d'un systme
logique comprenant une cascade de diviseurs de frquence par deux (sect. V .4.1.).
60
k'
r -1
sgn
(3.63 )
i=O
O
Ici est le
{me
r-l
=L
;=0
k i :2
(ki=O,I)
(3.64 )
= wal( 2
L tlT)
(3.65)
Les fonctions de Walsh dfmies par (3.63) sont classes dans J'ordre squentiel si
elles sont ordonnes selon les valeurs croissantes de l'indice k. Le concept de squence
a t introduit [6] ] par analogie avec celui de frquence d'une fonction sinusodale
pour caractriser le nombre moyen de paires de changement de signe (cycles) par unit
de temps. Ainsi, les fonctions wal( l, tlT) et wal(2, tlT) sont de mme squence
s = lIT, de mme que les fonctions Sin(27T tlT) et cos(2rr tlT) sont de mme frquen
ce
liT. D'une manire gnrale, la squence d'une fonction de Walsh d'indice k est
donne par
'k
= J ~k + 1 )/2
( kl2
k = 0
le impair
k pair
(3.66)
Une autre notation, parfois utilise, met en vidence les symtries paires et impaires des fonctions de Walsh en dfinissant - par analogie toujours avec le sinus et le
cosinus - des fonctions saI et cal de la manire suivante
sal(s/c, tlT)
cal(s/.:; tlT)
= walCk, tlT)
wal( k, tlT)
k impair
k pair
(3.67)
Les huit premires fonctions de Walsh classes dans l'ordre squentiel sont repr
sentes sur la figure 3.11. On vrifie aisment leur proprit d'orthogonalit sur l'intervalle [0, T], avec " = T. Un exemple d'approximation d'une fonction continue par
une somme pondre de fonctions de Walsh est donn sur la figure 3.12.
wal( le
!J
(3.68)
61
wal(O,
sal( l,
tfT)
= wal( l,
tITol)t--------...,
-
! ....
Il
tlT)
1;----""1
T t
o+-------~--------~-
-1
cal( l,
tlT) = wal(l,
sal(1,
tin =
tf_T~/__
+-________+-__-'--_
b
___
J
_
Ht.-.----IR ~
Wr\1(3:t l n
r-I
__
T~
-~L-J~
caiO,
sal(3,
cal (3,
tlT)
= wal( 4,
tlT)
wal(S,
tlT)
= wal(6,
fln
Iln
b _ 0 r-t T
-1L-J LJ
LJ
rlT)A
n n
l~_n
-~
saI( 4,
b _C=J
CJ
-IL-J
L-J T
L.J
-~
tlll
c:::rLJ T
_onn
L..J LJ LJ LJ ....
T
x(t) =
Qk
wal( k, tfT)
x(t)
k=O
Tl2
0
Il'o
0:'8
+ 0.3133
+ 0.0029
1l'16 = <X24 = +
0.0000
0.0012
::: + 0.0041
= + 0,0058
T
=
0'12 =
0:'20 =
0.'28 =
(1'4
+ 0,1162
+ 0,0481
- 0,0096
+ 0,0231
O:'G =
0:'14 =
0:'22 ==
0:'30 =
-0.1413
-0,0639
+0,0064
0.0314
Fig. 3.12 Exemple d'approximation par fonctions de Walsh (Il'k:::::: 0 pour k mpair).
62
H2N
= H,
0 JIN
[~: _~:]
(3.69)
o
(3.70 )
et dnote le produit de Kronecker (ou produit tensoriel de matrices). Les matrices
H 4 et H 8 sont reprsentes sur la figure 3.13 avec nndication de quelques fonctions de
Walsh correspondantes.
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
H4
::
[1
-1
1
-)
-1
-l]
HM
Fig.3.D
On appelle ordre naturelle classement des fonctions de Walsh dans l'ordre des
lignes correspondantes de la matrice H N' Il est possible de passer du classemen t naturel au classement squenUel en exprimant l'indice k comme la version dcimale, selon
le code de Gray ( 1004.3), de la lecture jnverse - c'est--dire commenant par le bit
de poids le plus faible - de l'expression binaire de l'indice de ligne du classement naturel (pur exemple: indice de ligne == 6 +-* 110 en binaire: en lecture inverse: 0 Il
~ le = 2 selon le code de Gray).
.pk ( 1)
V:
sint 2trkl/T)
(3.71 )
est orthonormal sur l'intervalle [0, TJ. Il est toutefois incomplet: aucune fonction
symtrie paire dans l'intervalle [0, T] n'est exactement reprsentable par une combinaison linaire des V;,,(t). L'ensemble est complt par l'adjonction de fonctions harmoniques cosinusodales. ce qui conduit au classique dveloppement en srie de Fourier.
63
(3.72 )
(lt, t l
,[/
= T
(3.73 )
\j Il
En dnotant conventionnellement le n-ime coefficient du dveloppement en srie de Fourier complexe d'un signalx(t) par la majuscule correspondante XII (en lieu
et place de Ck), on obtient l'quivalence dans l'intervalle [tl' t l + T]:
x(t) =
11
X lI CXp(j21TIlI/T)
(3.74 )
(Xl
!I
./Y"
= -
T-
+T
x(t) exp( - j 21Tnt/T) dt
(3.75)
Il
Ces coefficients prsentent l'intrt d'tre naturellement classs dans l'ordre harmonique des frquences h, = I1IT et conduisent la notion classique de spectre frquentiel (bilatral) d'un signal. Si la fonction x (t) est relle} les coefficients X ll et X-II
sont des conjugus complexes.
La limite du produit X" T obtenue en faisant crotre indfiniment l'intervalle T
est la transforme de Fourier XU) du signal ( 4.1.6).
Remarquons que lorsque le signal est priodique de priode T, c'est--dire si
x(t) = x(t + 111 T) avec III entier, l'quivalence (3.74) s'tend aussi tout l'axe rel:
- cc < t < 00. L'identit de Parseval (3.53) permet alors d'exprimer la puissance moyenne du signal de deux manires quivalentes:
!I
Px
= -
T .
fi
+ T"
,_
1.t(tH -dt = ')
"
(X,,! ~
(3.76)
,,:_"'"
64
Zef)
Zk
k=
exp(j 2 rrkffF)
(3.77 )
_<XI
fI +F
-f
Z(f)exp(-j1rrklfF)dl
(3.78)
FfI
qui sont en gnral complexes~ sauf si Z (f) est une fonction paire.
r X(f)cxp(j1rrft)df
x(1) ==
(3.79)
":B
En dveloppant en srie de Fourier la fonction Zef) = exp(j 'lrr ft) sur l'intervalle frquentiel [-B, B], il vient:
Zef) ==
Zk(t)exp(j :'rrkf/2B)
k=
(3.80)
-an
Zk(t) ==
1
2B
f exp
(j 2n[t -kf2B]f)df
':B
sin
n( 2Bt - k )
= sinc('lBt - k)
Fig. 3.14
(3.81 )
65
x( kllB) sinc(2 Bt
k)
(3.82)
k=-=
Les fonctions Zk (t) = sinc(2Bt - k) sont orthogonales (voir exercice 4.7.19) et
engendrent un espace fonctionnel complet (celui des signaux de spectre support bor2
n). Par contre, l'ensemble de ces fonctions n'est pas complet dans L puisque les signaux ayant une largeur de bande suprieure B n'appartiennent pas au sous-espace
engendr.
Les coefficients du dveloppement (3.82) ont la proprit remarquable d'tre
simplement les valeurs challtillollnes du signal prleves priodiquement tous les
Ilt = (2Br l secondes. Ce rsultat sera interprt au chapitre 9. On y montre en fait que
si la frquence d'chantillonnage Je d'un signal analogique de spectre support born
satisfait la condition te = llr 1 ~ 2B, le signal analogique peut tre parfaitement
reconstruit partir de la connaissance des seuls chantillons. Ce rsultat porte le nom
de thorme d'chantillonnage.
x(k)
l x" expQ2rrnkjN)
(3.83)
11=0
avec
N-J
X"
= (lIN)
x(k) exp(-jlrrnkjN)
(3.84)
k=O
66
3.5 EXERCICES
3.5.1 Calculer les distances dl (xk,Xl)' dfines par (3.3) avec K=l, sparant
les signaux Xk (t) = A sin (21Tkt/ T) rect[ (t - T/ 2)/ Tl et Xl(t) =
A cos (21Tlt /T) rect [(t- T/2)/T] o k et 1 sont des entiers positifs. Interprter le
rsultat en l'introduisant dans la relation (3.16).
3.5.2 Comparer les distances dl (X;, Xj) et d 2 (Xi, Xj) dfmies respectivement par (3.3)
et (3.4) en posant ici KI/T, pour les trois signaux reprsents sur la figure 3.15.
3.5.3 Dterminer l'volution du produit scalaire des signaux x(t) = COS(21T t/T- (] 1)
ety(t) =sin(21Tt/T-(]2) en fonction du paramtre!l(] =(]2 -8} et pour le domaine
de dfinition t 1 ~ t ~ t 1 + 1: Pour quelles valeurs de !le ces deux fonctions sont-elles
orthogonales?
3.5.4 Dterminer la meilleure approximation en moyenne quadratique de X (t)
::::: reet [Ct - 0,5)/0,5] par la somme (t) ::::: 2:
Ctk exp (- kt), dfinie sur l'intervalle
k=l
O~t<oo.
67
D+-----~~------~---
-,4
o+-------~~----~--~
tT
Fig. 3.15
L < x, wt
> <
Wk,Y*
>
(3.83 )
k=l
Il
Wk
3.5.9 Vrifier que les fonctions Wk (t) et Wk (t) de rexemple 3.3.10 sont respectivement orthogonales et orthonormales.
3.5.10 Complter l'exemple 3.3.10 en dterminant les fonctions orthonormales W4(t)
et I./Is (t) .
.. 3.5.11 Dmontrer que les quatre fonctions l'k (t); li: = 1 4 de la figure 3.16 ne forment pas un ensemble de fonctions linairement indpendantes. Par application de la
procdure d'orthogonalisation de Gram-Schmidt cet ensemble, montrer qu'il dfmit
un espace deux dimensions. Exprimer les fonctions l'k (t) en fonction de leurs composantes orthonormales.
68
IJI(t;~
t
1
-1
:\
-3
IJ1(t;~
1
-1
-)
V3(tj~
'2
-1
-3
V4{tj~
1
'2
-1
-3
Fg.3.16
3.5.12 Dvelopper en srie le signal x (t) = tri [Ct - 0,5 )/0,5 ] l'aide de fonctions orthogonales a) de Rademacher, b) de Walsh. Dterminer le nombre minimum m de coefficients ncessaires dans chaque cas pour que la qualit de l'approximationx(t) obtenue - voir relation (3.40) - soit meilleure que 20 dB. Comparer graphiquement x(t)
et x(t).
3.5.13 Dvelopper en srie de Fourierle signal x(t)
l'intervalle [0, T].
CHAPITRE 4
SIGNAUX DTERMINISTES
4.1.1 Introduction
L'analyse harmonique est l'instrument majeur de la thorie du signal ( 1.1.7).
La transformation de Fourier, gnralise par remploi des distributions, permet d'obtenir une reprsentation spectrale des signaux dterministes. Celle-ci exprime la rpartition frquentielle de l'amplitude, de la phase, de l'nergie ou de la puissance des signaux considrs. Comme on le montre plus loin, la transformation intgrale de Fourier peut tre envisage comme une gnralisation de la notion de dveloppement en
srie orthogonale de Fourier ( 3.4.7).
La transformation de Fourier fait l'objet d'une reprsentation dtaille dans le
volume IV du Trait. On se contente de rsumer ici certaines dfinitions, notations et
proprits dont l'importance est prinlordiale en thorie du signal. Pour une tude plus
approfondie, on se reportera [22] ou [23].
Une table illustre des principales paires de transformes est reporte en annexe
(sect. 15.4).
4.1.2 Dfinition
Soit x (t) un signal dterministe, sa transforme de Fourier est une fonction,
gnralement complexe, de la variable relle f dfinie par:
X(f)
F {x(t)}
<x, exp(-j211ft
00
J x( t) exp ( - j 211ft) dt
(4.1 )
-""
La transformation inverse est donne par
xU)
f X(f)exp (j 2rrft)df
( 4.2)
IX!
70
x(t)
(4.3)
X(i)
(4.4 )
x (t, T) =
"
( 4.5)
71
SIGNAUX DTERMINISTES
x(t)
/
/1/'
1
;/
1
/
,/
Fig. 4.1
avec
XII
.1'/""
..
1
-"1'/2
=-
x( t, T)exp (
j 2 Trl1j~ t)d t
A l'extrieur de "intervalle III < Tf2,ce dveloppement n'est plus celui dex(t),
mais au contraire celui d'un signal Corm par la rptition priodique de x (t, T). Toutefois, si l'on fait tendre T vers 1'infini, x( t, T) et x( t) deviennent identiques pour tout
t et l'intervalle de dfinition devient l'axe rel entier:
(4.7)
T./2
= X" . T:=
fi
-1'/2
(4.8)
Lors du passage la limite pour T -r 00, la distance entre raies devient infinitsimale et le nombre de composantes dans un intervalle de frquence donn devient in fi: fI = lIT -+ df, I1fl = 11/ T -+ f (variable continue)! 2:: -+ f.
On obtient alors:
x(t)
lim x( t,T)
lim
T ...... oo
Il
lim
11=
dl
""
LI
T{2
x( t,T)exp ( - j:'
TrJlj~ t)dt
-Tf2
x(t) exp( -
il "lt)dt }
exp( j 2 "ft)
( 4.9)
---------~--------
XCI)
Ce rsultat est conforme aux relations (4.1) et (4.2). La transforme X (f) apainsi comme la forme limite de la densit spectrale de raies introduite prcdem-
72
4.1.7 Interprtation
L'analogie entre le dveloppement en sde de Fourier et l'intgrale de Fourier
permet de conclure que la fonction X Cf) analyse x Ct ) sous forme d'une infinit de
composantes sinusodales complexes d'amplitude IX(f) Idf. Si X(!) est borne, ces
amplitudes sont infinitsimales. La fonction X(f) fournit ainsi des infonnations sur la
distribution frquentielle (amplitude, phase, nergie ou puissance) du signal x(t).
XCI)
f x(t)exp( - j2n!t)dt
-cc
00
00
x( t) cos ( 2 nft ) dt - j
-~
-~
= Xp(f) + Xi (f)
= Re {X(f) 1 + j lm IX(I)
( 4.10)
Le module IXU) 1 est appel spectre d'amplitude et l'argument {}x (f). = arg X(n
spectre de phase du signal.
Le spectre d'amplitude est une fonction paire, le spectre de phase une fonction
impaire.
La transforme d'un signal rel pair est une fonction relle paire. Celle d'un signal rel impair est une fonction imaginaire impaire.
La partie relle de X(f) s'identifie avec la transforme de la partie paire du signaI.
La transforme de la partie impaire du signal est gale la partie imaginaire de XU)
multiplie par j.
x*(t) ~ X*(- f)
a x(t)
+ b yCt)
(4.11 )
a X(f)
+b
xCt)
* yCt)
X(f) . Y(f)
Y(f)
( 4.12)
(4.13 )
(4.14)
73
SIGNAUX nf:TERMINlSTES
* y (11
(4.15 )
( 4.16)
( 4.17)
(4.18)
= x p ( t)yp( t) +
( 4.19)
et
Z(11 = X(f)
* YU)
* Y p (J1+x j (J1*
= X p (11
Y j (J1
---------~~-------
zp (J1 = Re {Z(f)}
Zi(f)
= j lm {Z(J1}
(4.20 )
W~:;;:
J"'"
--
Ix{t)l 2 dt
<
co
(4.21 )
o W): dnote l'nergie totale normalise. La condition (4.21) implique que ces signaux
ont un comportement transitoire.
Tout signal de cette classe possde une transforme de Fourier
X(f) = F 1x(t) }
( 4.12)
o IX(f)1 est le spectre d'amplitude et ilx (f) est le spectre de phase du signal. Si celuici est mesur en volts, IXCf) 1 est en V/Hz et {lx (f) en radian.
74
"'"
r exp [ -
XCI)
1/Va
IX(f) 1
t'1x(f)
(a
+ j 2trf)t] dt
--a + j 2rrf
+C'ltrf)2
arctan('lrrf/a)
=:
Ce signal est reprsent sur la figure 4.2, ses spectres d'amplitude ,et de phase sur
la figure 4.3.
x{t)
lIa
Fig. 4.2
IX(f}1
0/('11r)
~x(f)
-------------
rr/2
-rr(2 -
Fig. 4.3
4.2.3 Exemple
Soit (fig. 4.4) le produit z(t) =x(t) . y(t) ox(t) est le signal exponentiel de
J'exemple 4.2.2 et yU) = cos(2tr fo t) = ~ [exp(j 'ltr t) + exp( - j 2rr fa t)].
Jo
75
SIGNAUX DTERMINISTES
z(t)
Fig. 4.4
Zef)
-J'o
10
1T/2 --;..;;;.,;-;;..:- - - - - - --
- - - - - -=-~-"'=-"""'Fig. 4.5
+-Jo
sineU)
( 4.23)
rect (f)
(4.24 )
76
x(t)
A
- TI2
Tf2
Fig. 4.6
Grce la proprit (4.18), on gnralise facilement ce rsultat un signal pair rectangulaire d'amplitude A et de dure T (fig. 4.6)
( 4.25)
( 4.26)
X(f)
Fig. 4.7
F {A rectU/T)} :::: A
f exp ( - j 2 rrft)dt
-T12
.A sin ( 1fTf)
rri
=ATsinc(Tf)
(4.27 )
Les spectres d'amplitude et de phase du signal (4.25) sont reprsents sur la figure 4.8. Le spectre de phase~ qui vaut alternativement 0 et 1f, est dessin de faon
obtenir une fonction impaire ( 4.1.8).
4.2.5 Exemple: impulsion rectangulaire dcale
Considrons un signal rectangulaire d'amplitude A et de dure T dont l'axe de
symtrie passe par une valeur t 0 =#= 0 (fig. 4.9) :
77
SIGNAUX DTERMINISTES
f
- liT
r--'"'!
r----I
liT
il"
lIT
-lIT 0
1
L...J
Fig. 4.8
x(t)
A-
o
T
Fig. 4.9
x(t)
=A
rect[(t
( 4.28)
to)/T]
( 4.29)
= AT Isinc(Tj) 1
f}x(f) :::
( 4.30)
21TtO/
{ - 21Tto/ 11
>0
<0
(4.31 )
On vrifie ainsi que le spectre d'amplitude d'un signal est invariant toute translation. CeHecj ne modifie que le spectre de phase en lui ajoutant un terme variant linairement avec la frquence. La figure 4.10 prsente trois exemples de dcalage to diffrents. Le choix des sauts de phase de 7f est fait de manire garantir le caractre
impair de f}x (f), qui est de plus considre eomme valeur principale (- 1T < f).\: < 1T).
78
IX(/)I
f
- 21T- liT 0
liT 21T
t?x(f)pour 0
-lIT
2fT
Fig. 4.10
* rect(t)
( 4.32)
( 4.33)
ou, d'une manire plus gnrale, grce la proprit (4.18), que tout signal pair triangulaire d'amplitude A et de support 2T (fig. 4.11 )
x(t) = A tri(tjT)
(4.34 )
79
SIGNAUX OTImMINISTES
.l(I)
-T
Fig.4.11
(4.35)
f
-liT
1/1'
Fig. 4.12
4.2.7 Exemple
Considrons encore le cas d'un signal de forme trapzodale, afin de mettre en
vidence 11 emplo i efficace que l'on peut faire des proprits de la transforme de Fourier.
Soit le signal x Ct) et sa drive reprsente sur la figure 4.13 :
(b+a)/2] }
b-a
.l(t)
-0
tJ
dx/dt
A/(b-a)
a
-b
-0
-A/(b
0
-a)
Fig. 4.13
80
F[ dx/dt]
= j 2rrf'
X(i)
2A j sinc [(b
+ a )fl
X(i)
a)f]sinc[(b +a)f]
J x*(t)y(t + r)dt
( 4.36)
-co
tt'xy(r)
*
= tt'yx(-r)
0
(4.37)
$x (T):::: <
x'" x'T
>
"'"
J x *(t) x( t + r) dt
( 4.38)
-00
avec, par (4.37) la symtrie hermitienne : ~x (r) =~~: (- 'T). Cette symtrie entrane
que la partie relle de la fOllction d'alltocorrlatioll est ulle fonction paire et que la partie imaginaire est une fonction impaire.
La valeur l'origine (r ::::: 0) de la fonction d'autocorrlation est gale l'llergie
du signal
>
= IIxll
= Wx
j Ix(t)!2 dt
( 4.39)
-ClQ
4.2.10 Interprtation
Le produit scalaire de deux vecteurs est proportionnel la projection de l'un
sur l'autre. Il est maximum, en valeur absolue, lorsque les deux vecteurs ont la mme
orientation et nul lorsqu'ils sont orthogonaux. Il peut donc tre considr comme une
mesure de la similitude d'orentation des vecteurs.
Par analogie le produit scalare de deux signaux est une mesure de leur similitude
de forme et de position. La fonction d'intercorrlation traduit l'volution de cette similitude en fonction du paramtre de translation relative r.
j
81
SIGNAUX DTERMINISTES
Dans l'espace des signaux, cette translation correspond une rotatJon du vecteur
reprsentatif. Il existe donc une liaison entre la distance euclidienne entre deux signaux
et leur intercorrlation. Par (3.14), (3.16), (4.36) et (4.39) :
d 2 (x, Y T) :::
&x ( 0) + &J' ( 0 )
En posant y (t + T)
2
(t
( 4.40 )
+ T)
d (x,xT )
2 Re {~Xy ( r) }
Cl
(4.41 )
~x y ( 7)
= <
yT >
X,
Jx
+ T) dt
(4.42 )
(4.43 )
(t )J'(t
""
Jx (
(4.44 )
1>0
$x (T)
T )xU
)d t
(4.45 )
"'"
4.2.13 Proprit
<Pyx ( r)
o
= <p xy ( -
T)
<px(r) = <Px
r)
(4.46 )
(4.4 7)
Ainsi, la fonctio/l d'outocorrlatio/l d'un sigllal rel est une fOllctioll relle paire.
82
4.2.14 Proprit
En introduisant (4.36) et (4.38) dans l'ingalit de Schwarz (3.20), on obtient
0
1'PXy(l)
12
tpx(O) tpy(O)
(4.48)
~ ~x (0)
(4.49 )
r x *(t)y(t +
)dt
-".co
f x*(
00
- t ' )Y(l-t')dt'
-IX!
=x *( -
T)
* Y( T)
( 4.50)
~x(l)
(4.51 )
X*(-l)*X(l)
et'Px(r)
o
..px)' (T)
x( - T)
* Y( T)
x(-r) *x(r).
4.2.16 Illustration
La parent d'criture entre la convolution et la corrlation ne doit pas tromper.
Les rsultats du calcul sont trs diffrents lorsque les signaux sont de forme asymtrique.
L'examen de la formule (4.50) montre que l'identit entre convolution ct corrlation
n'est ralise que lorsque l'un des deux signaux au moins est pair. La figure 4.14 illustre
graphiquement la procdure de calcul de la convolution et de la corrlation des signaux
relsx(t) exp(-at) fU) ety(t) = exp(-2 at) dt). On vrifiera, titre d'exercice,
que les rsultats sont
X(T) *y(r) = (l/a)[exp(-al)-exp(-2ar)](r)
~xJ'(T)
4.2.17
= (3a)-1
Df~nition:
exp(ar)e(-r)
+ (3a)-1
exp(-2ar) fer)
CI).'C (f)
F' ~ x ( r) 1
oc
J~
-QO
x ( T ) exp ( -
j 171fT) dT
(4.52)
83
SIGNAUX DETERMINISTES
x(t)
convolution
corrla tion
----------~------~-----------
r(t)
1/0 a)
A \'(7-t)
Al'(t+r)
1 -
f\
1-
--
1\
l , 7< 0
l "~--
7>0
____-.<0
' ......
7<0
_
... .,/
/'
---
/1
T>O
1
1
~----~--L-~======~~-I-
-.>0
x(t)
7<0
yU + 7)
7>0
x(t)r(r-t)
* y(r)
o
7>0
""
_[ x(t)y(r+ r)dt
lia
1/(2 a)
Fig. 4.14
T)
>1:
X ( l' ) }
(4.53 )
X*(f)
(4.54 )
;Px (f)
En posant
p=
-L
(4.55 )
<Px (f)
oc
&x{ T)
(4.56 )
84
J Ix(t)1
W~ = tPx(O)
2dt
TCIlx(j') dl
(4.57 )
-oc
-!Xl
L'nergie totale W't' du signal peut donc se calculer soit en intgragt sa distribu2
tion temporelle 1 x( t) 1 , soit en intgrant sa distribution frquentielle (Px (f). Pour
cette raison, tPx (f) est appele la densit spectrale d'nergie - ou parfois plus simplement le spectre d'nergie - du signal x( t).
12
(llx(f)df
( 4.59)
Il
Dans le C<lS d'un signal x( t) rel, la fonction d'autocorrla tion est, par (4.47 ),
une fonction relle paire. Sa transforme de Foufier est. par consquent. aussi une
fonction relle paire
(4.60)
52
= V 2. 51Hz.
4.2.19 Exemple
Soit x(t) exp(-at) E(t), sa fonction d'autocorrlation, calcule par (4.43)
et (4.47), vaut
o
exp ( - a 1 TI )
(4.61 )
2a
et la densit spectrale d'nergie du signal est
o
cI>",(f)
= F 1 lP0 ... (T) 1
.,
= a 2 + (12 rrf) 2
(4.62 )
On vrifie qu'eHe est bien gale au carr du spectre d'amplitude de x(t) calcul
fi l'exemple 4.2.2.
Ces trois fonctions sont reprsentes sur la figure 4.15.
85
SIGNAUX DTERMINISTtS
x(l)
lIa
T
l1li
-lIa
lia
Fig.4.15
4.2.20 Exemple
La fonction d~autocorrlation et la densit spectrale d'nergie du signal
x( t) = A feet (lIT) valent respectivement (fig. 4.16) :
&x(T)
<Px (f)
= A 2 Ttri (TIT)
2
(A T) 2 sinc (Tf)
(4.63)
(4.64 )
Le rsultat (4.63) est analogue, par (4.51 ), (1.33 ). Il peut ici facilement
s'obtenir par voie graphique en suivant la procdure illustre sur la figure 4.14. On
vrifie aisment que ~x (0) correspond bien il l'nergie du signal.
86
xU)
-T12
TI2
-T
f
- 21T - lIT 0
liT 2fT
Fig. 4.16
croise ou d'interaction. Pour des signaux rels ou complexes, on a par (4.14), (4.50)
et (4.54)
o
tPxy(f)
(4.65)
0:fl
(f) = cp yx (f)
( 4.66 )
~:cy (0)
-1
(I>xy(/) Il T=O
: : J x*(t)y(t)dt
-00
j X*(f)Y(f)df
( 4.67)
-QG
87
SIGNAUX DTERMINISTES
4.2.23 Exemple
Les signaux rels
x(t) = A reet (fIT)
y(t):= Brect[(t+TI4)/(T/1)]-Brect[(t
T/4)/(T/2)]
o
sont reprsents sur la figure 4.17 avec leurs fonctions d'intercorrlation 'Px)' (T) et
&l1X (T). Celles-ci peuvent facilement tre dtermnes par voie graphique en suivant la
procdure illustre la figure 4.14. La densit interspectrale d'nergie vaut ici
cPXY (f)
- T/2
xU j
T/2
yU)
-T12
Tl?
-B
0
'-Pxy(T)
~yx(r) = ~.Ty(-T)
r
Fig. 4.17
88
'Il
* y (T)
(Ilx )'
'j'
(4.68 )
'1'
<Pxy (T)
(4.69)
En associant le facteur (j 27Tf) soit X* (f). soit Y(f), on trouve par transformation
inverse
<P0,x)' (T )
= - X *, ("-
7 ) :1: Y ()
T
=X*
(4.70 )
7)*y'(7)
ou en d'autres termes
(4.71 )
D'une manire gnrale, la (j + k) ime drive de la fonction d'intercorrlation
peut tre dtermine il partir de celle de lajme drive de x(t) et de la k-ime drive de y(t) par l'quivalence
(4.72 )
o 4.2.26 Exemple
Considrons les signaux rels xU) et yU) reprsents sur la figure 4.17 avec
leurs fonctions d'intercorrlation. En drivanty(t), on obtient ( 1.3.8)
y'(t):;: B6(t+T/2)-2Bo(t)+Bo(t-T/2)
o
la drve de la fonction d'intercorrlation IPxy (T) peut alors tre value trs
simplement par (4.70) en exploitant la proprit de convolution de l'impulsion de
Cl 1
l{i::ty(T)
&Xy'(T)
AB
1
-T
1
0
-AB
Fig. 4.18
89
SIGNAUX DTERMINISTES
Dirac ( 1.48 )
01
'P x)' ( T)
= ip xy
1 (
1")
= x (-
1")
:1:
Y (1")
T/2)/T]
Cette foncton est reprcsente sur la figure 4.18. On vrifie aisment que son intgrale
Cl
reproduit la fonction 'Pxy (1") de la figure 4.17.
.r
"J
ix(t) 1 - dt
<
00
(4.73 )
-T12
..:--+
(4.74 )
o([)
( 4.75)
exp(j21Tfot)
0([-10 )
(4.77 )
90
(4.78 )
x(t)
________c_olrX-(-t)--__
~~_-==-
X(f)
C8(f)
Fig. 4.19
x=
1'/2
hm
(4.79 )
x(t)dt
7'--+00
-TJ2
X ~ xo(f)
(4.80 )
x(t) =
x+xo(t)
avec
xo{t}
(4.81 )
=0
= x(
Sil
(4.82 )
(4.83 )
x.
(4.85 )
et donc
t
FI -"oU)
Jx~(t)dl
j 21f1
F 1 xMt)
(4.86 )
XC!)
( 4.87)
91
SIGNAUX DTERMINISTES
S(l)
(4.87), on d
(4.88)
( 4.89)
<x*'Y'T>
IPXy(T)
TIl
x *( t)y( t
T-+eoo T -f/2
lim
+ T ) dt
( 4.90)
(T)
= <x*, x >
T
1
T
lm
T ..... "'"
TJ2
x *(t}x{t
+ T )dt
(4.91 )
-TIl
Lorsque les signaux sont rels, les fonctions d'inter- et d'autocorrlaton sont aus2
si relles. Six(t) ety(t) sont mesurs en volts, I{Jxy(r) et I{Jx(r) sont en V
4.3.8 Proprits
Les fonctions d'inter- et d'autocorrlation I{Jx (T) et I{Jxy (r) jouissent des mmes
o
0
proprits que les fonctions I{J xy (T) et I{J x (T) :
l{Jyx ( r)
I{Jx ( T)
= IP~~I ( - T)
= I{J; ( 2
IlPxy ( T) 1
(4.93 )
r)
I{Jx
(0)
l{Jy
(0)
= Px
= - I{Jx'y (T) = IPxy' (T)
Il{Jx ( T) 1 ~ IPx
l{J~y ( r)
(4.92 )
(0)
(4.94 )
( 4.95)
(4.96 )
92
J x(t)Y(7-t)dt
-.!.
X(7}*Y(7) = lim
QO
(4.97)
T -TIl
= x:{: ( -
tpx ( 7)
X '" ( -
*" y ( 7 )
7) *" X ( 7 )
(4.98 )
7)
(4.99 )
o la
<Px(f) = F
11P.,,(7)
1 =
f t{Jx(r)exp( - j 2rrf7)d r
(4.100 )
-00
.'t
(7) =
""
(4.101)
T ) df
-co
Pour
Px
= I,Ox(O)
= lim
T-.oo
1
T
T/2
-in
""
Ix(t)1 2dt
=f
(I>x(f)df
(4.102)
-QO
La fonction CPx (f) reprsente donc bien la distribution frquentielle de la puissance totale du signa], d'o son nom. C'est par consquent une fonction llOllllgative :
<Px (f)
(4.103 )
93
SIGNAUX DTERMINISTES
(4.104 )
T--
(J)x U: T)
Lorsque
= IX(! T)1
T~
00,
Px
J'-..
c:<>
TIl
o:J
r Ix(t,T)1
T - il 2
l ""
-T-"'oo
r IX(/,T)1
.:;: Im
(4.105 )
- r
Jim
dt
T -";;",
T -;. or>
(4.106 )
df
4.3.1 l Exemples
Les fonctions d'autocorrlation (4.91 ) du signal sgn(t) et du signal saut unit
e(t) sont respectivement gales 1 et ~. Par (4.100) et (4.78), les densits spectrales de puissance correspondantes sont respectivement gales 0 (f) et ~~ 0 (f). Ces rsultats ne peuvent pas se ddure de (4.88) ou (4.89 ).
Pour le signal saut unit x( t) eU). on a par (4.29)
x(t,T)
= recl[(t-TI4)j(T/!.)]~X{fT)
(Tj2)sinc(fT/2}'exp(-j1/"fT/2)
d'ol!
1
q>x(f) = lim
T-.oo
CilS
IX(f, T)
2
1
T
du signal x( t)
1
= - Hm
2 T-"""
sine 2(IT/2)
.2
0(/)
= sgn (t), on a
(t+T/T/4)_
rect(t T/4)
'2
T/2
+-+
= F {!Pxy(j)}
(4.108 )
94
n=
d'o, avec ln
X(f)
=::;
(4.1 09)
nfT
X"o
11= -oc
(f- ;)
(4.110)
X(f)
Xo
XI
1fT
2jT
3jT
4fT
Fig. 4.20
IX(f)1
l
11=
IX" 1 0
(4.111 )
00
(4.112 )
Pour tout signal rel, les coefficients X n et X- n sont des conjugus complexes:
1Xnl::::: IX-ni
(4.113)
(4.114)
95
SIGNAUX DTERMINISTES
.X(I) =
exp(ja;) 8(/+ 10
+ ~A exp(-jll') 8(1-10 )
(4.115)
d'o
Y.! A
X- I
exp(jQ)~
Xl
= ~A exp(-ja:)
IX_II:::: IXII = ~A
arg Xl
arg X -
(4.116 )
-
a:
JiA[8(/+ 10 ) +8(/-/0 )]
(4.117)
(4.118 )
Xl
A cos(21Tlot)
(t)
-fo
fo
10
-.,\..'1
Fig. 4.21
= X(/) *
Y(f)
n=-DCI
( 4.119)
n=-""
96
+ ~'lX(/-j)
Y.!X(f+ fol
:=
4.4.6 Produit d'une fonction priodique par un signnl puissance moyenne finie
Le rsultat est un signal puissance moyenne fine dont la transforme de Fourier peut aussi s'obtenir par convolution des transformes de chaque terme du produit.
4.4.7 Exemple
Le lecteur vrifiera, il titre d'exercice, les correspondances suivantes:
1
EU )cos ( 'lrr/ot)
+--'"
j 4n(I - Jo)
1
+-;0
----
'ln(I + Jo)
2nff
Jo)
+ li (f + fi + (2) ]
4.4.8 Suite priodique d'impulsions de Dirac
La distribution priodque
0T(t):=
(4.120 )
kT)
o(t
k=-o<>
ne reprsente pas un signal puissance moyenne finie. mais est souvent utilise pour la
modlisation de signaux priodiques ou de procdures chuntlllonnagc.
Cette distribution peut tre dveloppe en srie de Fourier
bT(t) =
Ll n exp(j2rrlltIT)
(4.121 )
n=-oo
Ll"
T -T/2
(4.[22 )
l
n= -"'"
5(/ nIT)
(4.123 )
97
SIGNAUX DTERMINISTES
C'est aussi une suite priodique d'impulsions de Dirac. de poids lIT et de priode
lIT sur J'axe des frquences. La suite 0 T (t) et sa transforme sont reprsentes sur la
figure 4.22.
f
-lIT -111'
Fig. 4.22
* 0T(t)
(4.124 )
(4.125 )
Li.! fonction continue ( 1IT)X(1 T) est l'eJ1l'eloppe spectrale des poids des raes
5 IfT (f) du spectre de x( t). Hormis un facteur multiplicatif liT. cette enveloppe ne
dpend que de la forme de la priode principale du signal.
En comparant (4.110) ct (4.125), on tire l'quivalence
XII = (IIT)X(nIT. T)
(4.126 )
98
X(f)
il
ft=
-00
il
A- sinc(nil/T)o(f-n/T)
T
(4.128 )
r-r-
\.~
Fig. 4.23
4.4.11 Exemple
Considrons le signal en dents de scie xU) reprsent sur la figure 4.24 et sa priode principale .'C(t, T). La drive
x '( t, T)
rect(tjT)-Ao(l)
[li(t+T/2)
a pour transforme
= A[sinc(Tf)-l
F {x'(t)}
+j sin(7TTf)]
j 21TfT
-X(f,T)
Isinc(Tf)-l +jsin(rrTf)1
d'o
X(f) =
IX
ll
Il
B(f -nIT)
(t-TI2)]
99
SIGNAUX DTERMINISTES
avec
X
I1
~
T
X( niT, T)
1A~
pour 11
J- =
21T Il
21T
1111
exp
[. 1T
J ""_ sgn(n)
/
=0
pour Il :1= 0
x(t)
- TI2
Tf1
x'(I, Tl
tA
AIT
TI1
TI1
-A
Fig. 4.24
Tf 1-
IPxy(r) = x*(t)y(t+r)dt
T -ffl
(4.129 )
et
1
<Px(T)
= -
Tf2
x*(t)x(t
+ T)dt
(4.130 )
T -fil
En dveloppant en srie de Fourier y(t + T) et xU + r), on peut mettre les ex
pressions (4.129) et (4.130) sous la forme
(4.131 )
100
et
tfJx (T)
11=
:::: X 0
-CoQ
+2 l
(4.132)
n=l
La deuxime galit ne s'applique qu'au cas d'un signal rel. La dmonstration est laisse
comme exercice. Pour T = 0, on retrouve l'identit de Parseval (3.76).
Les relations (4.131 ) et (4.132) montrent que les fonctions d'inter- et d'autocorrlaton de signaux priodiques, de priode T, sont galement des fonctions priodiques de mme priode.
En introduisant la priode principale x(t, T) dans (4.129), on peut encore crire, en tenant compte de (4.50) et (4.124) :
l
'Pxy(T) = -
f x*(t,T)y(t+T)dt
T-=
DO
1
= -x*(-r,T)*y(r)
1
:::: -[x*(-r,T)*Y(T,T)] *oT{T)
T
(4.133 )
&Xy (7, T)
= x * (- T, T) * y( 7, T)
(4.134)
La fonction d'intercorrlation des signaux priodiques peut donc aussi s'exprimer de la manire suivante:
IPXy(T) :::: 11 ~Xy(T. T)
* T(T)
(4.135 )
'P.~(T)
:=
:=
T- ~x(7, T)
1
repT
* T(T)
(4.136 )
repT {A reet(t/.6.)}
Par (4.63)
~X(T, T)
et
:=
101
SIGNAUX DTEItMINlSTES
Cette fonction d'autocorrlation est reprseme sur la figure 4.25 avec x(t),
d'une part pour.6.} < T/2 et d'autre part pour T/2 <.6. 2 < T.
x(t)
-T
TI'!.
T/'2
x(t)
-T
- T/2
Tf].
Fig. 4.25
~o(T} ==
J 8(t)o(t+r)dt
=:
8(T)
(4.137)
ry2
'PiT(T)=
J o(t)0T(t+r)dt=
-T12
1
-
0T(r)
(4.138 )
102
(4.139 )
o
o
(4.140 )
= F {<'ox(T, T)} = IXU: T)I
2
La fonction continue (I/T ) cI. x U: T) est l'enveloppe spectrale des raies
if.;lx{/' T)
oI/T(f) du spectre et
1Xnl2
= (l/T)2 ~x(ll/T, T)
(4.141)
1
Px
TI2
= -
<,Ox{O)
T -T/2
Ix(t)1
""
((ll.Af)df =
dt =
_."",
IXll 1
(4.142)
Il:-oo
/2) COS(21TfoT)
(4.143)
qlx(f) = (A /4)[o(!+!o)+o(f-fo )]
(4.144)
00
p." = ~\' ( 0 )
J (J,x (l) df
A 2/ 2
(4.145 )
-/Xl
4.4.17 Exemple
La densit spectrale de puissance de la suite priodique d'impulsions rectangulai
resx(t) = repT {A reet(t/.6.)} vaut, en tirant parti du rsultat des exemples 4.4.10 ou
4.4.13 :
(Px(f) = (A.6./T)
;,~ ~ (ALl./Tl
sine 2(Ll.Il/Tl 8
(f -; )
103
SIGNAUX otTERMINISTES
xU)
(llx(f)
;(2/4
A~/4
-10
10
Fig. 4.26
l
n=
X,~t: l'II 5
_00
(4.146 )
o
:b xy (j~ T)
(4.147)
et
x;;
T- 1 X* (n/T, T)
Y" = T-
yen/T, T)
(4.148 )
(4.149 )
4.4.19 Application
Soit dtermner la fonction d'intercorrlation et la densit interspectrale de
puissance des signauxx(t) =B sin (21Tt/T) ety(t) = repT {A reet(t/L1)}.
104
tfJ.y:y (T)
et
---:;:r
1)
+T
lj
(!
- Tl )1]
Ak sin ( 2rrJk t
+ Cl:k)
(4.150 )
= !k avec irraUonel.
Les proprits d'un tel signal sont donc il la fois parentes et diffrentes de celles
des signaux priodiques.
La fonction d'autocorrlation d'un signal quasi-priodique vaut
O !k+l
(4.151)
~\"(T)
lim l
r ILAkAQsin(21TJ~t+O'k) sin[21Ij'Q(t+T)+O'Q]dt
T-=T_i/2k \:
(4.152)
avec
Tf1
1
k v.
= lirn
T-"oo
sin(.2
T 7~/2
1'12
= lim
T-+oo
_1
2T
+ O'k -
O'Q]
dt
-TJ2
TI2
-lim
T--
., T
-
cos [ 2 1I(J~
+ J~
)t
+ .2 rr}~ T + Cl: k +
O'Q
1dt
-T/2
pour le
cos ( 2rr}" T )
=f= Q
pour k = 2
(4.153 )
105
SIGNAUX DTERMINISTES
(A,,2/4 ) [ B(I + f k
+(/-
J~ ) ]
(4.154 )
(4.155 )
cos ( 21Tlt)
exp (j .2 ;rIt)
(4.156)
fait apparatre deux termes d'amplitude ~ dont la variable frquence f est affecte
pour l'un, du signe + et pour l'autre, du signe -. Ce mode de reprsentation distribue
donc, dans le domaine frquentiel, les contributions du signal symtriquement de
part et d'autre de l'origine sur l'axe f. De l dcoule la terminologie usuelle qui parle
de frquences positives et frquences ngatives.
Tout~s les rc~rsentations spectrales voques jusqu'id sont de type bilatral:
X n, X(f), <Px (f), cI>XY (f), <Px (f), tPxy (f). C'est pourquoi, pour calculer t'nergie ou
respectivement la puissance d'un signal rel comprise dans une bande de frquence
[f.,f2 J, il faut crire
-/1
(~x(f)df +
12
12
/l
'1
(flA!) df
(4.157)
fI
/2
f {Ilx(f)df
(4.158 )
fl
La reprsentation spectrale bilatrale a donc un ct un peu abstrait. Elle dcoule
naturellement de la dualit temps-frquence tablie par la transformation de Fourier.
Elle a l'avantage de mettre facilement en vidence certaines proprits de traitement
des signaux comme la modulation d'amplitude ou l'chantillonnage.
106
qui entrane que les modules sont des fonctions relles paires
( 4.160)
et les arguments des fonctions impaires.
De plus, les densits spectrales d'nergie ou de puissance de signaux rels sont des
fonctions relles paires
(4.161)
Une reprsentation spectrale unilatrale est obtenue en multipliant la reprsentation bilatrale par la fonction 1 + sgn (/) 2 E(f), de manire en doubler la contribution pour 1> 0, maintenir inchange sa valeur l'origine et annuler la partie
situe aux frquences ngatives
<Il: (/)
= 2 (f)
1<0
1=0
f>O
{~" 0 )
(
1 (px (f)
(4.162)
Il est dconsem de recourir systmatiquement cet artifjce, puisqu'il ne s'applique qu'aux spectres de signaux rels. Il peut entraner une fausse valuation de la
contribution du spectre l'origine. Par ailleurs! la notion trs pratique d'enveloppe
spectrale dfinie au paragraphe 4.4.9 n'est plus utilisable.
Une aut approche est prsente au chapHre 7. Elle consiste associer au signal
rel un signal complexe (appel: signal analytique), tel que sa transforme de Fourier
soit nulle aux frquences ngatives.
~1J
..
~.'
f
-.1.- 1
-r- 0 rI
u~
SI
(1); if)
Tl
t1J
\
f
0 T- I
Fig. 4.27
.1.- 1
107
SIGNAUX DTERMINISTES
x(t) =
= Ao + l
A n cos ( 21TJ~1 t
+ {)
(4.163)
Il )
1l=1
<I>:
4.6 EXERCICES
4.6.1 Dmontrer que la transforme de Fourier d'un signal rel pair [impair] est une
fonction relle paire [imaginaire impaire ].
4.6.2 Dmontrer que la transforme de Fourier d'un signal complexe est une fonction
relle paire [imaginaire impaire] si la partie relle du signal est paire [impaire] et la
partie imaginaire est impaire [paire].
""
<Xl
sine 4(f) df
2/3
/4
'"
sin 3 T. sin (t T
T)
dT
t - T
4.6.7 Dterminer la transforme de Fourier des signaux x(t) et y (t) reprsents sur la
figure 4.28.
108
x(t)
- TI2
TI2
J' Ct)
Fig. 4.28
(-
j 21T t) x(t).
ri
2T 3 T
o
-A
Fig. 4.29
ety(t) =B tri(2t/T).
109
SIGNAUX DTERMINISTES
-a12
al2
Fig. 4.30
Dmontrer que
=1
+ tr/4 ). Dterminer:
Zk
CHAPITRE 5
SIGNAUX ALATOIRES
b.~:;ii'::::'.'.:':':'::'.':""""""" 5.1.1
In trod uctio n
Par dfinition ( 2.2.1 ) un signal est alatoire s'il dpend d'une certaine manire
des lois du hasard. De tels signaux. dont la valeur instan tane est imprvisible, ne possdent videmment pas de reprsentations temporelles analytiques. Ils peuvent toutefois tre caractriss par leurs proprits statistiques et frquentielles. Les notons de
base de thorie des probabilits utilises pour la description statistique des signaux alatoires sont rsumes au chapitre 14.
Les signaux alatoires forment une classe particulirement importante de signaux.
Ceci dcoule du fait que seuls les signaux ayant un certain caractre alatoire peuvent
transmettre de l'information (axiome de base de la thorie de l'nformation). Une
autre raison est le grand nombre de situations dans lesquelles on cherche fI se prmunir
contre les effets de perturbations alatoires ou il identifier et mesurer un phnomne
se manifestant par un signal tnu noy dans un bruit de fond important (dtection de
signaux ).
Un signal alatoire observ doit tre considr comme ulle ralisation particulire
d'un ensemble de signaux similaires qui sont tous susceptibles d'tre produits par le
mme phnomne (ou processus) alatoire.
5.1.2 Dfinition: processus alatoire
Ma thmatiquement [24,64, 79], un processus alatoire (on dit aussi stochastique)
peut tre dfini comille une famille de fonctions relles ou complexes deux variables
note {x(t, n} ou, plus simplement, x( t). En thorie du signal, la variable t reprscn
te usuellement le temps.
La variable dnote la nature alatoire du processus: est un lmcnt de l'espace
des preuves (ensemble des rsultats possibles d'une exprience statistique) et dpend
des lois du hasard (
5.1).
La description statistique d'llIl processus alatoire est gnralement obtenue
partir des lois de probabilit marginales et conjointes (chap. 14) des variables alatoires qui reprsenten t le comportemen t du processus en des instants prescrits. Selon que
ces variables sont continues ou discrtes, on parle de processus alatoire coutinu ou
ILl
x(t.n
r
Fig. 5.1
Tf2
TIl
f[x(t)] = lm T-
ce
f[x(t)] dl
(5.1)
SIGNAUX AL~ATOllS
113
Une moyenne calcule le long de l'axe (moyenne value sur l'ensemble des
tats possibles) est exprime par une relation du type:
E[f(x)]
J"" f(x)p(x)dx
(5.2 )
"'"
5.1.5 Notations
On dsigne dans ce livre le processus ou la variable alatoire par une lettre en
caractre Univers gras (exemple x, y, z). Les tats pris par cette variable sont nots de
manire usuelle (exemple: x, y, z ).
Dans certains ouvrages, il est d'usage de dnoter le processus ou la variable alatoire par une lettre majuscule, sans autre diffrence de typographie.
5.1.6 Exemple
,.; .. . :.::. . :: . . . . .
5.1.7 Exemple
Une illustration de processus alatoire ponctuel est l'mission de particules ionisantes par un corps radio-actif, telle qu'elle peut tre rvle par un compteur de Gei
ger-Mller. Le nombre de particules mises par unit de temps est une variable alatoi~
re discrte.
De nombreux phnomnes lectroniques (mission thermo-lectrique ou photolectrique, charges traversant une jonction de semiconducteurs) sont des processus
114
alatoires ponctuels. Ils sont la cause du bruit de grenaille tudi il la section 6.3. les
appels atteignant un central tlphonique. les pannes affectant une installation technique. sont auss des exemples de processus ponctuels,
td
Prob( Xi
(5.3 )
~ x)
(5.4 )
dF(x; ti )/dx
=:
Er Xi l
Xi
00
X;!J(X: li )dxi
(5.5 )
-co
t1
J xip(x,t;)dxi
(5.6 )
co
0:,\ ti)
E 1 [Xi -J.1x(ti)]
21 =
E[ xl] -J.1x\t;)
.
2
J"!" [Xi-Il.\(li)l
p(x,ti)dx;
( 5.7)
QO
C'est une mesure de la dispersion de cet cart; sa racine carre est l'cart-typ ~e
la variable.
115
SIGNAUX ALATOIRES
= Prob(xl ~ XI'
X2
~ X2)
(5.8)
a2F(Xl ,.\2
aX1
; t1
,t2
(5.9)
aX2
Les moments de ce couple sont, par dfinition, les moyennes statistiques des
. posIt!
. 'fs ou nu 1s.
e t 111 sont des entlcrs
Le moment correspondant il 11 et 111 gaux il l'unit est appel fonction d'autocorstatistique du processus x(t) et dnot par la lettre R :
Il
111,
~-~..",...tl,nn<: Xl X2 ou 11
(5.1 0)
Si, au lieu de considrer les variables alatoires x 1 et
ex (t l' t 2) = E {[ x (t d
Px (t '2 )
n
(5.11 )
Lorsque t 2
1 Stationnarit. Dfinitions
Un processus alatoire est dit stationnaire au sens strict si toutes ses proprits
sont invariantes dans I.e temps.
Il est dit stationnaire du deuxime ordre si seules ses statistiques d'ordre 1 et d'or2 sont invariantes dans le temps. Dans ce cas, on a d'une part
t't"11di.,,,I,""
(5.11)
G.;
/lx (ti) = Px et
(ti) = a; sont des caractristiques invariantes dans le temps,
des constantes pour un processus donn.
Par ailleurs, la denst de probabilit conjointe ne dpend plus que de l'cart tem-
(5.13)
(5.14 )
l'autocorrlation et l'autocovariance ne sont fonction que du seul cart temporel
(5.15)
Rx (t l' t 2) == Rx ( T)
ex (t l' t 2)
= ex ( T)
= Rx ( 1) - ,u';
(5.16)
116
Un processus alatoire est dit stationnaire au s~ns large lorsque seules sa valeur
moyenne (5.5) et sa fonction d'autocorrlation (5.10) sont invariantes dans le temps.
L'invariance de la fonction d'autocorrlation entrane celle de la variance. Un processus
stationnaire du deuxime ordre est videmment aussi stationnaire au sens large. La rciproque n'est pas ncessairement vraie.
5.1.12 Commentaire
Un phnomne physique alatoire n'est jamais rigoureusement stationnaire. Il
possde une phase transitoire d'tablissement au moment de sa cration. Il est galement souvent influenc certaines poques de son histoire par l'volution du systme
auquel il est associ.
Le concept de processus stationnaire n'est donc qu'un modle simplifi. Il est
toutefojs commode d'emploi et se rvle trs largement utlHsable en pratique lorsque
l'on peut se contenter d'observations (mesures) de dures raisonnablement limites
pendant lesquelles le phnomne prsente un caractre permanent.
5. L 13 Ergodisme. Dfinition
Un processus alatoire est dit ergodique si l'on peut identifier les valeurs moyennes statistiques du type (5.2) aux valeurs moyennes temporelles du type (5.1).
Comme pour la stationnarit, on peut dfinir diffrents niveaux d'ergodisme.
5.1.14 Consquences
Soit
TI2
XII
J x1f(t)dt
lim
=:;
T-+=
(5.17 )
-1'/2
Il d~un
00
E [x
= )
/1
(5.18)
x p (x) dx
-co
Il.
L'hypothse d'ergo-
L'cart-type ax reprsellte ainsi pour les signaux alatoires l'quvalellt de la valeur efficace illtroduite pour les sigllaux sillusodaux ( 1.8.2.11 ).
Sur certains instruments de laboratoire permettant de mesurer cette grandeur, on
l'appelle la vraie l'aleur efficace (en anglais' tn RAIS llalue).
5.1.15 Commentaires
Ainsi, lorsqu'il paraH justifi d'mettre cette hypothse d'ergodisme, on est en
droit d'estimer les proprits statistiques d'un processus x(t, r) par l'analyse temporelle d'un signal .l'Ct) unique Cun seul membre de l'ensemble des fonctions possibles).
Cette procdure d'observation est videmment beaucoup plus facile raliser pratiquer
. ,
ment.
Tableau 5.2
Nom
Formulation statistique
ValeUf
moyenne
Ji:.:
Valeur moyenne
nu cafr
Jix-
Valeur
quuratique
moyenne
Er x 2,
q )( 1
Formulation temporelle
Interprta lion
.\"
composante continue
Hm
x( r) dr
T-''''
.,
puissancl! de la composante continue
--:;
/)x = x-
)dx
_[ x
lim
'1'-""
2(1 )t
puissance lotale
T
Ul
5
Ecart
quuuratique
moyen (variance)
Ecart-type
o.;
El ( x - Il.,' )21
( x - Ji.\: )
) li x
[X(I) - x
T -ln
V(x-:n 2
GA'
z
c:
x
;>
T/2
puissance des
nuctualiollS
;>
t-'
t"1.
::;
:2
~
l"'7
Ul
Au tocorrlation
RX(T)
E\x(f)x(r+r)l
JJ XIX~/)(
Au tocova riance
Relations
particulires
ex (T)
::;0
R.~ (0) _
C\:(O) -
<Px(') = .1."(
1'/2
XI
,x::. : T)X,
r)(
2:2
1 ::: 0x
dX2
RI: ( T) - Il;
(Ix
7)*X(T)
r x(r)x(r+r)dt
T -'in
1,0,1:(7) _.\",2
2
+ Ji x
Px :::: 't'xIO)
<Pxro)-y"
-....l
118
+ a)
(5.19 )
La variable alatoire Ka. observable en un instant particulier t 0; ne dpend statistiquement que de la variable a' = f..J..}fo + a qui est galement distribution uniforme
)(0 ::::
(5.20 )
Arcsin(xo/A)
(5.11 )
Inversment
al::::
KO
QI'
,
"" ""-
.....
-Fig. 5.3
119
SIGNAUX ALATOIRES
Il la
demi~priode
F(x):;::
probe Xo
~x)
:;::
TI
-1 Arcsin (
1r
x)
A
+ -.1
(5.21 )
dF(x)
p(x)
Ixl
dx
(5.23 )
ri
:c
-A
p(x)
-il
Fig. 5.4
f x p(x)dx
Px =
= 0
(5.24 )
-DO
x=
donc J.l. x
TI2
-TI!
lim
EX.
A sin(wt + Cl )dt
(5.25)
120
-L
'!"
x p(X) dx
17'-A
x
1/ 2
2 dx
tA -x
(5.26)
et est aussi gale il la valeur quadratique moyenne temporelle - ou puissance totale du signal
1 Tf2
1 1F
A2
x 2(t) dt :::: lim , A 2 sin l( wt + (k ) dt = Px = X 2 :::: Hm
T-"" T -T12
T-T -Tf2
2
(5.27)
- l
PC>
La fonction d'autocorrlation statistique est ici identique la fonction d'autocovariance puisque Jlx :::: O.
Rx(tl' tz) = E[X(tl) X(t2)]
= A 2 E[sin(wt 1 +a)sin(wt 2 +a)]
= 1h.A
2 E[COS{W(t2-tl)}-COS{w(tt +t2)+2a}]
(5.28)
Le premier terme de la parenthse carre n'est pas alatoire, mais une constante
pour un cart temporel T:::: t 2 - t 1 donn. Le deuxime terme de cette parenthse est
une fonction du mme type que x(t) et, par consquent, sa valeur moyenne est nulle.
La fonction d'autocorrlaton statistique du signal sinusodal phase alatoire est ainsi
A2
(5.29)
et ne dpend que de l'cart T:::: t 2 - t). Le processus est donc aussi stationnaire au sens
large.
La fonction d'autocorrlation temporelle s'obtient galement facilement et s'identifie avec (5.29)
A2
IPx ( ) :::: 1i m T-=
Tf2
si Il
( Wt
+ (k ) sin [ w ( t + T ) + (k l dt
-T12
Al
= -
COS(WT)
(5.30)
')
5.1.17 Exemple
Considrons un processus dont chaque ralisation est un signal binaire alatj:~e .
y(t). Les deux niveaux d'amplitude YI =- 2 volts etY2 = 5 volts apparaissent avec
121
les probabilits respectives Prob (y 1 ) ::;; 1/3 et Prob (J'2) =- 2/3. On suppose cc processus
stationnaire et ergodique au sens large.
Sa fonction de rpartition est
2
F(y)
(5.31 )
L Prob CVi) . 8( Y - Yi )
= --
pCy)
dy
(532)
-------
1/3
Y
_'1
5
p(y)
(:!J3)li(y-5)
(lJ3)8(y+2)
y
_'l
Fig. 5.5
La composante continue et la puissance totale d'un tel signal ne peuvent pas tre
values thoriquement en calculant une moyenne temporelle.
Par contre, puisque le processus yU,
est ergodique, la composante continue est
gale la valeur moyenne statistique et la puissance totale la valeur quadratique
moyenne statistique:
r)'
DO
Il y
P (y) cl)' =
-'00
=-
2 1/3
LYi
Prob (Yi)
i
y p(y) d)'
-00
4 1/3
+ 25 2/3 = 54/3
18 yl
112
(5.33 )
PX.l'(x,y) = px(x)py(y)
f J (XI,X2"",Xk)
(5.34 )
1JI Px (Xl' X 2, .. ., X k
... , Xk)
Xi::
g 1<)'! Y l
, ... ,
yk)
5.3 5 )
(5.36 )
= ax + b
(5.37 )
123
SIGNAUX ALATOIRES
dxldy
( 5.38)
lia
d'o
-l-p;r(x
=~)
lai
a
(5.39)
>
(5.40)
Cette transformation n'est pas biunivoque puisque deux valeurs de x correspondent la mme valeur de y. La condition d'quivalence en probabilit conduit crire
Py(y) ;
1:;-1
Px
(5.41)
avec ici
x_
=-
x+
yYG
VYJ;
ct
dx_1 dy
- 1
::::::
2Yay
et
dx + 1dy
(5.42 )
2 V ay
~)];
y>O
(5.43 )
Cas particulier: si Px (x) est une fonction paire, Px (x)
Py (y)
= Ir::::::r ay
Px ( Y yla )
=::
Px (- x) et
(5.44 )
Par exemple (fig. 5.6), dans le cas de la transformation quadratique dfinie par (5.40),
si Px(x) = liA pour lx 1~ AI2 (distribution uniforme centre) : Py(y) = l/(Ay'ay)
avec 0 ~ y ~ aA 2/4.
D'une manire gnrale, les transformations non linaires induisent une modification de la densit de probabilit.
124
P:t(X)
y
-+------------------~------
Fig. 5.6
= Jx 2 +y2
9 = arctan y/x
r
(5.45 )
avec
J=
axial'
ay/ar
1
ax/arp
= 1 cos4>
ay/3rp
-l'sin 4>
rcos4>
sinrp
=r
(5.46 )
(5.47)
Considrons, par exemple, le cas de deux variables indpendantes x et y avec densits de probabilit marginale gaussiennes et valeurs moyennes nulles (chap. 14) :
Px(x) =
Py(y)
exp
(2i 0x
Y27T Gy
2]
20;
exp [
Y 2]
-~
(5.48 )
_Oy
D'aprs (5.33), la densit de probabilit conjointe est donne, dans ce caSt par
le produit des densits marginales
,
(5.49).
125
SIGNAUX ALATOIRES
La densit de probabilit conjointe des coordonnes polaires est alors donne, avec r
a et a ~ tI> < 1rr, par:
(5.50)
Cette densit caractrise une distribution de Rayleigh gnralise.
Dans le cas particulier o ax = ay = a, on obtient une distribution de Rayleigh
PreP ( r if
2rra 2
ex p [ -
~
1; r ~
2. a-
0 , 0
if>
<
2rr
( 5.51 )
= - ; exp [
PeP ( if
f PrtP ( r, tP ) dr = -1rr
o
tP
<
2rr
(5.52 )
(5.53 )
ce qui montre que les variables alatoires r et .;, sont galement des variables statistiquement indpendantes.
La loi de Rayleigh (5.52) est reprsente graphiquement sur la figure 14.15.
Rx(T) =
(5.55)
(5.56)
et la double intgration devient une double sommation sur les indices i et j qui reprent
1.26
RX(T)
I I Xti X 2j Prob(XU,X2j; r)
i
(5.57)
= x(t)x(t+
r)
lim -
S x(t)x(t+T)dt
(5.58)
T-oe T -T12
Par analogie avec (4.99), cette expression peut s'exprimer sous la forme d'un
produit de convolution (signaux puissance moyenne finie: notation ;) :
(5.59)
Sous rhypothse d'ergodisme ( 5.1.13), on a l'identit
R.'l: ( T) == 'Px ( T :
(5.60)
5.2.2 Commentaires
Les formules (5.55) ou (5.57) permettent en prindpe de calculer la fonction
d'autocorrlation d'un processus stationnaire dont la statistique du deuxime ordre est
connue analytiquement.
La formule (5.58) est identique la relation (4.91) tablie pour les signaux dterministes puissance moyenne finie. Mais le signal alatoire n'tant pas, sauf cas particulier, connu sous forme analytique, cette formule est impropre au calcul. Elle indique par contre comment obtenir exprimentalement (et idalement en raison de la limite) la fonction d'autocorrlation.
L'exprience ralisable est une mesure pendant une dure finie T de la fonction
T
Vi x ( T) =
f x(t ) x( t + T)
(5.61 )
dt
avec
'Px ( T) ::;:: Hm
(5.61)
Zi5x ( T)
T-oo
= E{[x(t)
/J.x][x(t+T)-/J.xH
Rx(T)
-p.;
(5.63)
SIGNAUX ALtATOIRES
127
px(r) = c."\:(r)/a x
(5.64)
5.2.4 Proprits
On vrifie facilement que les fonctions d'autocorrlation et d'autocovariance de
processus rels sont paires
= Rx (- r)
(5.65)
Cx(T) = Cx(-T)
(5.66 )
Rx ( r)
Pour r
= 0, la fonction
On a ainsi
Cx(O)
Rx ( 0)
Px (0)
a;
(5.67)
= a x + J.1 x
=1
(5.68 )
(5.69)
(5.70)
car la valeur quadratique moyenne de la somme ou diffrence suivante est ncessairement positive ou nulle
E ([x(t) x(t
+ r)]2}
( 5.71 )
d'o
(5.72 )
Ce rsultat est analogue ceux tablis aux paragraphes 4.2.14 et 4.3.8 dans le cas des
signaux dterministes.
Par un raisonnement identique appliqu au processus centr, on obtient
(5.73 )
(5.74 )
Puisque le carr de la valeur moyenne est toujours positif, les ingalits (5.72)
peuvent tre remplaces par les conditions plus svres
(5.75)
La formule (5.55) montre que la fonction d'autocorrlation - et donc aussi celle
de covariance - dpend de la densit de probabilit conjointe de x(t) et x(t + r).
Pour un processus alatoire sans composantes priodiques, l'interdpendance entre x (t)
118
et x (t + r) diminue lorsque 1T 1crot indfiniment. A la limite, ces variables deviennent statistiquement indpendantes. En introduisant la condition (5.33), on obtient
la limite
(5.76)
(5.77 )
o
Fig. 5.7
E[x*(t)x(t+r)]
l
'Px (r)
(5.78 )
TI2
(5.79)
5.2.6 Interprtation
Les fonctions d'autocorrlation statistique ou d'autocovariance d'un processus
alatoire peuvent tre interprtes d'une manire analogue celle prsente au paragraphe 4.2.10 dans le contexte des signaux dterministes.
Les expressions (5.55), (5.63) ct (5.78) constituent des formes particulir~s
produits scalaires associs il des variables alatoires.
'.
de
129
SIGNAUX ALATOIRES
La valeur quadratique moyenne statistique de la.diffrence x(t) - x(t + r) correspond au carr d'une mesure de distance entre ces deux variables. En supposant /lx
= 0 pour simplifier et avec la notation Xl = x(t) et Xl x( t + r), on a:
E{[x(t)-x(t+r)]2}
= d 2(x,x r
ff(X,-X2)2p(xt,Xl;r)dx,dX2
2[a}- Cx(r)]
(5.81 )
Cette distance ne s'annule que pour Px = 1. Les variables x(t) et x(t + r) sont 110n corrles pour les valeurs de r o ex (r) = 0 et orthogonales lorsque R."( ( r) = O.
5.2.7 Exemple
Considrons un processus alatoire x (t) dont les valeurs x changent aprs chaque
intervalle de T secondes tou t en restant constantes dans l'intervalle.
Deux ralisations possibles Xi(t) et Xj (t) de ce processus sont reprsentes sur la
figure 5.8.
.rd!)
1"--'
1
1
1
1
J
Xl0(t)
1
1
1
1
1
1L __ .J1
Fig. 5.8
pen
Rx ( 1ri> T) = E [x (t) x (t
+ r)] = E [ Xl] E [x 2 ]
JJ;
(5.82 )
>
T)
=0
(5.83 )
130
tiques. Ainsi
six1
si
=X2
(5.84 )
xl -=1= X2
Autrement dit :
Rx{ITI ~ T)
= (a~
+,u.~)Prob(x1
= X2)
+p~ Prob(xi
-=1= X2)
(5.85)
pen
= liT
0 ~
t <
(5.86 )
171
Prob(x t =l=x2) = Prob(< ITI)
F~(ITI)
J p()d
1 1
(5.87)
+ Prob(XI
-=l= X 2)
(5.88 )
d'o
(5.89 )
La formule (5.85) devient
Rx(ITI ~ T)
(l-171IT) (a~
+ Jl~) + (ITIIT)p; =
(l-171IT)a;
+ p;
(5.90)
et
(5.91)
Ces divers rsultats peuvent etre combins pour tout T de la manire suivante en
utilisant la notation (1.34)
Rx(7) = a~ tri(TIT)
Cx (7)
a; tri(TIT)
+,u;
(5.9~)
(5.93 )
(5.94 )
131
SIGNA UX ALATOIRES
1 \
1 \
-T
al
x
\~ ('C(7)
7
Fig. 5.9
ou
(5.96 )
Si le vecteur rsulte de l'chantillonnage rgulier (chap. 9) d'un processus stationnaire, les valeurs de corrlation ou de covariance ne dpendent plus que de la dif
frence Tij = Ci - j)tlT, o il.T est le pas d'chantillonnage et fJx (1;) = fJ x 'd i :
Rx(O)Rx{L~T) . . . . . . . . . . Rx([k-I]il.T)
.. - . -. . '.
R x (il. T)
_
(5.97 )
Une telle matrice est symtrique et chaque diagonale est compose d'lments identi
ques (matrice de Toepliz).
Compte tenu de (5.64), la matrice de covariance peut s'crire sous la forme
PI '"
PI
Pk-I
'.
(5.98)
Pk-l . . . PI
o P li-jl = p( li - jl il.T).
Rappelons que les matrices (5.97) ct (5.98) s'identifient si le processus est
valeur moyenne nulle (fJx = 0).
132
Un cas particulier intressant intervient lorsque les chantillons sont non corrls: ceci entrane l'annulation des coefficients de corrlation Pi et la matrice de covariance se rduit une matrice diagonale d'lments cr;.
tE T
(5.99)
o les fonctions 1/!k (t) sont choisies orthonormales pour simplifier, est ici coefficients
(3.43) alatoires
Cik =
f x(t) tJ;;(t) dt
(5.1 00)
si
si
*1
1
(5.101 )
JRx(t-T) tJ;k(T) dT
= cr;Wk(t)
(5.102)
133
(5.103 )
00
-0<>
4.1.6:
Xi(t)
Im
(5.104 )
xi(t,T)
T-=
avec
(5.105)
-.
"
Fig. 5.10
La fonction
Xi (t,-
00
XiC/, T)
-=
TI2
(5.106)
-T12
(5.107)
134
= T-1!Xdf:
T)
Xi (t,
T)
,2
( 5.108)
est parfois appcle un priodogramme (terminologie historiquement associe la rccherche de priodicits caches). Ce priodogramme est une gralldeur alaTOire, puisqu'en prindpe diffrent pour chaque membre de l'ensemble des signaux {Xj(l)} constituant le processus.
Afin de caractriser les proprits spectrales de l'ensemble mesures sur l'intervalle T, il faut introduire la notion de moyenne statistique des densits spectrales:
(5.109 )
E[
T-+oa
IX,(~
TlI']
(5.110)
5.3.2 Commentaires
Si, par exemple, x(t) est une tension, la dimension du priodogramme et de la
densit spect ralc de puissance (5.110) est en V 2 1Hz . L'expression (5.110) ne d iffre
de (4.107), tablie dans le cas des signaux dterministes, que par l'introduction du
concept supplmentaire d'esprance mathmatique.
La mesure exprimentale de (Px(f) ne peut videmment pas tre ralise. Il s'agit donc d'une notion purement thorique. Sculle priodogramme (P.d(f. T) peut
tre dtermin exprimentalement. Son caractre alatoire explique que la mesure
p.d(f, T) effectue sur des ralisations diffrentes d'un processus alatoire conduisent
des rsultats qui sont lgrement diffrents. Si le signal observ est staUonnaire et er
godique, il est possible d'obtenir une bonne estimation de la densit CPx U: T) en effectuant une moyenne de plusieurs priodogrammes mesurs sur des tronons diffrents d'un seul signal.
Certains aspects de l'analyse spectrale exprimentale d'un signal alatoire sont
abords au chapitre 12. Les problmes plus spcifiques relatifs il l'approche numrique
sont prsents dans le volume XX du Trait.
5.3.3 Thorme de Wiener-Khintchine
La densit spectrale de puissance d'un processus alatoire stationnaire (nu sens
large) est la transforme de Fourier de sa fonction d'autocorrlation statistique .
..,
(1).xCI)
F{Rx{r)}
(5.111) -
135
SIGNAUX ALATOIRES
5.3.4 Dmonstration
Le priodograrnme (5.108) d'un signal alatoire rel peut s'exprimer, en tenant
compte de (5.105), sous la forme:
= -1 Xi *(f, T)Xi(j, T)
(llX;(f, T)
T
1
_00
(5.112 )
l
E[ cI>xi(f, T)]
""
ff
.~
E [Xi(t)X/( t
+ T) 1rect
_CG
(5.114)
et l'on reconnait dans l'expression suivante la fonction d'autocorrJation d'une impulsion rectangulaire dj rencontre au paragraphe 4.2.20
If
IX!
rect
(t)
T rect (t+7)
-T- dt
(5.115)
Ainsi,
oc
(Ilx(f,T) = E[(I)xi(j,T)] : : :
(5.116)
(Px(f) = Hm E[<Pxi(f,T)]
(5.117)
T-+<:a:>
5.3.5 Commentaires
Grce au thorme de Wiener-Khintchine, la thorie du signal peut proposer une
dfinition unique de la densit spectrale (d'nergie ou de puissance selon les cas) d'un
signal, qu'il soit dterministe ou alatoire, ou encore une combinaison des deux: c'est
la transforme de Fourer de la fonction d'autocorrlation. Ceci explique l'importance
de ce dernier concept. Le tableau 5.11 rsume les relations fondamentales de l'analyse
spectrale.
136
Tableau 5.11
Signal nergie finie
X(f}
x(t)
.l
1
+ T)dt
x(t)x(t
TF
"
IX(/)1 1
(l'A!)
<)===:t>
x(t)
Tlr2
lm x( t)x(t
T-'" T -f/2
TF?
)dt Q===t>
.,
X(f, Tl = Flx(t,T)
= x(t)rectUIT})
~ XU)
x (1) = x (t + TIl T)
LX"b(/
IlIT)
11
1 TI"
;pAT) = x(t)x(t+r)dt
T -TIl
1
X II
:=
TIl
r x(t)exp( -
j 21TlltIT)dt
T -f/2
Ln IXn12 bU -
l!>;r(f)
Il
nIT)
l
=
;pAr)
hm
T-co
Til
x( t)x(t + r )dt
-'1'11
= Rx(T) =
E[x(t)x(t+r)1
'l'.,..{f)
T...
Si, pour un signal alatoire, <Px (n est connue, la fonction d'autocorrlation peut
s'en dduire par transformation de Fourier inverse
co
Rx(r)
J(PX(f)exp(j21TfT)df
(5.118)
-CID
1
lim 1'-+00
1'/2
r Ix(t)1 2 dt
T -in
= Rx(O)
= cr; + /1; =
""
f 1P:r:Cf)dj"
-ca
(5.119)-
137
q,x (f)
(5.121 )
On peut donc aussi introduire une reprsentation spectrale unilatrale, comme au paragraphe 4.5.2, en posant:
(5.122)
R x ( r)
= Cx ( r) + Jl;
(5.123 )
cPx (f)
(5.124)
Jl;
138
5.3.6 Exemple
Le signal sinusodal phase alatoircx(t) =A sin(21TJo t +) dcrit au paragra
phe 5.1.16 possde la fonction d'autocorrlation (5.29)
R."I:(r)
!6A 2 cos(27rJor)
(5.125)
(5.127)
!Px (f)
n.
a a
a a a
Fig. 5.12
Ce signal est stationnaire si l'origine du temps est inconnue, c'est--dire s la va~ est uniformment distribue sur une priode d'horloge T.
Si l'on suppose que les symboles successifs sont statistiquement indpendants les
uns des autres, le signal x( t) de la figure 5.12 devient un cas particulier de celui examin au paragraphe 5.2.7. Sa densit de probabilit est alors simplement, d'aprs (5.32)
riable
p(x)
= Prob(xo)5(x-xo} +Prob(xd5(x-xd
= x0
E[x]
Px = E [ X
= a'; + Il -;
l.
+ X 1 Pro b (x d
= x ~ Pro b (' x 0 ) + x Pro b (x 1 )
Pro b (x 0)
(5.128)
(5':129)
(5.130)
139
SIGNAUX ALATOIRES
a;
(5.13] )
La densit spectrale de puissance d'un tel signal, reprsente sur la figure 5.13,
vaut, par (5.111) et (4.35)
(5.132)
f
2jT - liT
liT
2/T
Fig. 5.13
P."\:
2
Px.
n (xo + xl)
14(xo +xd
aX.
Y.i(xo -xd
Px.
= ~(x~ +x)
(5.133)
(5.134 )
(5.135)
(5.136)
Si, de plus, le signal est antipolaire, c'est--dire si Xl =-x o =A: Px. =O~ il n'y a
2
donc plus de composante continue et
= A = Px..
Si, au contraire. le signal est unipolaire: Xo = 0 et Xl = A. On obtient alors une
composante continue de valeur Px =AI2 et une variance
= A 2 /4 ; la puissance to~
tale valant dans ce cas Px =A 2 /2 .
L'examen de la figure 5.13 indique que l'essentiel (9] %) de la puissance du sj~
gnal binaire cadenc est contenue dans la bande de frquence 0 < lfl < lIT.
a;
a;
140
y(l)
periode d'horloge
~T
.-----.
1
AI
1
1
;0
1
1
-AI
information bimlre
r
o
Fig. 5.14
I I
YI i Y2j
T)
(5,]37)
i=O j=O
avec
Yli Y2j
si i = j
(5.138)
sil =1= j
Autrement dit
2
Ry(r) = A [Prob(yli
= J'2j;r)
= A'l[1-2Prob(Yli
=1=
J'2j;r)]
(5,139)
Pour 1ri> T, les deux probabilits sont videmment gales, en raison de l'indpendance et de l'quiprobabilit des symboles 0 et 1. Donc
(5.140)
Pour 1r 1~ T, la probabilit que les variables y 1 et Y2 prennent des valeurs diffrentes est gale celle d'avoir une transition unique dans l'intervalle r.
Une distinction doit tre faite entre les domaines 1r 1~ TI2 et TI'2- ~ 1T 1~ T.
Pour 1 ris: T/2, la probabilit d'avoir une transition unique est nulle si y 1 se trouve situe sur la deuxime moiti de la priode d'horloge d'un symbole et si le symbole
suivant est diffrent. La premire situation se ralise avec une probabilit gale ~ en
raison de la distribution uniforme de ~ sur une priode d'horloge. La probabilit d'un
changement de symbole est aussi gale % puisqu'on a suppos ici les symboles quiprobables. La probabilit conjointe de ces deux vnements indpendants est ainsi gare
%. La situation contraire se produit donc avec une probabilit gale '%. Dans ce cas,
la probabilit d'avoir une transition est proportionnelle 1ri et varie de zro un pour'
141
SIGNAUX ALATOlRES
(5.141 )
(5.142)
Pour T/2 ~ 1TI:::;;;; T, on peut avoir zro, une ou mme deux transitions. Ainsi la
probabilit d'avoir une transition unique est gale 1 moins les probabilits de n'en
avoir aucune ou deux. Le premier cas ne peut se produire nouveau que si YI est situe
sur la deuxime moiti de la priode d'horloge d'un symbole et si le symbole suivant
est diffrent. Sa probabilit vaut 1;.; pour 1 TI = TI2 et elle dcrot linairement avec
1TI pour s'annuler lorsque 1TI = T:
Prob (zro transition dans T/2 :::;;;; 1TI:::;;;; T)
Deux transitions dans T/2 :::;;;; 1T 1 ~ T ne peuvent se produire qu'en cas de rptition d'un mme symbole. La probabilit correspondante est nune pour 1TI = TI2 et
crot linairement avec 1TI pour atteindre la valeur 1h pour 1TI = T:
Prob(2 transitions dans T/2 :::;;;; ITI :::;;;; T) = ITI/T-1h
(5.144 )
Ainsi:
Prob(yIi =l=Y2j; T12:::;;;; ITI:::;;;; T)
1h ITIIT
(5.145)
et par (5.139)
= A'2 [ITIIT-1]
(5.146 )
Les rsultats (5.140), (5.142) et (5.146) sont reprsents sur]a figure 5.15.
Ils peuvent tre combins en utilisant la notation (1.34) dans la formule globale
Ry(T)
A [2tri(2TIT)-tri(T/T)]
(5.147)
Fig. 5.15
sinc'2 ([T)]
(5.148)
142
- 21T - lIT
lIT
2fT
3fT
4fT
Fig. 5.16
Cette densit spectrale est compare sur la figure 5.16 la densit (f.>x(f)
A 2 Tsinc 2 (fT) obtenue selon (5.132) dans le cas du mode NRZ antipolare.
( 5.149)
Dans le cas particulier o les symboles sont quiprobables et les signaux associs
antipolaires [SI (t);::: so(t) =s(t)], la formule (5.149) se rsume
<px(f) = T- 1 IS(f)1
(5.150)
(Px(f) =
17
pour
Ifl
<
00
(5.151)
Un tel modle est bien sr thorique, car ce processus ne peut exister. Sa puissance moyenne est en effet infinie. Ce concept est toutefois fort utile dans un grand nom- _
bre de cas o le spectre rel peut tre, en premire approximation, remplac par un
spectre constant (chap. 6).
143
SIGNAUX ALATOIRES
Par (4.74), la fonction d'autocorrlation du bruit blanc (fig. 5.17) est une impulsion de Dirac de poids l,6 11 :
Rx(7)
(5.152)
(b(!)
R(T)
t 77 o(r)
f
o
Fig. 5.17
Ce rsultat signifie que pour un bruit blanc, les variables alatoires x(t 1) et x(t 2)
sont totalement lion corrles) quelque soit 7 = t 2 t 1 =1= O. Si le processus est gaussien
(sect. 5.7), cette non corrlation entrane Pindpendance statistique.
On appelle galement bntit blanc ba1lde limite un processus alatoire dont le
spectre est constant dans une bande finie de frquences et nul partout ailleurs:
cI>
(n = ol,61]
1
pour Il
<
If
< f2
partout ailleurs
( 5.] 53 )
On peut considrer qu'un tel processus correspond au signal de sortie d'un mtre
idal de largeur de bande B =12 - Il excit par un bruit blanc idal de densit spectrale
1]12.
La valeur moyenne de ce processus est nulle et sa puissance totale est finie:
p = a2
R(Q)
(S,] 54)
""
(5.155)
RI (7)
F- 1 {CP] (f)}
(5.156)
Les variables x(tl) et x(t2) sont ici non corrles condition d'tre spares par un
pas 7 gal un multiple de II (2 B).
Le spectre est de type passeMbollde si fI =fa - BI2 et 12 =fo + BI2 :
(5.157)
d'o
R 2 (7)
(5.158)
Les densits spectrales et les fonctions d'autocorr]ation de ces deux types debruit blanc bande limite sont reprsentes sur la figure 5.18.
144
1:11
-B
41 1 (f)
311
-fa
la
Fig. 5.18
Rx y ( T)
Ryx(T)
E[y*(t) X(t+T)}
E[y;
X2]
(5.159)
(5.160 )
(5.161)
co
Ryx(r) = E[
YI X2]
(5.162)
Pour des processus ergodiques, les dfinitions (5.161) et (5.162) sont identiques aux
145
SIGNAUX ALATOIIS
T-=
+ r)dt
= x{ - r)"*y(r)
-TIl
(5.163 )
et
Ryx(r)
== 'Pyx(r)
= lim
T-oo
1 T~2
J y(t)x(t
T -TIl
+ r)dt
y( - r)"*x(r)
(5.164 )
avec la relation
(5.165)
(Pxy(f) =
f R.'Cy(r)
e- j2rr!T dT
(5.166)
-Xl
f Ryx{T) e-.,.,
00
(l}yx(f) =
j2rr!r
dT
(5.167)
E [ IX(f, T) Y(f, T)
T
1]
(5.168 )
Rxy{T)-J.lxJ.ly
(5.169)
(5.170)
Le coefficient d'intercorrlation mesure le degr de dpendance linaire entre les variables Xl et Y2"
146
5.4.4 Proprits
Par une dmarche analogue celle prsente au paragraphe 5.2.4, on dmontre
que
1R.~J'
1 Cx JI ( T ) 1
(5.172)
(S.173)
et
(5.174)
Aux valeurs de T :::: t 2 - t 1 pour lesquelles Cx }' (T) = 0, les variables alatoires
x(t 1) et y(t2) sont dites lIOn corrles. Elles sont orthogonales pour les valeurs de T o
Rxy (T) = O. Orthogonalit et non corrlation s'identifient si l'un au moins des processus est valeur moyenne nulle.
Si x(t) et y(t) sont des processus statistiquement indpendants, on a pour tout T:
(5.175)
et
(S.176)
Par contre, l'anTlulation de fintercovarallce Tl 'est pas tille condition suffisallte
d'indpelldallce (sauf, en particulier, si les processus sont gaussiens [sect. 5.7]).
On peut galement tablir l'ingalit suivante [65] pour des processus centrs:
(f) <Py (f)
(5.177)
l~l'(f) =
.
1(Pxy(f)12
CI)x(f) (I)y(f)
(S.178)
a~
rXy(f) ~ 1
(5.179)
SIGNAUX ALATOIRES
147
= x+y
( 5.180)
Pxy (x,
co
pz(z)
J Pxy(x. z -x)dx
(5.181)
-CIO
Px)' (x, y)
""
p:z(z) =
J Px(x)Py(z-x)dx
= Px(z) *Py(z)
(5.182)
-IX>
pz(Z) = Pl (z)
(5.185)
* P2(Z)
=II
* PII(Z)
(5.186)
(5.187)
Exemple
Soit deux signaux alatoires indpendants x( t) et y (t) distribution uniforme
zro et un: P:x(x) =rect(x-~) etpy(y) rect(y-~). La densit de probabide leur somme (fig. 5.19) est du type triangulaire: Pz (z =x + y) = triez - 1).
148
Py(y)
Px(z)*Py(:::)
Fig. 5.19
p(x)
p(x)*p(x}(~)
==p(x}*p(x
x
------~~.~------~
-1 0 1
-3
t
21
1
(4)
p(x)
* p(x)
~5
-5
..
(S)
p(x)*p(x)
1
"1
l
-exp
l'21To
[x
'1]
-20
(pointill)
x
Fig. 5.20
149
= ax(t) + by(t)
(5.188)
+ T) ]
2
a cJ>x (f)
(5.189)
(5.190 )
a 2 {Px (f)
+ b '2 Ry ( T)
+ b 2 cp}' (f)
(5.191 )
(5.192)
150
Rz(r)
Y.!A cos(21l'for)
+ a~
tri(rIT)
+ JJ~
<Pz (n :::: %A
[ li (f
+ fa) + li (f -
f 0 )]
+ JJ ~ li (n + cr ~ T sinc 2 ( Tn
Fig. 5.21
- 10
liT
liT 10
Fig. 5.22
Ce rsultat suggre que la corrlation, comme l'analyse spectrale, peut tre utili-
() _
P:; - R:; 0 - cr z
+ JJz2
1L
A2
+ cry2 + JJy2
avec
et
JJ:: = JJy
5.5.7 Exemple
Une illustration analytique du thorme de la lmite centrale peut tre obtenue
dans le cas suivant. Considrons la variable alatoire z = l:: Xk o les xk sont des varia- ,
bles indpendantes et toutes distribues uniformment avec une densit de probabilit
SIGNAUX ALATOIRES
151
(5.193)
z = xy
f -1
ce
_.,.. Ixl
Px)'
z )
1
dx
(5.1 94)
Pz(z)
= J'::"
-oc
z)
1 P.'x) Py ( x
Ixl
dx
(5.195)
1
dx =
lnz
/1.;: = E[z]
J -zlnzdz = 1/4
o
152
JI
X=Z
Fig. 5.23
Fig. 5.24
(5.196 )
E[ z(t) z(t
+ )]
Rz = E[X(t)X(t+7)]E[y(t)y(t+)]
= RX() '. R.v()
(5.198 )
* CP}' (f)
(5.199)
5.6.4 Exemple
Considrons le produit z(t);:: x(t) y(t) d'un signal x(t) sinusodal phase ala
toire ( 5.1.16) de frquence fo et d'amplitude A et d'un signal binaire cadenc, en
mode NRZ ( 5.3.7), indpendant, antipolaire (niveaux V) et symboles quiprobables de dure T.
153
SIGNAUX ALATOIRES
R;:(r)
AI'~
c_
r-r
r .-
1
1
_cW
-AV
,_1
-'--
...,-it--
..-
1/10
II): (f)
R:(j)
tA:! r
T2
/ \
-T
T
\
1/T
Fg.5.25
5.7.1 Dfinition
Un processus alatoire est un processus gaussien si pour tout ensemble d'instants
= (x 1> X2' . , X1l ), avec Xi = x (ti ), possde
une densit de probabilit conjointe multidimensionnelle gaussienne. En utilisant des
notations matricielles, celle-ci a la forme suivante ( 14.4.5)
p (x)
)T]
(5.200)
o (x - J.1x ) est un vecteur ligne 11 dimensions, (x - J.1 x ) T est le mme vecteur transpos et Cx est la matrice de covariance (5.98).
La fonction caractristique associe s'crit
llx(u)
exp[jJ.1x
~UCxl?]
(5.201)
154
Pxi(X)
exp
[ ( x -Px;) 1.
1.
f[1i 0xi
(5.202)
2 axi
nx(u
= 21l1J):':::
(5.203 )
a;;
(5.204 )
= ax2 alJI (1
t
Cxy
(5.205)
a;'
[- paxo
y
- pax ay ]
a;
l/a;
-p/(aXay )]
[ -p/(axay ) l/a;,
(5.206)
exp [
21TaX oy Y 1 _p2
2( 1 _pl)
_ 2 p (x - J.lx )( Y - J.L y)
axay
{(X-J.lx)2
ai
(y : y) 1.
}]
(5.207)
ai
5.7.3 Proprits
L'importance des processus gaussiens rsulte, d'une part, du thorme de la limite centrale qui en fait le modle asymptotique d'un grand nombre de phnomnes
naturels et, d'autre part, des proprits ci-aprs.
De la dfinition (5.200), il ressort qu'un processus gaussien est entirement cara
tris par ses momen ts du premier (valeur moyenne) et du deuxime degr (covariance). Ainsi, la connaissance de la fonction d'autocorrlation -ou du spectre -d'un ,
signal gaussien entrane automatiquemen t la connaissance de sa distribution statistique.
Cf Y ::;:: 1,5
0 ;( ', P x
)'
Fig. 5.26
== 0 ,8
156
+A
(1)
x(t)
o
Fig. 5.27
A 8(f)
r
-B
Fig. 5.28
Rx ( T)
= 1] B sine (2 B T) + A
+ A.
157
SIGNAUX ALATOllS
A +T)B
- 1/('" B)
1/(2 B)
Fig. 5.29
Ce terme peut aussi tre dtermin ici. selon (5.76), comme la valeur de Rx (7 -'J. (0).
La fonction de covariance vau t ainsi
("\:(7) ;;;:: Rx(r)
/.l; = 1}Bsinc(2Br)
Cette fonction s'annule pour les valcurs r:;: "/(2 B) pour tout k entier diffrent de zro.
Ainsi, des chan tillons prlevs sur ce signal priodiquement tous les D..t 1/(2 B) seconde seront des ralisations de variables alatoires non seulement non corrles
(Px = 0) les unes avec les autres, mas encore indpenda1ltes puisque l'on a affaire un
processus gaussien.
La variance du processus est
a; = Cx(O) = 1}B
et la densit de probabilit des amplitudes du slgnal devicnt, par (5.202)
p(x) =
1
~121Tl1B
exp [_
(X- a )2]
21}B
Fig. 5.30
158
9 10-4 V 2/Hz et
p (x)
< 0)
Prob(x
x [V]
Fig. 5.31
Prob(x
<
0)
-2/3
f p(x) dx = -,'21T -J
cc
-al
x( t) -
11
an cos (21T/n t
+ n )
(5.208 )
==0
avec fil 11' ilf et an = 2 Vip.y; (/,,) ilf Le signal rsultant x(t) est gaussien, en application du thorme de la limite centrale ( 5.5.3), si la valeur efficace de chaque terme reste ngligeable vis--vis de celIe de l'ensemble.
Une reprsentation en srie de fonctions orthogonales d'un bruit blanc gaussien
bande limHe de type passe-bas se dduit du rsultat (3.81) en crivant
x({)
k==
Xlc
~
sinc(2Bt-k)
(5.209)
""
o les xk sont des valeurs prises par des variables alatoires gaussiennes Xk statistiquement indpendantes, de valeur moyenne nulle et de variance a;. Le signal x(t) appartient certainement un processus gaussien puisqu'il rsulte de la somme pondre de
processus gaussiens. De plus, la densit spectrale de puissance et la fonction d'autocor-
159
SIGNAUX ALATOlltES
(5.210)
car Rx(T) = E[x(t) x(t + T)] = ~ ~ E [Xk xil sinc(1 Bt- k) sine [2 B(t + T)
cr; sinc (2 B T) en vertu de l'orthogonalit ( 3.4.9) des fonctions zk (t)
sinc(2 Bt - k).
l]
5.8.1 Dfinition
Le processus de Poisson est le plus simple des processus ponctuels (comptage).
Ce modle permet toutefois l'tude de nombreux phnomnes rsultant de la ralisation d'vnements alatoires distribus dans le temps: appels tlphoniques, dcs ou
accidents, pannes d'quipements, cration de paires lectron-trou dans une jonction de
semiconducteurs, etc. De tels phnomnes peuvent tre reprsents par une squence
alatoire d'vnements indpendants qui sont susceptibles de se raliser n'importe
quel instant avec la mme probabilit.
L'tablissement de la distribution de Poisson est faite en dtail au paragraphe
l4.4.3.
Si le nombre moyen d'vnements par unit de temps est ., la probabilit
J.l)/N!
(5.211)
p(Z) = . exp(-
Z);
Z ~O
(5.211)
5.8.2 Reprsentation
Un processus ponctuel x(t) possdant une distribution de Poisson peut tre reprsent (fig. 5.32) par une suite d'impulsions de Dirac de poids ai places en des
instants alatoires fi :
(5.213)
o
Fig. 5.32
160
En considrant x(t) comme l'excitation d'un filtre linaire de rponse impulsionnelle g( t), la sortie J' (t) de ce fil tre reprsen te un processus de Poissoll filtr (ap~
plication ft l'tude du bruit d'effet grenaille par exemple) :
(5.214)
5.8.3 Fonction d'autocorrJation et densit spectrale d'une suite alatoire d'impulsions de Dirac
Considrons la suite alatoire (5.213) avec Cii = 1. Pour dterminer la fonction
d'autocorrlation et la densit spectrale d'une telle suite, on reprsentera l'impulsion
de Dirac comme la limite d'une impulsion rectangulaire (1.44) :
U)
1
lim - rect(tl.)
(5.215)
lE
Pour un intervalle E suffisamment petit, la probabilit d'y trouver une impulsion unique
vaut selon (14.80)
Prob (1, e)
= . E
(5.216)
Rx ( r)
= Hm Rx ( r)
(5.217)
e-O
avec
(5.118)
o x = 1lE ou O. Le produit x li Xl; =x(t) x(t + 7) n'est donc non nul que si des impulsions sont simultanment prsentes aux temps t et t + 7.
Pour 1ri> e : les impulsions sont statistiquement indpendantes. Ainsi
......
11.)
(5.219)
Pour Ir 1 ~ e, le produit Xli x2i est non nul si l'impulsion rectangulaire prsente
au temps t est encore prsente en t + T. On peut exprimer, selon (14.6), la probabilit
conjointe correspondante sous la forme d'un produit: Prob (xli, x2j; r)
::: Prob (x li) Prob (x2i 1Xli; T) o Prob (x li) = e par (5.216) et Prob (x2;lx li; 7)
= trie rie) par analogie avec (5.87). Finalement, on a
(5.220 )
La fonction autocorrlation de la suite alatoire d'impulsions de Dirac est obtenue
par passage la limite (fig. 5.33)
Rx(r)
= Hm
e-O
RxCr)
= . 2+ :.\(7)
(5.121 )
161
SIGNAUX ALATOIRES
XO(T)
o
Fig. 5.33
La densit spectrale correspondante (fig. 5.34) apparat alors uniforme, de valeur gale la frquence moyenne . et complte par une impulsion de Dirac il l'origine
2
de poids . qui reprsente le carr de la composante continue (valeur moyenne) du
signal.
(5.111 )
o
Fig. 5.34
=A/2.
x(t)
..1-
o
Fig. 5.35
162
R x ( r)
A 2 Pro b (x 1 =
;;:: A
Prob(Xl
;;:: -exp(
X2
= A; T)
lrl)
'1
N=O
(N pair)
(lrl)N
N!
(5.113 )
N=O
(Npair)
(lrl)N
N!
[ exp (
1TI)
exp ( -
(5.114 )
Irl)]
Rx(T) = %A [1 +exp(-2lrl)]
(5.225 )
et, par transformation de Fourier (cf. exemple 4.2.19), la densit spectrale de puissance vaut
(5.126 )
La puissance totale de ce signal est Px = Rx (0.) ;;:: A 2/ 2 et ]a variance
2
=Cx(O) =Rx(O) )J._~ A j4.
---,-,-,-,.-,-1---------
a;
...
Fig. 5.36
163
SIGNAUX ALtATOIRES
Autrement dit, soit une squence quelconque d'instants t 1 < t 2 < tm < tm + 1
auxquels un processus prend les valeurs arbitraires XI' X2' ... , X m , X m + 1 : ce processus
est markovien (au sens strict) si la densit de probabilit conditionnelle au temps tm + 1
(5.227)
Par extension, on parle de processus de Markov du nime ordre lorsque l'tat futur du processus dpend des 11 tats prcdents.
Lorsque le processus est discret, on parle de chanes de Markov.
5.9.2 llIustration
Le modle markovien s'applique de nombreux phnomnes naturels: particules
en mouvement, volution gntique, processus d'usure, etc. Dans le domaine technique,
l'volution d'un systme dynamique (de rglage automatique, par exemple), d'un signal, d'une squence d'information (langage crit), peut souvent tre assimile un
processus de Markov.
Le caractre markovien est gnralemen t combin d'autres caractristiques statistiques: processus de Gauss-Markov, par exemple.
Certains signaux de transmission de donnes relvent d'un modle markovien
[73 ].
tics
IH
l/TH
x(t)
BI
B!
[JJ
Tl
1
0
t3
t~
1
1
0 1
0 1
1 1
0 1
1
15
Tb
1;
0
1
0
1
1
1
(1
[)
Il
- -tB
Fig. 5.37
hascllk~
1
1
1_ _1
_
,
1
1
,
1
--~-~~-~--
Priotle
(il' la
squt:llce
164
Tableau 5.38
11
3
5
7
10
15
20
22
25
28
29
31
33
39
2 11 _1
7
31
127
1013
32767
1048575
4 194303
33554431
268435455
536870911
2147483647
8589934591
5,5.10 11
1 ou 3
3
1,4 ou 7
3
1
3 ou 7
3,9 ou 13
2
3.6. 7 ou 13
13
4,8 ou 14
il-lit
2
3
6 ou 4
7
14, 11 ou 8
17
21
22 ou 18
15,190u 15
17
28,25,24 ou 18
10
35,31 ou 25
5.10.3 Proprits
Les squences binaires longueur maximum ont les proprits principales
suivantes:
(5.228)
11
165
SIGNAUX ALATOIRES
Fig. 5.39
Enfin, pour
kTs-TH
On peut grouper ces rsultats, en utilisant les notations du chapitre l, sous la forme
gnrale
<px(r) ;:;:; A 2 [21J/(2 -1 )]rePTs[trj(r/TH
1l
)]
Il
u
2
-A /(2 -1)
(5.229)
Fig. 5.40
166
cI>xUl = A2[]TI/(21l-1)21sinc2(THf)
'I/Ts([)
[A 2/(2 1l -I)](f)
(5.230)
11
La raie l'origine a un poids de A 2 / (2 - 1 ) 2 , correspondan t la puissance de la
composante continue qui vaut A/ (1 11 - 1 ). le signe dpendant du niveau attribu
au symbole 1. Cette composante s'annule pratiquement pour JI ~ ].
5.11 EXERCICES
5.11.1 Deux signaux alatoires x(t) et y(t) possdent les densits de probabilit respectivesp(x) =a' rect[(x- 2)/2] etp(y) b(2 -y) rect[(y - 1 )/2). Calculer leurs
valeurs moyennes statistiques et leurs variances.
5.11.2 Un signal alatoire z (t) possde la densit de probabilit reprsente sur la figure 5A1. Calculer la probabilit pour que 1z (t) 1 < 1
p(z)
-1
o
Fig. 5.41
1 0~x~v'2;0~y~x
PXy(x,y) =
10
'II
al eUTS
dantes.
= 1/ (ah)
167
SIGNAUX ALATOIRES
a/x si pAx)
5.11.10 Montrer que si le facteur d'attnuation (exprim id en nepers) d'une transmission a = 1n (P2/P I ) fluctue alatoirement autour d'une valeur moyenne J.L avec une
distributon gaussienne de variance a 2. le rapport des puissances (3 =P2 /P I possde une
densit de probabilit log normale
p(3) = ({3aV21T)-1 exp[-~(ln{3-J.L)2Ia2]:{3
>
5.11.12 Soit un signal alatoire x(t), mesur en volt, uniformment distribu entre 0
et A. Dterminer et reprsenter par un graphe la densit de probabilit et la fonction
de rpartition de la puissance instantane (normalise). En dduire la probabilit que
la puissance instantane soit suprieure fI A
5.11.13 Dmontrer que six(t) est un signal valeur moyenne nulle et distribution
gaussienne, la distribution dey(t) ax 2 (t) est identique une distribution en X 2 il
un degr de libert ( 14.4.7).
5.11.14 Un signal rU) possde la distribution (5.5::!) : dterminer l'quation de sa
fonction de rpartition et en dduire la probabilit que r> 3 a.
5.11.15 Dmontrer que le signal alatoirex(t) =y cos wt + z sin wto y et z sont
des variables alatoires indpendantes valeur moyenne nulle et possdant la mme
fonction de rpartition, est stationnaire au sens large mais non au sens strict.
5.11.16 Soit x (t) un signal ala toire stationnaire et w une constante. Montrer que y (t)
=x( t) cos wt n'est pas stationnaire au sens large, alors que z (t) = x(t) cos( wt + a)
Pest si est une variable alatoire indpendante uniformment distribue sur l'intervalle [O. l1T].
5.11.17 On cherche prdire rvolution d'un signal stationnaire et ergodique x (t) partir de ses valeurs passes x (t - T) en formant rapproximation linaire .y (t) a x (t - T).
Dterminer la valeur de a qui minimise la puissance de l'erreur d'approximation.
5.11.18 Reprendre l'exemple 5.1.7 en admettant pour le processus la densit de probabilitp(x) aexp(-ax) pourx>Oeta>O.
5.11.19 Soit un signal ternaire cadenc occupant dans chaque intervalle conscutif de
dure Tles niveaux indpendants +1. 0 ou -} avec les probabilits respectives lA, ~ et
xt. Dterminer la puissance et la densit spectrale de puissance de ce signal.
168
S.11.23 Retrouver les rsultats (5.132) et (5.148) partir de l'quation gnrale (5.149).
5.11.24 Dterminer quelle est la densit spectrale de puissance d'un signal binaire cadenc, de cadence l/T, o chaque symbole logique 0 correspond il un niveau nul et
chaque symbole 1 est reprsent par une impulsion rectangulaire d'ampltude A et de
dure gale la moiti de l'intervalle T, suivie d'un demiintervalle nul (mode RZ).
On supposera les symboles indpendants et quiprobables.
S.11.25 Dmontrer que pour du bruit blanc, l'quation (5.102) est satisfaite pour
n'importe quel ensemble de fonctions orthogonales.
S.l1.26 Dmontrer la relation (5.181 ) par la mthode dcrite au paragraphe 5.1.20.
5.11.27 Un signal alatoire z (t) est le rsultat de la somme de deux signaux indpendantsx(t) ety(t). Le signalx(t) est binaire antipolaire et prend la valeur A avec une
probabilit gale 2/3 et la valeur - A avec une probabilit gale 1/3. Le signal y (t)
est gaussien et possde une densit spectrale de puissance cIl]!
Y.2 TJ tri (f/B). Dter
miner quelles sont la densit de probabilit, la valeur moyenne et la variance de z ainsi
que le coefficient de corrlation de x et y.
(n
a;'
SIGNAUX ALATOIRES
169
5.11.31 Soit le produit z (t) = x (t) y (t) o x (t) est le processus dc rit au paragraphe
5.2.7 ety(t) est une suite priodique d'impulsions de Dirac, indpendantes de x(t),
mais de mme priode T. Dterminer la fonction d'autocorrlation et la densit spectrale de z(t).
5.11.32 Soit un signal alatoire x(t) gaussen valeur moyenne ngative dont la fonction d'autocorrlation estRx(r) =A + B snc 2 (rIT). Calculer la probabilit pour que
la valeur instantane de ce signal soit comprise entre 2 et 3 V et la probabilit pour
2
2
qu'elle soit suprieure 3 V si A = 4 V et B;:;: 9 V
5.11.33 Pour quelles valeurs de 7, des chantillons x(to) et x(to + r) du signal dcrit
au paragraphe prcdent sont-ils des ralisations de deux variables alatoires indpendantes?
5.11.34 Dmontrer que toute combinason linaire de variables gaussiennes est aussi
une variable gaussienne.
5.11.35 Ecrire l'expression de la densit de probabilit conditionnelle p(x Iy) associe des variables alatoires gaussiennes valeur moyenne nulle.
5.11.36 On dmontre [69] que le produit z (t) == x (t ) y (t) de deux signaux ala to
res gaussiens valeur moyenne nulle possde la fonction d'autocorrlation
(5.231)
Vrifier que cette formule se rduit bien (5.198) en cas d'indpendance de x(t) et
y (t) et dterminer la densit spectrale de puissance de z (t) = X 2 (t).
5.11.37 Dterminer la fonction d'autocorrlaton et la densit spectrale de puissance
d'un signal binaire transitions alatoires ( 5.8.4) antipolaire (niveaux A ).
CHAPITRE 6
BRUIT DE FOND
6.1.1
Bruit et interfrences
a
Au sens le plus large, tout signal indsirable limitant un degr ou un autre
l'intgrit et l'intelligibilit d'un signal utile peut tre considr comme du bruit: terme
employ ici par analogie avec le phnomne acoustique perturbateur du mme nom.
n est prfrable cependant d'tablir une distinction entre le bruit d des perturbations caractre purement alatoire - et donc imprvisible - et les interfrences
provoques par le captage accidentel d'autres signaux utiles (tels que ceux dus des
couplages entre lignes de transmission voisines) ou la mauvaise limination de composantes priodiques parasites (par exemple: ronflement dans les installations lectroacoustiques d au filtrage insuffisant des tensions d'alimentation ou de mauvaises
liaisons de terre).
Les sources de bruit sont classables en deux grandes catgories:
.. les sources de bruit localises l'extrieur d'un systme de traitement donn
et agissant sur celui-ci par influence;
les sources de bruit internes ce systme, cratrices d'un bruit propre indpendan t des conditions extrieures.
Si l'on peut toujours envisager d'amliorer la conception d'un systme de traitement de manire limiter les interfrences un niveau acceptable et s'il est gnralement possible - quoique difficile - de lutter contre les sources de bruit extrieures par
des moyens techniques appropris (blindages, recherche de compatibilit lectromagntique : abrviation anglaise EMC), il est impossible d'liminer la contribution des
sources de bruit internes.
Celles-ci imposent une limite ultime aux performances du systme. Leur tude
revt donc une importance considrable, tant dans le domaine des tlcommunications
qu'en lectronique instrumentale et en mtrologie.
Dans la rgle, le bon fonctionnement d'un systme n'est assur que si le niveau de
puissance du signal utile dpasse de plusieurs ordres de grandeur celui du bruit (rapport signal-sur-bruit de quelques dizaines de dcibels). Certaines mthodes labores de
traitement (voir par exemple chapitre 13) permettent toutefois de travailler avec de
trs faibles rapports signal sur bruit en exploitant de manire optimale toute connaissance a priori disponible sur le signal utile interprter.
Remarquons finalement que si le brut est gnralement considr comme un phnomne nuisible, il est parfois lui-mme porteur d'informations relatives ses origines
171
(exemples d'application: radioastronomie, surveillance des vibrations de machines industrielles, etc.). Il est de mme souvent ncessaire de gnrer volontairement du bruit
(sect. 6.7) afin de contrler exprimentalement l'insensibilit d'un systme en fonction du niveau de perturbation ou d'analyser l'tat du systme par des mthodes statistiques.
173
BltUJT DE FOND
lI!).
hlfl
(6.1 )
2 exp(hlfl/kT)-l
o
Il
k
174
ce qui conduit, par intgration de (6.1 ) pour Ifl allant jusqu' l'infini. une puissance
maximum fournie de l'ordre de 40 nW. A trs haute frquence (h If 1> kT), la densit
spectrale du bruit thermique tend s'annuler. Un autre brut de densit Y.!. h Ifl intervient alors pour tenir compte des effets quantiques [79]. Par contre, pour les frquences usuelles (h Ifl~ kT, soit Ifl < 1000 GHz), la formule (6.1) se rduit (fig. 6.1)
(6.3 )
o
Fig. 6.1
Dans la gamme des frquences indiques, le bruit thermique est donc un bmit
blallc ( 5.3.10). La puissance totale de bruit thermique disponible dans une bande de
frquence B est simplement gale
Pth
:::
kTB
(6.4 )
R::: l/C provoque ses bornes une fluctuation alatoire de tension li (t) valeur
moyenne nulle et variance (puissance normalise: voir tableau 5.1) a~ dont la valeur
dpend de la largeur de bande B considre. On peut de mme associer cette agitation
un courant de bruit i(t), galement valeur moyenne nulle et variance a;' Les
carts-types (valeurs efficaces) sont lis par la loi d'Ohm
(6.6)
auai = kTB
(6.7)
En combinant (6.6) et (6.7), la puissance totale disponible s'exprime sous forme normalise:
= kTRB
V2
(6.8 )
al == kTCB
Al
(6.9)
Y.!. kTR
V 2 /Hz
(6.10)
(Pi([) = h kTC
Al/Hz
(6.11 )
au
(n :::
175
DRUIT DE FOND
Fig. 6.2
Pth
::
a~/R = Rai
= a~o/4R = Raio/4
(6.12)
d'o
a~o
2
aiO
= 4 kTRB
(6.13 )
= 4 kTGB
(6.14 )
V 2 ;Hz
2kTR
<puo(f)
2kTG
cI>iO(n
A jHz
(6.15 )
(6.16 )
6.2.5 Exemples
La valeur efficace de la tension vide due au bruit thermique d'une rsistance R
temprature ambiante vaut environ
eR
10 kn et B
R = 1 Mn et B
20 kHz
= 20 MHz:
auo
5661lV
=]80 p;\
= 566 pA.
176
=---
peu)
~1'2; au
exp
112]
---
(6.17 )
a;
p(ll)
Il
o
Fig. 6.3
En se rfrant une table de probabiJit gaussienne (sect. 15.8), on peut constater que l'amplitude d'un tel signal est comprise 99,7 % du temps l'intrieur de l'intervalle [- 3 Gu' 3 au]'
L'enveloppe ( 7.3.8) d'une telle tension de bruit possde, elle, une distribution de Rayleigh (5.52).
2
2
= aUOI
+ a u 02
(6.18 )
2
GiOt
+ a2i02
(6.19)
?(n = R(n
+ jX(n
(6.20 )
Veffet du bruit thermique (puissance active) n'est associ qu' la partie rsistive
2 kTR(n
V /Hz
(6.21)
177
DltUIT DE FOND
12
70
Ut
J (PuoU') df
12
= 4
kT
(6,11)
R(f) df
Il
fi
~(I) =
+ j 'lniRC
RJ/J~
R.
1 +(l/J~) 2
-J---1 + (f/i~ ) 2
(6.23 )
a2
lIO
= 4 kTR
"'"
kT
1
1
+ (II fe
)2
df
= -
(6.24 )
Elle est indpendante de la valeur de rsistance, ce qui s'explique par le fait que,
pour un tel circuit RC, la frquence de coupure j~ varie proportionnellement l'inverse
de R.
La densit spectrale de puissance (Fig. 6.4 ) de la tenson vide est ici
(6.25 )
J
- Je
Je
( 2rr R C) - 1
Fig. 6.4
-RC
o
Fig. 6.5
RC
]78
kT
exp(
trans~
(6.26)
Irl/RC)
(rr/2)j~
(6.27)
Cette notion de largeur de bande quivalente peut tre gnralise pour tout oprateur Unaire ( 8.2.23).
(6.28)
179
BRUIT DE FOND
o
Fig. 6.6
e o(t -
tk ,)
(6.:29 )
o les t k sont les instants alatoires de passage de chaque porteur aU travers de la barrire de potentiel et e 0,16.10- 18 C.
La fonction d'autocorrlation du courant se dduit alors de (5.~21 ) en tenant
compte de la charge e porte par chaque impulsion
Rj{r)
(6.30)
(6.31 )
IBO
fllig(n = elo
A /Hz
(6.32)
o
B
Fig. 6.7
Le bruit de grenaille est donc, avec l'hypothse faite~ un bruit blanc. On peut tenir compte d'une forme plus raliste de chaque impulsion de courant lmentaire en
utilisant la reprsentation d'un processus de Poisson filtr (5.214) o la fonction g(t)
prend une forme rectangulaire (associe au concept de mobilt des porteurs dans les
solides) ou en dents de scie (acclration uniforme dans le vide). Le spectre rel des
fluctuations (exercice 8.5.11) se met alors dcrotre partir de frquences voisines
de l'inverse du temps de transit.
La variance du courant de bruit de grenaHle obtenue pour une largeur de bande B
donne vaut simplement, par intgration de (6.32)
a;g : ; 2 e10B
A2
(6.33)
Dans les tubes vide, la prsence d'une charge d'espace au voisinage de la cathode
tend limiter les fluctuations alatoires du courant. On en tient compte en multipliant
(6.33) par un certain facteur de rduction de bruit.
Fig.6.S
Fig. 6.9
181
BRUIT DE FOND
Si ce courant, de valeur efficace ai!;, circule dans une rsistance R (fig. 6.9). il Y
dveloppe une fluctuation alatoire de tension de valeur efficace
(6.34 )
qui se superpose la tension alatoire indpendante de bruit thermique, dont la valeur
efficDce il vide vaut auo -=..J4 kT RB, et la valeur moyenne Uo RIoSi l'on ne s'intresse qu'aux seules Ouctuations alatoires (fig. 6.9), on obtient
une valeur efficace rsultante
12-2
= RVOig+OiO
(6.35 )
Un exemple d'application au schma quivalent de bruit d'un transistor en rgime linaire est dcrit au 6.6.7.
exp [_
r;:r;;
U-I;)2]
~21T IT;g
,g
(6.36 )
ITig
pU)
o
Fig. 6.10
1-= 18 [ exp (U
nU
1 ]
(6.37)
182
ai~
[ 2 el, exp
L~J
leI, ] B
;;:: 1 e( J + 21s ) B
(6.38)
al
g :;::
1 el B
(6.39)
al
gd =
dl
dU
Is
nU
exp
(U
) :;::
/lUT
c(I + Is )
nkT
(6.40)
Fig. 6.11
aug =
(6.41 )
Ojg/gd
aig -
2 kT gd B
J + 215
1 + Is
Jl
2 k. T gd B
(6.41)
A courant nul et pour 11 = l, la variance (6.41) est quivalente au bruit thermique d'une conductance normale gd' En polarisation directe (J~ 15 ), cette variance est
la moiti de celle du bruit thermique d'une telle conductance. De plus, trs forte po~
larisation directe, le schma quivalent de la diode doit tre complt par une rsistan~
ce srie bruyante.
1B3
BRUIT DE FOND
<pU') =
fa
(6.43 )
K --
Ifl
avec 0 < 0: < :::! et gnralemen t proche de l'unit, d'o son nom usuel de bnlit en 1If.
"
f
o
Fig. 6.12
184
un modle non stationnaire [811 dans lequel l'influence du pass sur rtat prsent est
important.
Le brut en II! impose des limites svres l'amplification directe de signaux
constants ou de trs basses frquences. Pour certaines applications critiques (physique,
gnie biologique, etc.), on recourt une technique d'amplification indirecte (amplificateur lock-in) base sur la modulation-dmodulation synchrone ( 13.2.10).
6.4.3 Autres processus se comportant comme du bruit en II!
De nombreux processus alatoires n'ayant aucun rapport direct avec des problmes de conduction ont des fluctuations dont le spectre est aussi du type (6.43) :
., frquence des oscillateurs quartz;
variation saisonnire de temprature;
fi paramtres biologiques;
ID donnes conomiques;
phnomnes musicaux;
etc.
Ceci suggre que le modle non stationnaire [81] du bruit en ll!est susceptible
de s'appliquer de nombreux phnomnes naturels.
185
DRUIT DE FOND
Ps
= a/
cIls (J')
df
(6.44 )
Soit <1>/1 (f) la densit spectrale de puissance rsultant de l'addition de toutes les
perturbations indpendantes, la puissance totale de bruit de fond
(6.45 )
(1)11
(l)
d!
(6.46)
10 log(Ps/Pn )
dB
(6.48)
186
Fig. 6.13
Pui est la puissance de bruit propre interne du systme et si G =PS2 /PSI est son gain de
puissance; on a
(6.50)
et
PU2
ni
+--
F=-- = l
GPul
(6.51)
GP IlI
= 10 log F
(6.52 )
0 dB
Le terme
Pn
:.;:; F- J
(6.53 )
GP n1
est appel le facteur d'excs de bnt. La puissance de bruit l'entre qui sert de rf
rence est conventionnellement note, selon (6.4), Pn l =: kToBeq o Beq est la largeur
de bande quivalente considre.
Le rapport Pni/G =Pn1 (F- 1) reprsente le bnlit propre ramen l'entre. Pour
un systme idal (non bruyant) : Pni = 0 et F = 1.
6.6.3 Systmes linaires en cascade
Considrons la mise en cascade (fig. 6.14) de deux systmes ayant des gains de
puissance G 1 et G 2 et des facteurs de bruit FI et F 2 dfinis pour la mme puissance de
bruit l'entre Pn 1 =kToBeq. Par (6.51)
(6.54 )
et par (6.50) et (6.53)
Pn3
= G2 P1I2 + Pni2
= FI Gr G2Pnl
+ (F2 -
1 )G 2 P1I1
(6.55)
(6.56 )
G.F
Fig. 6.14
187
BRUIT DE FOND
FI
F2
(6.57 )
F = Ft +
F2
F3 - 1
+ ... +
Fm
111
(6.58 )
m-I
n C
i= 1
Si Cl }> F 2 - 1, F == FI : le hmit propre du systme global est principalement dtermin par le premier tage. C'est donc celuici dont la conception doit tre tout particulirement soigne afin d'en limiter au maximum le bruit propre.
F(f) =
Q)s2
(6.59 )
log!
Fig. 6.15
\88
l'entre de variance
2eluo B
(6.60)
")
g~
+ a 2 O{3
r(J
de
(6.61)
aigu =V1eIexOB
r1
Rg
-r: J- - - o-t--t-+--~-7
_
=:=;>'... h.
l' ~
"r
,/
'- -
cr Il 01
crtlOs=V4kTRsB
- -
Fig. 6.16
Si la tension continue de polarisation apparaissant aux bornes de R L est suprieure 50 mV (voir exercice 6.8.4), la contribution due au bruit thermique est ngligeable vis--vis du bruit de grenaille U 10;'
Les sources de bruit propre ramenes l'entre sont ainsi essentiellement dtermines par le courant de commande et la conductance de transfert.
Ce modle simple suffit analyser en premire approximation les performances
de bruit de l'tage amplificateur dans la bande lb - j~. Le bruit thermique d'ventuelles
rsistances de polarisation l'entre peut tre pris en compte avec celui de la rsistance
interne de la source de signal. La contribution d'une rsistance de contre-raction R",
place entre l'lectrode 'Y et la terre revient ajouter (6.61) un terme additionnel
4 kTB(R",gm 2 )-1.
189
BRUIT DE FOND
F=I
auOI
2 R 2
+ aig(J
s
4 kT Rs B
1 +.!!+eI{3oR s
Rs
:!kT
e1nO
'2kTRsg~
(6.64 )
(6.65 )
Cette rsistance optimum ne dpend pas directement de la rsistance d'entre Re
de l'amplificateur. Elle ne correspond en gnral pas celle requise pour assurer une
adaptation de puissance (Rs ==Rc).
Le facteur de bruit minimum vaut alors
F min == 1
allOI Oigf1
(6.66 )
'2 kTB
AV-
(6.67)
alg
{1
= 2
eBlco/f3
(6.68)
et
2
UuOl
(6.69)
...----9-"'0 - - ,
fJigCi
(1'
''
'-t'Y
1 C11/0L
r'"1
IIR L
~------+---+-~~-+~--~
schma quivalent de bruit
Fig. 6.17
190
Si rbb'
100 n, (3 100 et Ico::::: 1 mA : gm ::= 40 10- Ay- 1 et la rsistance
de la source optimum vaut Rso::= 750 n. Dans ce cas, le facteur de bruit minimum
F min ::::: 1,3 ou 1,14 dB. L'volution deFen fonction deR s est reprsente sur la figure
6.18.
Alternativement, on peut rechercher le courant Ico qui minimise le facteur de
bruit pour une rsistance de source donne.
F
10
0,1
Fig. 6.18
(6.72 )
= V4>';OIl . Vii
(6.73 )
V<I>tOIl
v/VRi
(6.74)
Par exemple: )<1);;011 32 nY/VHZ correspond n <I>;;01l 1024 10-IB V 2jHz
6
12
et pour une'bande passante B= 10 Hz, on a D'~OIl = 1024.10- y2 et allo n =32 J,J.V.
191
BRUIT DE FOND
6.8 EXERCICES
6.8.1 Calculer la puissance totale de bruit thermique obtenue pour une temprature
ambiante Ta = 290 K et une largeur de bande BI = 3,1 kHz (voie tlphonique) et
B 2 =: 5 MHz (tlvision).
Fig. 6.19
6.8.3 Dterminer la valeur efficace de la tension de bruit totale apparaissant aux bornes
du circuit de la figure 6.20 fonctionnant en rgime linaire si Uo =: 12 V, la temprature est de 290 K, la bande passante considre vaut 1 MHz et la caractristique de la diode est 1:::: 1s [ ex p ( UI UT ) - 1 ] avec 15 :::: 43 pA.
u.
j
Fig. 6.20
CHAPITRE 7
SIGNAL ANALYTIQUE
ET ENVELOPPE COMPLEXE
ll(t)
exp[j(wot+a)]
exp(ja)exp(jwot)
(7.1)
exp(ja) 0 (f-fo)
:=
(7.2)
o fl = exp (j) est le phaseur qui contient l'information d'amplitude et de phase ini
tiale.
[fi
Fig. 7.1
La transforme de Fourer de la grandeur complexe II (t) est donc nulle aux frquences llgatiJ'es.
La transforme de Fourier de la grandeur relle u (t) vaut, el1e, par (4.115)
F{u(t) == Ucos(wot+)}:::: +exp(jflfo)'[o(f+fo)+o(f-fo)]
(7.3)
Par consquent, (7.2) correspond la forme unilatrale de (7.3). Par (4.162)
F{ll(t)} = le(f)F{u(t)},
f ~ 0
(7.4)
194
Par analogie, on peut tendre cette reprsentaton complexe au cas des signaux
non sinusodaux dterministes ou alatoires [10, 17], en introduisant un signal complexe
dont la partie relle est le signal x (t). Cette reprsentation est limite au cas de signaux
valeur moyenne nulle dont Je spectre ne contient ainsi aucune raie 5 (f) il l'origine.
~(t);;;:: x(t)+jx(t)
(7.5)
avec
~(f) =
(tn
(7.6)
= X+(I) = "2e(f)X(f)
lm
Re
x(t )
Fig. 7.2
~(/)
= X(f)+jX(f) = 1e(f)X(f)
= [1+sgn(f)]X(f)
=j
sgn(- f)X(f)
x(t),
(7.7)
(7.8)
v I l
x(t)= -
rr t
* x(t)
rr
""
f
X (T)
--dT
t-T
(7.9)
x(t) =H {x (t)}. On la rencontre aussi en thorie des circuits ( IV.7 .3.33) o elle tablit
un lien entre les parties relle et imaginaire de la fonction de transfert d'un systme
causal.
SIGNAL ANALYTIQUE ET
= j sgn (f )
/Y (f) =
COMPLEXE
195
x ( f)
I~NVELOPPE
sgn(- f) X(f)
(7.10)
d'o
x (t)
1
v
- - *x(t)
1ft
x(r)
CO
1f
(7.11)
dr
t-r
_00
Les transformes (7.9) et (7.11) sont dfinies comme des valeurs principales de
Cauchy.
7.1.4 Exemple
Soit, par (4.117):x(t) =A cos (21ffot) +l- A [0 (f+ fol + (f- fo)]. Par (7.8):
X(f) == (j/2)A [5 (f+ fo) - (1- fo)] d'o, par (4.118): x(t) =A sin (2nfot). Le
signal analytique correspondant est ~ (t) = A exp (j 2nfo t), ce qui justifie l'analogie dve~
Joppe au paragraphe 7.1 .1.
-
1-
7.1.5 Exemple
Soit x (t)
.~ (t) :::: -
_00
A f 12 (t - r rI d r = Ait
+ TI21
ln
T
-T12
1f
1f
t -
TI2
- T/1.
Tf1
Fig. 7.3
196
7.2.1 Linarit
La transforme de Hilbert ~~ (t) d'un signal x (t) est gale au produit de convolu~
tion de celui-ci avec une fonction g (t) = (11' trI. C'est donc une opration linaire qui
correspond ( 8.2.18) au filtrage de x (t) par un systme linaire (fig. 7.4) de rponse
impulsionnelle g (t ).
x(t)
Fig. 7.4
= IX(f)1
IX(f)1
(7.12)
alors que les spectres de phase ne diffrent que par un dphasage constant
v
argX(f)
11'
= argX(f)--:;-sgn(f)
(7.13)
7.2.3 Orthogonalit
Le produit scalaire
rme du produit (4.67)
<x,X>
tpxx(O) =
=j
x(t)x(t)dt =
x*(f)~f(f)df
IX(f)1 2 sgn(-f)df= 0
(7.14)
x(t)*y(t)
= x(t)*y(t)
(7.15)
= X(f) Y(f)
=:
X(f) Y(f)
(7.16)
SIGNAL ANALYTIQUE ET
ENVELOPI'I~
197
COMPLEXE
On a galemen t :
(7.17)
7.2.5 Produit de deux signaux dont les spectres ont des supports disjoints et J'un est de
type passe-bas
Soit z(t)=a(t)y(t)avecA(f)=Opour Ifl>Bet Y(f)=O pour Ifl<B,alors
z(l) = a(t)y(t)
(7.18)
i (f)
= j sgn (- f ) Z ( f) = j sgn (- f )[ A ( f)
= A ( f ) j sgn (- f )
* y (f
)]
y (f )
(7.19 )
7.2.6 Intercorrlation
Soit tPXY (r) = x (-r) * y (T) ou ~xv (r) = x (- r)
(r) la fonction d'intercorrla
tian de deux signaux rels nergie finie 'ou puissance moyenne finie. Par une procdure
semblable celle suivie au paragraphe 7.1.4, on montre que sa transforme de Hilbert est
gale
<pxy(r) =.tPx;;(r)
En particulier, si y (t)
x (t), on 0 btient
-~xy{T)
(7.10)
(7.21 )
(7.21)
avec
o
x_(t)
x+(t)
J
J
o
X(f) exp(j2iTft)df
(7.23 )
(7.14 )
198
Ces deux composantes du signal x (t) sont conjugues complexes l'une de l'autre:
x+(t) =x~ (t). Elles sont directement lies au sgna] analytique, en vertu de (7.6):
+~(t)
x+(I)
= +[x(t)+ji(t)]
= +~* (t) =
x_(t)
(7.25)
(7.26)
[x(t)- j i(t)]
x(t)
=j
= +[~(t)+
[x_(t)-x+(t)] :::
(1)]
~ [~"'(t)-~(t)]
(7.27)
(7.28)
4>x([)::: IX([)1 2
::=
I.lY([)1 2 = <Pi(f)
(7.29)
~ (T)
= tPx (r)
(7.30)
Des rsultats semblables sont obtenus dans le cas de signaux dterministe ou alatoire puissance moyenne finie.
(7.31 )
R;(T)
et donc
p;(f)
= 4>x(f)
(7.32)
(7.33)
avec en particulier
R.~;(O)
= Rxx(O)
=0
(7.34)
ce qui entrane que le signal alatoire x (t) et sa transforme de Hilbert i (t) sont non
corrls (et donc statistiquement indpendants dans le cas d'une distribution gaussienne
199
en vertu du paragraphe 5.7.3, puisque la transformation de Hlbert est une transformation linaire et que celle-ci conserve le caractre gaussien).
De (7.8) et (7.33), on tire galement les quivalences
(7.35)
7.2.11 Dmonstmtions
Les rsultats du paragraphe prcdent s'obtiennent facilement en observant que,
pour un signal stationnaire et ergodique, on peut crire, en utilisant la relation (5.59)!
Rx(T) = X(- 1')
(7.36)
Rx(T) = Rx (1')
* (7TT)-1
= x (- Tfj;
x(1')
X (- T)"* x (1')
* (7TTr l
(7.37 )
avec, en particulier:
~
J F{Rx(T)
'1:
(1fTfl}df
=j
J <-p;x(f)sgn(-f)df= 0 (7.38)
puisque <Px (f ) est une fonction paire et sgn (- f) est une fonction impaire.
i (t) = - x (t)
(7.39)
(7.40)
o Rx(T) = H {Rx (T)}. L'expression (7.40) a aussi la forme d'un signal analytique.
La densit spectrale du signa) analytique.! (t) est alors lie celle du signal alatoire x (t) par la relation
-
(7.41)
o E (f) est le saut unit dfini par (l.20). Cette relation est llustre par l'exemple de
la figure 7.5.
200
o
Fig. 7.5
7.2.14 Dmonstration
Le signal analytique tant une fonction complexe, sa fonction d'autocorrlation
vaut, d'aprs (5.78), (7.31), (7.33):
R~(r)::= E[~*(t)~(t+r)]
::=
Rx{T)
+ R;(r) + j Rxx(r) -
(7.42)
j Rxx (T)
== 2 [Rx(r)+jRx(r)]
= 4(f)<px(f)
(7.43)
::: 2P~{f)
(7.44)
= v'X2(t)+~P(t)
(7.45)
[m
Re
.tU)
Fig.7.6
201
et l'argument est
f/Jx(t)
(7.46)
(7.4 7)
et la frquence instantane vaut, par consquent
w(t)
'ln
x (t)x (t) -
let) = _ I _
l
'ln
dt
x(t)x (t)
(7.48)
2rr r~ (t)
102
+ o;}
.
/
/ .... .... ./
,
Fig. 7.7
enveloppcry(t)
ly(t)1
Fig. 7.8
Fig. 7.9
203
L'enveloppe r JI (t) = [11 2 (t) + il 2 (t)] 1/2 est donc elle~meme une grandeur alatoire
dont la distribution statistique est facilement obtenue en effectuant la transformation de
coordonnes cartsiennes en coordonnes polaires dcrite au paragraphe 5.1.23.
Pour 11 (t) et il (t) gaussiens, la densit de probabilit de l'enveloppe est la loi de
Rayleigh (5.52) reproduite ci-dessous:
rlf ~ 0
(7.49)
La phase instantane est, elle, une variable alatoire unifonnment distribue, selon (5.53),
et indpendante de l'enveloppe, selon (5.54):
1
PrfJ(r/J)::::7~
0~rP<21T
_1T
(7.50)
x (t) ::::
S (t)
+ Il (t)
(7.51 )
o s (t) est un signal utile et 11 (t) un bruit gaussien valeur moyenne nulle et variance
L'enveloppe du signal perturb est donne par
a?t.
(7.52 )
En posant:
x ::::
+ 12
= rx cos rP ;
x = s + il
= rx sin rP
(7.53)
(7.54 )
(7.55)
1
Jo():::: 21T
2n
f
o
exp(cosrP)drP
(7.56)
204
on obtient, par l'intgration de (7.54) par rapport cp ;:;: CPx - q, s' la densit de probabilit
de renveloppe r x (t), appele distribution de Rice-Nakagami (fig. 7.10)
rx
cr;'
exp -
C1,~1
2a~
cr;'
l'x ~
(7.57)
Pr(rx )
~=o
0,6
0,5
= 100
0,4
0,3
0,2
0,1
10
12
Fig. 7.10 Distribution de Rice-Nakgami pour diffrentes valeurs du rapport signal sur bruit
t=rUcr~.
En l'absence de signal utile: s (t):; 0, rs(t) = 0 et l'x (t)::= rn (t). La valeur Io (0) =1
et (7.57) s'identifie (7.49).
Dans le cas d'un simple signal sinusodal s (t)::: A cos (wo t +0;), rAt);:;: lA 1La distribution de RiceNakagami intervient dans l'valuation des perfonnances de
systmes de tlcommunications et de radar utilisant la dtection d'enveloppe. A fort rapport signal sur hruit ~ =
elle se rapproche d'une loi de Gauss.
La distribution de la phase instantane est obtenue par intgration de (7.54) par
rapport r x [24]:
r; /a;"
PfjJ(ifJ)
o 'Y =
= (27T)-lexp[-r;/(2a~)]'{1+'YV;exp('Y2)[l+erf'Y])
(7.58)
rexpU~)
L rk exp(j9k)
k=O
(7.60)
205
Fig. 7.11
7.3.11 Applications
Ce modle permet de dcrire le comportement de l'enveloppe d'un signal d'amplitude et de phase donnes auquel est ajout du brut reprsent par une somme de phaseurs alatoires.
Il peut aussi tre utilis pour caractriser les fluctuations alatoires affectant la
transmission d'un signal radiolectrique lorsque plusieurs signaux de mme frquence
interfrent les uns avec les autres. Ces interfrences peuvent tre dues de multiples
rflexions, sur les couches ionises de l'atmosphre par exemple (fig. 7.12), ou causes
par des turbulences atmosphriques provoquant des variations locales de l'indice de
rfraction. Ces fluctuations engendrent un phnomne d'vanouissement (en anglais:
fading).
ionosphre ou troposphre
onde
directe
L"
rkexp(j~k)
(7.61 )
k=l - , - -
ondes
rflcles
La phase de l'onde directe 4>0 peut tre prise, pour simplifier, comme phase de rfrence
(fig. 7.13).
206
Fig. 7.13
Il
rcos';
xk
k=O
r sin';
(7.62)
rk sin ~k
(7.63)
Il
Il
rk cos (Jk
k=o
Yk
k=O
k=o
Pr(r)
(7.64)
p (r. tfJ) dr
(7.65)
Prp (tfJ) =
f
0
rexp(j~) =
(7.66)
rkexp(j>k)
k=)
1
PIP(tfJ)'= ~,
_1f
0 ~ tfJ
<
(7.67)
21f
rk
et
tP k sont indpendantes.
207
Si la sommation est effectue sur un nombre n de termes assez grand, les variables
alatoires
11
=:
fk
cos4lk
(7.68)
rk
sin 4a k
(7.69)
k::::1
11
Y ==
L
k=l
11
k=l
1=1
L L E[rkrtlE[cos9ksinpil
E{xy] ==
(7.70)
car E [cos tfJk sin 9/] = 0 pour tous k et 1. Il s'ensuit que les variables gaussiennes x et y
sont statistiquement indpendantes. Leur valeur moyenne est nulle
E [x]
= L
E [ rd E [cos () d=:O
(7.71 )
E[rk]E[sin~d
(7.72)
k=l
n
E[y]
=0
k=f
car E [cos ,,k] = E [sin tf>k] = 0 et leur variance est donne par
.,
E[y-]
Il
=:
-E[r]
2
k
(7.73)
car
Il
E [x 2 ]
=l
(7.74)
k=f
et
(7.75)
o
En procdant la transformation en coordonnes polaires, on constate que renveloppe r et la phase 9 du processus possdent respectivement, comme au paragraphe 7.3.8)
une distribution de Rayleigh (7,49) et une distribution uniforme (7.50). La rsultante
r exp (9) est parfois appele phaseur de Rayleigh.
rD
rk
exp(j9k)
a (en
(7.76)
k=l
208
p:xy(x,y) = ~ exp
[(x-r of + y2 ]
_a
(7.77)
[(rcos1J-ro)'2+r2sn2t/J]
[,2 +r5]
[rorcos1J
]
exp ..
exp
..
exp - - - - -2 - - - 21Ta'1
2a
21Ta 2
avec r
2a~
(7.78)
a-
a et a ~ 9 < 21T.
[1'2+r5]
,.,"
La distribution de la phase
L.a-
10 (rro)
-.,
a-
(7.79)
Wo
(7.81)
avec
(l(t)
= cp
(t)-wot
arctan[b(t)fa(t)}
(7.82)
et
(7.83)
En dveloppant (7.80), on obtient par identification
a(t)
b(t)
(7.84)
(7.85)
209
lm
\\.';(1)
\
1\
1\
1 \
1 \
.... ....
\
\
bU)\"
\
\
......
1.--
1-0U )
1
Re
x(t)
Fig. 7.14
ou inversment
+ a(t)]
= a(t)cos(wot)-b{t)sn(wot)
(7.86)
= r(t)sin[wot+a(t)]
= b (t) cos (wo t) + a (t) sin (wot)
(7.87 )
et
x(t)
Les fonctions a (t) et b (t) sont appeles respectivement les composantes en phase
et en Quadrature du signal x (t). Si celui-ci est alatoire et stationnaire au sens large, a (t)
et b (t) sont aussi des signaux alatoires stationnaires.
L'enveloppe complexe dfinie par (7 .80) est lie au signal analytique. Cette reprsentation n'est pas unique, mais elle est juge optimale [89].
7.4.2 Thorme
Soit x (t) un signal, alatoire ou non, spectre
-dire nul except dans l'intervalle de frquence
qJx (f)
a
(l'aU)
= III1,(f)
r .~
. "'" \ t
\
Fig. 7.15
Il)r
(f) ::::
t[II)r (f)
+ IJ'r
(- f)]
cll.~ (f + 10 )
210
cp x (f) =
[(p! (- f - fo ,)
+ cI>!. (f -
fo )]
(7.88)
(7.89)
:![cI>a(f)+jcI>ab(f)]
est la densit spectrale de l'enveloppe complexe, fonction relle non ngative, mais pas
ncessairement paire en f.
Les densits spectrales des composantes a (t) et b (t) sont ici identiques
cp a ( f) =
(I) b
(f) =
t [cp! ( f ) + cP!. ( - f )]
(7.90)
Elles occupent une largeur de bande 2B. centre sur l'origine f= 0, avec
(7.91 )
Si fi <fo <f2 : a (t) et b (t) sont des signaux il spectre passebas.
Si
fa
~fl,
7.4.3 Dmonstration
Par (5.78), (5.198), (7.80) et (7.81) et par analogie avec (7.31) et (7.33)
R r (T)
= E L!" (t) !
R~ (T)
(t
+ T)]
= 2 [Ra ( T)
+ j Rab ( T )l
exp (- j :2rrfo T)
(7.9:!)
+ j4>ub(f)]
(Ilx(f+ fa)
2(I)~(f+ fo}
(7.93)
Ainsi
(I>x( f) =
(7.94 )
+ T)]
= t[Rx(T)+R_~(T)]cos(woT)+t[Rxi(T)-Rix(T)l sin(woT)
(7.95 )
Avec. par (7.31) ct (733), Rx (r) = Ri (T), Rxx (T) = - Rix (r) et, par (7.35). {I).h: (f):::::
x(f ) = j (Px (f ) sgn (f ), on obtient aprs transformation
- (Px
211
1
- 2/0
III X
Cf - lo}
10 - Il
o 10 -II
2/0
- 2/0
2/0
'lB
Fig. 7.16
111
'<P x (f)*-t[5(f+fo)+5(f-fo)]
cI>a(f)
+ <px(f) sgn(f)
==
* 1- [5(f+fo)-5(f-fo)]
-t P (f - fa) sgn ( f - fo )
: : t [<p~(f+ fo) + cp~(fo - f)] = t [cp!,(f) + cp!, (- f)]
x
(7.96)
et la largeur de bande occupe vaut 2B avec B = max (Ifl - fo 1, If2 - fo 1) ainsi que cela
est illustr sur la figure 7.J 6 pour le cas o fI <fo < f2'
7.4.4 Commentaire
Un signal spectre passe-bande est donc uniquement dtermin par ses composantes en phase a (t) et en quadrature b (t), donc par sa seule enveloppe complexe r (1) =
a (t) + j b (t) = r (t) exp [j (t)] qui est l'analogue du pllaseur [z:::: exp (j) d~ne grandeur purement sinusodale.
Si fi < fo < f2, ces composantes sont de type passe-bas, de frquence maximum
Chacune d'elles peut tre reprsente par une srie cardinale. du type (3.82). Cette proprit est mise profit dans rtablissement du throme d'chantillonnage des signaux
de type passe-bande nonc au paragraphe 9.3.8.
Il rsulte de (7.90) que les puissances (variances) des composantes a (t) et b (t)
sont identiques et gales cenes de x (t).
(7.97)
= <]:>;(f+fo)
:::: t(Il!.(f)
(7.98)
d'o
<Ilx(f):::: trp.~(f)+1-(p;(-f)
1
(7.99)
:::: 4>a(f)*t[0(f-fo)+5(f+fo)J
Les composantes a (t) et b (t) sont ici orthogonales: Rab (T) = 0 et cp ab (f) == O.
Ainsi, un signal spectre passe-bande localement symtrique est quivalent une
oscillation sinusodale de frquence fo, multiplie par une composante indpendante de
type passe-bas a (t). C'est le signal sinusodal modul de l'exemple 7.3.5, dont l'envelop
pe relle est 1a (t) 1.
213
CPx (f)
-/0
/0
Fig. 7.17
+-
1 da(t)
271"
-dt
= fo
a(t)b(t)-ti(t)b(t)
(7.101)
Dans le cas d'un signal (ou bruit) alatoire gaussien bande troite de variance cr 2 ,
les composantes a (t) et b (t) sont elles-mmes des signaux gaussiens indpendants, de
mme variance a 2 et spectre passe-bas. La phase a (t) est uniformment distribue entre 0 et 211' et l'enveloppe relle r(t) possde la distribution de Rayleigh (7.49).
Si le signal possde un spectre <px(f) = 1] {rect [(/+ I*)/B] + rect[(f-/:lJ/B]),
on a par (7.90), en posant fo = f*, <Pa (f) = <Pb (f) = 1] rect (f / B) avec cr.~ = a~ =
1]B.
1-
+ a)
+ Il)
(7.102)
et
x(t)
= s(t)+n(t)
= [A + an (t)] cos CWot + a) -
+ a)
(7.103)
214
L'extrmit du vecteur ~ (t) dcrit dans le temps une trajectoire alatoire dans le
plan complexe. Lorsque n(t) est bande troite, la vitesse relative de l'extrmit du
vecteur .!(t) est faible vis-vs de la vitesse angulaire wo.
Cctte
est d'une grande utilit pour l'valuation de l'influence du
bruit additif sur les signaux moduls. La composante en phase intervient dans l'tude de
la dmodulation d'amplitude et la composante en quadrature dans ceBe de la dmodulation angulaire (phase ou frquence).
D'une manire gnrale, la reprsen tation (7.86) des signaux spectre passe-bande
facilite l'tude thorique des mthodes de modulation u tilisan t une porteuse sinusodale
(chap. Il).
o 7.4.8 Application au radar: fonction d'ambigut. Dfinitions
Considrons l'mission d'une impulsion radar dcrite par
s (t)
+ a (t)]
(7.104 )
dont l'enveloppe "s(t) et la phase Ct! (1) sont des fonctions relles variation lente vis-ii-vis
de wot.
Le signal d'cho peru est retard par rapport au signal mis d'une quantit to
proportionnelle :i la distance de l'antenne la cible et sa frquence est dcale par effet
Doppler d'une quantit Id proportionnelle la vitesse radiale de la cible (sect. X III 8.1).
Son amplitude, enfin, est rduite par un facteur d'attnuation k.
En utilisant le formalisme d'criture du signal analytique. les signaux d'mission et
de rception sont reprsents respectivement par
J (t)
=!
(7.105 )
et
~r(t)
(t - t 0 ) exp [j 2 rrid (t - t 0
(7.106)
! (t)
a (t)
(7.107)
215
signal radar est gnralement form d'un train priodique d'impulsions et non d'une
impulsion unique, cc qui peut crer des ambiguts. En effet, si deux cibles sont situes
l'une par rapport l'autre une distance correspondant un multiple de l'intervalle de
temps sparant deux impulsions, elles seront difficiles discriminer. Une ambigut du
mme ordre existe aux frquences multiples de la frquence fo Jors de l'estimation des
vitesses radiales par mesure du dcalage Doppler.
Supposons que le signal mis soit reprsent par le signal analytique 1 (t) et que
le signal peru en retour, d la somme des chos 1rl (t) et lr2 (t) de deux cibles, soit le
suivant (l'un des chos est pris comme rfrence temporelle:-Ies attnuations sont supposes gales et seul l'cart v des dcalages Doppler est pris en compte, pour simplifier)
(7.108)
Pour obtenir une bonne rsolution, il faut que le signal l (t) choisi, c'est--dire en
fait renveloppe complexe! (t), ,soit tel que les contributionsdues aux deux chos soient
aussi diffrentes que possible pour une trs large gamme de valeurs de T et v. On cherche
donc maximiser la distance euclidienne (3.3)
= 1k'
LIIJ:
(1) l' d / - Re
[_l J:*(I) J: Ct +
T) exp (j 211V/) dt
l!
(7.109)
::::
(7.110)
avec
X(T,V) =
J .("(t)!(t+T)exp(j2rrvt)dt
(7.111)
Selon les auteurs [11, 27, 67,90,91,92], la fonction X(T, v), son conjugu complexe ou
son module carr 1 X (T, v)1 2 sont appels fonction d'ambiglt du signaL
La signification de cette fonction est la suivante: deux cibles dont les chos diffrent d'un retard r et d'un dcalage Doppler v ne peuvent pas tre distingues si 1X( T, V)j2
est gal Ix(O,0)1 2 et sont difficiles distinguer si Ix(r,v)l'2 est presque gal
Ix(O,O)1 2
!S (f)
J /};(f) !f'(f+v)exp(j2rrfr)df
= F {! (t)}.
(7.112)
216
X(T, 0)
r*(t) r(t+T)dt
= ~L(T)
(7.113)
qui est la fonction d'autocorrlation (4.38) de renveloppe complexe. Pour une bonne
rsolution dans l'estimation de distance, cette fonction devrait se rapprocher le plus possible d'une impulsion de Dirac.
De manire analogue. on tire de (7.112) le rsultat
x(0, 11)
J 13
(f) 13*(f + v) df
= tP~ (v)
(7.114)
qui est une fonction d'autocorrlation frquentielle de la transforme (spectre) de renveloppe. A nouveau, pour une bonne rsolution dans l'estimation de vitesse radiale. cette
fonction devrait aussi se rapprocher le mieux possible d'une impulsion de Dirac.
La valeur l'origine
(7.115)
correspond l'nergie de l'enveloppe. Celle-ci est eUe-mme gale au double de l'nergie
du signal rel s (t).
La fonction lx (T, v) 12 dcrit une surface au-dessus du plan T, Il, de valeurmaxirnaIe
2
1X(0,0) 1 Une indication de la rsolution combine en temps et en frquence est fournie par l'aire de la base d'un cylindre, de hauteur gale W2 = lx (0, 0) 12 et de volume
identique celui compris sous la surface Ix(r,vI 2 , appele aire effective d'ambigut:
= W-
.JJ IX(T,V)l2 dT dv
(7.116)
On montre (exercice 7.6.10) que cette aire est indpendante du choix du signal et
toujours gale l'unit. Ce rsultat fixe une limite thorique aux possibilits de rsolution conjointe en temps et en frquence.
On dfinit galement un pouvoir de rsolution temporelle (ou en distance)
(7.117)
et un pouvoir de rsolution frquentielle (ou en vitesse)
(7.118)
Les positions de deux cibles dont les chos sont d'ntensits comparables pourront difficilement tre distingues si ces chos sont reus avec un dcalage temporel infrieur il T d
De mme, les vitesses radiales de ces cibles pourront difficilement tre discrimines si la
diffrence entre les effets Doppler respectifs est infrieure Fv.
Les inverses de T d et Fv sont appeles respectivement largeur de bande efficace
(ou ouverture en frquence) et dure efficace du signal.
217
.,(1) =
rect(I-;/2)
.cos(211101)
(7.119)
(7.110)
Fig. 7.19
Afin d'amliorer la rsolution temporelle, on utilise souvent en radar une impulsion enveloppe rectangulaire module linairement en frquence (en anglais: chirp
signal)
S2(t)
= Tect ( t
(7.121 )
! (t)
= Te ct [
t'-
(7.112)
et la fonction
(7.113)
Celle-ci est reprsente sur la figure 7.20 pour {3 =
21 T Hz/s.
2
218
Fig. 7.20
Dans le cas de l'mission d'un train priodique d'impulsions, la fonction d'ambigut devien t elle aussi localement priodique, il la fois selon l'axe T et selon l'axe v.
tan [93].
Par analogie avec (7.111) on peut galement dfinir une fonction d'inter-ambigut
219
(7.124)
L: x2(t)dt
7.5.3 Exemple
Soit un signal rectangulaire de support [l" t 2 ]
1 -7 )
x(t) == A rcct - ( t2 - Il
Par (7.124)
(ti-d)/2
(t2- t d
7.5.4 Exemple
Soit un signal dcroissance exponentielle dcal
x(t)
10
e(t-T)exp
0(1-7)]
1/(:~a)+7
a;
220
comme nouvelle origine, pour simplifier, la position moyenne to dfinie par (7.114):
(7.125)
La dure utile Du du signal est une grandeur proportionnelle l'cart-type
Du
Ut
(fig. 7.21):
(7.126)
2aut
CI!
= 1 [57].
- Qia c
Du
Fig. 7.21
( : f 2 ;Px(f) df
_cg
J-=
~}x(f) df
W~yl
f2 <lx(f) df
(7.127)
co
(7.128)
Bu = ka uf
avec k == l pour un spectre passe-bas.
cP x (j')
Fig. 7.22
221
q>x (f)
"
= "4l [ri>!.
(- f -
fo)
~_
+ li'!. (f - 10)]
(7.129)
-t
-fo
fo
Fig. 7.23
7.5.8 Exemple
Soit x (t) = A tri (tl T). Par (7.125), on obtient comme cart.type temporel a t =
TlvT6. Par (4.35) et (4.55), la densit spectrale d'nergie de ce signal est: cJx (f)= (A T)
sinc 4 (Tf). Le calcul de l'cart-type frquentiel est possible, partir de (7.127), en tenant
compte de l'exercice 2.6.1 et du rsultat [94] :
""
J
sin 4 0:
., do: = rr/4
0:.
d;
_1
d; .dt
d
1""'
. (7.130)
122
-T
-lIT
liT
Fig. 7.24
is'(t) :: dt =
[i-t!s(tll'l':-~ -i-
_00
J !s(tl!'dt
(7.131 )
-00
En limitant cette analyse aux seuls signaux pour lesquels la distribution temporelle
dernergie Is(t)1 2 dcrot plus vite que l/t quand Itl-7oo,ona
_!
IX)
n~
t s' (1 )
d: dt
d
4'1 W~
(7.132)
"'" 1
d 1
d:
dl
4"~! F ~s(f) d! =
00
4,,' W. a}
(7.133)
DuBu
~ 1
Le produit dure
(7.135)
largeur de bande est born infrieurement.
223
7.5.10 Commentaire
La relation (7.133) indique qu'un signal il fluctuations rapides doit possder une
grande largeur de bande. Inversment, on peut montrer que de grandes fluctuations dans le
spectre d'amplitude ou de phase impliquent un signal de longue dure.
7.5.11 Signal produit dure x largeur de bande minimal
La condition sous laquelle l'ingalit de Schwarz (3.21) devient une gaHt est
donne par (3.22), ce qui conduit ici poser
ds
dt
== t set)
(7.136)
= t dt
(7.137)
d'o
ds
+-l-
T'ig(Tf)
(7.140)
cP (f) df)]2
q;2 (0)
(7.141)
224
D =
e
J,(T)dT]2
f.:J;2 (T) dr
(7.142)
La largeur de bande effective (7.141) correspond la moiti de la largeur de bande efficace dfinie au paragraphe 7.4.8 comme l'inverse du pouvoir de rsolution temporelle
(7.117) en radar.
L'avantage de la dfinition (7.141) est de faire correspondre une densit spectrale
rectangulaire <Il (f) = rect [f/(2B)] une largeur de bande effective Be = B.
L'valuation de Be et De pour les signaux x (t) et y (t) mentionns plus baut est
laisse comme exercice.
Les dfinitions (7.141) et (7.142) sont galement appHcables au cas des signaux
alatoires valeur moyenne nulle en remplaant cP (f) par cIl (f) et J,(r} par R (T) =
C(r).
DT == C-I(O)
J IC(T)ldr J Ip(r)ldr
(7.143)
(7.144)
Les relations (7.143) et (7.144) s'appliquent galement au cas de signaux dtenninistes fi nergie finie en remplaant la fonction d'autocovariance C (r) par la fonction
d'autocorrlation ;p (r).
7.s.14 Exemples
Pour le signal binaire cadenc en mode NRZ du paragraphe 5.3.7, P (T) == tri (r/ T)
et par (7.143): Dr = B;I = T. Pour le signal binaire cadenc en mode biphas du paragraphe 5.3.8, P (T) :::: 2 tri (2 T/ T) - tri (T/ T) d'o l'on tire Dr:::: B:;I = 2 T13.
Dans le cas du signal rectangulaire x (t) = A rect (t / T), on obtient facilement par
(4.63), (4.64) et (7.143) : DT T et ET = 1/ T.
Pour le signal dcroissance exponentielle JI (t):::: E(t) exp(-at) on a par (4.61)
et (4.62): DT:::; 2/a et BT =a/2.
Ces dures de corrlation et largeurs de bande approximatives peuvent tre reportes pour comparaison sur les figures 4.15, 4.16,5.9, 5.13. 5.15 et 5.16.
225
7.6 EXERCICES
'Pxy
~xy (T) pour x (t) = A cos (wot + a) et y (t) = A sin (wo t + 0:).
7.6.5 Calculer avec quelle probabilit l'enveloppe d'un signal alatoire gaussien valeur
moyenne nulle et variance a~ reste infrieure un seuil Va = 2 a".
7 .6.6 Un signal x (t) possde la densit spectrale reprsente sur la figure 7.25. Dter~
miner pour ~uelle valeur de!o x (t) peut tre exprim par l'quation (7.86) avec
1)
(I>a(!) =
2)
(Il a
(!) =
o
Fig. 7.25
7.6.7 Dmontrer que les transformes de Fourier des parties paires et impaires d'un
signal rel causal sont des transformes de Hilbert l'une de l'autre, un facteur j prs.
7.6.8 Soit x (t) et y (t) deux signaux rels spectres passebandes et enveloppes com~
plexes L x(t) et Ly(t). Montrer que le produit scalaire <x,)' >= -} Re <r.x'!~ >.
7.6.9 Vrifier (7.120) et (7.123).
CHAPITRE 8
OPRATEURS FONCTIONNELS
gnrateur
sU)
de signal
x(t )
transformateur I---_).....j'(....
t)
de signal
sU)
analyseur
de signal
et aflichage
Fig. 8.1
228
x(t)
(1)
processeur
analogique
{x.\"
conversion AIN
processeur
numrique
rU)
(y,,J
conversion
y(t)
NI A
Fig. 8.2
x(t )
~xy(f,1,T)
1
-T f
t
x( t -
T )
y( t)
dt
t-T
moyenncur
y(t)
Fig. 8.3
r-T
x (t)
filtre slectif
fo,lJ
xU./o,B)
qU[ldrareur
Fig. 8.4
..
x 2 (1./0,B)
:;<T>;Uio)'B
m()yenneur
OPRATEURS FONCTIONNELS
229
(8.1)
S{x}
yU) = S{x(t)}
(8.2)
Fig. 8.5
S'ils sont reprsents sous forme numrique (ou plus gnralement s'ils sont
temps discret), les suites de valeurs des signaux d'entre et de sortie sont gnralement
notes {Xk} et {y,,} ou x(k) et)' (k), avec k entier
y (le)
= S {x (k ) }
(8.3)
Dans de nombreux cas, l'quation (8.3) est une simple adaptation discrte de la relation
continue (8.2).
Sau f rares exceptions, la modlisa tian spcifique aux oprateurs numriques ne
sera pas dveloppe dans cet ouvrage. On consultera ce sujet le volume XX ou les
rfrences [44-48J.
130
(8.4)
alors
(8.5)
Siy(t)=S{x(t)}, l'invariance se traduit par
y(t-r}
= S{x(t-r)}
(8.6)
231
OPRATEURS FONCTIONNELS
XC!)
(8.7)
00
Dans le cas de signaux reprsents sous fonne chantillonne ou numrique, l'oprateur F est dfini par ( 3 .4.1 0, 9.3 .11 et volume XX)
ko+N-1
'"
X(n) =
x(k)WN-llk
(8.8)
k =ko
WN
= exp(j21T/N)
(8.9)
x(l) =
(8.1 0)
-';,.,
x( k) = N
X( Il) WNlIk
-1 '"
11
(8.11)
-N/2
Les oprations (8.8) et (8.11) correspondent au produit d'un vecteur par une
matrice de transformation de dimension N x N.
Fig. 8.6
Fig. 8.7
132
La rponse une excitation quelconque est reprsente par le produit de convolutiony =x * g qui, dans le cas continu, prend la forme
y(t)
= x(t) * g(t)
""
r x (T )g( t
- T)
dT
(8.12)
-';,0
y( k) :::: x( k )
* g( k) = L
1=
x (l)g( k -/)
( 8.13)
-00
(8.14)
yen)
(8.15)
X(n)'C(n)
d II
-i
111
L ai ---;;=:-r yU) = L hi
i=o
dt
i=O
d m-i
III - j
dt
(t )
(8.16)
233
OPRATEuns FONCTIONNELS
d x(l)
dt
(j 2rrf) kX(f)
(8.17)
on obtient:
Tl]
[ i~
m bi(j 2:rrf) i ] X(f)
[ i~O ai(j 2rr!) i Y(f) =
(8.18)
G(f) =
Y(f)
-X(f)
III
biC j 2rrf) i
;=0
Zi)
Go
aie j 2nf)
;=0
rr (j 2rrf +
rr (j2rrf + pd
;=1
Il
(8.19)
i=l
o Go = hm/an et Zi et Pi sont respectivement les racines du numrateur et du dnominateur, c'est-dire les zros et les ples de la fonction de rponse frquentielle.
l
k=
g(k) z
-le
(8.20)
IX>
(8.21)
En combinant ce rsultat avec (8.12) et en exploHant les proprits de commutativit et d'associativit de la convolution, on obtient les relations suivantes, si x (t) et
y {t} sont respectivement les signaux d'entre et de sortie d'un oprateur linaire de
234
'Py (T)
IPx (T)
* ~g (T)
(8.22)
= 'Px(T) *g(T)
(8.23)
(8.24)
G'" (f) G (f)
IPx{T)
Rx(T)
2" 17 0 (T)
(8.26)
(I>x (f)
(8.29)
q)xy(f)
235
OPRATEUItS FONCTIONNELS
x (1)
y(t)
capteur
GlU)
correcteur
Cl U) = CI-lU)
x(t
....
Fig. 8.8
*g
Fig. 8.9
"
'P;r,'
F*
)'
Fig. 8.10
(8.30)
avec
gU)
(8.31)
236
-<~
.,(1), G,U)
g,(I),G,(f)
~ .. "
.. ,
---l
.,(1), G,(fl
~)
~----------------------~v~----------------------~J
g(t). G(!)
Fig. 8.11
La fonction de rponse frquentielle globale se rsume ainsi au produit des fonctions de rponse partielles
(8.32)
avec
G(f)
= G1 (f)G2 Cf)
... G'l(f)
(8.33)
Cette hypothse d~indpendance n'est pas vrifie dans certaines situations pratiques, telles que la mise en cascade de circuits lectriques passifs. On dmontre aisment (chap. IV.6) que la mise en cascade de deux circuits Re semblables celui dcrit
dans l'exemple 8.2.24 ne possde pas une fonction de rponse globale quivalente au
carr de celle du circuit simple.
Ry(7) = Rx(T)
* tPg(r) =
f RxCr') ({;g(T
-00
r')dr'
(8.34)
OPRATEURS FONCTIONNELS
237
On sait que la valeur l'origine de la fonction de corrlation est la valeur quadratique moyenne (alias puissance totale), qui est gale, elle-mme, la somme de la variance et du carr de la valeur moyenne
-~
(8.35)
-~
Ily =
E [ y]
:=
E [ x (t ) * g(t ) l
J g( t) dt
E [ x] .
(8.36)
-QO
d'o finalement
Ily
Il.Y;
J"" g(t)dt
(8.37)
-00
.,.,
p}C 2(0)
CCI
<Xl
]2
00
f ex (
T)
.pg (T)
dT
(8.38)
co
o CAr)
RAT)
-t
238
y (t)
= Kx(t)
(8.39)
X~=KX(t)
---V-Fig. 8.12
Les proprits de cet oprateur de multiplication par une constante sont rsumes
dans le tableau 8.13.
On en dduit que (Ily(f)
<Px (f), lPy (r)
IPx (r), f.ly = Kf.lx! a~ = K 2 a~ et
2
Py K Px. Par (5.39), la statistique du signal de sortie se dduit directement de celle
d'entre: Py (y) = IKI- 1 Px (y fK).
Tableau 8.13
g (t)
== K li (t)
1G ([JI
G (f) == K avec
1"g([)
= IK 1
0
1T
sgn (f)
pour K
>
pour K
< 0
y(t) = x(t-t o )
(8.40)
est le modle de tout systme assurant une propagation sans distorsion d'un signal, mais
ncessitant un dlai 10 (ligne de transmission idale, ligne retard, circuit
dcalage ou mmoire circulante, dispositif bande magntique avec ttes d'enregistrement et lecture spares, etc.).
-----L
X~L-
retard fo
______
!
~~
Fig. 8.14
X(I-/ o )
239
OPRATEURS FONCTIONNELS
Les proprits de cet oprateur de retard sont rsumes dans le tableau 8.15.
Tableau 8.15
X~~ ~ ~~)
x(k
1)
_____l__
Fig. 8.16
y(t)
.f(t)
TI
-00
x( 7)
(8.41 )
d7
1-7
.'~I-___
H_ _
....J~ = .t)
Fig. 8.17
0
240
Tableau 8.18
g (t)
(rrt)-l
G (f)
IGCf)I=l
{}gCf)
<Pg(T)
= li (T)
rr
= --:; sgn(f)
-
y(t) = x(t, T)
-f
T
(8.42)
x(r)dr
t-T
dnomm moyelmeur temporel parfait (fig. 8.19), dont les caractristiques sont rsumes
dans le tableau 8,20.
yU) =
xU}
x(t, T)
moyenncur
Fig. 8.19
Tableau 8.20
g(l)
Sa rponse impulsionnelle est rectangulaire (fig. 8.21), C'est le modle d'un circuit
intgrateur dont l'approximation analogique est un simple filtre passe-bas ( 8.2.24).
Une ralisation quasi-parfaite, mais impliquant une sortie chantillonne et une remise
zro priodique, exploite les proprits du montage intgrateur amplificateur oprationnel (chap. VII!. 3). Dans le cas discret, l'expression (8.42) se ramne une simple
sommation,
g(t)
T-l~----------~
..
Fig. 8.21
OPERATEURS FONCTIONNELS
241
Il.\' == Ilx
a)~
'!'
1
=-
T-';;",
-QO
J"" (f}x(f)
(8.44)
-IXI
(f)
= fT] rcet
[[/(2B)]
(8.46)
L'valuation de la variance de l'estimation est facilement obtenue, dans le premier cas, en introdulsant (8.45) dans (8.44)
a;l
1
2
T]/T
(8.47)
Alors mme que la variance du signal d'entre est thoriquement infinie, celle de
l'estimation obtenue est limite et inversment proportonneHe au temps de mesure T.
En introduisant (8,46) dans (8.44), on obtient dans le deuxime cas
~
:2
71
1T
( sine 2( Tf)
dl
':'8
BT
( sine 2(
O! )
d O!
(8.48)
-"BT
Pour BT l, a;'2 0,45 71/ T et tend progressivement vers le rsultat limite (8.47)
lorsque le produit B T augmente.
242
f
-8
... ...
f
Fig. 8.22
Pour un filtre passe-bas (fig. 8.22), on obtient, en tenant compte d'un retard
arbitraire to comme en (8.40), les caractristiques rsumes dans le tableau 8.23.
Tableau 8.23
,
l
CI (f)'
GI(f)
:=
red[f/(2B)]'cxp(-j21T!t o ) avec
{)gl (f)
= 2Bsinc[2B(t-t o H
.pgl(') =- 1B sine (2B.)
glU)
=- rcct ([ 1(2B))
- 2nft o
Un tel filtre idal est un oprateur non causal puisque gl (t) =1= 0 pour t
lorsque to =f=.oa (fig. 8.24).
Fig. 8.24
<0
243
IG~ (j') 1
-J(J
fa
Fig. 8.25
On peut dduire les caractristiques d'un filtre passe-bande idal (fig. 8.25)
partir de celles d'un filtre passe-bas de bande passante E/2 en utilisant la proprit de
translation de l'impulsion de Dirac
G2 ( [ )
(8.49 )
lBsinetB(r
11l))'cos(l11'[of)
:.n.
(8.50)
1
2" +
Si[rrB(t
( 0 )]
Le graphe de ces fonctions est reprsent sur la figure 8.27. L'oscillation prsente
dans ces rponses une discontinuit est connue sous le nom de phnomne de Gibbs
( IV. 7.3.36).
244
"Y/(t) ' \ .
---
. . . . .c::=...=...-..........,...;
..
-------+l--J--:.'~---_::J11I"=-~
.... ...................... .
~
Fig. 8.27
Le temps de m01lte, ainsi dfini, est f'iTIJ1erse de la bande passallte pOlir 1111 filtre
passe-ballde idal et l'inverse dll double de la largeur de ba1lde pOlir lill filtre passe-bas
idal.
Ce rsultat fournit un ordre de grandeur utile. Il s'applique approximativement
auss au cas de filtres rels si l'on interprte B comme la largeur de bande quivalente
IG(f)12
.,
G~ax
;>
(8.5:2)
245
OPRATEURS FONCTIONNELS
Beq
= -2G max
J IG(f)1
OC)
(0)
df:-::
(8.53)
2G max
C'est la largeur de bande d'un filtre idlll dont le signal de sortie a la mme puissance
que celui du filtre rel lorsqu'ils sont tous les deux excits par le mme bruit blanc.
filtre pusse-bas
B-3dll
filtre passe-bu nd e
10
Fig. 8.28
8.2.24 lllustration
Un fi1tre passe-basRC(fig. 8.19), en crcuit ouvert possde une fonction de rponse
frquentielle
G(f)
o fe
+ j 2rrfRC
1 + j flic
(8.54)
IG(f)12=
1
+ Ct'lfe ) 2
+ (f/J~)2 ]-112,
(8.55)
246
o----e::=Ir-----I-9----00
x{t)
=-
(8.56)
RC
1
- - exp [ -Irl/(RC)]
1RC
B- 3dB
= f~
1
Beq
(8.57)
(8.58)
1T
= - - ;:: -B
2 -3dB
(8.59)
4RC
1RC
(8.60)
OPRATEURS FONCTIONNELS
247
(8.61)
da
+ (f - /0) - .
d]
[=10
= - 2nfotq; - 27T(f-jo)lg
trjJ
et
tg
(8.62)
{)(fo)
tq;
tg =
(8.63)
'2 nio
-
1 d t'I 1
2n df [=10
(8.64)
Elles sont appeles respectivement retard ou temps de propagation de phase (en anglais:
phase de/ay) et retard ou temps de propagation de groupe (groupe delay).
En considrant que la rponse d'amplitude est constante et gale, pour simplifier,
l'unit dans la bande d'intrt, la fonction de rponse frquentielle du systme devient
(8.65)
.t
Fig. 8.30
248
IU') GU')
= IU') exp ( -j 2nft g) exp[ -j2nfo(trp -
);(f) ::
tg)]
(8.66)
= r(t-t g )exp[j2njo(t-t</l)]
(8.67)
g(t)
= ks(T-t)
(8.68)
(8.69)
::.: ks(T-t)
GU)
~g{T)
::.:
k l ~S(T)
y(t)
-x(t)
dt
(8.70)
249
OPIlATEURS FONCTIONNELS
dfinit un oprateur, appel dril'ateur, dont les caractristiques sant rsumes dans le
tableau 8.32. Un tel oprateur n'est pas physiquement ralisable, puisque sa rponse
d'amplitude croit linairement sans limite avec la frquence. Un filtre passe- hau t, tel
que le circuitRC drivateur de la figure 8.33; en constitue une ralisation approximative.
C
Tableau 8.32
cl
g (t)
GU)
IGU)I:!
8 (t)
li
'Ct)
dt
j2rr[
(2rrf)l
x(1)
!J'(t)
Fig. 8.33
(8.71)
d'o, par le thorme de Wiener-Khintchine ( 5.3.3), on a pour les autocorrlations
la relation suivante
2
Rx,(T)
= -
d Rx(T)
(8.72)
dT
8.3.1 Dfinition
On appelle oprateur paramtrique tout oprateur non stationnaire dpendant
d'un signal ou grandeur "de commande auxiliaire. Le signal de sortie
(8.73)
est ainsi une fonction de deux signaux x (t) et li (t), l'un tant considr comme signal
d'entre et l'autre comme signal de commande (fig. 8.34)
x(t)
y(t )
s
u{t)
Fig. 8.34
250
Le signal de sortie y (t) d'un tel oprateur s'exprime alors en fonction du signal
d'entre x (t) parla relation [49, 53]
OQ
(8.74)
r lz (t,
H( IJ,! )
T)
exp ( - j 2 1T1lT ) dT
(8.75)
-0.,
qui dpend aussi du temps. On lui prfre gnralement une expression dpendant des
deux frquences f et ven effectuant une deuxime transformation de Fourier
""
(8.76)
On vrifie (exercice 8.5.12) que les transformes de Fourier des signaux d'entre
et de sortie x (t) et y (t) sont lies par la relation
f H(f,v)X(,J)dI
CIO
Y(f) =
(8.77)
-(XI
= U(t)g(t-T)
(8.78)
(8.79)
(8.80)
= U(f-v)G(f)
(8.81 )
OPRATEURS FONCTIONNELS
251
h (t, T)
= u(t)o (t-T)
(8.82)
HU: v)
= U(f-v)
(8.83)
et
(8.84)
(8.85)
et
Le multiplicateur (fig. 8.35) est donc un oprateur paramtrique linaire (qui se rduit
l'oprateur stationnaire dcrit au paragraphe 8.2.16 si li (t) est une constante).
x(t)
---1....
yU)
I-------i....
Il (t)
Fig. 8.35
Py(Y) :;
_1 Px(x) Pu ( y
Ixl
Ry(T)
Rx(T)"Ru(T)
<P y (f )
cp x ( f)
dx
(8.86)
(8.87)
* if.> u (f)
(8.88)
y(t)
= x(t)T(t) =
Ie=
x(kT)(t - kT)
.,.,
(8.89)
252
(8.90)
yU)
.r(t)
Il
Il
LI (I)
Fig. 8.36
(t)
rec t (t 1T )
(8.91 )
u(t) = sgn{cos(21Tt/T)}
= repT{rect(2t/T)-rect[(1t-T)/T]}
(8.91)
J
0C3
y(t} = LI(t)
g(t - T )x( T) dT
(8.93)
253
OPRATEURS FONCTIONNELS
yU)
= u(l)'
[x(l) *g(t)]
gU)
Fig. 8.37
ID)' (f)
U(f)
* [XCf) G(f)]
(8.94)
2
(8.95)
g( t
* g(t)
(8.96)
Cest la rponse d'un oprateur (fig. 8.38) combinant un multiplicateur suivi d'un filtre
linaire invariant.
x(t) Il (t) . - - . - - - - - ,
y(t)
= [x(1) u(t)]
*g(t)
g( t)
Fig. 8.38
cJ.ly(f) = [IDx(f)
(8,97)
* q)u(f~]IG(f)12
(8.98)
[X(t)T(l)] *g(t) =
l
k=
x(kT)g(t-kT)
(8.99)
-00
Chaque chantillon est ici le facteur multipHcatif d'une inlpulsion de forme g (t).
Dans le cas d'impulsion de Dirac, g (t ) = (t) et l'on retrouve l'chantillonnage idal
(8.89).
254
Fig. 8.39
o!. (t) ::: a(t) + jb(t)::: f {x (t)} est une fonction complexe du signal d'entre typique
chaque genre de modulation (chap. 11).
Le signal d'entre n'influenant que l'enveloppe complexe, on peut simplifier les
notations en dfmssant [99] un oprateur de modulation (fig. 8.40) par la relation
!. (i)::: Sm{x (t )}. Inversement, on peut dfinir un oprateur de dmodulation (fig. 8Al)
par la relation x (t)::: Sd :. (t)). Ce dernier est soit de type paramtrique, soit de type
non linaire.
x~
sm
_r::-l
---cs--
~J
x~t)
rU)
Fig. 8.40
Fig. 8.41
y (t)
:::
(t) u(t)
(8.101)
Fig. 8.42
Fig. 8.43
Vis-~vis du signal d'entre, cet oprateur n'est pas linaire homogne puisqu'il
ne satisfait pas (8.5) et il est non stationnaire si u (t) n'est pas une constante. n est
logique de le classer panni les oprateurs paramtriques, encore que dans certaines
255
= X(f)
Y(f)
U(f)
(8.102)
D'une manire gnrale, valable aussi pourles signaux alatoires, on a par (5.189)
et (5.190)
(8.103)
et
iPy (f)
(8.104)
Ces deux dernires expressions se rsument aux deux premiers termes seulement
lorsque les signaux x (t) et li (t) sont indpendants et que l'un au moins est valeur
moyenne nulle (5.5.5).
y(t)
""
TI=1
J .. J
_=
_co
(8.106)
dfinit un oprateur
noyau hfl{tJ, ... , tn).
11011
Fig. 8.44
256
On dmontre [102] que la rponse d'un tel oprateur li une excitation sinusodale
pennanente de frquence 10 est compose de termes sinusodaux de frquences
n/o, (Il 2)/0, ... ,10 (12 impair) ou 0 (Il pair). Si le degr 11 est impair, la rponse ne
contient donc que des harmoniques impaires et, si Il est pair, elle ne contient que des
harmoniques paires et une composante continue. Une illustration de ce rsultat apparait aux paragraphes 8.4.4 et 8.4.5.
Certains circuits non linaires (par exemple ractance non linaire) sont susceptibles de produire galement des sous-harmoniques de la frquence d'excitation. Ils ne
sont donc pas reprsents par ce modle.
La formule (8.105) suggre une reprsentation (fig. 8.45) par oprateurs homognes branchs en parallle li l'entre et dont les sorties sont sommes.
x(t)
Fig. B.45
Un cas particulier d'oprateur non linare dcrit par (8.105) est celui o le signal
de sortie est exprimable en srie de puissance
y (t)
(8.107)
OPRATEURS FONCTIONNtLS
257
systme
linaire
~------------------~v~------------------~
systme non linaire
Fig. 8.46
CI
La dernire catgorie ne sera pas aborde. La seconde se ramne donc une cascade
d'oprateurs o toute l'inertie (mmoire) du systme est prise en compte par l'oprateur
linaire alors que la non linarit est reprsente par le ou les oprateurs amnsiques. On
se limite dans ce qui suit examiner quelques proprits de ces oprateurs.
y = g(x)
(8.1 09)
X(~
----\
y == g(x}
11
Y~I
Fig. 8.47
C'est le modle d'un grand nombre de dispositifs lectroniques ralisables analogiquement (vol. VIII) avec des circuits diodes, des amplificateurs oprationnels, des
comparateurs, des multiplicateurs, etc., et numriquement l'aide d'une table de correspondance mise en mmoire ou d'un algorithme de calcul appropri. Les principaux
d'entre eux sont regroups dans le tableau 8.48. Si la sortie est retarde (temps de raction, dure de calcul), on en tient compte en combinant en srie un oprateur amnsique
idal (sans retard) et un oprateur de retard ( 8.2.17).
=~.
/:Y
fi
n.1
dTlg(x)
d"
x
(8.110)
x=o
Y(f) =
2: /:Yu FI
11=1
;-=1
X(f)
(8.111)
Tableau 8.48
t-J
Fonction
Caractristique
Redresseur bipolaire
(oprateur de valeur absolue)
(t)
Rcdrc~seur
JI
(t) = e(x)-lx(t)1
unipolaire
Symbole graphique
Ix(t)1
-;-lx(t) + Ix(t)I]
Dtecteur de signe
(limiteur idal)
A sgn {x(t)}
(t)
Ul
co
~""'k~p
~-n~P
~-+-=t-~~
""l
:r
t'I1.
o
;::
r;;
Comparateur
(t)
= 5gn {x (t) - a }
~
""l
;:::1
>
si x
x(t) si a
a
Ecrteur
(t)
Oprateur quadratique
;:;
<a
<x <b
r:1
:::
m
Z
...
si x > b
CI
r:l
~-\V~P
y (t) = x 2 (t)
x ~ 0
Oprateur logarithmique
JI
(t)
Oprateur trigonomtrique
par exemple:
y (t) = sin {x(l)}
~-=f?P
~~~
"~~-!~
I.n
!Il
Ci
)-
i>':
259
Ol'RATEURS FONCTIONNELS
o
11
(8.112)
HX(f) =X(f)*X(f)**X(f)
i=l
---------V--------~
/1 fois
(8.113)
* X(f)
(8.114)
Lorsque le signal d'entre est purement sinusodal x (t) =A cos (21T fo t):
X(f) fA[5(f+fo)+0(f-fo)]et,par(1.50)et(8.114),Y(f)=+A 2 (f)+
tA 2 [(f+2fo)+(f-:2fo)]. Ce rsultat (fig. 8.49), faci1ement vrifi raide
d'identits trigonomtriques, correspond au signal de sortie y (t) = A 2 + A 2
COS(41Tfot). Le terme continu -}A 2 mesure la puissance du signal d'entre.
X(f)
Y{f)
tA:!
J
-Jo
-t
- '2.Jo
Jo
-Jo
Jo
Fg.8.49
Si rentre est la somme de deux termes sinusodaux: x (t) =Al cos (21Tf1 t) +
= Al [o(f+ fd + 8 (f- fd] + AdtS (f+ f1 ) +
260
K(f)
Y(n
l
-2/2 /-2/1
2/1
j'
2/1
(8.116)
Le troisime terme caractrise Je phnomne d'intermodulation.
Considrons encore (fig. 8.51) le cas d'un signal d'entre nergie finie
x(t)=2aBsinc(2Bt) avec X(f)=arect[fl(2B)]. Par (1.33), on obtient ici Y(f)=
la 2 B tri [fI (2B)] La valeur l'origine reprsente l'nergie du signal d entre.
X(f)
-B
/
-2B
Fig. 8.51
-B
1B
Finalement (fig. 8.52), prenons l'exemple d'un signal d'entre spectre passe-bande
avec X(f) =a {rect [(f + fo )IB] + rect[(f - fo )IBJ). La transforme du signal de sortie
devient Y(f) =a 2 B{2 tfi (fIB) + tri [(f+ 2j)IB] + tri [(f- 2fo)IB]).
XU)
nt)
B
+---+
B
~
..
2B
18
Jo
l
- /0
- 2Jo
Jo
-1'0 -B
B Jo
2[0
Fig. 8.52
(8.117)
3
Y(f)
FI X(f)
;=1
(8.118)
261
Si rentre est une simple sinusode x (t) =A cos (27T/ot), la transforme de Fourier
de la sortie devient Y(/)={3A 3 /8) [0(/+/0) +0(1-/0)] + (A 3 /8) [0(/+3/0 ) +
o(1 - 3J~)] correspondant y (t) (3 A 3/4) cos ("2 rr/o t) + (A 3/4) cos (6rrJ t). Dans le
cas d'une somme de deux sinusodes l'entre, les produits d'intermodulation apparaissent aux frquences 211 +tl, 2/1 - 12,212 + Il et 2/2 - 1.
La dtermination de Y (/) correspondant d'autres signaux d'entre est laisse
comme exercice.
(8.119)
La distorsion d'intermodulatioll est lie il l'existence de produits d'ntcrmodulation. Ceux-ci apparaissent lorsque l'entre est constituee par une somme de termes. Si
ceux-ci sont sinusodaux et de frquence anharmonique Ij,Ji. etc. (signal d'entre quasipriodique). Je signal de sortie contiendra, en plus de composantes harmoniques, des
termes d'intermodulation de frquence (mli lljj).
262
Si la non linarit est dcrite par la loi g (x) et si la densit de probabilit du signal
d'entre est p(x), les divers moments du 1er ordre ( 14.3.3) du signal de sortie sont
donns par
111 yn
= E [y ll]
(8.121)
et d'une manire gnrale, la valeur moyenne de toute fonction f (y) du signal de sortie
est exprime par l'esprance mathmatique.
E[f(y)]
::=
f(y)py(y)dy
(8.122)
f[g(x)]Px(x)dx
t+
r)1 = E[ YI Y2]
E [ g( XI) g( Xl ) J
00
= fSg(XI)g(X2)P(Xl
r) dx l dx 2
X2
(8.123)
l
'-2
411"
ff G(u)G(p) n.
li Xl
+ li X2 )] du d"
DO
t (
_00
li,
l') du dl'
(8.124)
263
OPRATEURS FONCTIONNELS
o
00
JI p(
XI, X2
7)exp [j(
llXI
+ IJX2)]
dXt dX2
(8.125)
= a;
o Rx(O)-=Cx(O)
et
Rx(7)
-=
= a~ Px (7).
Cx(T)
= exp {-+Rx(O)
[u 2
+ J!2]
Rx(T)UV}
(8.117)
xe(x)
(8.128)
ff
Ry(i) =
XIX1P(Xl,X2
(8.129)
;i)dxl dx'2
Le signal redress y (t) possde alors, dans le cas d'une entre gaussienne valeur moyenne nulle, la fonction d'autocorrlation (exercice 8.5.14)
Ry(i) =
+1[R~(O)-R_~(7)]1/2
+Rx(7)arccos
-'otT
R.,,(T)
Rx (0)
l
~
(8.130)
Xll
Dans le cas o
y == g(x)
= x"
(8.131)
il est avantageux d'exploiter la relation (14.70) qui lie le moment du deuxime ordre
E (x'i xr] la valeur l'origine de la drive partielle de degr (Il, Il) de la fonction
caractristique:
21l
R (i)
JI
(u' v)
= E [x 1 X~l]
= J'-211 a rr x
au av
ll
Il
1/
(8.131)
u=v=o
264
Si le signal d'entre x (t) est gaussien valeur moyenne nulle, la fonction carac
rstique est donne par (8.1:27). La solution gnrale de (8.13~) peut tre mise sous la
forme [17,104]:
fi
R ()
y
o k
'\
7;
{ll!j[(ll k)j2]!}2
R Il - k (O)R k ' )
.2 Il -k. k!
x
x (r
(8.133)
11.
Tableau 8.53
RX(T)
2Ri{T)+Rl<O)
6R~(r}
24R~(T)
120Ri:(T)
+ 9R 5:(0) RX(T)
+ 72Ri(O)Ri-(T) + 9R~(O)
+ 600Ri-(0) R.~(r) + 225 R~{O) Rx(r)
6R;(r)+9R;(O)R x (r)
(8.134)
q)y (
f )
FI cp x (f ) + 9 R _~ (0) q).'\; (f )
(8.135)
;=1
Ce rsultat est comparer (8.118), valable pour une en tre dterministe.
a /(; ()
(r) = E [g(JC) (x ')g~k)(X'l'l)]
1 ]1
- ..
aR xlx2 r
(8.137)
265
OPRATEURS FONCTIONNELS
8.4.13 Dmonstration
En introduisant (8.127) dans (8.124) et en drivant k fois par rapport R;x (r).
on obtient
ale R
(r)
aR x (r)
-1
41r~
ff G(u)G(V)(-J)kukvk nx(u,l')dudv
(8.138)
4~2
E[g(k)(XI)og(k)(X2)J
(8.139)
""
k=O
A.
L -::-,
(8.140)
= g(x)
(8.141)
= Asgn(x)
= lA o(x)
(8.142)
aR y (7)
aR x (7)
= 4A 2 E [0 (x.) a(X2)]
= 4A 2 ff (3 (xd (3 (x:d Px(xt. X2, 7) dXl dX2
4A 2 Px(O,O)
2A 2
(8-143)
266
Par intgration, on a
2A 2
Ry (r) == - - arcsin
(8.144)
1T
car
(8.145)
E[g(x)] =
sgn(x)p(x)dx == 0
(8.146)
puisque sgn (x) est une fonction impaire et p (x) est ici une distribution paire. Finalement
2A 2
Rx{r)
1T
R;x(O)
(8.147)
(8.149)
ai
(8.150)
(8.15.1)
(8.152)
Le cas d'un signal d'entre gaussien spectre blanc born de type passebande est
illustr par la figure 854.
267
op(mATEURS FONCTIONNELS
TJ~B'-5([)
28
lB
<1-4--_
-B
-110
10
210
Fig. 8.54
[1)nU)
+--1>
- 10
j~
-lo
fo
[I>r 2 (f)
'=0:
...1 4/16
A~/I6
- 2};,
2fn
1 [fl,t" (f)
T/lB~
=11;:
11 2B
'2.B
"2B
f
-
:'j~
-B
210
B
{Ils,nU}
Al17
-..
il
+--1>
l17
f
-2fo
-+B o TB
"'!.I()
q,),([)
a:+a~+a;;a;
17!B+A~11
-210
/J
Fig. 8.55
/J
110
268
y (t)
(8.153)
Ry(T)
= E (y(t)y(t+T)] = E [VIV2]
== E [s1 s~]
::::
(8.154)
avec
RSl
RIl
(1')
(8.155)
(8.156)
Rs,fI (1')
(8.157)
py(f) = cps2(f)+[R,~(O)+2Rs(O)RTJ(0)]6(f)
(8.158)
(f)
La figure 8.55 rsume les rsultats obtenus dans le cas d'un signal s (t) = A cos (l1Tfot)
et d'un bruit blanc gaussien Il (t) spectre passe-bande.
8.5 EXERCICES
8.5.1 Soit un systme linaire caractris par la rponse impulsionnelle g(t) = Wc
exp (- Wc t) E (t) avec wc::: 11Tfc. Dterminer la relation liant les fonctions d'autocorrIation d'entre et de sortie 'Px (1') et tpy (1') ainsi que la largeur quivalente de brut. Si
l'entre x (t) est un bruit de densit spectrale de puissance constante <Px (f) = Til 2, en
dduire la fonction d'autocorrlation Ry (1'), la densit spectrale de puissance CPy (f) et
la puissance totale Py du signal de sortie y (t).
8.5.2 Dmontrer que le systme composite de la figure 8.56, o le signe 2: symbolise
une sommation, est encore un systme linaire.
yCt)
Fig. 8.56
269
~
T
x(t)
retard to
Fig. 8.57
y (t) d'un systme linaire (sans bruit interne additionnel) vaut l'unit.
8.5.9 Un modle de bruit mpulsionnel caractristique spectrale quelconque peut tre
construit l'aide du schma-bloc de la figure 8.58 o up(t):::: LO(t-t;) est une suite
alatoire d'impulsions de Dirac (processus de Poisson). Le bruit produit 11 (t) est une
somme d'impulsions de fonne Ci.ig(t-t;) o t i est un instant alatoire arbitraire et
Fig. 8.58
270
=Ci. (t =ti) est la valeur chantillonne d'une grandeur indpendante Ci. (t). Dterminer l'quation gnrale de la densit spectrale de puissance du bruit Il (t) si le nombre
moyen d'impulsions par seconde est dnot par .
Ci.i
8.5.10 Indiquer sous quelles conditions le rsultat obtenu l'exercice 8.5.9 s'identifie
avec la formule (6.31).
8.5.11 Dterminer, partir du rsultat de l'exercice 8.5.9, le spectre d'une suite poissionnienne d'impulsions de fonne triangulaire de dure ~ et d'amplitude unit pour
8.5.14 Dterminer la densit spectrale d'nergie du signal de sortie y (t) d'un nn,p,r"t""t1r'\:?'
de pondration dfini par (8.91) lorsque le signal d'entre x (t) est de type priodique
(priode Tx ). Interprter graphiquement le rsultat pour T = Tx et T = 10 Tx .
8.5.15 Le signal quasi-priodique x(t) =A I cos (2rr/l t) +A;! cos(2rr/2t) est appliqu
fi l'entre d'un oprateur de pondration dont la fonction de commande est u;(t).
miner analytiquement et comparer graphiquement les spectres d'amplitude
pour Il = 100 Hz,fi = 150 Hz, Al = 10 V, A 2 = 1 V. Pour les trois cas: u! (t) = rect (tl
U2 (t) = tri (t 1T), ll3 (t) = ig (t 1T) avec T = 50 ms.
8.5.16 Un signal cosinusodal redress peut tre considr comme le produit d'une
fonction cosinusodale A cos (2 rr t 1T) par la fonction signe de cette mme fonction.
dduire la transfonne de ,Fourier.
o-c::::J--+---o
"
--Le
Fig. 8.59
271
x( t)
y(t)
Fig. 8.60
8.5.19 Soit x (t) =A ig (fI T) le signal d'entre d'un oprateur quadratique. Dterminer et esquisser graphiquement le signal de sortie y (t). sa transforme de Fourier et sa
densit spectrale d'nergie.
8.5.20 Dterminer et esquisser graphiquement la transforme de Fourier du signal de
sortie d'un oprateur cubique, si a) x (1) ::: A 1 cos ( 27r/1 t) + A 2 cos (2 ni:! t); b) x (t) =
2AB sinc (2Bt).
8.5.21 Le courant de sortie d'un composant lectronique command par une tension
d'entre li est donn par l'quation i =a + bu +cu 2 Dterminer l'expression littrale
du taux de distorsion d au deuxime harmonique en cas d'entre sinusodale d'amplitude . Evaluer la valeur de ce taux pour = 1 V, si i min = 0,45 a, i max = 1.7 a, et si le
courant de sortie en l'absence d'excitation d'entre vaut 10 mA.
8.5.22 La caractristique rcHe d'entre-sortie d'un amplificateur peut, au voisinage
de l'origine, se mettre sous la forme y (x) = AVarctan (xl JI) o A = J 00 est le facteur
d'amplification et v= 1 volt est un facteur d'chelle. Calculer approximativement les
taux globaux de distorsion harmonique de cet amplificateur obtenus pour une excitation sinusodale d'amplitude gale : a) 0,1 Vet b) 0,2 V.
8.5.23 Dtermner en fonction du paramtre b la valeur moyenne. la valeur quadratique moyenne et la variance du signal de sortie des oprateurs non linaires dfinis par
Yt=x 2 et Y2 1+x 2 +x 3 dont le signal d'entre est distribution uniforme p (x) =
a rect (x/b).
8.5.24 Vrifier (8.130) par le thorme de Priee.
8.5.25 Dterminer la fonction d'autocorrlation de sortie Rl'(r) d'un oprateur de
valeur absolue (redresseur bipolaire) de caractristique y =lx," dans le cas d'une excitation gaussienne valeur moyenne nulle de fonction d'autocorrlatiol1 Rx(r) connue.
272
8.5.27 Soit y (t) =x (t) + x 3(t) o x (t) est un signal gaussien valeur moyenne nuUe
et fonction d'autocorrlation connue Rx (1'). Dterminer Ry (1'): a) par le thorme de
Priee (8.136), sachant que E [x ln ] = 1 3 ... (211 -1)
(0); b) en considrant la sortie
y (t) comme la somme de deux signaux YI (t):::: x (t) et Y2 (t) =x 3 (t) et en exploitant
la relation (8.137); c) en appliquant la fonnule (8.140).
R;
8.5.28 Deux signaux gaussiens Xl (t) et X2 (t), valeurs moyennes nulles, variances a~l
et
et fonction d'intercorrlation R x1x2 (1'), sont appliqus aux entres de deux
dtecteurs de signe. Dterminer la fonction d'intercorrlation des signaux de sortie
YI (t) = sgn [Xl (t)] et Y2 (t) = sgn [X2 (t)].
a;2
8.5.29 Montrer que la fonction d'intercorrlation des signaux Yl (t):::: Xl (t) et)'2 (t) =
[X2 (t)], o Xl (t) et X2 (t) sont gaussiens valeurs moyennes nulles, est proportionnelle R x1x2 (1').
A sgn
CHAPITRE 9
9.1 INTRODUCTION
{x( k)}
--
pas d'chantillonnage Tc
rI l l r
ll
Fig. 9.1
rI III
274
-YeU) =
'I; g(t -
tk)
Fig. 9.2
275
g(t)
miSE! E!1l forme
Fig. 9.3
Le signal analogique x (t) est multipli par la fonction d'chantillonnage e (t), puis
filtr. Le signal chantillonn est dnot Xe (t). Il est li x (t) et e (t) par l'quation
(8.96) qui devient ici
xc(t)
[x(t)'e(t)] * g(t)
(9.1 )
E(f)]'O(f)
(9.2)
(9.3)
et
(9.4)
:.=
(9.5)
Le schma gnral de la figure 9.3 se rsume ici au seul multiplicateur qui symbolise, dans ce cas, un simple interrupteur priodique ( 8.3.6). Le filtre linaire est un
circuit passe-tout (court-circuit) de rponse g(t) =0 (t). Le signal chantillonn rellement est dnot xer(t).
Par (4.128) et l'exemple 4.4.17, les formules (9.2) et (9.4) deviennent dans ce cas
n=-=
L
11=-<:>::>
(9.6)
276
x(c)
e(t)
o
Fig. 9.4
et
(Ilxer(f)
= <px(f) *
l1=-ao
(9.7)
11=-""
277
f
- f max 0 f milx
pour fcD = 1/3
f
- 3 te
-r-
lie
:. fe
3 j~
4 fe
5 fe
imaginer obtenir un tel signal partir d'un chantillonnage rel dans lequel on fait tendre la dure D des impulsions de la fonction d'chantillonnage vers zro. Il est vident
que la puissance du signal ansi cr tend aussi vers zro!
Une manire, toute thorique, de mettre en vidence malgr tout les proprits
spectrales d'une telle suite, consiste multiplier chaque impulsion d'chantillonnage
par un facteur IID. Le passage la limite, pour D tendant vers zro, transforme alors
chaque impulsion rectangulaire en une impulsion de Dirac.
On peut ainsi assimiler thoriquement la sute idale d'chantillons prlevs avec
une cadence fixe fe =: liTe un signal Xe(t) obtenu par la multiplication du signal analogique x (t) par une fonction d'chantillonnage idalise
ej(t)
= 5 Te(t) =
k=-ao
(9.8)
8 (t-kTe )
Le modle gnral de la figure 9.3 se rsume ici il celui d'un chantillonneur idalis
( 83.5) et (fig. 9.6) dont le signal de sortie est
x(kTe)(t
kT..J
(9.9)
k=-<Xl
x(t1
Fig. 9.6
Les proprits spectrales de Xei (t) sont obtenues comme dans le cas prcdent. La
transforme de Fourier et la fonction d'autocorrlation d'une suite priodique d'impulsion de Dirac 5 Te (1) sont donnes respectivement par (4.123) et (4.138)
F {DTe(t)}
Te- 1 {jl/Te(f)
!Po Tc (T)
T;l DTe(T)
= fe5fe(f)
= f~5Te(T)
(9.10)
(9.11)
278
feX(f-J1j~)
11=-=
(9.12)
11=-00
(9.13)
Ces deux fonctions correspondent dOliC la rptition priodique, de priode gale la
cadence d'chantillonnage, de la transforme de FOllrier 011 de la densit spectrale, respectivement, du signal analogique (fig. 9.7).
ID<
f~
le
1
iii
- /max"
Ima.x
Fig. 9.7
179
Tc
=- ao
Rx(kTe)o(t-kTe )
(9.14 )
(9.15)
qui est, un facteur D prs, gale celle d'un moyenneur temporel ( 8.2.19).
Par (4.29), (9.2), (9.4), (9.12) et (9.13), la transforme de Fourier et la densit
spectrale du signal chantillonn avec maintien deviennent
(9.16)
et
(9.17)
Le terme exp (- j 7Tf D) traduit l'effet du retard moyen DI2 introduit par le circuit
de maintien (fig. 9.8).
Xem(f)
Fig. 9.8
280
f
- fma,x 0 [max
1119
[
3fe
-1fe
Fig. 9.9
maintien
rnoyennclIr
Fig. 9.10
(9.18)
(9.19)
281
Xei (t):;::
k=-OQ
x (kT,;) (t - k:Te )
(9.20)
Xei(f):;
,-",-<XI
(9.21)
II est d'usage, dans les ouvrages consacrs au traitement numrique des signaux
(vol. XX), de normaliser l'axe du temps par rapport la priode d'chantillonnage. En
posant ainsi Te = 1 dans (9.21), on obtient la dfinition conventionnelle de la transforme de Fourier d'un signal numrique (alias signal chantillonn idalis)
Xei(f)
(9.22)
k=-O<I
Xei(f)
= repdX(f)}
(9.23)
Xei(z)
x (k)
Z-k
(9.24)
/c=-""
o z est une variable complexe. Cette transformation, dont les proprits sont prsentes
dans le volume XX de ce Trait, s'identifie avec la transfonnation de Fourier (9.22) sur
le cercle unH z ::= exp (j 211'f). Elle pennet, entre autres, de caractriser un signal chantillonn par les ples et les zros de Xci (z) et d'exprimer simplement les conditions de
stabilit d'un systme de traitement chantillonn (souvent numrique).
181
f
-fmax
f mnx
f
- le
j~
< ~ f milx
Fig. 9.11
(9.25)
283
Remarquons que la 1argeur de bande totale occupe par le spectre d'un tel signal
est Hm =fmux' Ainsi, (9.25) peutauss s'exprimer sous la forme fe ~ 2Hm. Une dmonstration mathmatique de ce thorme, valable dans le cas d'un signal x (t) dterministe,
avec transforme de Fourier X (f) = 0 pour If 1> f max =B m , est donne au paragraphe
3.4.9. Le cas des signaux spectre passe-bande est trait au paragraphe 9.3.8.
Une gnralisation valable pour tout type de signaux peut tre tablie en observant
que si la condition (9.25) est satisfaite, aucun recouvrement spectral ne se produit. Il est
ainsi thoriquement possible de recrer un signal possdant le spectre c:Px (f) en filtrant
le signal chantlIonn l'aide du filtre passe-bas idal dfini sur la figure 8.22 (cas de
l'chantillonnage rel et de l'chantillonnage idalis). Dans le cas de l'chantillonnage
avec maintien ou de l'chantillonnage avec moyennage, la mme restitution est possible
en exigeant, en plus, que ce filtre compense la distorsion d'affaiblissement introduite.
En reprenant le cas de l'chantillonnage idalis (fig. 9.3) suivi d'un filtre passe-bas
idal dont la rponse harmonique d'amplitude est
1
(9.26)
Lb)
Fig. 9.12
...
Fig. 9.13
284
(9.27)
qui est gale <Px (f) si le support de celle-ci est born f= f max = Bm et si le > 2fmax
(fig. 9.13).
La rponse impulsionnelle du filtre idal est ici (cf. tab. 8.23)
g(t) = sinc[(t
to)ITe ]
(9.28)
(9.29)
k=-oo
9.3.4 Observation
Dans le cas de l'chantillonnage d'une sinusode de frquence fo, la cadence
d'chantillonnage ne peut tre exactement gale 2fo en raison du recouvrement spectral apparaissant dans ce cas thorique.
285
J'--______~
-L
x'(I)
gl(f)
1iI t rc an li rCJ1licmcn t
mise cn forme
Fig. 9.14
Le filtre antirepliement (aussi appel: filtre de garde) parfait serait un filtre passebas idal de bande passante B = fe/2. On sait toutefois qu'un tel filtre n'est pas ralisable,
car non causal ( 8.2.21). Tout filtre antirepliement rel comporte donc une bande de
transition (fig. 9.15) qui reporte la bande passante limite Bm bien au-del de la bande
passante effective B. La cadence d'chantillonnage pratique minimale doit donc tre
gale
fe,min
= 2Bm >
lB
f
-B
o
bande de transition
Fig. 9.15
IG 1 (f)1 2
[1
+ (f/!c)2"r 1
(9.31)
Celle-ci maintient dans la bande passante une rponse plate optimale (fig. 9.16)
avec une attnuation de 3 dB pour f= fe et une pente asymptotique d'attnuation de
- 20 11 dB/dcade (- 6n dB/octave) pour f> fe. Le cas 11 =1 correspond au filtre passebas Re du paragraphe 8.2.24.
Si le spectre du signal d'entre x' (t) est constant, on peut montrer [106], en
identifiant B fc' que le rapport ~rx de la puissance Pr de l'erreur introduite. par le
recouvrement sur la puissance totale Px du signal filtr est approximativement, pour
286
IG 1 (f)l2/n=oo
__....+-.~,':::..J'!
\\
\\
1
1
\\ 1
\1
/1l=1
/fI
Ji
/!
1
1
1 \:'-
- --:::::::.::'~:'/ :
ri
-1
\"..i
/11=2
IIIc
o dB - j - - - - - = S ! s , i ; ; :
3 dB
-20 dB
11
40 dB
00
1
1
IIIc
(chelle log,lritllmi(ft
-60dB+,-----------;--------~~~--~~----~~
100
10
0,1
Fig. 9.16
t r -'
= ;:
~ 2 (2::
2" 1T
1) sin
(2~') (~
r-
2u
1
n2 sin ( rr/n)
fc) == - - [ loglo ------~--
10glO ( -
Je
2n
~rxdB ]
(2n -1) rr
10
n=l
~OO+---------<ri~-------,
100+--------~---------4
11=2
10 -t----+-------t----.",..c------4..,. 11 = 3
1/
11=5
2-1"1~~~~~~~~====~n=IO
- ~r:cdB
l+----------r--------+-----Oo
:20
40
Fig. 9.17
287
Dans le cas d'un simple filtre RC(n = 1), un rapport de puissance de 1% UrxdB =
- 20 dB) impose une cadence d'chantillonnage le == 127/c. Pour n = 2 et Il = 4, le
mme rapport de puissance conduit une cadence d'chantillonnage de l'ordre de 6/c
et 3j~, respectivement. 11 y a donc un compromis trouver entre l'abaissement de la
cadence d'chantillonnage vers la limite thorique et la complexit du filtre antirepliement requis.
D'autres approximations du filtre idal sont possibles (Iltres de TcJzebychell,
filtres elliptiques, etc.). Leurs fonctions de transfert possdent une transition plus rapide
entre bande passante et bande bloque, au prix d'une ondulation rsiduelle dans la bande
passante et, pour les filtres elliptiques, dans la bande bloque galement.
X(n
XeU)
-10
x (t)
=A
10
cos ( l1T 10 t
t
1
1
1
- /c -
10
1
1
1
-/~o/o'
1 r
10 le
lie
+ Il:)
Fig. 9.18
La figure 9.19 montre la dformation subie par le signal reconstitu x/ct) mme
aprs filtrage passe-bas idal, lorsque le signal analogique initial x (t) possde un spectre
de support non born et que la cadence d'chantillonnage choisie laisse subsister un
recouvrement important.
288
I-,\:'(n 1= T (sinc(fT) (
f
1
-+T
ID<
+T
-lIT
lIT
21T
- lIT
lIT
2/T
xe(t )
r-
1
1
1
1
1
1
---------~~~--~~----~
0..--.
Te = TI4
x'( t)
fe = 4/T
(X'(nl
____~--~----~---Y----~----- __
- fe/2
- lIT
I/T
fe/2
Fig. 9.19
passe~bande support
Une application aveugle du thorme d'chantillonnage (9.25) conduit, lorsque le
signal analogique est spectre passe-bande born par la frquence infrieure fi et la frquence suprieure 12, une cadence d'chantillonnage j~ ~ 2[2.
En fait, la condition de non recouvrement spectral est satisfaite [35] pour une
cadence d'chantillonnage minimale
(9.34)
o m est le plus grand nombre entier infrieur ou gal fllB, avec B = f2 - It. Toutes
les cadences suprieures ne sont pas ncessairement utilisables. Pour j; ~ B, la cadence
d'chantillonnage minimale tend vers 2B.
Cette limite peut, de fait, tre atteinte thoriquement quelle que soit la largeur de
bande B si l'on fait intervenir la reprsentation introduite la section 7.4:
x(t) = aCt)cos(27Tjt)-b(t)sin(27Tjot)
= Re t!:(t) exp (j27Tfo t)}
(9.35)
(ft
+ f?),
les composantes en
a Ct) et en quadrature b (t) sont de spectre passe-bas born 1max = BI 2. Elles sont donc
chacune reprsentables par une suite d'chantillons prlevs la cadence le = '2fmax =B
en vertu de (9.25). Le thorme suivan t s'en dduit
soit x (t) un signal spectre passe-bande support born, de largeur de bande
B =f2 - Il, et j~ = (fI + 12) la frquence centrale de cette bande; alors x (t)
peut tre reprsent par la srie cardinale
289
[a (kTe ) cos (2 rrfot) - b (le Te) sin (2nfo f)]' sine [(t 1Tc)
x (t)
k]
(9.36)
k==-a::
Te = Ille = lIB
(9.37)
Bn. <j~a.,'(
<
x(t)
a (t)
2/0 -Bj2
Bn. <j'max
b( , )
Fig. 9.20
N::;;: 2BT
(9.38)
290
sujte de ses valeurs chantiIJonnes sur l'axe des frquences avec un pas
x (f)
Il:=-
1~.f=
1/ T:
(9.39)
00
x (f)' b Al(f)
(9.40)
X (nI T) b (f - n/ T)
11=-=
(9.41 )
Par (4.77), cette transforme de Fourier inverse peut encore s'crire sous la
forme
xp(t) =
(9.42)
11=-=
x (t, T)
oc
-T L
X{n/T)exp{j2rrllt/T)
(9.43)
n=-IXJ
(9.44)
ko+N-t
X(nIT,!c)
k=ko
110, . , Ilo
+ N -1)
(9.45)
La notation utilise met en vidence le fait que (9.44) et (9.45) reprsentent cha
cune U11e priode d 'mIe suite priodique (fig. 9.21). Si x Ct) est rel, les chantillons
complexes X (n/ T) = 1 X (n/ T) lexp j {lx (nI T) situs symtriquement par rapport
mj~ (m = 0, 1, 2, ... ) fonnent des paires conjugues. A N lments d'information
temporels correspondent donc toujours N lments d'infonnation frquentiels. On
choisit gnralement no = - N/ 2 de manire faire apparatre la priode principale
du spectre complexe. Il est de mme usuel de faire concider ko avec l'origine des
temps.
291
x(kTc)';x(k)
-N
N
!X(II/n 1";
2N
IX(I1)
priode prndpalc
f
Tl
Fig. 9.21
(9.46)
X(1l) ~ X(n/T,Je)
(9.47)
WN
(9.48)
N/2-1
x(k) = N- 1
Il
=-NJ2
X(n)WNk~ X(n)
= L
x(k)H'JVllk
(9A9)
k=ko
292
9 .3.12
Sous~chantillonnage
Tc =mT+e
(9.50)
ii
Fig. 9.22
293
syst~me de
reconstillllion
Fig. 9.23
d'ordre m.
Un interpolateur n'est apparemment pas un systme causal, puisqu'il a besoin de
connatre l'avenir pour calculer le prsent. On le rend causal en admettant un retard to
adquat la reconstituton.
Un retard, mme mportant, ne pose en principe pas de problme lorsque le traitement n'est pas effectu en temps rel. Mme dans ce cas, beaucoup de systmes de
traitement ou de tlcommunications peuvent tolrer des retards substantiels. Les exigences sont, par contre, beaucoup plus svres dans les systmes en boucle ferme
(rglage automatique, par exemple) o le retard introduit peut poser des problmes de
stabilit.
::=
y(t)Te(t)
y(kTc )8(t-kTe )
(9.51 )
k=-co
y(t-t o ):::
y(kTe)g(t-kTe )
(9.52)
k=-1X1
Fig. 9.24
L'oprateur linaire utilis dans cette fonction est usuellement appel filtre de
lissage. Ce mtre est de type passe-bas si le signal est Il spectre pusse-bas et de type passebande si le spectre du slgnaI l'est aussi. On n'examinera, plus loin, que ]e cas du filtre
passe-bas.
Par (9.]3) ct (9.24), la densit spectrale du signal reconstitu est donne par
(fig. 9.25)
(9.53)
et l'erreur quadratique moyenne de reconstitution vaut
(9.54)
294
-le
- Imax
'2 le
le
fmfJY..
IGU) Il
- IcI'!.
.....
ffil
1,)'2
..--
Dr
Fig. 9.25
La qualit de la reconstitution dpend, comme au paragraphe 9.3.6, d'un compromis entre cadence d'chantillonnage et complexit du filtre de lissage. Une cadence nettement suprieure la limite thorique Je :; 2Jmax est pratiquement requise pour limiter
la fois la distorsion de recouvrement spectral et la distorsion de reconstitution.
Y (t - l'Te - t~) :;
y [(i + 11
m) Tel qm,d t
(n
+r
111)
Tel
(9.55)
i=o
avec
m
qm,i(t)
= fI
I=Q
1'1; i
-ITe
(i-l)Te
pour i = 0, ... , m
(9.56)
et
C/o,o(t)
(9.57)
Pour 0 <,. -< m, on obtient une interpolation. Le cas r:::: 0 correspond une extra
polation qui peut se ramener la formule de Newton-Gregory [l09]
295
g(t)
L gm,m-l(t-1Tc )
(9.59)
1=0
o
(9.60)
Puisque gm,f(t) est nulle en dehors de l'intervalle 0< t< Tc,g(t) est nulle en
dehors de l'intervalle 0< t< (m + 1)Te .
Une reconstitution polynomiale d'ordre nI lev n'est possible qu' la condition
de disposer de moyens de calcul appropris. On se contente gnralement, en pratique,
d'une extrapolation d'ordre zro ou ventuellement d'une extrapolation ou interpolation d'ordre l, souvent combine avec un lissage complmentaire ralis par un filtre
conventionnel.
Fig. 9.26
(9.61)
(9.62)
296
Te
Fig. 9.27
Fig. 9.28
Yo(t-Tc /2)=
Tell.
On obtient
(t - Te /2 - kTe )
L
y(kTc)rect
k=-oo
Te
toc
(9.63)
(9.64)
sinc 2 (Tc f)
1
- le
-IcI"!.
J\(n
0
Ic/ 2
le
2/e
1
-
i
j~
-fmux 0
f max
j~
...
2fe
Fig. 9.19
On constate que, pour que CP; (f) 3;0 CP)' (f), la cadence d'chantillonnage Je doit
tre nettement plus leve que le double de la frquence maximum fmax'
La fonction de maintien implique par (9.6]) est naturellement ralise par un convertisseur numrique-analogique ( 10.1.3) rentre duquel les valeurs numriques sont
maintenues pendant toute la dure du pas d'chantillonnage Te. Aussi la reconstitution
par extrapolation d'ordre zro est-elle de loin ln plus couramment employe. On fait souvent suivre le circuit de maintien d'un filtre de lissage additionnel dont le rle est d'attnuer les composantes spectrales de hautes frquences indsirables (fig. 9.30). On peut
297
galement chercher il compenser l'attnuation introduite par la fonction de rponse frquentielle (9.62) dans la bande passante dsire en imposant localement au deuxime
filtre une fonction de rponse frquentielle d'galisation dont le module est peu prs
proportionnel 1Go (f) 1- 1
y(kTe )
extTapolalcur
:Vo(t
1~)
d'ordre lro
I----~Doot
(convertisseur NI A)
I1Itrciidditionnel
de lissage et
d'galisation
y(l-t o )
Fig. 9.30
(9.65)
t< (n +l)Te .
Fig. 9.31
0 ~ t
pour
Te
< Te
t < 2Tr:
(9.66)
ailleurs
et conduH la fonction de rponse frquentielle (fig. 9.33)
CIO (f)
298
{)gIOU J
Fig. 9.33
Fig. 9.32
On lui substitue parfois une version modifie qui se situe entre l'extrapolation
d'ordre zro et celle d'ordre un:
(9.68)
avec 0
~a ~
1.
Yl1 (t Te)
pour nTc
~t ~
(n
Il Tc)
1Te
(9.69)
+ l)Te .
Fig. 9.34
trj[(t-Te)/Tel
(9.70)
Gll(f)
(9.71 )
299
Fig. 9.35
Fig. 9.36
(9.72)
Les composantes de frquence suprieure fe sont beaucoup plus fortement attnues que dans le cas des extrapolateurs d'ordre zro ou un.
On peut, nouveau, complter le circuit d'approximation par un filtre additionnel
de lissage et d'galisation.
o
Fig. 9.37
L'interpolateur idal est bien entendu, pour autant que le thorme d'chantillonnage soit respect, un filtre idal de fonction de rponse frquentielIe (fig. 9.37):
(9.73)
gi(t) = sinc[(t-to)!Tc ]
5)' i (t - t 0)
L""
~-~
y (k Te) si ne
(t-kT,
-t )
(9.75)
300
Fig. 9.39
Fig. 9.38
'lj (t)
smc
(9.76)
(m::::: 8)
o
~
Tc
Fig. 9.40
} '(kTc )
---....
interpolateur
quas-idal
numrique
y[ (kL
-I_+ m) rTc]
extrupolateur
d'ordre zro (conycrtisseur NIA)
Fig.9Al
301
Tc
= 1/(2B)
(9.77)
2:
Xk
(9.78)
Ii:=-oo
a;.
2:
E[Xk)(/]sinc[2B(t--}k/B)]sinc[2B(t+r -fl/B)]
k=-= [=-"'"
::=
(9.79)
d'o
cVx (f)
avec
a;/B
2B
rect
(-1: flB)
(9.80)
11.
Ced justifie l'hypothse de bruit blanc gaussien, stationnaire, spectre born par
une frquence maximum f max = B.
9.4.9 Chane de traitement chantillonn
Une chane complte de traitement chantillonn comprend les oprateurs reprsents sur la figure 9.42.
filtre
antircplicment
(garde)
traitement
chantillonn
filtre de
reconstitu tion
(lissage)
Fig. 9.42
9.5 EXERCICES
9.5.1 Un signal x (t) exp (- a
reprsent sur la figure 9.43.
It 1) avec
= 2 Hz est
302
x(t)
chuntillonneur
filtre pusse-bande
Fig. 9.43
L'chantillonneur est ralls par un interrupteur qui s'ouvre et se ferme priodiquement la cadence fe = 20 Hz avec un temps de fermeture gal 1f 20 ms. Le
passe-bande idaHs possde un gain unitaire et une rponse de phase nulle dans
bande de frquence B = f max - fmin = 10 Hz centre sur la frquence fe = 20 Hz.
nua tian en dehors de cette bande est totale. Esquisser l'allure de y (t) et de son
d'ampHtude 1y (f) 1; esquisser l'allure de z (t) et en donner l'expression n1!1thP'Tn!'ltin',,"';
approche.
9.5.2 Un signal x (t), dont la densit spectrale de puissance tP.'I:' (f) est reprsente
la fjgure 9.44, est chantillonn une cadence ff!' Le signal chantiHonn (idalis)
sde la densit spectrale tPxei (f) reprsente galement sur la figure 9.44.
quelle est la frquence d'chantillonnage utilise et indiquer si ce choix est IUdIJClem(g~~
pour permettre une reconstitution du signal par filtrage idal (justifier votre rponse).
l[kHzJ
-4
Fig. 9.44
9.5.4 Soit le systme de traitement reprsent sur la figure 9.45, avec X (f)
D {rect [1- (f + fo)/B] + rect[ +(f - fo)/BD, G 1 (f) = rect[f/(4B)] et fo = 3B .
/lU)
Acos(2rrfot)
Fig. 9.45
303
.. Quelle cadence d'chantillonnage proposez-vous de choisir si le filtre C 2 (f) possde la fonction de rponse frquentielle reprsente sur la figure 9.46 et que
l'on dsire galement reconstruire z (t) sans distorsion?
Esquisser graphiquement l'allure du spectre d'amplitude la sortie de l'chantillonneur idalis pour les deux cas ci-dessus.
f
-j~
j~=B
4fc
Fig. 9.46
9.5.5 Rtablir le rsultat (9.32), o la puissance de l'erreur de recouvrement Pr est dfinie comme la puissance des composantes du signal de frquences suprieures fcl 2,
sachant que f o=(1 + X 111 rI dx 1T [111 sin (1Tlm)r 1
9.5.6 Un signal x (t) spectre uniforme iI>x (f) = 1712 est filtr par un filtre de Butterworth avant d'tre chantillonn une cadence fe. Si fc est la frquence de coupure
- 3 dB du filtre, dtenniner quel devrait tre le rapport felf~ pour que le rapport ~rxdB
de la puissance de l'erreur de recouvrement sur la puissance totale du signal soit de
-30dB pour Il I, 2,3,4.
9.5.7 Dmontrer le rsultat illustr par la figure 9.20.
9.5.8 Dterminer (sans tenir compte des termes ngligeables) la densit spectrale de
puissance du signal y (t) du schma de la figure 9.47 sachant que
x (t)
= L A cos (l1T!;t)
i
Fig. 9.47
CHAPITRE 10
x(t)
conversion
traitement
conversion
AIN
numrique
NIA
y(t)
Fig. 10.1
La converson analogique-numrique (fig. 10.2) fait correspondre au signal analogique d'entre x (t) une suite de nombres {Xk}, usuellement cods sous forme binaire.
Chaque nombre correspond l'amplitude x Ctd d'un chantillon du signal prlev un
instant donn t k . On procde gnralement cet chantHlonnage intervalles de temps
rguliers Te (chap. 9).
Comme la dtermination du nombre correspondant l'amplitude d'un chantillon
prend un certain temps, il est souvent ncessaire de mmoriser cette valeur analogique
entre deux prlvements successifs.
Chacun des chantillons prlevs peut prendre en principe une infinit de valeurs
du fait de la nature analogique du signaL Toutefois, la prcision avec laquelle ces amplitudes doivent et peuvent tre connues est ncessairement limite par toutes sortes de
considrations pratiques. On est amen remplacer la valeur exacte de l'chantillon par
la plus proche valeur approximative tire d'un assortiement fini de valeurs discrtes: il y
a quantification. Chacune de ces valeurs discrtes esl dsigne par un nombre exprim
sous forme binaire par un codage appropri. Ce nombre est compris entre deux valeurs
limites qui fixent la plage de conversion. Chaque nombre xk reprsente ainsi un ensem
ble de valeurs analogiques contenues dans un intervalle de largeur l::J. k appel pas de
quantificatioll. Lorsque la plage de conversion est subdivise en pas de quantification
gaux, on parle de quantification uniforme ( 10.3.4).
306
x(t)
mmorisation x(t)
-
J
1
1
~~ ~~~~~=2-~\~~~:~---~:~-~~~~
J __________ _
2
_\ _
../_ ~
_ _ __ _ _
O;---07--~--~--~--._--~~----~
-li.l
-2
3i.l
-4
"
Fig. 10.2
<
4
3
t:::
2i.l
Z
'~
:>
t:::
0
u
interpolation d'ordre un
l
0
-li.l
-2Ll
3Ll
-4i.l
y( t[)-
\..J
Fig. 10.3
307
convertisseur AIN
converrisseur NI A
Fig. 10.4
dcodeur
logique
Fig. 10.5
sortie
numrique
(code en
binaire)
308
Le convertisseur A/ N drect le plus simple dans son principe - mais non dans sa
ralisation technologique - est le convertisseur parallle (fig. 10.5). La tension d'entre
est compare simultanment 2" - 1 valeurs du type
k
-:;;zUo
avec
(10.1)
dl} sortie
numrique
;-------- d"
convertisseur
NJA
1-4---
tension de
rfrence Ua
Fig. 10.6
309
Fig. 10.7
Mentionnons qu'en plus des convertisseurs purement lectroniques dcrits prcdemment, on utilise pour certaines applications des dispositifs lectromcaniques
comme le disque de codage angulaire reprsent sur la figure 10.7.
La lecture, sous forme numrique, de la position angulaire du disque se fait l'aide
de dtecteurs photo-lectriques placs, raison de un par anneau, sur une ligne passant
par le centre de rotation du disque. Chaque anneau est dcompos en ].i segments transparents et opaques alterns, avec i = 1 (anneau extrieur dterminant le bit dl dans
notre exemple) jusqu' 11 (anneau intrieur dterminant le bit dl!)' Le disque de la figure
10.7 comprend dL'\. anneaux: sa rsolution angulaire est donc de 360/1 10= 0,35 degr.
Si la plupart des convertisseurs dcomposent la plage de conversion de la variable
numriser en q = 2,1/ intervalles gaux (quantification uniforme), il existe des applications o il est avantageux de recourir une loi de quantification non uniforme [112].
L'exemple le plus courant est la conversion avec compression logarithmique utilis pour la
transmission numrique des signaux tlphoniques (modulation par impulsion et codage:
section XYIIL7.5).
2'1-1
+ ... + d
1l
20)
(10.2)
310
Fig. 10.8
ensuite gnralement ralise, soit raide d'une simple rsistance (plage d'amplitude
limite en pratique), soit raide d'un montage amplificateur oprationnel (chap. VIIL3).
Les sources de courant et les commutateurs commands sont raliss selon diffrentes
techniques lectroniques. On se reportera la littrature spcialise pour plus de dtails
[96. 103].
Le convertisseur NI A est structure parallle. A l'application simultane des bits
dl ... d n son entre correspond presque instantanment la grandeur analogique de
sortie l = dl 10 12 + ... + dllion/I La conversion courant-tension entraine, elle. crtaines
limitations de vitesse (charge de capacits, vitesse limite des amplificateurs oprationnels).
Dans la pratique, tous les commutateurs ne ragissent pas exactement au mme instant. Il en rsulte des parasites de commutation (en anglais. glitches) qui doivent tre
limins par filtrage ou r-chantillonnage avec maintien dcal (chanti11onneurbloqueur: paragraphe 10.2.4).
ilx ~
dx
dt
'je
(l 0.3)
-t Ll
(1 0.4 )
311
(k
-,(t)
1).Q.
~--
(k-l).Q.
~~----~~--------(0 ::::
t 0 + Tc
nu e conversion
dbu l de conversion
Fig. 10.9
dt
max == 2T
en valeur absolue. En
2"+~
(10.5)
dt
max
~ [~sin(2rrft)1
dt
rrfV
(10.6)
t=O
f max
==
i l1 + 1
(10.7 )
"rri c
Ainsi, pour une conversion effectue en l /lS par un convertisseur binaire Il = 8 bits,
la frequence maximum tolre d'un signal sinusodal de valeur crte crte gale la
plage du convertisseur est de 622 Hz seulement! El1e est quatre fois plus faible pour
11 == 10 et dix rois plus faible .pour i e = 10 /lS.
L'abaque de la figure 10.1 0 illustre la relation (l0.7).
.B
a~::= 4rr 2 1]
f f'-df = 4rr'21]B /3
3
(10.8)
312
1 ilS ( pS )
t~~!1~
fmax
-I---!.-"--'-.l....LLW4-...-J..---L...l-1..w..w+---.L-L-l...W..l.L.LI---'-'L!.-I-!.J...I...I.!\--L-~...!..L.lJ.4._ _ _
IOOHz(kHz)
IOHz(kHz)
1 Hz(kHz)
1 kHz(1vlHz)
IOkHz(MHz)
IOOkHz{MHz)
Fig. 10.10
dx
1
(10.9)
dt max
Bmnx =
V3!1
2nVT c
1
= 1.73 - - .
211+I7TT
(10.1 0)
313
Un convertsseur ayant une dure e conversion i c est en principe capable de travailler une frquence d'chantillonnage j~ ~ l/ie. En vertu du thorme d'chantillonnage, la frquence maximale du signal analogique d'entre pourrait donc atteindre la
valeur Brnax 1/(2ie). C'est une valeur de l'ordre de 2"1T plus leve que les frquences
limites tolres (10.7) ou (10.10). Les possiblits du convertisseur sont donc dans ce cas
largement sous-employes.
On vite cet inconvnient en utilisant un circuit de mmorisation temporae de la
valeur de chaque chantHIon pendant la dure de conversion. Un tel dispositif porte le
nom d'chantillonneur-bloC/LIeur (en anglais: sample-and-hold). Le principe de fonctionnement d'un tel circuit est illustr par la figure 10.11. 11 effectue une opration
d'chantillonnage avec maintien ( 9.2.4).
xCI,)
amplificateur
de lecture
(Ail:::: 1)
signal dc
commande
x(t}
dure d'acquisition
Ta
ta
dure d'ouverture ----'"'"
(retard moycn T 0 + erreur Tc)
signal de commande
maintien
1
acquisition
tm
l,
Fig. 10.11
314
x(t)
commande _ _ _-------......J
Fig. 10.12
Il Y a, toutefois, un certain retard entre l'instant tm d'application de l'ordre d'ouverture et la mmorisation effective. Ce retard, appel dure d'ol.werture (aperture Ume),
se dcompose en un retard moyen 70 et un retard variable 7 e qui cre une certaine incertitude sur l'instant exact d'chantillonnage. Cette incertitude est appele erreur ou gigue
d'ouverture (aperture 11l1certainty ou jitter). Elle joue, en ce qui concerne l'erreur d'amplitude de l'chantillonneur-bloqueur, le mme rle que la dure de conversion 7 c pour
le convertisseur, selon (I0.5).
La cadence limite de travail de l'chantillonneur-bloqueur dpend surtout de la
dure d'acquisition (acquisition time) 7 a qui est l'intervalle qui spare la fin du maintien
(instant d'application de l'ordre d'acquisition ta) et le moment o la sorte x m (t)
a rattrap l'entre x (t). Cette dure est lie la rponse transitoire du circuit et dpend
de la valeur de la capacit de mmorisation employe.
Par exemple: si le convertisseur Il = 8 bits et dure de conversion 7 c 1JlS de
l'exemple 10.2.2 est prcd d'un chantillonneur-bloqueur ayant une gigue d'ouverture
infrieure los et une dure d'acquisition 7 a = 1 JlS, la cadence d'chantillonnage pourra
tre de l'ordre de 500 kHz, autorisant l'chantillonnage d'un signal de frquence maximum avoisinant 250 kHz.
] 0.3 QUANTIFICATION
11 1
-V/2
Fig. 10.13
315
troncature ).
Un tel processus introduit naturellement une distorsion intrinsque qui dpend
autant de la nature du sIgnal que de la loi de quantification adopte.
(I0.11)
est appele distorsion ou bmitde quantification. Cette distorsion dpend de l'amplitude
du signal et peut tre considre comme la sortie d'un oprateur non linaire de caractristique (10.11) excit par le signal x Ct). La figure 10.14 illustre le cas de la distorsion
engendre par la loi de quantification de la figure 10.13.
,
"
.x
"
Fig. 10.14
Lorsque le signal x (t) est alatoire, il est commode de considrer le signal quanti-
x(t }
Fig. 10.15
316
a~ = ~
J.=1
J (x-xifp(x)dx
(10.12)
ai
Si le nombre q d'intervalles est lev, une approximation raisonnable peut tre faite en
considrant p (x) ~ p (x;) =: constante dans l'intervalle Ll;:
q
a~ ~ ~ p(xr)
r=1
(x
xifdx
(10.13)
ai
~ ~
p(x;)
(x
xi?dx
xr if2
r=l
(10.14)
L P(x;)Ll1/ 12
;=1
Lorsque la densit de probabilit p (x) du signal d'entre est connue, il est possible
de rechercher la loi de quantification optimale [112] qui minimise a~ pour un nombre
de niveaux de quantification donns.
Dans certains cas, il peut tre avantageux d'obtenir un rapport de la puissance du
signal d'entre celle du bruit de quantification constant. C'est l'approche utilise en
tlphonie numrque (peM) qui conduit une loi de quantification de type logarithmique (sect. XYIII.7.4).
"di
(1Q.15)
(10.16)
317
/
/
Fig. 10.16
Cette fonnule approximative, largement utilise, est en fait exacte lorsque le bruit
de quantification, distribu entre !.ll 2 (fig. 10.17), possde une densit de probabilit
uniforme. Cette situation est exactement ou presque parfaitement ralise dans de nombreuses situations pratiques, comme le dmontre l'analyse du paragraphe 10.3.10.
flq =Xq-X
+Ll
0-1--+----11....
Ll- 1
Fig. 10.17
= ax2 /cr q2
(10.17)
o l'cart-type cr x s'identifie (tab. 5.2) avec la valeur efficace du signal d'entre x (t). En
introduisant (10.16), on obtient
(10.18)
et
~qdB
1010glO ~q
::::::
2010g lO (a,)!.l)
+ 10,8
dB
(10.19)
6n+l0,.s
2010gl o a
dB
(10.20)
318
10.3.5 Exemples
Considrons premirement un signal d'entre distribution uniforme p (x) ;;::
2 2n et
v- I rect (x/ V) dont la variance vaut cr~ = V 2 /12. Por (10.18), ~q = (V/b.)2 = q2
dB
~qdB ~ 6n
(10.21)
Ce rsultat est SOli vent cit sans faire allusion aux conditions particulires pour lesquelles
il est obtenu!
Il est rare d'avoir affaire des signaux uniformment distribus. Une rpartition
approximativement gaussienne est assez frquente. Une estimation du rapport signal sur
bruit de quantification peut aussi tre facilement obtenue dans ce cas sous l'hypothse
d'une distribution quasi-uniforme de l'erreur sur un pas de quantification. Par exemple,
supposons que la plage de conversion Vl corresponde 6 carts-type cr x (fig. 10.18). On
obtient alors, d'aprs (10.20):
~qdB ~
dB
6n - 4,76
-4
-3
-2
-1
(l0.22)
Fig. 10.18
6n -7,27
dB
+ 1,77
dB
(10.23)
0x
V/(2V2), d'o
(10.24)
319
~qdD
[dB l
distribution uniforme
60
40
20
246
10
12
14
,,[bits]
16
Fig. 10.l9
P (.xq)
Pk O (x q
(10.25)
kba)
k=-=
o (fig. 10.21)
(k+l/2)t:..
Pk
{l0.:26}
P (x)dx
(k-l/2).A
p(x)
Po
!1-1
PI
p-~
Pz
P-J
--3-~~--2~~---~~--0r-~--1~~~3~~-Xq
-3~-2 -,1
Fig. lO.20
2~ 3~
Fig. 10.2l
d~une
fonc-
tion
w(x)::::
Jp(x')rect[(x-x')/il]dx'
= p (x)
* reet ~,=/il)
= Prob (x
ba/:2
)C
~ x
+ ba/:2)
(10.27)
310
rI x (V-IlILl)snc(.6v
Il)
Il'''-00
nxq (v)
,.~rr.t(UJ
/
__ - - .
o
1------+
Fig. 10.22
Il V
v
(2~)-1 .1- 1
_~-I
Fig. 10.23
(l0.30)
Pour les mmes raisons que celles mentionnes au paragraphe 9.3.2, lorsque la
dynamique du signal est borne, la fonction caractristique ne peut en fait s'annuler sur
un intervalle non nul. Elle tend toutefois vers zro lorsque v tend vers l'infini de telle
sorte que (10.30) peut tre satisfaite avec une bonne approximation.
321
vi> - 1 -
e; e
>
(l0.31 )
On obtien t alors les formules de Sheppard [64], reproduites ici seulement pour
letk 1:
}}lxl
1Jl x 2
(10.32)
= 11l xq l
1
m xq 2 - /12
(l0.33)
nXY (v, v)
pour Ivl
>
-1-e, Il)1
> - 1
e; e> 0
(10.34)
les moments du 2me ordre E [xf y~], avec xl =x(t) et Y2 =y(t+T), peuvent s'obtenir
directement par drivation en v =- v=-O de la fonction caractristique fI xq (v. p).
En particulier, on a dans ces conditions la relation suivante entre les fonctions de
corrlation des signaux non quantifis et quantifis
T
=0
=F 0
=0
(10.35)
T=FO
Ce rsultat indique que, lorsque la condition (10.34) est satisfLlte,le bruit de quantification Ilq =x q x est un processus valeur moyenne nulle et variance 2/12 li
distribution uniforme, assimilable Li un bruit blanc non corrl avec x (t).
L
k=-=
(I0.37)
322
* sinc (~. v)
nx(k~-l)sinc(~'v-k)
(I0.38)
k=-OIO
_~
'~'
\
\
Fig. 10.24
(10.39)
est que la fonction caractristique ITx(v) du signal d'entre soit nulle pour v
avec k entier diffrent de zro. Dans ce cas, en effet. avec ITx(O) = f p (x) dx
TI,lq(v)
= sine (~. v) = F-
{p (ll q )}
k~-I,
1:
(IOAO)
Cette condition est, bien sr, aussi satisfaite lorsque la condition (10.31) est
valable.
Il apparat donc clairement que le bruit de quantificatioll peut tre considr
Par une gnralisation deux dimensions, on dmontre que sous 1es mmes conditions peu svres. l'erreur de qua1l1ification est assimilable un bruit blanc 11011 corrl
(mais pas statistiquement indpellda1lt) avec le signal d'entre x (t).
(10.41)
11TV,
exp(-2n 2 0iv 2 )
(10042)
323
J--~~
quantificateur
Fig. 10.25
s (t)
+ a (t)
(10.44)
Il suffit que na (v) = 0 pour u = kt::.- 1 , avec li: entier diffrent de zro, pour que
n.~(v kt::.- 1 ) = 0 quelle que soit ns(u) et, par consquent, que le bruit de quantification
soit distribu uniformment selon (l0.39) avec une valeur moyenne nulle. Le signal
quantifi est
(t)
(10.45)
Ils
(10.46)
si a (t) est galement valeur moyenne nulle. Une distribution vidente de a (t) satisfaisant la condition nonce est la loi uniforme
(10.47)
Cette approche est utilise [114] en calcul stochastique, o les grandeurs sont
reprsentes par les valeurs moyennes de variables alatoires quantifies grossirement
(souvent avec fi 2), ou pour amliorer les performances de corrlateurs simplifis
( 13.2.4).
314
AI
/11=
binaire
d"
7
6
15/16
14/16
13/16
12/16
11/16
10/16
9/16
8/16
7/16
6/16
5
4
4/16
3/16
2/16
1/16
0
1111
1110
1101
1100
1011
1010
1001
1000
0111
0110
0101
0100
0011
0010
0001
0000
!vi
m=rl
l
d,cal
15
14
13
12
11
10
9
a
!vi
5/16
7/16
6/16
5/16
4/16
3/16
5
4
3
1
(-)
2/1
-1
-2
-3
4
5
-6
-7
2/16
1/16
(-) 0
-1/16
- 2/16
- 3/16
- 4/16
5/16
- 6/16
binaire
1
1
1
1
1
BCD 8411
BCD 2421
1111
1101
1100
0100
0101
Oili
0110
0010
0011
0001
0000
0001 0000
1001
1000
0111
0110
0101
0100
0011
0010
0001
0000
0001 0000
bnilire
symtrique
complment
complment
il 1
a III
0
0
0
0
0
0
code de
Gmy
1000
1001
1011
1010
1110
100
011
010
001
000
111
110
101
100
011
010
0 III
a 110
a 101
0 100
0 011
0 010
0 001
(1) 0 000
1 001
1 010
011
100
101
110
0 DOl
III
a
0
0
0
0
III
1\0
101
= 4).
IlO
101
100
011
a 010
0 001
0 000
1 III
\ \10
101
100
011
010
001
0
0
0
0
1111
1110
0111
0110
0101
0100
0011
0010
0001
0000
III
110
101
100
011
010
a 001
0 000 (1111)
110
lOI
100
Olt
010
001
000
325
; dj
112
:::::
0 ou 1
(10.48)
Les puissances de deux sont appeles les poids du code. Dans la notation utilise,
dl est le bit de poids le plus fort (1/2) et d n est le bit de poids le plus jible (l/ 2" ). En
anglais: dl = MSB = ivlost Significant Bit et dll = LSB Least Sigllificallt Bit.
Ainsi, pour une loi de quantification uniforme avec plage de conversion V, le niveau
x qm est gal
X qm
= mV
JIlL).
(10.49)
d lg
d jg
(10.50)
d 1b
-=
d ib d(i-l)b
: i = 1,3, .. "
Il
(l 0.5 1)
( V.1.6.l).
Le transcodage inverse est obtenu de manire analogue, avec (10.5 1) remplace
par
(10.52)
326
parfois 24-21. Ce type de codage est utilis principalement dans les voltmtres numriqldes et autres dispositifs affichage numrique, car il permet l'emploi d'un dcodeur
simple pour traduire chaque groupe de quatre bits en chiffre dcimal. Il est galement
utilis, pour des raisons semblables, dans les calculatrices de poche et de bureau.
327
10.4.9 Exemple
Si M = 5 et 11 = 4, - Al = 5 est reprsent en code complment 2 par le code
binaire pur de 1II' 16 - 5 = 11 -t+ 10 Il. 1\1 = 5 correspond en binaire pur 0101. le code
complment l de - lVf = 5 est 1010_
Si l'on a deux nombres positifs, par exemple }VII = 5 +l- 0101 et 1112 = 2 +l- 0010, les
oprations d'addition et de soustraction sont quivalentes en code complment 1:
Ali + 111 2 = 7 +l- 010 1 + 001 0 = 0 11 1:
J11 1 -111 2 = 3 ++111) +jl1~ #0101 +1110 = (1)0011 (le 5me bit est ignor);
CD llJ 2 - JU I = - 3 -t+ A12 + }VI ~ -t+ 00 J 0 + 101 1 = 1 101.
processeur
central
ct
mmoire
.l'Ill (/)
xn(t)
r-------,
.------~
~--------v--------~
voies d'acquisiton
r-------~
ordinateur
prncipal.
affichage, etc.
Fig. 10.27
r-------.
~--------y~--------~
voies de rcslitulion
328
qui se charge des traitements importants, des dispositifs d'affichage, etc. Selon les
besoins, le systme comprend galement des canaux de restitution de l'information traite avec conversion analogique-numrique et actionneurs.
Ces installations sont surtout employes en technique des mesures (vol. XVII), en
automatisation industrielle et pour le contrle de grands systmes (production d'nergie,
quipement aronautique et spatiaux, etc.). Si une ou quelques voies suffisent dans les
applications simples, il n'est pas rare de rencontrer des installations comprenant plusieurs
centaines, voire, exceptionnellement, plusieurs milliers de voies.
Selon les besoins, les convertisseurs AIN sont relis aux capteurs de mesure par
l'intermdiaire de circuits de conditionnement des signaux (amplification, filtrage, conversion courant-tension, etc.).
Lorsque le nombre de voies est lev, l'information acquise est souvent multiplexe,
soit au niveau analogique (fig. 10.28), soit au niveau numrique (fig. 10.29).
X1(t)
processeur
central
multiplexeur
analogique
multiplexeur
:mulogique
et
mmoire
Fig. 10.28
multiplexeur
numrique
processeur
central
multiplexeur
numrique
mmoire
Fig. 10.29
La premire solution est utilise lorsque le convertisseur AIN est l'organe le plus
coteux. Une mmorisation temporaire sur chaque voie analogique par chantillonneursbloqueurs est en principe incorpore au multiplexeur. La solution dcentralise permettant d'attribuer chaque capteur un dispositif de pr-traitement complet comprenant les
circuits de conditionnnement ad-hoc et un convertisseur AIN, complt au besoin par
un microprocesseur, est une tendance actuelle qui offre de nombreux avantages (prtraitement effectu directement proximit du capteur. transmission et multiplexage
numrique, meilleure insensibilit aux perturbations dues l'environnement lectromagntique, etc.).
Dans la plupart des systmes, les cadences d'chantillonnage disponibles sont faibles
et ne conviennent que pour des signaux d'assez basse frquence.
329
entre
,nalog~IL__A_I_N_..-J==~:'>
mmoire
numrique
de N mots
relecture
cyclique
NIA
f~
'-----..... analogique
(liaison avec
1
oscilloscope
sortie numrique
ou enregistreur
(liaison avec ordinateur
graphique)
ou processeur spcialis)
Fig. 10.30
l~
1
ID
330
avec a> 1 en cas d'acclration et 0 < a < 1 en cas de ralentissement. Le signal repro
duit devient ainsi x:'! (f, T2 ) Xl (at, Tt/a). La relecture cyclique cre, elle, un signal
priodique X3 (t) =rePTJ {x:,! (t. T2 )} Par (4.18) et (4.125), les transformes de Fourier
(fig. 10.31) de X2 (t, T2 ) et X3 (t) se dduisent de celle de XI (f, 1\):
Xl (f, T~)
= a- l Xl (j'la, Td
(l0.55)
(I0.56)
f
- "2/1i 0 2/ Ii
,1
o
Fig. 10.32
331
imperfections des circuits convertisseurs AIN et NIA. Leur description dtaille sort du
cadre de cet ouvrage et peut tre trouve dans le volume XVIII ou la littrature spcialise [103, Ill]. On retiendra simplement pour mmoire, qu'elles ont principalement
pour effet de faire dvier la caractristique de quantification relle de la loi idale envisage au paragraphe 103.4:
-------,
III
7/8
110
6/8
101
5/8
100
4/8
011
3{8
010
2/8
001
dcalage
I{S 1
00
0
0
dcalage
AIN
Fig. 10.33
III
7/8
110
6/8
101
5/8
100
4/8
011
3/8
010
2/8
001
1/8
il'
JI
AjN
::
Fig. 10.34
111
7/8
110
6/1l
101
5/8
100
4/8
011
3/8
010
21B
001
1/8
+1"
::
AIN
Fig. 10.35
0
0
00 0
=NIA -
- ---
0 0
=NIA
-- ::
NIA
0
332
------------;(
croissance
non monotone
duc il la nOIl
linarit
diffrentielle.
\11
7)8
110
6/8
101
5/8
100
4/8
011
3{8
010
2/8
1/8
+v
JI"
1
1
:
1
1
1
1
1
0
0
0
000
___
0
0
0
-
NIA
AIN
Fig. 10.36
Une mthode efficace de test de circuits convertisseurs est de leur imposer une
grandeur d'entre ayant une distribution statistique connue (par exemple uniforme) et
de contrler la distribution de la grandeur de sortie.
10.6 EXERCICES
10.6.5 Un signal x (t) a pour densit de probabilit p (x) = a exp (-a lx 1). Il est
quantifi uniformment en q = 2 Tl niveaux discrets compris entre -5/a et +5/0. Dter~
miner partir de quelle valeur de Il on obtient un rapport signal sur bruit de quantification ~qdB suprieur 30 dB.
10.6.6 Vrifier (10.32) et (I0.33).
CHAPITRE l t
MODULATION ET CHANGEMENT
DE FRQUENCE
1 LI PRINCIPES GNRAUX
Il.1.1 Objectifs et dfinitions
La modulation est un procd dans lequel un signal primaire, appel signal modulant) modifie un signal auxiliaire, appel signal porteur ou simplement porteuse, pour
crer un signal secondaire, ou signal modul, don t les caractristiq ues sont mieux adaptes aux conditions dsires d'utilisation (fig. Il.1).
~ signal ~O~Ul ~
signal
modulant
modulation
"
transmISsIon .~
enregistrement
amplification
signal
dmodul
dmodu la ton
_ _ .J1
porteuse auxiliaire
Fig. 11.1
La modulation est donc un moyen de reprsentation de l'information; elle s'apparente ainsi au codage.
On recourt principalement la modulation pour:
transposer sans perte d~information le spectre d'un signal dans un autre domaine
de frquences pour s'adapter aux contraintes d'mission-rception (efficacit et
dimension des antennes), satisfaire des conditions imposes par une voie de
transmisson (propagation, largeur de bande disponible) ou faciliter certaines
oprations de traitement du signal (changement de frquence pour syntonisation
en rception radio ou dans les analyseurs de spectres balayage, par exemple);
assurer le partage d'un canal de communication entre plusieurs signaux transmis
simultanment (multiplexage frquentiel: allocation d'une bande de frquence
diffrente chaque message transmis simultanment, multiplexage temporel:
transmission squentielle de valeurs chantillonnes de chaque message);
.. obtenir l'amplification et le filtrage efficace de faibles signaux de basse frquence en s'affranchissant, en particulier, du bruit de fond en II f dcrit la section
6.4 (amplificateur synchrone: 13.2.10);
enregistrer des signaux, dont le spectre s'tend jusqu' la frquence zro, sur
des supports magntiques (enregistreurs de mesure)~
334
335
set)
(11.1)
!. (t) =
a (t)
(11.2)
est l'enveloppe complexe associe au signal analytique f(t), qui contient toute l'information apporte par le signal modulant. Selon les procdsde modulation, cette information est porte par l'enveloppe relle r (t) ou par l'cart de phase instantane AtP (t), ou
encore par une combinaison des deux.
up(t) = pcos(1rrfpf
+ O:p)
Fig. 11.2
Chaque type de modulation est ainsi caractrise [99] par une loi du type
!. (t)
= Sm {m (t)}
(11.3)
o Sm reprsente l'oprateur de modulation adquat (fig. 11.3). fnversement, la restitution du signal modulant est obtenue par une loi
m (t) = Sd {!. (t)}
(l1.4)
(11.5)
336
Fig. 11.4
Fig. 11.3
s(t)
= k~CIO akg
(t-kT-Tk)
k
(11.6)
k=-co
Fig. 11.5
Fig. 11.6
337
Il
Ces modulations sont obtenues par une opration linaire qui prserve, en gnral, la
morphologie du spectre unilatral du signal modulant m (t) en lui faisant subir une
translation frquentielle. Le tableau 11. 7 rsume les expressions de l'enveloppe complexe
L (t) et les spectres 4>$ (f) du signal modul correspondants chaque type de modulation.
Tableau 11.7
S!wal
m~dulant
t'"(
t,i
f
)
rh .
rh
0
AM
!Jt):::: pfl
+ ma (t)
- /p
AM-P
[Jt) =
p ' mo (1)
c:\
-jr
SSB
+ j Ino {tH
n
- /p
VSB
+ il m, (t)
Ir (t)1)
t~,(f)
Li
1
-Ir
'>,(fI
Ip
c:\ ..1
Ip
I>,(f)
[m o (t)
1\
J~
1
III>
1"
Fig, 11.8
Fig. 11.9
338
Fig. 11.10
(11.7)
En l'absence de signal modulant [m ct) == 0], le signal s (t) est ici gal la porteuse seule
(fig. 11.11).
1110 1t)
s( 1)
rU) = la (1)1
"
~/V
0/
'-.- rU)
Fig. ll.ll
La comparaison de (11. 7) avec le modle gnral (11.1) montre que l'on a dans ce
cas
!.. (t)
== a Ct) = [1
+ 1120 (t)] p
(11.8)
; [8 (f) + <Pm
(f)]
,2
<Ps(f) = -:- [8 (f + f p )
,2
+ 6 (f - f p )] + -:-
[<Pm 0 (f + f p )
+ <Pm
(f - f p )]
(l1.9)
339
banes latrales
!\
f
-Dm
BI1I
o
Fig. Il. t 2
o l'on a tenu compte du caractre pair de cJ.>m o(f) et de 5 (f). La dimension de la den
sit spectrale du signal adimensionnel mo(t) est en Hz- 1 et q)m (f) = U1;r (1)111 0 (f).
La modulation d'amplitude avec porteuse se caractrise ainsi, sur le plan spectral,
par une simple translation du spectre bilatral du signal modulant, d'une quantit
correspondan t il f p ' la /i"quellce porteuse, accompagne de l 'app~rition de raies il ces
mmes frquences fp ' La puissance totale de ce signal vaut Ps = (UJ/].) (1 + Pm o ) o
Pm =Pm/Ul~ est le coefficient de puissance du signal modulant.
o
On constate facilement que si Bm est la largeur de bande du signal modulant, la
largeur de bande Bs occupe par le signal modul est deux fois plus large:
(11.JO)
a (t) = [1
+ 1110 (t)]
Up
(11.11)
de permettre une simple dmodulation par dtection d'enveloppe ( 11.2.7). Elle est
encore largement utilise pour cela en radiodiffusion (ondes longues, moyennes et
courtes).
L'un de ses inconvnients est que la puissance du signal modul est pour une large
part concentre dans les raies situes f= fp qui ne contiennent pas d'information.
Le rapport de la puissance contenue dans les bandes latales sur la puissance totale
fournit une mesure du rendement de cette modulation:
(11.11)
o Pmo = f<Pmo(f )df est le coefficient de puissance du signal modulant. Par exemple,
dans le cas d'un signal mo(t) sinusodal d'amplitude unit [valeur maximale satisfaisant
~ncore (I 1.(1), donc autorisant une dtection d'enveloppe], Pm o
et 11ln = 33,3 %.
Si l'on considre un signal moU) alatoire gaussien valeur moyenne nulle atteignant la
limite impose par (11.11) pour des amplitudes gales 3am o.le rendement tombe
1-
11m = 10%.
340
Fig. 11.13
(11.14)
Le signal modul est donc nul en l'absence de signal modulant (fig. 11.14) et son
spectre ne contient plus que les contributions translates du spectre bilatral du signal
modulant (fig. Il.15)
4>s(f)
P2
4
[CPm o(f + f p )
+ CPm o(f -
(11.15)
f p )]
sU)
~ rU)
= laU)1
o
'1'
\-. -rU)
Fig. 11.14
(Ilmo {fi
{J).r(f)
bandes lalt!nllcs
f
-BII/
BII/
- j~
fp
2 Bm
Fig. 11.15
La largeur de ballde Es occupee est la mme qll 'ell modulatioll d'amplitude avec porteuse,
mais les raies
ont disparu. Ceci permet de concentrer la totalit de la puissance
mise dans les bandes latrales contenant toute nnformation: le rendement est ainsi de
100%.
Il n'est, en revanche, plus possible de dmoduler par simple dtection d'enveloppe.
Il faut recourir une dtection isochrone ( 11.2.6) qui exige une reconstitution de la
porteuse.
341
..-/
f
-B m
1~
Bm
+--+
B.r=Bm
Fig. 11.16
-t
'J.
(ps(f) =
[cP;no(-/-fp ) + {p-::noCf-fp )]
(11.16)
(PI. (f) =
Up
(11.17)
!..Ct) == .1;.(t) =
(11.18)
2' Upillo(t)
(l1.19)
[mo(t)cos(21Tfpt+~p)-J1zo(t)sn(21Tfpt+~p)J
(11.20)
Le choix de la bande latrale infrieure ne fait que changer Je signe du deuxime terme
de (11.20).
342
Fig. 11.17
-} p COS(27Tj~t + O:p)
+t\
sin (27T fp t
+ C\'p)
+
L
sU)
1-----1....
Fig. 11.18
{[ 1+ m 0 (t)]
...
(11.11)
343
modulateur AM
+ ~p)
OS( lii p /
Fig. l1.l9
(l'mu (f)
f
-B m
Rtl!
<f>,(AMI(f)
rh
J
rh ..
f
-fp
1fG(f1I'
fp
Cf
...
-fp
fp
,j',(VSBI(f)
ri
-fp
--
ID
j~
Bs
Fig. Il.20
dU)
passe-bas
"d(t)=
lI d(t+IITp )
Fig. 11.21
tYd
(11.21)
344
ud (t)
et le signal modul
s (t) dfini par (11.1), devient en exploitant les identits trigonomtriques de la section
15.2:
y(t)
= S(t)'Ud(t)
=
+[a
(t) cos (a p
ad~)]
+ a p + ad)]
(I1.23)
Si le filtre passe-bas
suppos idal
(I1.24)
111
(11.15)
En particulier, d (t)::::: ~ a (t) si la dtection est cohrente (ou isochrone), c'est-dire si .6a=O.
Le tableau Il.22 rsume les rsultats dduits de (11.26) pour les divers types de
modulations d'amplitude indiqus dans le tableau 11.7.
Tableau J 1.22
!..<t>
AM
[;/l
AlI-l-J>
SSB
VSB
'1
(moU)
+ j liJo~t)
4 /lIIn(!)co,ACl!-,I'o(l)sinAa:]
Ur
Tmll(t)
01'
I1Jo (t)
[;"
Dans le cas des modula tions AM et VSB avec porteuse, le signal modulant est
dduit de d (t) par limination d'une composante continue (filtrage passe-haut). Une
dtection non isochrone (.6 a:ft. 0) fait apparatre dans le signal dmodul en SSB et
VSB une distorsion dpendant de la transforme de Hilbert du signal modulant. Cette
distorsion peut tre svre si le signal modulant est de type impulsionnel (cf. fig. 7.3).
La dtection synchrone ncessite la reconstitution, au niveau du dmodulateur,
d'une fonction priodique synchrone avec le signal porteur. Ceci est ralis, soit par la
transmission additionnelle d'un signal de synchronisation adquat, soit par l'extraction
directe de cette information du signal modul ( 13.2.8).
345
= ir(t)! =
(I1.28)
(t)
= !r (t)1
(I1.29)
(11.30)
la dmodulation par dtection d'envcloppe permet de retrouver. aprs filtrage de la composante continue, un signal proportionnel au signal modulant.
En modulation SSB ou VSB avec porteuse, le terme b (t) n'est pas nul. Toutefois, si
Ib(t)l ~ !a(t)1
(11.31 )
oprateur de
valeur absolue
filtre
d(t)
passe-bas
y= Ixl
Fig. 11.23
Si le signal d'entre est modul en ampHtude avec porteuse, par (11.8) l' (t)
(I+1Ilo(t)]p etx(t)::::s(t)=a(t)cos(21Tf~t+o:p) d'o
y(t)
= IsU)1 =
En dveloppant
y (t)
Icos(21Tj~t
= ::. la (t)!1T
la(t)!-!cos(21Tfpt+O:p)1
+ Ctp)l
1+ 2
(11.32)
= (_1)11
L
. cos {2n (21Tfpt + p)} 1
411- - 1
'1
11=1
= a (t)
(11.33)
346
Si la frquence de coupure
fc <
fe
(J 1.34)
2fp -Bm
d (t)
111
')
p Il
..:..
'TT
+ mo (t) 1
(11.35)
oprateur
quadratique
v =x 2
yU)
fillre
passe-bus
z(t)
oprateur de
racin! carn~e
d=v:
dU)
~
Fig. 11.24
y(t)::: x 2 (t)
=t
= a2(t)cos2(21Jfpt+p)
a (t)+ ta
2
(11.36)
(t)cos(4'TTJpt+ 2p)
(11.37)
on peut rcuprer le premier terme de y (t) selon (11.36) par un filtrage passe-bas suppos nouveau idal - de frquence de coupure
Je
<
2 (fp - Bm )
(11.38)
On obtient donc
(l1.39)
A la sortie de l'oprateur de racine carre, on trouve
d (t) ::: ...; z (t) :::
-p
..j2
Il + 1110 (t) 1
(11.40)
U;
347
Fig. 11.25
y (t)
= x(t) Ud (t)
(11.41)
(11,42)
o s (t) est le signal modul spectre passe-bande dfini par (11.1) et Il (t) est un bruit
indpendant, spectre passe-bande limit la mme bande [e.g. x (t) est le signal de sortie d'un filtre suppos idal rejetant tous les signaux ou bruits ayant des frquences
hors de la bande passante utile]. On peut donc galement l'exprimer sous la forme (7.102)
(11.43)
o art (t) et hl! (t) sont les composantes en phase et en quadrature qui ont la mme puissance que Il (t). Elles sont gaussiennes si JI (t) l'est aussi ( 7.4.6).
Le rapport signal sur bruit l'entre du dmodulateur est
(II.44)
o Ps peut tre value dans les diffrents cas de modulation, par intgration des densits
spectrales correspondantes. Si le bruit possde une densit spectrale constante 17/ '1 dans
la bande utile, sa puissance vaut P" 217Bm en AM et AM-P et Pn 17Bm en SSB.
En cas de dmodulation par dtection synchrone (hypothse: Ll = 0), la forme
gnrale du signal dmodul devient (aprs suppression de la composante continue en
348
=:
(l1.45)
2"[kU p 111o(t)+a,,(t)]
~d
=:
i Pmo/PII
(11.46)
115
P,
P'"
L-
~d
AM
:!'Bm
+- ~(1 +Pmo )
::!l1lJm
1.. (r 2 1 + l'ml)
-1
P J)ll",
+~~
AM-/'
2lJ",
+~P",o
::!J)lJ",
~2 l'mil
l1lJ lII
-+ li l~ TllJm
SSI.l
lJ",
+~P"!1
T/fJ m
!1!L
+Ur.~
l'
1..
ri 2
l'
11 1J ,,:
tdL
~J ~o
'fIlJ",
2I'mo<J+Pm(l<2
Pmo<
1+1''''0
<1
Tlfl",
(11.47)
qui serait celui d'une transmission directe (sans modulation-dmodulation) d'un signal
modulant de puissance quivalente il Ps , affecte par le mme bruit de densit spectrale
<I>n (f) = Tl/.2 filtr idalement la rception par un filtre passe-bas de caractristique
349
= rect (f/ 2Em). Ce facteur de mrite galement report dans le tableau 11.26,
montre que les systmes AMP et SSB sont, sous cet angle, quivalents et dans tous les
cas suprieurs au systme AM.
2
1G (f) 1
11.3.1 Dfinitions
Les rsultats du paragraphe 11.2.9 montrent que pour lutter contre le bruit, il n'y
a d'autres recours, en modulation linaire, que d'augmenter la puissance du signal
modul. L'utilisation d'une modulation angulaire, modifiant proportionnellement au
signal modulant la phase ou la frquence de la porteuse sinusodale, offre une possibilit
d'accrotre l'immunit au bruit au prix d'un largissement de la bande occupe par le
spectre du signal modul.
Contrairement la modulation linaire, la modulation angulaire, parfois
qualifie d'exponentielle, est une opration no" linaire, ce qui explique d'emble
l'largissement de la bande occupe.
Le signal modul s (t) est encore reprsent par l'quation (11.1 ). L'enveloppe
complexe prend ici la forme gnrale
(11.48)
o l'argument AfjJ (t) est une fonction du signal modulant. Ainsi, en dnotant par fjJ set)
la phase instantane du signal modul:
s (t)
Re
p Re {exp [jfjJs(t)]}
(11.49)
pcosfjJs(t) = pCOS[21Tfpt+AfjJ(t)+ p ]
p [cos AfjJ (t) cos (2nfp t
+ p)
+ p)]
(11.50)
= 2rrv
ln (t) dt
(11.52)
o
Les constantes (3 et v sont des facteurs arbitraires mesurs en rad/Y et en Hz/Y,
respectivement, si m (t) est une tension. La figure Il.27 reprsente un exemple comparatif des signaux moduls en tI>M et en FM. Les grandeurs AfjJ(t) et Af(t) sont appeles dJ'iaton de phase et dl'iatiol1 de frquence, respectivement.
AfjJ (t)
350
m(f)
Fig. 11.27
Le signal modul peut tre produit par un oscillateur lectronique (chap. VII!.5)
dont la frquence est asservie au signal modulant (VCO = voltage-controled oscillator).
Lorsque la frquence porteuse f p doit tre trs stable et prcise, on recourt une mthode
indirecte de modulation de phase bas niveau (mthode d'Armstrong: 11.3.3) suivie
d'une multiplication de frquence ( IL 5.3).
Les relations (I 1.51) et (11.51) montrent que les modulations de phase et de frquence sont Hes par une simple opration linaire affectant le signal modulant: int
tion ou drivation. Ainsi, on peut utiliser un modulateur de frquence pour produire un
signal modul en phase en drivant au pralable le signal modulant.
3!
(11.53)
351
D'une manire gnrale, la densit spectrale du signal modul est gale (1.5)
(11.54 )
o (Pr (f) est la densit spectrale (relle, ma is pas ncessairement symtrique par rapport
il f p fde l'enveloppe complexe! (t).
Le spectre (I)r (f ) est thoriquement de largeur de bande infinie en raison des contributions dues auxtermes en Acpn (1), avec 11 -+ 00, apparaissant dans le dveloppement
en srie de! (1). L'ana)yse montre toutefois que ces contributions deviennent rapidement
nglgeables lorsque Ifl crot, de telle sorte que <ps(f) n'est sensiblement diffrent de
zro qu'au voisinage de Ifl = I p '
11.3.3 Approximation: modulation faible niveau
La valeur efficace (cart-type) de la phase Acp(t) est
GAr/!'
Dans le cas o
(11.55)
L'enveloppe complexe et son spectre valent ici! (t) ~ p [1 + j AifJ (t)] et <P r (f ) ==
La densit spectrale du signa] modul devient alors
==
2
_P
+ (PAtP(f-fp )]
( 11.57)
On constate, en comparent cette expression (1] .9), la grande analogie existant
entre le modulation AM et cette modulation angulaire faible niveau, souvent qualifie
_L-+---I'I' '
(--<--ni_ _ _
- Bm
Bm
(1).r(}IM )(f)
o
Fig. 11.28
352
(11.58)
=v
(Pm
(f )/f ~
(J 1.59)
en modulation de frquence.
L'analogie mentionne plus haut suggre une mthode de modulation de phase
dduite de l'quation (11.56). C'est la mthode d'Armstrong illustre par le schma-bloc
de la figure 11.19.
Fig. 1 J.29
l'approximation prcdente n'est plus valable. Le spectre du signal modul est alors dit
large bail de .
Une nouvelle approximation peut tre tablie [41] lorsque la frquence instantane du signal modul s (t) varie suffisamment lentement pour que ce dernier ait sensib
ment l'allure d'une sinusode de frquence fi : : : f~ + Af pendant plusieurs priodes. Ce
situation se prsente si Af ~ Bm. On peut alors en dduire que, si s (t) est modul en
frquellce selon (11 .51) par un signal m (t), la probabilit que la frquence instantane
fi soit dans un domaine d! centr sur f p + Af est directement lie la probabilit que
l'amplitude de m (t) soit dans un domaine dm centr sur Allv. Le spectre du signal
modul vaut approximativement dans ces conditions, en tenant compte de (5.39)
2
4:
!PsCf):::::::
Pnl
(-f-f)
1)
+ Pm (l-~)]
~
01.6])
= a.a1:l.f = ava m
353
fJl/I(lIl)
111
Br = Bu
:=
4 a 1:. f::;;; 4 v u m
Fig. Il.30
Par exemple (fig. 11.30), si m (t) est un signal alatoire gaussien, la densit spectrale
Pm (flv) est une loi de Gauss. Si Bu est dfinie comme la largeur de bande contenant
environ 95%de la puissance totale Ps f<Ps(f)df=',12 du signal modul, on a
(cL sect. 15.8): Ci ~ 4 ct Bs =Bu:= 4o..f= 4vom .
= "2l Re {R,!(T)}
Tn
(11.63)
(I1.64)
a1 rP ]
(11.65)
354
Finalement
~
= -~ exp [RA. 1> (r)- ar/J]
cos (211Ip 7)
Rs(r)
(11.66)
.2
(1l.67)
avec
(11.68)
Cette transforme de Fourier n'est malheureusement pas calculable par voie analytique
dans le cas gnral.
En dveloppant le terme exp [RAr/J (7)1 on obtient:
= ~ exp(-air/J)' [J + :
R!.(7)
R1r/J(7)!Il']
rI::l
= ~ exp(-a~1
[O(f)+
: ~l
IB_':'I
(I)A.1J(f)]
n =1 Il.
Cl) tJ.1>
;=1
Il
fois
Quel que soit <P tJ.rJ> (f), cette convolution multiple tend vers une loi de Gauss a
en analogie directe avec le thorme de la limite centrale ( 5.5.3). Plus atJ.q,
grand, plus la largeur de bande occupe Bs est grande.
Il -+
00,
= m
sin (2rrj~71 t)
et
111 (1) = ~ m lm
cos (2rr/m t)
phase
a ==
LllPmax =
355
a la dviation maximum de
(11.75)
ilfmax/fm
(11.76)
C'est une fonction complexe priodique, de priode T = 1/ f m) qui peut tre dveloppe
en srie de Fourier grce l'identit de Bessel-Jacobi [58]
(11.77)
u=-co
Les coefficients de Fourier (3.75) du dveloppement (11.77) sont des valeurs particu
Hres des fonctions de Bessel de premire espce (sect. 15.7)
(2fm )-1
Jn(o)=fm
n2rrfm t ]}dt
(11.78)
- (2fm )-1
n=-=
et sa densit spectrale (4.139) devient avec
!!-n;:: pJ,r(o),
(11.80)
11=-=
La densit spectrale du signal modul (fig. ] 1.31) est alors dduite de (11.67), en
tenant compte qu'ici tI>r (- f) tPr (f):
tPs(f)
= Up
4 12=-=
(I1.81)
11=-00
= p
L
11"'-'"
Jn (0}COS[21T(fp +nfm)t+O!p]
+ O:p)]}
(l1.83)
356
(5;;;: 5)
Fig. 11.31
Bien que la srie soit thoriquement infinie, les coefficients ~I () tendent rapidement vers zro (fig. 15.2) lorsque Il tend vers l'infini pour satisfaire (11.82). La largeur
de bande utile reste donc borne et peut tre estime par la rgle empirique de Carson
Bs~ !.(~f+/nJ
2 (8
(11.84 )
+ I)/m
A faible niveau ( ~ 1), la largeur de bande utile est environ gale deux fois la
frquence du signal modulant. seules les raies il Ifp 1 et Ifp fm 1 ayant des amplitudes
non ngligeables. Ceci est conforme au rsultat gnral (11.57), avec Jo (8) ~ 1 et
JI (lj) = 812 pour ~ L
En modulant large bande (8 ~ 1), une enveloppe spectrale approximative de
ips(f) est obtenue en utilisant la relation (11.61). La densit de probabilit du signal
(11.74) modulant la porteuse en frquence est, par (5.23) et avec v =ilf= 8 'fm
~ Pm (1.-)
V
TT
-J (8 ft" )2 - /
'):
-
~ 8' /m
d'o
(11.86)
La largeur de bande occupe estime par ce modle vaut videmment Bs = 28' f m ,
ce qui est bien en accord avec la rgle de Carson pour ~ 1.
357
Pour une modulation sinusodale en frquence, c'est l'cart maximum !::.Imax qui
est constant et l'indice de modulation varie au contraire proportionnellement l'inverse
de fm' Un changement de la frquence du signal modulant entrane par consquent non
seulement un effet de dilatation [contraction] spectral, mais galement une modification
des coefficients J~ (5). La largeur de bande utile reste, dans ce cas, sensiblement constante conformment la rgle de Carson.
o
moU)
+ mo(t}]
= 1
(I 1.87)
(11.88)
est un signal binaire alatoire, transportant une information numrique, telle que les deux
tats + 1 et - 1 soient quiprobables. L'enveloppe complexe devient simplement
(11.89 )
. ct le signal modul est ici quivalent un signal modul en ampltude avec porteuse:
s(t}
~ pmo(t)cosC~1Tj~t+ap)
(11.90)
Par (11.15)
iPs<f)
= -:- [CPmo(f+j~)+(I>mo(j'-fp)]
(11.91)
avec. dans le cas d'un signal binaire cadenc en mode NRZ ( 5.3.7 et 5.6.4), de cudence
1/ Tbits/s et niveaux 1 :
(11.9:2)
et, dans celui d'un signal binaire cadenc en mode biphas ( 5.3.8) de mme cadence.
(11.93)
La largeur de bande utile est de l'ordre de :2/ T dans le premier cas et de 4/ T dans
le second. comme on peut le dduire de la figure 5.16.
Dans le cas d'une modulation FSK binaire, la dtermination exacte du spectre du
signal modul est beaucoup plus complique II 15] et ne sera pas effectue ici. Notons
simplement que
!::.f(t)
(11.94)
et que la variation de la phase, qui est ici une fonction cOlltinue, devient
(11.95)
358
d(t)
d
-arg[r(t)]
21T d t " "
= k-
21T dt
Acp (t)
(11.96)
.l( t)
Fig. 11.32
Fig. 11.33
d(t)
Fig. 11.34
Y (t) ==
M s (t)
_
= - Up [w p
(11.97)
En modulation de frquence: dAcp (t)/d t = 2rrvm (t). Pour autant que Af(t) =
vm (t) <fp ' la sortie du dtecteur d'enveloppe sera (aprs suppression de la composante
continue p w p ):
(11.98)
Pour se rendre insensible aux ventuelles fluctuations d'amplitude du signal modul,
on place en amont du convertisseur FMI AM un circuit crteur (tab. 8.48).
359
En pratique, tout filtre ayant une fonction de transfert dont le module varie en
fonction de l dans le domaine spectral occup par s (t) peut servir de convertisseur FMI
AM, au prix d'une certaine distorsion lie la non linarit de la relation IG(l)\ L'exemple le plus simple est celui d'un circuit rsonnant accord une frquence voisine de
la frquence porteuse. Une compensation locale approximative de la non linarit de la
caractristique 1G (l) 1 est souvent ralise en combinant deux non linarits opposes
[116]. Ce principe est couramment utils dans les rcepteurs radio (dtecteur
quotient ).
La conversion FM/PFM est ralise en dtectant, l'aide d'un comparateur, les
passages par zro de s (t) et en gnrant l'instant tn de chaque passage, une impulsion calibre g(t). Le signal de sortie du convertisseur FM/PFM est alors une suite d'impulsions dont la densit varie avec la frquence instantane de sU):
z (t) =
(11.99)
g(t- ttl)
fi
d(t)
l
T1 fz(t' )dt
(11.100)
;::;: do+k1"m(t)
t-T
Cette mthode permet d 'obtenir une dmodula tian trs linaire pour de trs larges
dviations de frquence (instrumentation. tlmtrie. enregistreurs de mesure).
La dmodulation de frquence ou de phase par boucle phase asservie (en anglais:
phase locked loop = PLL [117, 118]) est galement largement utilise en tlcommunications. Son principe est simple: un oscillateur contrl en tension (VCO = voltage con troI1ed
oscilIator) produit un signal priodique Ud (t) que la boucle tend rendre synchrone
avec le signal incident s (t). Si celui-ci est tnodul en frquence, la tension de commande
du VCO varie proportionnellement la dviation instantane de frquence (exercice
Il.6.11). L'analyse dtalle du comportement d'une boucle phase asservie sort du cadre
de cet ouvrage.
= s(t)+n(t)
= [p + an (t)] cos (2rrfp t + ap) = I"x(t) cos (2rrfp t +.64>,1(t) +a p )
+ ap)
(11.101)
360
avec
(Il.102)
et
br! (t)
01.103 )
Up+a,,(t)
L'effet du bruit l'entre du dmodulateur se rpercute ainsi il la fois sur l'amplitude et sur la phase. Toutefois, les fluctuations d'amplitude sont limines par le circuit
crtcur inclus dans le dmodulateur. La seule perturba tian fi prendre en compte est
donc le bruitdeplzase !l~rl(t) dfni par (11.103).
Dans l'hypothse d'un fort rapport signal sur bruit rentre ~x =PsIPu =
(p/o ll ) 1 ~ l, la relation (11.103) devient approximativement
(11.] 04)
Le bruit de phase est ainsi sensiblement proportionnel Li la composante en quadrature du bruit d'entre et sa densit spectrale vaut
(11.105 )
1
211
d
dt
(11.1 06)
!ltP lI (t)
\ 11 B II! / l'
\\
II1A!(f)
11
1
1
l
-B m
1,
BIIJ
Fig. Il.35
Pmp
= .2
f
o
(Ptltj;(f)df
= 217BmI~
(11.108)
361
=1J
Pnf
!PAf (f)df
= 1T/B,~/(3~)
(I 1.109)
o
Si Bs est la largeur de bande utile occupe par le signal modul, le rapport signal
sur bruit l'entre du dmodulateur vaut
(I1.110)
En l'absence de bruit, le signal dmodul est proportionnel la dviation de phase
Arp (t) en cI>M et ]a dviation de frquence Af(t) en FM. En dnotant les variances
respectives par ai tP et a~f' et en admettant un coefficient de proportionnalit unit, le
en !PM
- - U AtP
~d
21]B m
3 2
_P-
2 T/B;,
(11.111)
a2
en FM
Af
~d/ ~x
-l
-
aXrpBsIBm
2 B /B3
U Af
en !PM
en FM
(11.112)
Alors que cette efficacit est borne en dmodulation d'amplitude (tab. Il.26), on
constate qu'une amlioration importante de l'immunit au bruit est possible en modulation angulaire au prix d'un largissement de la largeur de bande Bs occupe par le signal
modul. En effet, celle-ci dpend directement de u~rpou uAf ( 11.3.4).
Pour obtenir une comparaison globale (tab. Il.36) avec les systmes modulation
linaire, on forme le rapport ~d/ ~o o ~o = ~ /(2T/B m ) est le rapport signal sur
bruit d'une transmission directe (sans modulation) d'un signal modulant de puissance
quivalente Ps =~ / 2 et de frquence maximum Hm, soumse du bruit de densit
spectrale !PIJ (f):; 1]/2:
en cI>M
en FM
(11.113)
(11.75)
a~rp :; /V2
(11.114)
u~f
(11.115)
::::
fm/Vi
362
en FM
Ce facteur de mrite est proportionnel au carr de l'indice de modulation D. II
peut donc tre largement suprieur l'unit pour autant que fj ~ 1. La largeur de bande,
donne par la formule de Carson (11.84), est alors proportionnelle li l'indice de modulation: Bs ~ 151m 15Bm ~Bm'
Tablcau 11.36
Modulation
AM
AM-P
SSB
Bs/Bm
L(t}
Up
2
2
~d/to
<1
1
....
2/2
({lM
2 (li + 1)
(j
nit
2 (6 + 1)
35 2 /2
11.3.12 Observation
La variation parabolique du spectre du brut de frquence (fig. 11.35) suggre un
moyen additionnel pour amliorer l'efficacit du dmodulateur. rI s'agit de modifier la
d istribu tion de la puissance du signal modulant l'mission en privilgiant les frquences
leves par un filtrage appropri (praccentuation). La distorsion linaire introduite est
compense, aprs dmodulation, par un filtrage (dsaccentuation) qui a pour effet de
rduire fortement le bruit de frquence \ principalement distribu aux frquences leves.
Cette technique, qui revent crer une modulation mixte FM- <PM, est utilise,
entre autre, en radiodiffusion en ondes ultra-courtes et dans les transmission par faisceau
hertziens (chap. XVrII.12).
11.4.1 Introduction
La modulation d'impuJsions est associe au principe de l'chantiIJonnage dcrit au
chapitre 9. Selon son type, elle peut offrir un accroissement de l'immunit au bruit au
prix d'un largissement de la bande passante occupe, comme en modulation angulaire.
Mais sa raison d'tre principale est de permettre la transmission simultane de plusieurs
messages par multiplexage temporel ( 1L LI). On la rencontre aussi dans certaines
applications de rglage automatique.
Aux modulations d'impulsions analogiques (fig. Il.37: PAM, PDM, PPM, PFM),
on prfre de plus en plus la technique de reprsentation -- dj dcrite au chapitre 10 connue sous le nom de modulaton par impulsions codes (M JC, en anglais: PCM).
MODULATION ET CHANGEMENT
ni (t)
m:
FRQUENCE
363
~1
1
PAM
1
,
1
1
1
1
__ 1
PDM
il
l'PM
il
PFM
.........L
~I
1
1
1
1
1
il
0
Fig. lL.37
Aussi se limitera-t-on ici une description trs brve de ces diverses modulations.
Le lecteur trouvera plus de dtails dans le volume XVlll de ce Trait et dans l'abondante
littrature spcialise consacre aux tlcommunications. Les rfrences [40, 41] contiennent des analyses mathmatiques pousses des spectres et des performances en prsence de bruit de ces diverses modulations.
364
l'impulsion est de forille rectangulaire, celui obtenu par chantillonnage priodique avec
maintien ( 9.2.4) et sa densit spectrale se dduit, par analoge~ de l'quation (9.17).
Une dmodulation (reconstitution) est donc possible par simple filtrage passebas
avec galisation.
Comme toute modulation d'amplitude, cette technique offre des performances
limites en prsence de bruit addtf et est, par consquent, peu utilise.
1-
365
1110
(1 LI 17)
= cos (2nlo t)
(11.118)
le produit
+ I p ) + <Pmo (1 + 10 - I p ) +
(I1.120)
\.:j
, / filtr
,.-..,
... -""
1
1
1
o
fi =: 2fo
Fig. 11.38
fo
fo
+ fp
366
Un filtre passe-bande limine ensuite les termes indsirables, par exemple ceux
transposs autour de \fo + f p 1.
Comme en modulation d'amplitude, la multiplication peut tre ralise soit de
manire directe, l'aide d'un oprateur paramtrique appropri ( 8.3.4). soit de
manire indirecte en superposant la porteuse et le signal primaire s (t) il rentre d'un
oprateur non linaire amnsique ( 8.4.2).
Dans un rcepteur changement de frquence (super-htrodyne), la frquence
de l'oscillateur local fo est choisie de telle faon que I"on ait toujours Jo - f p := fif =
constante, o f p est lu frquence de la porteuse de l'onde reue. Ccci permet d'amplifier le signal reu l'aide d'un amplificateur slectif accord sur la frquence intermdiaire fif (valeurs usueHes de fif en radiophonie: 455 kHz en modulation d'amplitude et
10.7 MHz en modulation de frquence).
fi
(11.121)
= 2fo fp
fournira galement. aprs multiplication par Uo (t), une contribution transpose en fif =
Jo fp'
La f rquence fi, dfinie par (11.121). est appele la frquence image de la
frquence dsire f p ' Elle est l'image de f~ par rapport lo.
Tout signal de frquence fi prsent l'entre du rcepteur simultanment avec le
signal dsir de frquence f~ produit un brouillage. 11 est donc ncessaire de l'liminer,
ou tout au moins de l'affaiblir suffisamment l'aide d'un filtre accord il la frquence f p '
multiplicateur
dl:' rrqucllCl:'
Fig. 11.39
nf
367
Et
Fig. 11.40
11.6 EXERCICES
avec
11.6.2 Etablir l'efficacit ~d/ ~x d'une dmodulation d'amplitude par dtection sync1uone en fonction de l'indice de modulation m dfini en cas de modulation sinusodale
avec porteuse par mo{t)=mcos(2-rrfmt).
11.6.3 Dmontrer que le signal modul d'un systme bande latrale unique conservant
la bande latrale infrieure est donn par (1 1.20) avec changement du signe du deuxime
terme.
11.6.4 Etablir les expressions du signal modul s (t) et de la densit spectrale )s(f)
d'un systme bande latrale unique conservant la bande latrale a} suprieure. b) infrieure, pour le cas d'un signal modulant sinusodal mo (t):::: cos (2-rrlm t).
11.6.5 Quel est le type de modulation ralis par le modulateur double de la figure 11.41,
si la transforme de Fourier du signal modulant Afo (1) = 0 pour If 1~ f~ll '?
368
Fig. 11.41
11.6.6 Montrer qu'il est possible de transmettre deux signaux 1111 (t) et 1112 (t), indpen
dants et de mme largeur de bande, uvec la mme porteuse sinusodale module en
amplitude, moyennant l'utilisation au rcepteur d'une double dtection isochrone
avec signaux auxiliaires sinusodaux udl (t) et Lld2 (t) en quadrature (modulation
QAM).
11.6.7 Dterminer sous quelle condition la dtection d'enveloppe peut tre utilise pour
la dmodulation d'un signal VSB avec porteuse, modul par un signal m (t) de puissance
Pm
11.6.8 Dmontrer (11.21) en considrant, pour simplifier, mo (t) comme dterministe.
11.6.9 Comparer graphiquement (11.81) et (11.86) pour 0 = ID.
11.6.10 Dterminer l'expression approche de la densit spectrale de puissance d'un
signal sinusodal s (1) modul en frquence haut niveau par un signal modulant alatoire
m (t) distribution uniforme entre ,iz.
11.6.11 Dmontrer que la tension de commande d (t) de la figure Il.34 est proportionnelle la frquence instantane du signal modul s (t).
11.6.12 Dterminer la densit spectrale de puissance d'un signal sinusodal modul en
frquence (avec discon~inuits de phase) par un signal moU) binaire alatoire en mode
NRZ tel que set) pcos(2nft t+ .) pour mo (t) = 1 et s(t) =p cos (2nf2 t+ ::d
pour mo (t):::: - 1.
11.6.13 Dmontrer qu'une modulation de phase discrte (PSK) 4 tats: 0, n12, -n/2,
n, indpendants et quiprobables, occupe la mme bande passante utile que la modulation biphase traite au paragraphe Il.3.8.
11.6.14 Dterminer le spectre du signal modulant 111 (t) d'un modulateur FM stro
phonique gnr par le systme de la figure Il.42 o 11ld (t) et mg (t) reprsentent
respectivement les voies de droite et de gauche du signal strophonique, de largeur de
bande limite 15 kHz.
doubleur
de
frquence
369
oscillateur
pilote
fn=19kHz
+
Fig. J 1.42
11.6.15 Dmontrer que le schma de la figure 11.43 est celui d'un dmodulateur FM
strophonique adapt au traitement du signal produit par le modulateur de la figure
11.42.
sU)
discriminatcur
FM
doubleur
de
frquence
md{t)+mp,(t)
(sortie monophonique 1
Fig. 11.43
CHAPITRE 12
372
sOI1S induites par les non linarits de certains circuits, estimer le bruit de phase
d'oscillateurs, etc.
En tlcommunication, en technique radar et sonar, elle offre en outre de nombreuses possibilits de caractrisation des signaux moduls et d'observation des conditions de transmission (bruit de fond et autres phnomnes parasites, sparation des
canaux en multiplexage frquentiel, etc.) et de rception.
En liaison avec un microphone calibr, l'analyseur de spectre est un puissant instru.
ment d'investigation en acoustique.
On l'utilise galement en analyse des vibrations (tude de structures, machines
tournantes. vhicules de transport, aronautique, etc.) o les signaux sont fournis gnralemcnt par des capteurs acclromtriques. Par exemple, les vibrations produites par
un train d'engrenages ou le bruit cr par un roulement billes peuvent tre caractriss
par une certaine signature frquentielle due la prsence de raies spectrales associes
aux priodicits mcaniques de ces dispositifs.
Enfin, l'analyse spectrale de nombreux signaux d'origine naturelle (biologiques,
sismiques, ocanographiques, a tmosphriques, galactiques) ou rsultant d'activits
humaines (prospection ptrolire, explosions nuclaires, interfrences lectromagntiques, etc.) est un outil d'investigation indispensable.
373
Les mthodes indirectes exploitent des algorithmes de calcul numrique bass soit
sur le thorme de Wiener-Khintchine (mthode du corrlogramme [31]). soit sur l'estimation du spectre d'un modle de signal devant satisfaire les donnes observes (mt/l0des paramtriques [l19]). Dans le premier cas (fig. 1~.3), on value successivemelll la
fonction d'autocorrlation du signa] (suppos ergodique), puis la transforme de Fourier
de celle-cq L'approche la plus typique des mthodes paramtriques est la modlisation
autorgressil!e (A R, ARMA). Elle consiste considrer le signal observ comme la rponse
d'un systme linaire excit par du bruit blanc (fig. 12.4). L'estimation spectrale est
alors remplace, selon (8.24). pur celle de la fonction de rponse frquentielle G (f ) du
systme. L'identification des paramtres du modle est base sur la rsolution d'un
ensemble d'quations Iinares dcrivant les relations entre ces paramtres et la fonction
d'autocorrlation du signaL La /Juit/lOde du maximum d'entropie (MEM) est une approche quivalente non linaire dans laquelle, de tous les spectres consistants avec les
donns limites disponibles, on choisit celui qui correspond un signal alatoire d'entropie maximum. La mthode de Pisarenko modle le spectre comme la somme d'un
spectre de raies et d'un spectre de bruit blanc. EUe permet d'atteindre la plus grande
rsolution si les hypothses de travail sont vrifies.
corrltioll
critre
d'optimisation
x(k)
Les mthodes directes sont relativement simples mettre en uvre. Elles four~
nissent d'excellents rsultats pour autant que la dure du signal observ ne soit pas
trop limite ( 12.1.5). Dans le cas contraire, les mthodes paramtriques se rvlent
gnralement plus performantes [120]. Leur mise en uvre est toutefois nettement
plus complexe et leur succs dpend de l'adquation de la mthode choisie au type
de signal analys.
La mthode indirecte du corrlogrammc. qui a eu son heure de gloire. a t supplante par la mthode du priodogramme depuis la mise au point d'algorithme de
calcul rapide de la transformation de Fourier (FFT).
Seules les mthodes directes. couramment utilises pour la ralisation d'analyseurs de spectres, sont dcrites plus en dtail dans le reste de ce chapitre. Pour les
mthodes indirectes, on se rfrera la littrature spcialise mentionne.
374
(t)
x (t) li (t)
XII
(l ::!.2)
o x (t) est le signal il analyser et li (t) est une fonction de pondration - ou fentre.
temporelle - approprie, sans dimension, nulle en dehors de l'intervalle d'observation T.
Xu
(t) et
li
375
(l2.3)
L'valuation de la densit spectrale de puissance de x (t) est obtenue en divisant
(11.3) par T:
(12.4)
1-
Cl
- J
<Pmax
l
.,
"'"
(1)
(f)df
=::
J"
1(0)_00 q>u(f)df
(12.5)
(t)
(12.6)
cP U1 (f) -=
T 2 sinc 2 (Tf)
(11.7)
liT
(11.8)
376
x(t)
o
T
"
T i l
1
1
j
o
21T
21T
Fig. 12.5
128
T :;::: 64 s
B eq = II T == ! 164 Hz
=2 !:lf
-~ Ai
-:;-:.=:_
spectre thorique
f [HzI
0,1
fi
0,2
0,5
0,3
i 1';(f} rV2/H7.1
1:!B
T = 128 s
Beq IIT= 1/128 Hz
=j
lA
0,1
'56
.-.1
0,3
f [Hzl
L\,
0,4
0,5
{~,;(f) 1V'JHz 1
T
B eq
128
0,1
0:::
:=
256 s
1/ T == 1/2 56Hz
;: ~f
f rHzj
0
D,!
0.1
0,3
Fig. 12.6
0,4
0,5
377
(12.9)
1
------,
1/
Ct'::::
F'
1
1
1
1
. .t'1':;1,54
1
1
.Ji'
1
1
\'" 1
L. .
.......~
Tf2
T/2
Fig. 12.7
Bco =
e:a n.T-
[1 + +
(1:2,11)
a=O,S
--
Fig. 12.8
12.1.7 Commentaires
La mthode indirecte du corrlogramme (fig. 12.3) est en principe quivalente la
mthode directe du priodogromme (fig. 12.1). Les rsolutions que l'on peut obtenir
dans ces deux cas pour les memes dures d'observation sont donc comparables. Si une
378
pondration plus svre de la fonction d'autocorrlation est introduite pour rduire les
incertitudes statistiques, il peut en rsulter une dgradation de la rsolution.
Les mthodes modernes haute rsolution (fig. 12.4) remplacent l'a priori d'une
pondration nulle en dehors de l'intervalle d'observation par des hypothses sur la nature
du signal et de son volution en dehors de cet intervalle [120]. Elles ne sont pas universel
lement applicables mais, sous certaines conditions, elles apportent une amlioration
significative de la rsolution.
filtre slectif
fo.Bcfl
L..
Fig. 12.9
i\
uo
(11.12)
o E (t) reprsente ici l'erreur alatoire de mesure. Cette erreur possde elle-mme une
valeur moyenne f.le et une variance a~. La valeur moyenne f.lf: est appele le biais (erreur
systmatique) de la mesure. L'erreur quadratique moyenne est lie f.lE et a e par
(14.53)
(12.13)
379
(12.14)
Dans le cas du schma de la figure 12.9. l'estimation (I2.12) peut s'crire sous la
forme
(12.15)
11011
fl=
biaise. car
J E[x
o
= E[z] = T
a~ -
(t,io,Beq)] dt
To
t-Tu
d'o
= a~
fl = O.
f1:
dt
(l2.l6)
t- o
:= Px (/0, Beq'}
avec ici
[ (1) +
tri -
Beq
1
~
tri
(/+/0)
1 tri (f-/o)]
- - + -;
--Bcq
Bcq
(12.18)
Beq
et de la dure d'intgration To :
La loi statistique des fluctuations est facilement tablie en observant que, d'aprs
(7.86), le signal filtr peut s'exprimer en fonction de ses composantes de basse-frquence
en phase et en quadraiure
(12.21 )
En vertu des hypothses faites ( 7.4.6), a (t) et b (t) sont des variables gaussiennes indpendantes, il valeur moyenne nulle et variance a~. Le signal de sortie du quadra-
380
teur est
y(t)
x"!(t,/o.Beq) = il2(t)cos2(21Tj~t)+b2(t)sin"!(21!fat)
( 12.22)
( Il.23)
Oz
(11.14)
= o.~.
p.(z)
Btq T o < 1
l;
Jl;/a; = 1
:
a
L'cart-type des fluctuations est ici gal la puissance estimer! Le rapport signal
sur bruit de la mesure vaut ~ =/1~/0; =1 (0 dB). Cette situation est pratiquement inacceptable. Pour rduire la variance, il faut augmenter le produit largeur de bande quivalente fois dure d'intgration.
Pour Beq To ~ l, l'expression (11.17) se ramne
(12.25)
Comme /1:;
=Px (J'o' Beq) = o~, le rapport signal sur bruit de la mesure devient
(12.26)
r ';ilu_
V......:..
exp -
(Z-I1:)2]
'1
(12.27)
",-0;
avec I1 z = =Px (fa, Beq) et a = = 0 ~/.Jf = 11=1 Jf Ces rsultats sont en accord avec
l'exprience [121 J. La table de la section 15.8 permet d'interprter (12.21') en disant,
par exemple, que la valeur thorique /1= cherche a environ 95% de chance de se situer
entre 2 a; de la valeur estime z (blterL'alle cIe confiance). Pour un intervalle de COIl- ,
fiance il 95 % infrieur 10% de la valeur moyenne cherche. il faut un mpport ~ > 400
(26dB).
381
P:(= )
Il:
..]
-IX(n)l* = N
N
"J
.. -
[A~(I1)+Bv(l1)]
(12.28)
a;x
12.1.10 Comparaison
383
Pour une rsolution de 100 Hz et un rapport signal sur bruit de mesure ~ 100
(20db) conduisant un intervalle de confiance 95% de l'ordre de 0,4,u=, les paramtres exprmentaux sont les suivants:
ct pour un analyseur balayage: Beq = 100 Hz, To 1 s et Tb ::::: 200 s:
pour un analyseur multicanal banc de filtres: Beq =100 Hz, N = 200 canaux,
Ta 1 s:
o pour un analyseur muttcanal transformation de Fourier numrique:
fe = 40 kHz,N~ :200, T= la ms, K::::: 100 et To := 1s.
* U Cf)
(12.31)
o U (f) est une fentre spectrale jouant un rle analogue la rponse impulsionnelle
d'un filtre. La relation (12.31) est semblable il la relation (12.3). On en dduit que:
le lissage spectral est quivalent il ]a multiplication de la fonction d'autocorrlation du signal par une fonction de pondration li (r) = F -1 {U (f)};
il introduit ncessairement une rduction de la rsolution (Beq t) ~
GI comme dans tout cas d'utilisation d'une largeur de bande Beq trop grande, la
rduction de la variance de l'erreur d'estimation se paie par LIn accroissement
du risque de biais (,ut: =1= 0).
L'intrt principal du lissage est de se prter assez facilement U11 traitement
interactif dans leque/l'exprimentateur cherche par ttonnement li choisir les paramtres
d'analyse les plus favorables.
Pour une tude plus dtaille de ce problme, le lecteur consultera les rfrences
[65,122].
En technique analogique, le lissage est ralis par un simple filtrage passe-bas (filtre
Re) de la fonction du temps ~x (t) cre par le balayage. En technique numrique, on
procde au calcul d'une moyenne glissante pondre.
J2
384
En cas de composante purement alatoire -_. gaussienne par hypothse - de varila distribution de renveloppe est une loi de Rayleigh ( 7.3.8) dont la valeur
ance
moyenne (14.111) vaut Vrrl '2 ux
Le rapport entre ces deux valeurs est de 21';;= 1,128 correspondant environ
1 dB_ Si l'analyseur est calibr pour des mesures de bruit, le niveau d'ventuelles raies
spectrales dues la prsence de composantes sinusodales sera systmatiquement affect
d'un biais positif de l'ordre de 1 dB_
ui,
V 2 /Hz);
Fig. 12.12 Spectre d'un signal priodique bruit analys entre 0 ct 25 kHz avec une rsolution de
100 Hz; l'affichage indique en ordonne la valeur efficace mesure selon une chelle linaire (20
mV/division).
Si la dynamique doit tre grande, ces mmes mesures peuvent tre affiches en
chelle logarithmique (fig. 12.13) talonne linairement en dcibels (p. ex. chelle en
dBV o OdBV ~ 1 VefL)
385
Fig. 12.13 Affichage logarithmique en ordonne (10 dB/division) du spectre de la figure 12.12.
Des diffrences existent, selon la mthode d'analyse, dans la calibration des mesures de composantes purement alatoire ou sinusodales.
Dans les analyse~s filtrc(s) de largeur de bande Beq_-.?n mesure et on affiche la
puissance normalise Px ([0, Beq) ou la valeur efficace
Px ([o. Bcq). 9n peut en
dduire, par calcul, la densit spectrale de puiss'Tce unilatrale ct>; (jJ,) = Px ([o. Bcq)/
Beq ou la densit spectrale en valeur efficace ...j':$x(!o). Dans le cas d'un spectre de raies,
la puissance de chaque composante sinusodale est indpendante du choix de Beq : le
niveau reste donc constant .9uc]que soit !!.cq. Par contre, dans le cas d'un spectre con
tinu, la puissance mesure Px (f, Beq) = c.f>; ([0 )Beq est proportionnelle Beq : le niveau
d'affichage varie en consquence selon le choix de la largeur de bande quivalente
(fig. 12 .14).
.J
Fig. 12.14 Analyse spectrale analogique d'un signal priodique bruit pour deux largeurs de bande
Bcq de 300 Hz (photo de gauche) et de 30 Hz (photo de droite); la calibration de l'chelle des frquences (abscisse) est de 5 kHz/dvision ct celle des amplitudes (ordonne) est de 10 dB/divsion.
Un analyseur transformateur de Fourier calcule en principe directement le priodogramme 4>x(f, T)= T- 1 IX([,T)1 2 ou sa racine carre. Comme indiqu au paragraphe 12.1.6, la largeur de bande quivalente est ici proportionnelle il II T. Dans le cas
386
j'X(/} 1
[V 1
0,5
o
Fig. 12.15 Analyse spectrale numrique d'un signal priodique bruit pour deux dures d'observation T=NTc de 1,024 ms (N= 512: tracc en pointill) et de 2,048 ms (N 1024: trace continue).
11kHz]
4
la
sot dize
t[s]
o
Fig. 12.16 Sonogramme de notes de piano: reprsentation graphiquc de l'volution du spectre en
fonction du temps (Beq = 20 Hz). L'amplitude des composantes spectrales mesures est traduite
cn traces plus ou moins sombres; l'image ainsi forme met en vidence la structure spectro-temporelie des sons analyss.
Fig. ] 2.17 Reprsentation en cascade (cn anglais: waterfall) : la mmoire interne de l'analyseur
permet de stocker ct d'afncher une squence d'estimations spectrales successives rvlant rvolution des composantes frquentielles (en abscisse) en fom.:tion du temps (cn ordonne).
387
d'un spectre continu, la densit spectrale ne dpend pas de la dure T du signal analys
et le niveau d'affichage est indpendant de la rsolution choisie. Par contre, la transforme de Fourier XC!, T) d'une composante sinusodale vue au travers d'une fentre
temporelle de dure T est proportionnelle T. Le niveau d'affichage d'un spectre de
raies varie donc avec la rsolution slectionne (fig. ] 1.15). La mesure se rapproche du
modle thorique de raies dcrites par des distributions de Dirac lorsque T-'" 00. Lorsque l'affichage utilise une chelle logarithmique (indications en dB), les raies mesures
sont simplement dcales verticalement de -10 log Beq.
Une pseudo-reprsentation trois dimensions est utilise en acoustique (fig. 12.16)
ou dans d'autres situations o l'on dsire mettre en vidence l'volution spectrale d'un
signal non stationnaire (fig. 12.17).
quadr~llcur5
moycllllcurs
affich<Jgc
multicanai
x(t)
Fig. 12.18
388
Les filtres ont longtemps t raliss selon une technique dassique analogique. La
tendance actuelle est de recourir des dispositifs intgrs traitant des signaux chantillonns (circuits transfert de charges ou capacits commutes) ou de simuler le banc
de filtres par voie numrique,
12.2.2 Rsolution variable
L'analyseur banc de filtres possde une rsolution variable si les largeurs de bande
quivalente ne sont pas identiques. Ceci permet e surveiller une plage de frquence
assez tendue avec un ensemble rduit de filtres. Cette solution est surtout employe en
acoustique (vol. XXI).
La rpartition des frquences centrales fOi et des largeurs de bande quivalentes
B egi est gnralement de type exponentielle
fO(i+l)
== 2'1. fOi;
Beq(i+I)
~II
B eqi
(12.32)
La frquence centrale est ici dfinie par la moyenne gomtrique des frquences
de coupures (par exemple - 3 dB) infrieure et suprieure fI et 12
fo ==
vifi fi
(12.33)
-t
Pour 11 = -}. on obtient l'analyse courante par d'octave (fig. 12.19). Le regroupement en parallle des filtres tros par trois (fig. 12.20) permet de passer facilement
une analyse par octave entire (n = 1). Les gabarits d'attnuation des filtres d'octave et
de 1/3 d'octave (fig. 11.21) sont normaliss (CEl = Commission Electrotechnique Internationale, ANSl = American National Standards Institute). Une solution modulaire il la
simulation numrique des filtres en tiers d'octave est dcrite dans [113].
attnuaton
10 dB
f
10 Hz
20 Hz
40Hz
80Hz
160Hz
Fig. 12.19
attnuaton
lOdS
f
4 kHz
8 kHl.
Fig. 12.20
16 kHz
389
attnuation (dB 1
o
J
4
CEl
5
6
8
9
10
II
12
13
14
15
16
17
18
19
20
!::.j7fo
4---.---.-~~~~4-~~~~~T>-----
0,5
0,6
1.2
Fig. 12.21
Fig. 12.22
390
Af
Beq
liT
= j~/N
(12,34)
Une pr-multiplication numrique du signal il analyser avec une fonction cosinusodale, accompagne d'un filtrage passe-bas et d'un r-chantillonnage, est parfois utilise
pour obtenir un dcalage spectral (changement de frquence: 11.5.1) el un effet de
loupe (zoom).
Par l'intermdiaire du calcul de la transforme de Fourier effectu sur un ou deux
signaux x (t) et y (t), il est possible d'valuer par (4.65), (5.168) et (5.178). d'autres
relations importantes: densit spectrale CPx (f) et densit spectrale mutuelle {I)."\: l' (f),
fonctions d'auto- et d'intercorrlation tpx (7) = F -) {CPx (f)} et IP xy (7) = F -1 {q).~y (f)},
fonction de cohrence rxy(f) I(Pxy(f)12/[(I\,U') rPy(f)], fonction de transfert
391
G (f) = y (f)1 X (f), etc. Les analyseurs numrlques se prtent donc gnralement
une plus grande varit d'emplois que les analyseurs de spectre conventionnels.
X(n)
x(k)exp(-j111"nkIN)
k=T,o
exp (- j 11" Il 21 N )
k +N-l
0
k=ko
( 11.35)
La seconde forme porte. en anglais, le nom de c11irp-z transform (CZT). Le mot
cJzirp (= gazouillis) fait
du jargon des radaristes pour dsigner une impulsion
sinuso'idale module linairement en frquence. L'expression complexe et chantillonne
d'un tel signal est du type exp (jrrk 2 fN).
L'interprtation de (12.35) est simple: la transforme de Fourier discrte peu t tre
value par un systme effectuant les oprations successves suivantes:
pr-multiplica tion du signal x (k) par une exponentielle complexe module linairement en frquence exp (- jrrk 2 IN):
convolution discrte (8.13) du rsultat avec une exponentielle complexe
exp (jrrk 2 IN) ayant une modulation linaire de frquence de signe contrtJirc;
post-multiplication par une exponentielle complexe module linairement en
frquence exp (- j Till 2 IN ).
CD
Fig. 12.23
391
laser
rscau !ineaire
de photoleCleurs
spectre
Fig. 12.24
393
r---_ 1 .---------.
x{r.j~' = j~ - 10' Bcq)
filtre s~lectf
mesure de
Bell' 10
pui,sancc (ou
valeur efficace)
(Y)
affichage
(X)
ft(f" Bcq)
oscilla teur
gnrateur
de baluyage
command
(VeO)
Fig. 12.25
G (f), dont la bande passante troite est centre sur une frquence fixe fa. Sa largeur de
bande quivalente Beq dtermine la rsolution d'analyse. Les appareils de ce type offrent
gnralement plusieurs largeurs de bande choix. Le signal filtr est enfin appliqu fi un
circuit mesurant sa puissance moyenne (ou sa valeur efficace). Le rsultat commande,
selon une loi linaire ou logarithmique (mesure en dB), le dplacement vertical CY) du
spot d'un cran d'affichage. La tenson produite par le gnrateur de balayage est en
principe en forme de dents de scie. Elle assure la fois la commande de la frquence
variable i de l'oscillateur et le balayage horizontal (X) de l'cran d'affichage.
Si <px(f) est le spectre du signal d'entre, la multiplication z (t) =
x (t) p cos (21Tfp t + a) correspond, par (5.199) et (4.144)
(p=(f)
(12.36)
'1>,(f)
Bcq
~~
l,: = I p -
Fig. 12.26
10
394
lI; = J~ - J'o
-
4>x(fx)
J
= l"PxUx,Bcq)/Bcq
(12.37)
- x ([y)
<Il
1
= -B
J (Px (f ) H ([1: - f )
1
df
cq
(12.38)
o (I)lt(!) = IH(f)l:! ~ IG(f+ fo)l1 (3(f+ fol est une fonction de filtrage obtenue par
ta translation d'une quantit fo du module carr de la rponse frquentielle G (f) dfinie pour f> 0 (fig. 1'::::.27).
j~
t1.---IH(f. - n 12
,
J
o
Fig. 12.27
395
La convolution (1 :2.38) est analogue il (12.3), tablie sous l'hypothse d'une mul
tiplication du signal analyser par une fonction de pondration temporelle li (t). Il en
dcoule une limitation analogue de la rsolution dont le paragraphe suivant donne une
illustration.
x(t)
= x+ I
Ak sinC2rrfk t
+ a,J
(12.39)
li:
CI\:(f}
= x 1 5(f)+
L ~Ak[8(f+JiJ+8(f-fd]
(12.40)
(Px (l,,)
1-
= B;~
+~
t
"41Al,;"
[cI}/J (j~" + Ji.:) + (I>/! ({" - Ji.:)] t~ (12.4])
0
La rsolution est donc directement dtermine par la largeur de bande quivalente Beq
du filtre d'analyse.
rX(j}f
t
-}l
tt
-fl -fI
fI
1 t
l
III
f2
....
1\
1t
J
11
1.
:\
.c l ' - -
.1
-})
-[.2
{~
-fI
})
Fig, 12.28
396
(f>x (f
(12.42)
Hz/s
Mais Test gale men t li au rapport signal sur bruit ~ de la mesure ( 11.1.8). Pour
un moyenneur parfait, T= To reprsente la dure totale d'intgration et, par (12.26),
~ =Bcq To . Dans le cas, plus usuel en pratique, d'un moyenneur pondration exponen
tieHe de constante de temps T (par exemple: Filtre passe-bas Re), le mme rapport signal
sur bruit ~ est atteint avec une constante de temps T = Ton..
Mais l'erreur systmatique (biais) introduite par le terme transitoire de la rponse
temporelle du filtre n'est rduite il une valeur acceptable 2 %) que pour T~ 47 = 2 Ta.
La condition (12.42) peut alors s'exprimer directement en fonction de la rsolution et du rapport signal sur bruit dsir par
(12.43)
Bcq/ t m == B;q
(12.44)
~ aBiq/~ ~ B;q
(12.45)
Tb
= Bm/l'b
~ ~Bm/(CiBiq)
(12.46)
t 2.3.5 Exemples
L'analyse par balayage d'une plage spectrale Bm gale 1 kHz avec une rsolution
un rapport signal sur bruit de mesure ~ = 100 requiert une vitesse de
balayage vb ~ 1 Hz/s dans le cas d'un moyenneur parfait et vb ~ 0,5 Hz/s dans le cas
d'un moyenneur il pondration exponentielle (biais infrieur 2 %). Les dures totales
de balayage sont respectivement donnes par Tb ~ 1000 s == 17 minutes et Tb ~ 2000 s == .
33 minutes!
Dans les mmes conditions de rapport signal sur bruit, et de biais, le balayage
d'une plage de 100MHz, avec une rsolution de IMHz, exige une vitesse de balayage
lIb ~ 5 GHz/s avec un moyenneur pondration exponentiel1e, d'o une dure totale
de balayage Tb ~ 20 ms.
Ainsi, rsolution relative Beq/Bm gale, J'analyseur balayage se rvle mieux
adapt au domaine des hautes frquences qu' celui des basses frquences.
Beq
=10Hz et
397
.-.:(1)
conversion ====:!'
AIN
mmoire
numrique
recirculante
....
conversion
NIA
.ln.llyseur
1---- b.lli.lyagt!
1
commande
centmJc
Fig. 12.29
Une portion Xl (t, Tl), de dure Tb du signal d'entre analyser est initialement
numrise et enregistre. Sa relecture cyclique, acclre d'un facteur a> 1. cre un
signal priodique X3 (t) rep T3 {Xl (t, Tl)} dont la transforme de Fourier vaut, par
(4.18) et (10.56)
X 3 (f)
TelXt(f/a,Tl)ol/T3(f)
(12.47)
(1,J.48)
398
Fig. 12.30 Oscillogramme d'une suite priodique d'impulsions rec.:tangulaircs :i valeur moyenne
nulle, de 0,2 ms de dure et de 600 Hz de frquence de rptition (chelle temporelle: 1ms/division. chelle 'lllnplitude : 2 V/division).
Fig. 12.31 Analyse numrique du spectre du signal de la ligure t2.30 pour une plage frqucn ticlte
s'tendant de 0 25 kHz avec BL'q 100 Hz; le repre lumineux (MKR) indique l'amplittldl~ ct la
frquence de lu fondamentale.
Fig. 12.32 Analyse spectrale du signal de la ligure 12.30 avec un mtre analogique de 100 Hz de
bande pussantc quivalente (chelle d'amplitude: 0,1 V/division, chelle frquentielle: 2.5 kHz!
division).
399
Fig. 12.34 Spectre d'amplitude du signal de la figure 12.33 mesur entre 0 et 25 kHz avec une
dure d'observation T= 10 ms (Bcq == 100 Hz).
400
Fig. 12.35 Oscillogramme d'un signal alatoire (chelle temporelle: 1 ms/division, chelle d'amplitude : 1 V/division).
60
so
40
JO
20
la
fIkHzl
04-------------.------------.--~--------._----------_.----~-
10
15
20
Fig. 12.36 Superposition de deux priodogrammes (traces continue et en pointill) valus sur des
tronons diffrents du signal de la figure 12.35 ct affichs en valeur efficace (chelle logarithmique
en ordonne).
Fig. 12.37 Analyse spectrale pur balayage de 0 20 kHz avec un mtre de 100 Hz du signal de la
figure 12.35.
401
signal de vibration
spectre
(mu~~
) 128
f[Hz]
500
1000
5 ms
584
signal de vibration
(roue en percussion)
spectre
={>
544
1128
632
;1
flHzl
500
1000
5 ms
Fig. 12.38 Signaux et spectres de vibration d'une turbine Pelton de 13 aubes; la frq uencc F cst le
produit du nombre d'aubes par la frquence de rotation de la roue (8 1/3 tours/s).
Fig. 12.39 Spectre d'une sinusode de 10 MHz mesur avec une rsolution de 300 Hz.
Fig. 12.40 Spectre d'une sinusode de 10 MHz module en amplitude avec porteuse par une sinusode de 50 kHz.
401
Fig. 12.41 Spectre d'une sinusode de 10 MHz module en frquence par une sinusode de 50 kHz
(indice de modulation li :::;: 6).
Fig. 12.42 Spectre d'une sinusode de 1 kHz chantillonne avec maintien il une cadence de 5 kHz.
403
Fig. 12.43 Spectre du signal d'un oscillateur sinusodal oscillant fa frquence de 1. kHz.
Fig. 12.44 Analyse frquentielle du signal de sortie d'un amplificateur excit par une somme de
deux sinusodes de 2 kHz et 6,5 kHz; les nombreuses raies secondaires sont ducs la distorsion
harmonique et la distorsion d'intermodulation.
404
REF .0 OBM
lOB/DIV
MARKER 5 000.0 HZ
RANGE .0 08M
-10.0D08M
START 4 975.0 HZ
RBW 10 HZ
Fig. 12.45 Fluctuations de frquence d'une sinusode enregistre rvles par une analyse spectrale rpte.
Fig. 12.46 Analyse spectrale de la tension du rseau il 50 Hz; le repre lumineux (MKR) indique
l'amplitude relative ct la frquence de la troisime harmonique.
Fig. 12.47 Analyse spectrale du signal vido produit par une camra de tlvision dans la bande de
o 10 MHz.
405
Fig. 12.48 Rponse frquentielle d'un mtre passe-bas de frquence de coupure j~ 10kHz analys
sur une plage Iinarc allant de 0 20 kHz avec une chelle d'amplitude linaire cn ordonne.
Fig. l2.49 Rponse frquenticlle d'un amplificateur analyse avec une chelle logarithmique en
logurithllliqul' en frquences (repres spciaux gravs au
bas du gratl:ulc; 20 Hl. 200 Hl. l kHz et 20 kHl.).
406
Fig. 12.50 Rponses d'amplitude (photo de gauche) ct de phase (photo de droite) d'un amplificateur.
Fig. 12.51 Oscillogramme des fluctuations de la tension de sortie d'un rgulateur de tension continue {chelle verticale: 1 mV Idivsion, chelle horizontale: S.us/division}.
Fig. 12.52 Analyse spectrale du signal de la figure 12.51 rvlant la prsence d'une oscillation
environ 37,9 kHz.
407
s(t)[V)
t[msl
[dB 1
l[kfhl
-o~I~-----w~~~lO------------~20-----"
F-I { 10 log
41; U}}
[dB 1
,'[msl
~~i~j~~~~~f4~~&~~~~"~~~~~--
408
12.5 EXERCICES
CHAPITRE 13
DTECTION ET ESTIMATION
dterministes mais inconnus, ou alatoires du signaL tels que valeur moyenne, nergie ou puissance. amplitude,
frquence, phase, position, dure, etc.: c'est un problme d' estimation;
la reproduction aussi fidle que possible d'un signal contamin par du bruit:
c'est un problme de rcupration ou de filtrage optimal, qui est un cas parti
culier d'estimation:
la prdiction du comportement futur du signal base sur Ja connaissance de son
pass ou l'intelpolatio/1 de valeurs intemldiaires deux valeurs connues: c'est
un autre cas panicuJier d'estimation:
la dtection de la prsence ou de l'absence d'un signal et son classement dans
une catgorie connue: c'est un probleme d'identification ou de reconnaissance
de formes qui requiert une opration initiale d'estimation de paramtres.
410
13 .1.4 Exemples
Soit dterminer la pulsation et la phase d'un signal si nu sOldaI d'amplitude connue
x(t)=cos(wot+a:) avec O<wo~wmax etO<a:<amax.Si a: max <1T et w ot+a<7T,
les deux mesures x (0) -= cosa et x Ud cOS(Wotl + a) suffisent il dtemlner Wo et a.
Dans le cas contraire, plusieurs solutions sont possibles et un nombre.M > 1 de mesures
est ncessaire pour lever les ambiguts.
411
DTECTION ET ESTIMATION
D'une manire gnrale, on sait par le thorme d'chantillonnage que tout signal
de spectre il support born. de largeur de bande B et de dure T. est thoriquement
entirement dtermin par N = 2 B T chantillons ( 9.3.9). Compte tenu de l'inexistence des signaux bande limite ( 9.3.1) et des conditions pratiques d'interpolation
(sect. 9.4), une reconstitution satisfaisante du signal ncessite en [ail la connaissance de
lU> N chantillons.
Une approche classique consiste tenir compte des modles statistiques supposs
du signal. de ses paramtres et du bruit. On recherche alors une stratgie de traitement
qui minimise une certaine distance cl (a,
entre J'estimation
et la grandeur estime a.
Une distance usuelle est J'erreur quadratique moyenne E [(a - a):!] analogue (3.3).
Lorsque la connaissance disponible a priori est rduite, on recherche des procdures plus robustes, capables de performances proches de l'optimum tout en tolrant
d'assez larges dviations de la statistique re He vis--vis du modle nominal suppos
(fig. 13.1.). Les solutions thoriques sont, dans ce cas, souvent trs proches de celles que
dicte le simple bon sens!
a)
perrormance
/ " soluLion optimale
caractrisa Uon
statistique
Fig. 13.1
= s(t,a)+ll(t)
(13.1 )
412
Fig. 13.2
xCii mv)
Fig. 13.3
413
DETECTION ET ESTIMATION
ap(xlad
aa._"
a --a
o avec
1, 2, ... , Al
(13.2)
k-k,mv
Comme le logarithme est une fonction monotone, il est parfois prfrable (bruit
gaussien, etc.) de driver la fonction lnp(xlak)'
L'estimation au sens du maximum de vraisemblance revient simplement choisir
comme estimation mv celle qui correspond l'observation x la plus frquente (mesure
dans un petit intervalle ..:1 x).
13.1.7 Exemple
Soit un signal alatoire gaussien x (t) de valeur moyenne a = I1x inconnue. Sa densit de probabilit conditionnelle a est simplement
p(xla) ::;; {1iTo 2 fl/:!exp[-+(x-a)2Ja 2 ]
(13.3)
fi
1=1
(Xi
0)2]
(I3.4)
1=1
amv ::;; N- L Xi
( 13.5)
i:1
(a-a}2
(13.6)
-01
( 13.7)
414
la-a
1 - rect[ (a -a)/Ll]
-[
Fig. J 3.4
( 13.8)
= E[c(a,li)]
ff c(a,li)p(x,a)dxda
(13.9)
Mais, par (14.3~), la densit de probabilit conjointe p (x,a) = p (a lx) p (x), d'o
d,(a.i) =
[_[C(a,i)p(aIX)da]p(X)dX
(13.10)
--------, ----J
1 =
c(o,a)p(olx) do
(13.11 )
p(alx) do = 1
( 13.12)
li cqm =
op(alx) da
(13.13)
415
+.
p(alx)
Fig. ]3.5
(13.14)
p(ulx) == p(xla)p(a)/p(x)
o p (x) est en fait une valeur connue lorsque l'observation x est effectLle. Les estimations obtenues par la mthode du risque minimum dpendent donc uniquement du
produit des densits de probabilit p (xl a) p (a) == p (x, a). On constate alors que l'estimation du maximum de vraisemblance mv dfinie au paragraphe 13.1.6 concide avec
l'estimation du maximuma posteriori mup si la densit de probabilit p(a) est uniforme. Dans le cas contraire, ces deux estimations sont souvent voisines. Ceci justifie
parfois l'utilisation de l'estimation simplifie amv mme dans des situations o la statistique a posteriori pourrait tre tablie.
Remarquons galement que 0 mv est une estimation assez robuste, puisqu'elle n'est
pas influence par des variations ventuelles de la statistique des paramtres valuer.
Une autre proprit utile de J'estimation vraisemblance maximale, pas ncessairement partagee par les autres estimations, est d'tre invariante il toute transformation
rversible. C'est--dire que le mme rsultat est obtenu en estimant a ou une fonction
monotone f(a), avec simplement lm\' = f(omv)'
Les performances d'une estimation sont essentiellement reprsentes par son biais
(erreur systmatique) et par sa variance (dispersion des rsultats). Le biais d'ulle estimation est la diffrence entre la valeur moyenne de restimation et celle de la valeur estime
a
a
b == E[o]-E[a]
(13.15)
416
avec E [a] a dans le cas de paramtres non alatoires. Il est gnralement souhaitable
que le biais soit nul.
La variance d'une estimation non biaise est borne infrieurement (ingalit de
Cramer-Rao [134]). Une estimation satisfaisant cette limite est dite effcace.
L'estimation est consistante si elle tend vers]a vraie valeur a lorsque le nombre
d'observations N ou la dure d'observation T dans un eus continu - tend vers l'infini.
On montre que, pour des conditions assez peu restrictives, J'estimation il vraisemblance maximale my de paramtres 11011 alatoires est la fois consistante, asymptotiquement efficace ct. de plus, asymptotiquement gaussienne [134]. On montre galement
que, dans le cas de J'estimation de parumtres alatoires, s'il existe une estimation efficace,
elle est unique et donne par il map == cqm.
13.1.10 Exemple
Considrons la situation suivante. Un signal alatoire a (t), distribution de Rayleigh
(14.110) avec variance a; est observ en prsence d'un bruit additif gaussien 11 (t)
va]cur moyenne nullc et variance a~. On cherche estimer a partir d'un chantillon
unique de x (t) =a (t) + n (t).
La densit de probabilit conditionnelle u priori p (x a) est simplement la version
dcale de a de la densit de probabilit du bruit
1
(21Ta2)-1/2expl-~(x-a)2/a~]
p(xla)
(13.16)
0::
(I 3.17)
xla)2]
(13.18)
o K 2 Tra~ a~/p (x) est une constante. lorsque x est connue, qui peut tre value en
utilisant la condition (13.12), et a = 1 + aJ;/a~.
L'estimation du maximum a posteriori est obtenue en annuhlllt la drive de
(13.18) par rapport a:
(13.19)
C'est une fonction non linaire de l'observation qui tend vers (]3.17) pour a~ ..... O.
13.1.11 Exemple
Soit estimer Je paramtre alatoire a
exponentielle (14.90)
p(xla)
= aexp(-ax)e(x)
(13.20)
avec
O.
exp(-a)e(a)
(13.21)
417
Un tel exemple [135] peut dcrire une situation de trafic dans un rseau routier
ou de tlcommunications: a reprsente la frquence moyenne de vhicules 01.1 de mes
sages traversant un nud du rseau et cette frquence moyenne fluctue elle aussi d'un
nud l'autre selon la loi (13 ..21) avec une valeur moyenne E [a] = - 1 L'observation x
est ici l'interval1e entre les instants de passage de deux vhicules ou messages successifs
(processus ponctuel de Poisson: sect. 5.8).
La distribution a posteriori prend la forme (exercice 13.5.3)
p (a lx)
(13.~2)
f a p (a x) da = ::: (x +
1
fi
(13.23)
[I
(x
0abs'
(13.25)
p (alx)da
=t
(13.26)
13J.l2 Exemple
Considrons l'estimation d'une valeur moyenne a inconnue en prsence de fluctuaL'estimation est
tions alatoires Il (t) gaussiennes, valeur moyenne nulle et variance
effectue partir d'un ensemble x (Xl, X2 ... , XN) de N chantillons indpendants
a,;.
(13.27)
(2no2rl/2exp[-t(a-I1)2ja2]
(13.29)
418
avec
.,
.,
a; +a,/N
= ex a~/N
( 13.30)
et
(13.3])
J.l
- l
(13.33)
L'estimation optimale de Bayes est aussi linaire. mas elle est biaise. Elle tend vers la
moyenne arithmtique non bi,.lse
mv lorsque a~/N tend vers zro, c'est--dire en
particulier lorsque N tend vers l'infini. Lorsque
tend vers zro, l'estimation optimale
tend vers Pa' la valeur moyenne a priori, et dpend peu de l'observation.
On vrifie que l'estimation a posteriori est optimale puisque sa variance vaut. en
tenant tompte de (l3,28) et (13.31 )
x=a
a~ = Var [0: i]
et que a:
0:
Var [x]
= 0: 1 a~v
a;
0:
a~/N
(13.34)
< \.
P (x 1a )
Il P (x il a)
1=1
(13.36)
419
otTECTION ET ESTIMATION
amv satisfaisant
(13.37)
+ n(t): 0
t ~
(13.38)
:=
Jx(t)g(t,a)dt-t
s(ca)g(t.a)dt (13.39)
sU,a):=.:
RI/(t-T)g(T,a)dT;
0 ~ t ~ T
(13.40)
En comparant (13.40) avec (8.23). on constate que si T-+ 00, la fonction g(t,a) tend
vers la rponse impulsionnelle d'un fltre linaire tel que s(t.a) reprsente l'ntercorrlution entre les signaux d'entre et de sortie lorsque l'entre est Il (t). Ce rsultat est
rapprocher de (13.64).
Dans le cas d'un bruit blallc gaussien de densit spectrale de puissance bilatrale
(1)11 (f) =: tT/ et de fonction d'autocorrlation RII (T):=': +T/o (T), la solution de (13.40)
est gU,a) C2j17)s(t.a) d'o
~
I(a):=.: T/
JT
0
]
x(t)s(t,a)dt--
17
JT
s1(t.a}dt
(13.4 1)
420
T [X(t)-s(t.a}]
as(t.a)
()
dt
aa
--
(13.42)
a-a rnv
Dans d'autres cas, la soJution de l'quation intgrale (13.40) est dlicate, voire
impossible [34, 131].
s(t)
J RIZ (t - r)g(r)
(13.43)
dT
T
( 13.44)
a j'g(t)x(t)dt-+a"1J g(t)s(t)dt
1(0)
amv
=]
g (i) x (1)
dtj]
g(t) s (1)
dt
(13.45)
En cas de bruit blanc gaussien de densit spectrale (PT! (J') == -} 11. g (t) = (2/rll s (t)
et l'estimation devient
arnv
J s(t)x(t)dt J s2(t)dt
T
;;::
(13.46)
arnv
;;::
(I 3.4 7)
o
Le schma bloc d'un tel estimateur (fig. 13.6) se dduit directement de (13.47). Il effec-
71 rnv
1
___ -.JJ
L __ _
rcepteur ;l corrlation
Fig. 13.6
421
DTECTION ET ESTIMATION
tue une corrlation du signal observ avec une rplique mmorise du signal connu s (t)
et est appel pour cette raison rcepteur corrlatioll. U ne ralisation quivalente du
mme estimateur est le filtre adapt (sect. 13.4).
rnv )]
cos(wot+ ornv)dt
(13.48)
o
Pour Wo T= krr ou Wo T ~ LIa deuxime intgrale du dveloppement de (13.48) s'annule
et l'estimation est donne par
T
J x(t) cos(wot+arnv)dt = 0
(13.49)
arnv
= arctan
l'
fox(t)cos(wot)dt
l'
(13.50.)
fox(t)sin(wot)dt
L'valuation des intgrales du numrateur et du dnominateur correspond nouveau une corrlation (fig. 13.7).
Jl
x( t)
arctan
! a~
1
Fig. 13.7
L'intgrale (13.49)
toutefois une solution beaucoup plus intressante:
c'est la boucle asservissement de phase (fig. 13.8) dj rencontre dans le contexte de
la dmodulation de frquence et de phase ( 11.3.9). La tension moyenne d'erreur e
controle en permanence l'oscillateur command (YCO voltage controlled osciJlator)
de manire introduire une correction automatique de phase arnv ramenant e zero.
D'autres exemples. parfois nettement plus compliqus. sont traits dans la littrature spcialise cite.
411
J dt
VCO
!-----IP-----l;r..
Fig. 13.8
(13.51)
o SQ reprsente un oprateur linaire (sect. 8.1), discret ou continu, l'information
ncessaire a priori se rduit aux seules fonctions d'autocorrlation de l'observation x
et d'intercorrlation de x avec la grandeur estime a.
L'estimateur linaire (fig. 13.9) peut souvent tre considr comme un filtre,
numrique dans le cas discret el analogique dans le cas continu. dont la rponse impuIsionnelle g doit satisfaire (13.51).
Fig. 13.9
Par analogie avec le thorme de la projection (3.26) qui dfinit les conditions
optimales d'approximation linaire d'un signal dterministe au sens des moindres
carrs, l'estimation linaire optimale aQo qui minimise l'erreur quadratique moyenne
doit satisfaire le principe d'orthogonalit (24]. Celui ci indique que l'erreur d'estimation optimale a - GQo et l'observation x SOllt orthogollales, c'est--dire que leur intercorrlation statistique (sect. 5.4) doit tre nulle
E [( a
aQo)* xl = E [x * (a aQo )] = 0
(13.52)
E [ (a - aQo) 2]
E [a * (a - a 20)]
= E [ 1a 12 ] -
E[
2]
1 12 0 1
(13.53)
On peut montrer [24] que, dans le cas o l'observatioll est statistique gaussienne,
aucun estimateur non linaire Ile peut parvenir ulle erreur quadratique moyenne plus
faible que l'estimateur linaire optimum.
423
DTECTION ET ESTIMATION
(13.54)
sQ{x};;Igjxj
"'I
Les coefficients optimums gj sont donns par la solution de (13.53) qui se ramne
celle du systme de N quatons N nconnues
N
gjRxU-j) ;; RxaU):
i = 1,1, ... , N
(1
j=1
(13.56)
R.,\:Q
R~l Rxa
(13.57)
(13.58)
----I~
.~(t+T)
X J-----i....
Fig. 13.10
424
Dans un cas plus gnral, la valeur estime du signal Ct + T) est prdite par une
combinaison linaire des N valeurs prcdentes x (t - iT) avec i =. 0, 1, ... , N 1
N-I
aV.
x(t+T)
=l
gix(t-iT)
(13.60)
i=o
La structure de l'estimateur (fig. 13.11) est celle d'un filtre numrique transversal
(chap. XX.5) dont les coefficients gi sont donns par la solution de (13.57) qui devient
ici
(13.61)
x(t
T)
x(t -:2 T}
x (t + j
Fig. 13.11
1) TU et R; 1 est l'inverse
(13.62)
av.
(13.63)
L'introduction de (13.63) dans (13.53) conduit au produit de convolution
(13.64)
425
DTECTION ET ESTIMATION
Par transformation de Fourier, la fonction de rponse frquentielle du filtre optimum (gnralement non causal) est
(13.65)
Si x (t) = s (t) + JZ (t), avec s (t) un signal extraire au mieux d'un bruit
pendant valeur moyenne nulle, la solution (13.65) devient
11
(t) ind-
(13.66)
Dans le cas trs particulier o l'observation x (t) est un bruit blanc, de fonction
d'autocorrlation 710 (r), la rponse impuIsionnclIe optimale tire de (13.64) devient,
par (1.47)
-t
(13.67)
Le traitement en temps diffr ne requiert pas ncessairement une rponse impul~
sionnelle causale. Cel/e-c s'impose, par contre, dans tout traitement en temps rel et,
en particulier, dans les traitements analogiques. Dans ce cas, une bonne approximation
causale du filtre optimum peut souvent s'obtenir en introduisant un retard adquat to
et en considrant la fonction
(13.68)
o
E (t)
G 1(f)
IlJ
fi
G?o(f)
!1 u~t)
ql:(f)
~----------v--------------~
Go(f)
Fig. 13.12
426
Par (13.69), le deuxime filtre peut tre rendu optimum pour l'observation transforme z (t) en posant
(13.71)
avec
R::a
(13.7:2)
En exprimant enfin <Px (J') sous la forme d'un produit de deux fonctions conjugues (factorisation toujours possible si cette densit spectrale est reprsente par une
fonction rationnelle: son caractre non ngatif, rel et pair impliquant que ses racines
sont complexes, conjugues ou relles d"ordre pair)
(13,73)
de telle sorte que, par identification avec (13.70), la rponse frquentielle
Cl (f)
(13,74)
\v.;I(f)
soit aussi celIe d'un filtre causal (racines pour f> 0), le filtre de Wiener est dfini par
Go
1+
(13.75)
o(k)
= a{k-I)+t3(k)[x(k)-a(k-l)]
(13.77)
427
DTECTION ET ESTIMATION
L'estimateur linaire courant est le moyenneur temporel parfait dcrit au paragraphe 8 ..2.19. Il value la m8yenne glissante
(13.78)
x(t,T)=T Jx(t)dt
t-T
1
aQ
XIe
=-
L X i = X"-1
+ (x" -
Xk-N
)IN
(13.79)
=k-N+I
l "'"
-T_tX>
J tri(rIT) Cx(r)dr
.
(13.80)
/1;
o
(1') Rx (1') est la fonction d'autocovariance de l'observation (suppose ici
stationnaire et ergodique).
Le rapport signal sur bruit avant estimation est ~x a:2 lai. Aprs estimation, on a
a2 lai et l'amlioration du rapport signal sur bruit ralise corrrespond simplement
au rapport des variances.
Par analogie, on obtient pour l'estimation discrte base sur N chantillons prlevs
priodiquement avec un pas Te, avec Xi =x(iTe ), T=NTc ' T iTc et en tenant compte
de (9.14)
N-l
i=-(N-l)
a_~/N
(13.82)
Dans ce cas, l'amlioration du rapport signal sur bruit est proportio1l11elle au nombre N
d'chantil/011s considrs. C'est un rsulrat classique en statistique.
D'une manire gnrale, on constate par (8.37) que n'importe quel systme linaire causal dont la rponse indicielle 'Y (t) satisfait il la condition
'Y (00)
Jg
(t) d t
=1
( 13.83)
o
peut servir d'estimateur (imparfait) de valeur moyenne. La mesure tant pratiquement
effectue aprs un temps d'tablissement To non infini, celui-ci doit tre choisi de
manire avoir l' (To ,) ::::::: 1 sous peine d'introduire un biais important.
L'exemple le plus familier est le moyenneur oubli progressif dfini par
g(t)
a- 1 exp(-tlo:) E(t)
(13.84)
428
J
a
<Xl
(13.85)
La ralisation pratique d'un tel estimateur est usuellement le filtre RC du paragraphe 8.2.24 en technique analogique. Afin d'afficher facilement les rsultats progressifs
du calcuJ,on simule souvent le filtre RC par voie numrique (sect. XX.SA) l'aide d'une
quation de rcurrence approximative du type
+ (xk-Xk-dIK ~
1
K
xjexp[-(k-i)IK] (13.86)
i=k-N+I
13.1.26 Application: extraction d'un signal rptitif noy dans le bruit de fond.
Dfinitions
Le principe suivant de rcupration d'un signal trs fortement perturb, mais
susceptible de se rpter selon un horaire connu, est utilis dans diffrents domaines, en
particulier en physique et en lectrophysiologie. Il est connu sous les noms de dtection
par accumulation, par intgration, par moyemlage (en anglais: signal averaging).
Soit {s(t- td}' i= 1, 2, ... ,N, un ensemble de signaux de forme identique et de
dure finie T apparaissant gnralement en rponse des excitations (stimulus) ppliques aux instants connus t i (fig. l3.13). Si l'observation disponible est
N
x(t)
s(t-t;)+n(t)
(13.87)
1=1
o Il (t) est un bruit valeur moyenne nulle et valeur efficace (cart-type) largement
suprieure aux amplitudes des signaux s (t fi), ceux-ci sont littralement noys dans le
bruit et aucune analyse directe n'est envisageable.
Une estimation de la forme de la rponse s (t) au stimulus est toujours possible en
tirant parti du caractre rptitif (priodique ou non) du phnomne, pour autant que
fi+l- ti ~ T Un chantillonnage est effectu aux instants fi + k Te, avec Te ~ T. Pour
429
DTECTION ET ESTIMATION
stimulus
x (1)
.,
t--
a.
Fig. 13.13
xi'
~ s(kTe )
(13.88)
+Ili
'X (k Tc)
LXi
= s(kTe)+n
(13.89)
i=1
430
Le rapport signal sur bruit aprs N sommations est ainsi amlior d'un facteur N.
Par exemple, pour N= 1000, l'amlioration est de 30 dB. Il n'y a thoriquement pas de
limite l'amliorution ralisable pour autant que N -'i- co . Les limitations pratiques sont
lies N ~ co , la connaissance imparfaite des jnstan ts t i (gigue du signal de synchronisation) et aux dformations possibles des signaux s (t - fi) euxmmes.
En oprant cette estimation de valeur moyenne sur un ensemble de valeurs
k = 0,1, ... , K, on reconstitue le signal s (t) sur nntervalle [O.K Te].
Cette reconstitution peut se fare en mode parallle si l'on enregistre chaque
ralisation du signal s (t td un ensemble d'chantillons s (kTe - fi) avec k = 0, l, ... , K.
Il est possible aussi d'utiliser un mode squelltiel: c'est la solution adopte sur les
dispositifs analogiques connus sous le nom de moyelllleur chantillollnage ou boxcar
illtegrator. Un chanti1lonnage rel ( 9.2.2) de l'observation x (t) est effectu aux ins~
tants t i + T et la suite d'impulsions modules en amplitude ainsi obtenue est prsente
un filtre moyenneur. En faisant varier progressivement et lentement le retard T, la
sortie du moyenneur reconstitue squentiellement S (T} On peut montrer (ex. 13.5.14)
qu'en rgime de stimulation priodique de priode T, le moyenneur se comporte comme
un filtre en peigne trs slectif (rponse frquentielle non nulle seulement au voisinage
des harmoniques nfi =n/ T du signal rcuprer).
;;oxy(t,T)
=T
J x(t'-T)y(t')dt '
(13.91)
t-T
x(l-k)y(l)
(13.92)
l=m-K+I
L'approche numrique indirecte (fig. J 3.19) se dduit de (4.65) et tire parti des
algorithmes de calcul rapide de la transformation de Fourier.
431
DTECTION ET ESTIMATION
loQ
----
vitesse
~'=
dIT
lentilles
capteurs photolectriques
y(t)
in tercorr la teur
Fig. 13.L4 Une mesure de la vitesse de dfilement (d'un produit lamin par exemple) peut tre
obtenue en dterminant la position du maximum de la fonction d'intercorrlation dcs signaux de
deux capteurs photolectriques. Ceux-ci reoivent la lumire, module par tes irrgularits de surface, rflchic en deux endroits diffrents du corps en mouvement situ~ une distance d l'un de
l'autrc.
sin 0 == (c-b>/d=
cost;!>
= (a
l"
b)ld=I"
fl.t I2 /d
fl.t 13 ld
o
Fig. 13.15 Deux mesures successives suffisent pour dterminer les angles {) et ct> dfinissant la position d'une source de vibrations par rapport il trois capteurs placs dans le mme plan sur les sommets d'un carr dont le ct vaut d, connaissant la vitesse de propagation )' des vibmtions. L'intercorrlation permet d'estimer la diffrenr.:e ll.rij des temps de propagation cntre la source ct \cs capteurs 1 ct :2 d'une part, 1 et 3 d'autre part.
432
microphonc
~. . j
A ..... W
.......
-",'
-
HP
~ ..
.~
.......
B
,
I\.
.. .. 1. ...:
1
_
---
matraux
tester
?XY{ r)
intercorrlateur
Fig. 13.17 L'intcrcorrlaton des signaux provenant de deux lectrodes places sur un muscle permet de dtecter si des cellules musculaires voisines travaillent d'une manire cohrente ou incohrente. Cette intercorrlation fournit une information utile sur la condition musculaire
rctard
~--
J' (t)
Fig. 13.18
__~
moyenneur
433
DTECTION ET ESTIMATION
Fig. 13.19
E[fPXy(T)] ;:;:;
T J E[X(t-T)y(t)]dt
= R;xy(T)
(13.93)
IPxy(T)
o
est gale la valeur thorique limite: l'estimation est donc non biaise.
Sa variance est exprime par (13.80)
l
""
(13.94 )
.,
a:
~
1
T
JOC>
_iXl
C_ (0)
BT T
C.(u)du:::; - - -
o
(0) est l'autocovariance il l'origine de z(t)=x(t)y(t) et BT
de bande approximative du signal z (t).
(l3.95)
D~l est la largeur
a~(O) =
'i
T_f R;(u)tri(u/T)du
Si x (t) est un bruit blanc born de densit spectrale (Px (f) = +11 rect
sine 2 (2Bu) et, pour T'iP B- 1
(13.96)
T}:! B"1
.,
a&(O)
R; (0)
BT
(13.97)
434
~ = lP~(O)la&(o)
(I3.98)
BT
Ceci met en vidence, une nouvelle fois, le rle du produit BT dans l'estimation de
valeurs moyennes
J sgn [x (t t
avec
li
l' (t):::::
l' )]
sgn [y (t 1 )] d t 1
(13.99)
sgn [y (t)].
\1 (
t)
= sgn [y ( t ) 1
Fig. 13.20
Rxy(r)
arcsm - - -
(13.100)
a x Gy
En ajoutant aux signaux x (t) et y (t) des bruits alatoires (pratiquement: pseudo
alatoires) indpendants, distribution uniforme, on peut rendre les fonctions Ru v (r)
et Rxv (1') proprotionnelles pour une classe trs large de signaux [67].
'Un rsultat semblable (exercice 8.5.29) est obtenu dans le cas d'un corrlateur
structure hybrid:; dans lequel seule une vOe comprend un dtecteur de signe. La multiplication revient ici inverser ou non le signe de l'autre voie.
435
DETECTION ET ESTIMATION
bruit
DT
(13.101)
Si. en plus, la forme gnrale du signal s (t) est connue, il est possible de dd u ire
de '-Px(r) non seulement la priode. mais aussi une information d'amplitude.
La fonction effectivement mesure (fig. 13.11) peut s'exprimer sous la forme
(13.103)
o '-PE(r) reprsente l'erreur (bruit +biais) rsiduelle due la dure d'intgration T limite avec
lim '-Pt: (r)
T-oo
(13.104)
radiot\cscopc
x (t)
s (t - t 1 ) + JI 1 (t)
(13.105)
et
(13.106)
436
o nI (t) et 112 (t) sont des bruits indpendants valeur moyenne nulle. Toujours sous
l'hypothse d'ergodisme, la fonction dntercorrlation thorique de x (t) et y (t) vaut
IPxy(T)
= !,Os(r - t 2 + td
x(l)
= t2
(13.107)
-
t l (fig. 13.22).
s(l-t,)
Fig. 13.22
(13.l 08)
o !,Oe(T) tient compte des erreurs rsiduelles dues la dure d'intgration limite.
La dtection par intercorrlation s'apparente au filtrage adapt dcrit la section
I3A.
DTECTION ET ESTIMATION
437
A x(T)
y(t)=x(t
Tl
Fig. 13.23
438
x(t) =s(t
+ mTo } + 11(1)
:. 7'0
31'0
T
-*--~~~~~~r--1'-~~I~-'---~~--
Fig. 13.24
439
D(~TECTION ET ESTIMATION
Le signal e~traire peut s'exprimer par les formes quivalentes s (t) = s (t + m To) =
s (t. Tu) * 0 To (t), Le signa 10 bserv est x (t) = s (t) + 11 (t). L'in tercorrla tian mesur e
(fig. 13.24) est
(13.109)
(f)
(13.111)
11=-00
Un tel filtrage extrait thoriquement du signal observ x (1) uniquement les composantes S'I prsentes aux frquences discrtes 1;1 =ni To, c'est--dire les diverses
harmoniques du signal priodique s (t). Le brut 11 (t) est totalement limin.
En pratique (exercice 13.5.15), la fonction de filtrage priodique relle correspond la convolution de la suite priodique ljTo (f ) avec la rponse frquentielle
H (f) d'un filtre passe-bas dont la largeur de bande est non nulle. Celle-ci dpend de la
dure d'intgration T et de la forme non idale des impulsions priodiques formant le
signal a uxiliaire li (t).
Cette technique de rcupration est - dans le cas des signaux priodiques - quivalente la dtection par accumulation dcrite au paragraphe 13.1.26.
13.2.10 Cas particulier: amplificateur synchrone. Dfmition
Un anlplificateur synchrone (en anglais frquemment dnomm fock-in amplifier)
est une sorte de voltmtre trs s-lectif (fig. 13.:25) qui exploite le principe de la dtection
par intercorrlation pOLIr la mesure d'un signal constant ou trs lentement variable noy
bruit
1/ (t)
1
1
1
1
....I"pU-TI)
L....-_ _ _
L ____________ J
amplilienteur synchrone
Fig. 13.25
440
dans un bruit indpendant. Il assure la transposition du signal mesurer dans une bande
de frquence favorable (vitement de la bande spectrale o le bruit en l/! est dominant)
et permet conjointement un filtrage extrmement efficace.
Cette mthode est applicable lorsque le signal mesurer, dnot ici par 111 (t), peut
tre modul en amplitude l'aide d'une fonction auxiliaire IIp (t) priodique et connue
(signal d'excitation lectrique, acoustique, optique, mcanique, etc.). Le signal modul
est s (t) =m (t) u p (t).
Le signal observ l'entre de l'amplificateur est x (t) s (t - to) + Il (t) o Jl (t)
tient compte la fOs du bruit capt avec l'observation J1l (t) et du bruit propre de l'amplificateur. Le retard to est un paramtre inconnu li aux conditions de propagation du
signal.
L'amplificateur synchrone possde un gain A il la frquence de rptition 1/ T du
signal auxiliaire u p (t). Il effectue de plus le produit du signal amplifi Ax (t) par la fonction auxiliaire Llp (t - 7) et moyenne le rsultat. Le paramtre i est rglable.
La mesure, pour une valeur i donne, correspond la corrlation
(
;Pux(T)
=
. .
T
J Ax(t)up(t-i)dt
(l3.1l2)
(13.1l3)
car m (t) varie, par hypothse, trs lentement vis--vis de u p (t) et le terme rsiduel
(T) est nul si le bruit 11 (t) est indpendant de Zlp (t) et si l'un de ces deux signaux est
valeur moyenne nulle.
Comme la fonction d'autocorrlation !.(JII (T) est maximale l'origine, et correspond
la puissance Pu, la mesure passe par une valeur maximale pour T = to. On peut estimer
ainsi la fois m (t) et le retard lo.
"PUll
DTECTION ET ESTIMATION
perturbations
cU)
Il
44l
(t )
c(l)
Fig. 13.26
Si 112 (t) est bande relativement troite BI et c (t) est bande trs large. le produit
des deux possde approximatvement le mme spectre que c (t).
Au rcepteur, la somme du signal mis s (1) et des perturbations Il (t) est galement
multiplie par le mme signal auxiliaire c (t). ce qui prsuppose une synchronisation
adquate:
u(t)
= [s(t)+n(t)]c(t)
m(t)c 2 (t)+n(t)c(t)
(13.115)
Si c (t) est, par exemple, une squence binaire pseudo-alatoire (niveaux 1), le
rsultat correspond au signal message 111 (t) accompagn d'un terme de bruit Il (t) C (t)
trs large bande qui est essentiellement limin par le filtrage final.
Seuls les rcepteurs disposant de la mme cl au dcodage peuvent reconstituer
lnformation. Plusieurs communications distinctes (cls de codage diffrentes) peuvent
ansi utHiser la mme bande spectrale sans se gner mutueJlement.
L'efficacit de tels systmes est d'autant plus grande que le rapport B21BI est
lev.
13.3 LMENTS DE THORIE DE LA DCISION
442
chiffres, tri de pices mcaniques observes par une camra de tlvision, tiquettage
d'entits gographiques en tldtection terrestre. etc. Le nombre de paramtres ci mesurer (coefficients spectraux, moments statistiques, facteurs de corrlation, etc.) ou
d'attributs dterminer (nombre d'intersections, de segments droits ou courbes, d'angles
d'un contour. etc.) peut tre lev. C'est un problme de dcision Ilypotlzses multiples.
L'ensemble des observations constitue un vnement. Une formulation classique
du processus de dcision consiste reprsenter chaque vnement par un point dans un
espace vectoriel appel espace d 'obseJ"Pation ou espace des caractristiques. La dimension de cet espace est infrieure ou gale au nombre d'observations fates; ce dernier cas
correspondant des observations indpendantes.
Chaque classe de signaux [formes] identifier y est reprsente par une combinaison typique de valeurs de paramtres formant un vecteur a : elle est donc dfinie par un
point spcifique de coordonnes en principe connues.
En raison du bruit, des imperfections de mesure, des distorsions de forme, etc.,
chaque vnement se traduit par un point situ une distance variable du point typique.
L"ensemble des vnemen ts possibles associs une classe donne fonnent ainsi un amas
ou nuage de points groups autour du point typique (fig. 13.27).
classe 1
JPJ<
classe Il
Fig. 13.27
443
DTECTION ET ESTIMATION
Il
)v(X-V.)2
1
1
~ l,
1/2
(13.117)
\Vi
d(x,y)
'1
'"
1....
i=!
Il
'"
1.... lV
IJ
j=1
1/'1
('x-1 - v")
1. (x
J - v)'
]
(13.118)
110
100
-""----,
......
................
1...........
.............
-'r!--
---::q
III
lOI 11010
000
Fig. 13.28
444
"
"
choix
choix
choix
choix
de
de
de
de
Les deux premiers cas correspondent une prise de dcision correcte: les deux cas
suivants correspondent des dcisions errones. Le critre de dcision tablt une stratgie destine rduire au mnimum le risque d'une dcision incorrecte. Il peut tre nterprt comme une
permettant de diviser l'espace d'observation 0 en deux rgions
mutuellement exclusives 0 0 et 01. Selon que l'observation est un lment de 00 ou de
o l.la dcision est prise d'accepter l'hypothse Ho ou, au contraire, l'hypothse HI.
Les trois princpaux critres usuels sont le critre de Bayes. le test mnmax et le
critre de NeymanPearson.
(13.119)
Les dcisions incorrectes sont prises lorsque l'observation x appartient la rgion
0 0 alors que Si SI ou la rgion 01 alors que Si =so. Les probabilits conditionnelles
correspondantes sont par consquent obtenues en intgrant les densits de probabilit
conditionnelle P (x 1 so) et P (x 1s]) sur l'ensemble des valeurs de x appartenant il la
rgion 01. respectivement 00 :
Pro b ( HIis 0 )
J
J
00
Of)
01
Prob(HolsJ)
}- J p(xlso)dx
(xlsddx =
J
p(xlso)dx
1-
p(xlsddx
01
(13.1:20)
445
En introduisant (13.1.20) dans (13.119) de manire regrouper des intgrales relatives au mme domaine d'intgration, la probabilit d'erreur totale devient
P15
Po
[Pl p(xISt)
POp(xlso}Jdx
00
== Pl
(13.111)
0)
La figure 13.29 Ilustre cette partition optimale dans le cas de densits de probabilit
unimodales gaussiennes et d'une observation unidimensionnelle.
Fig. 13.29
p(xlsd
p (x 1so)
Hl
~
Ho
Po
(13.1.24)
Pl
446
P (xlsd
p (xlso)
= ---
( 13.115)
(Po)
(13.116)
Pl
= Prob(H1Iso)
:::::
J
0
fit
p(xlso)dx
(13.117)
P (x 1sd dx
(13.118)
probabilit de dtectioll
P ct
= Pro b ( H tI s d =
J
1
fit
= Prob(Holsd =
l-pd
f p(xlsddx
(13.119)
0l!
Pe
(13.130)
PoPr+PlPn
p(xISj)
o
Fig. 13.30
D(:TECTION ET ESTIMATION
447
c =
[cao
(13.131)
CIO
L L
i=O
1'=0
CijPi
Jp(xls;)dx
(13.13:2)
Dj
448
observe. Pour prendre sa dcision, l'observateur applique le critre (13.1 ~6). En raison
du caractre lInimodal de la densit de probabilit gaussienne. le test se ramne ici la
comparaison de l'chantillon prlev avec une tension de rfrence: seuil de dcision
optimum minimisant la probabilit d'erreur totale.
Dans l'hypothse Ho, le signal observ est XHOU) = 12 (t) avec densit de probabilit
conditionneHe
C:!1T~rlf2exp
p(xlso)
+x2I~)
A
(13.134)
+ Il (t) avec
= (21Ta~rl/2exp[-t(x-AfI~]
(13.135)
.t'.
le test opti-
(13.136)
r-
+,
n (21Ta~rlf:! exp (-
(13.137)
;=0
et
N
P (x 1 SI)
rI (:::! 1T
i=O
(13.138)
449
DTECTION ET ESTIMATION
HI
Xi
Ho
i=l
a~
1
-ln(po/pd +-;;-A
NA
-
(13.139)
COI
Po Pr + CIO Pl Pn
COI
Pr + Pl (CIO Pn -
COI
pd
(13.140)
1.
_ - nsqllc maximum
1
1
~ R(pt)
1
-'---1
POUf.l: s optlllll!l1
pOllrp7
1
1
~Rlllin(Pll
1
1
1
1
1
1
o
Fig. 13.31
Pl
450
(13.141)
J P (.~ s0) d x
(13.142)
Xs
Pn :::::
J p(xlsddx
(13,143)
J (rla~)exp(-+,.1Ia~)d}'
v
exp(-+V2Ia~)
(13.144)
451
DTECTION ET ESTIMATION
v = a" .yi -
.2 ln il
(13.145)
( ailAV)
a"
~exp
0;,
Q (a, b)
Q --
(13.146)
Lntgrale
exp [--t(a 2 +u:!)]Io (au)u du
(13.147)
est connue sous le nom de fOllction de AIarcum et peut tre value numriquement
[141] par la formule de rcurrence
(13.148)
Q(a,b)=l-Lgllk"
11=0
avec
(13.149 )
Une abaque de la fonction de MarcuIn est reprsente la section 15.9.
Tableau 13.32
Critre
Connais"ancc a prior
Bayes
Pc:
Bayes
uvec
erreurs
pondres
Test
Po et Pt
p (.tlsi) avec i= 0.1
la
ec
C lIl ]
CIO
Bayes
avec
dcisions
pondres
PI cl PI
.p(xlsj)avec ;=0.1
Minimax
P (xISi) avec i
Risque moyen:
R::::
COI
Po Pf+
CJ[lP I
Pn
Risque moyen;
Popr+PtPn
~ ~
1=0/=0
CijPi (P{X1Sf)dX
Dj
CIl
0.1
Seuil dduit de
Rminimax
C
NeymanPearson
., P (xISi) avec i
Pr= (la
=0.1
Probabilit de non
dtection:
Hl
A(x) ~ ((la)
Pn
avec
Ho
dduit de P f;;;;;; (la
452
/
/
0,8
/
/
d=O,5/
/
/
/
0,6
0,4
/
0,2
/
/
Pf
0,2
0,1
0,6
0.8
1,0
Fig. 13.33
Pd
0,9999
0,999
0,99
0,98
0.9
0,8
0,7
0,5
0,3
0,1
10- 2
10-)
Fig. 13.34
453
DTECTION ET ESTIMATION
plitude du signal divise par la valeur efficace (cart-type) du bruit. On appelle caractristiques opratio1lnelles d'un rcepteur la reprsentation graphique de la probabilit de
dtection Pd en fonction de la probabilit de fausse alarme Pr pour des valeurs constantes de la distance d. Pour un bruit gaussien, on obtient les caractristiques reprsentes
sur la figure 13.33.
Il est galement possible de reprsenter la probabilit de dtection Pd en fonction
de la distance d pour Pr constante. Dans le cas d'un bruit gaussien, une reprsentation,
avec une chelle gaussienne en ordonne et linaire en abscisse, conduit au rseau de
droites reproduit sur la figure 13.34.
13.4.1 Dtection optimale d'un signal connu en prsence de bruit: le filtrage adapt.
Dfinition
Un filtre adapt (en angla is: ma tc/zed filter) est un systme linaire ( 8.~.~ 7)
optimisant la dtection d'un signal s (t) de forme connlle en prsence de bruit additif
indpendant. I/maximise le rapport signal Slir bruit l'instant de la dcisioll.
Dans le cas d'un bruit blallc.la rponse impulsionnelle du filtre adapt se dduit
simplement de la forme du signal s (t) par la relation
(13.1 50)
ga(t) = ks*(to-t)
13.4.2 Dmonstration
Considrons le systme de traitement reprsent la figure 13.35.
Soit x (t) = SI (t) + 111 (t) et y (t) = Sl (t) + Il"]. (t). Le signal u tHe d'entre SI (t) est
connu. Son modle peut etre rel ou complexe (enveloppe). Le bruit 111 (t) l'entre est
LlO processus alatoire stationnaire valeur moyenne nulle suppos ici il spectre constant
(bruit blanc): (I)/I1 (f ) = 77. Dnotons par ~ (to) le rapport de la pUssance instantane
du signal l'instant t = to et de la puissance moyenne (variance) du bruit il la sortie du
filtre
+-
(l3.15~)
muc linairc
g(t)
y(1)
~~--~'
..
Fig. 13,35
ch,mtllonnal!c cn r = t
.
dcision
454
(13.155)
On obtient finalement:
~(to)
_1
IG (!lI'
GCf)
= Ga(f)
(13.158)
SJ(f)exp[j2rrf(t-t o )]df ==
(13.160)
= ks;(to-t)
Lorsque
SI
455
DTECTION ET ESTIMATION
Pour tre ralisable, le filtre doit tre causal, c'est--dire que g (t) = 0 pour t < O.
II en dcoule que si s} (t) est un signal impuIsionnel de dure T, on doit avoir to ~ T
pour satisfaire la condition de causalit, Je cas to T tant pratiquement la rgle.
Le signal utile de sortie est donn par la convolution
(13.16~)
et s'identifie, par
1) avec une version dcale de ta de la fonction d'autocorrlation
du signal incident SI (1). Le maximum de cette rponse a bien lieu, selon (4.49). en t to.
Le filtre adapt est dOliC qul1alent lm intercorrlateur comparant le SigllOl brut
d'ell1re x (t) une rplique du sigllal dtecter SI (t).
(13.163)
En prsence du mme bruit, diffrents filtres adapts des signaux de formes diffren
tes mais ayant la mme nergie Wr - se comporteront de manire quivalente en terme
de rapport signal sur bruit J'instant de la dcision.
Il n'en va pas de mme en ce qui concerne la rsolution temporelle qui fixe le pouvoir de sparation de deux impulsions rapproches.
Sans filtrage adapt, cette rsolution est sensiblement gale la dure T de l'impulsion incidente. Or cette dure ne peut tre rduite sans rduire du mme coup l'nergie
H's, car la puissance moyenne Ws/T d'mission du signal est naturellement limite en
pratique.
Aprs filtrage adapt, la rsolution est dtermine par la dure de corrlation DT
du signal, comme nndique le rsultat (13.162). Or on sait, par (7.144), que cette dure
signal
-+_ _ _ _ _ _t..\I\WIIIlUIlII!
UlllIllnllll1f
siunal
ID'
+ bruit
~,II~- ~~I~r
t s;gnal + bruit mte'
nal
Fig. 13.36
l$n~tArt-
456
est invcrsmen t proportionnelle la largeur de bande approx.ima tive B T' Le filtrage adapt
offre ainsi la possibilit d'un gain substantiel en rsolution, la condition de travailler
avec des signaux. large bande (fonction d'autocorrlation troite): donc produit BT
leJ,e.
Les signaux de ce type les plus frquemment utilises sont l'impulsion sinusodale
module en frquence
90]. mieux connue sous son patronyme anglais de chirp, et
les squences pseudo-alatoires (sect. 5.10). D'autres squences bonnes proprits de
corrlation sont dcrites dans [142].
La figure 13.36 illustre les performances en rapport signal sur bruit instantan et
en rsolution obtenues par filtrage adapt pour deux signaux de mme nergie Ws
et mme dure T noys dans du bruit blanc indpendant: une simple impulsion rectangulaire et un signal chirp.
SI (1)
+ III (r)
Fig. 13,37
En dnotant par cfl"l (f) la densit spectrale de puissance du bruit color incident
(t) et par (I}/Ih (f) = +17 ceHe du bruit blanc il ]a sortie du premier nItre, sa fonction
de rponse frquentielle doit satisfaire. selon (8.:24), la relation
III
1CI
(f ) .1 2
7] /
(1) 1/ d f )
( 13 .164 )
(13.165)
Sb
(13.166)
C.(f)G 2 (f)
!C'
avec
l'
li.
1
=""217
k.
= kIC 1 U')1
Sr(f)exp
selon (8.33)
j21ift o )
(13.167)
457
~ (ta)n
opt
w;'jf IG
S2
(f) 12 dl
= 1'2 (ta)l'/
[w
(to) maximum.
13.4.6 Exemple
Soit SI (t);::; A rect[(t T)I T] avec
= A 2 T. Par (13.150), la rponse impulsionnel1e du filtre adapt optimum est, avec k 1: ga (t) =A rect [(to - t
T)I T] ::::;
A reet [(t TT)I T] en raison de la symtrie de Sl(t) el en choisissant to::::: T. Le filtre
adapt optimum est donc un oprateur d'intgration pendant une dure T ( 8.2.19).
On sait qu'une ralisation approximative d'un intgrateur est le filtre RC passe-bas
du premier ordre ( 8.:2.24) de fonction de rponse frquentielle G (f) = [1 + j (f/fc l
o fc- 1 = 21TRC et de rponse impulsionnelle g(t) (RCr l exp [- t/(RC)]' e(t). La
rponse S2 U) de ce filtre l'excitation sJ (t) pour 0 ~ t ~ T est la rponse indicielle
S2 (t) =.11 {1 - exp [- t/(RC)] e(t)} qui est maximum pour to = T. La valeur l'origine
:{;g (0) (2RCr l . En remplaant dans (13.168), l'efficacit relative devient
w.,
)r
~(to
= T)/~oPt
::: 2RC{1
exp[-TI(RC)]rIT
(13.169)
qui est maximum pour TI (RC)::: 1,25 et vaut alors 0,816. Ceci correspond une dgradation relative du rapport signal sur bruit de 0,88 dB.
Un rsultat identique est ~btenu, dans le cas d'une impulsion sinusodale d'enveloppe rectangulaire, avec un circuit rsonnant RLC en remplaant dans (13.169) la
constante de temps RC du filtre passe-bas par (1TBr l o B est la bande passante - 3 dB
du circuit rsonnant.
D'autres approximations sont possibles (exercices 13.5.24).
458
iden tification
Z:(T)
x(t)
dusi(l)
corrcspondan 1
au plus grand
= 5i{t) + 1I(t)
:/(T)
Fig. 13.38
identification
du 5j{t)
correspondant
au plus grand
Zj(T)
chantillonnage en t
=T
Fig. 13.39
DTECTION ET ESTIMATION
459
Les mthodes corrlatives sont les plus simples appliquer. Elles englobent le
adapt dcrit dans cette section et peuvent tre considres comme un cas particulier des mthodes vectorielles ou syntaxiques. Une mesure de concordance (par exempIe: corrlation) entre la forme identifier et chaque gabarit est calcule. Le critre de
dcision d'appartenance il une classe donne est celui de la plus grande concordance. Le
schma de principe d'un systme de reconnaissance de formes corrlatif est analogue
ceux des figures 13.38 et 13.39.
Dans les mthodes vectorielles (fig. 13.40), chaque forme observe est reprsente
dans l'espace d'observation introduit au paragraphe 13.3.1 par un l'ecteur de description
x = (x}. X2 ... , x ll ). Chaque composante xk est une caractristique particulire mesure
(par ex. variance, coefficients de Fourier, surface, primtre, moment d'inertie, etc.). A
chaque classe de formes correspond ainsi un amas plus ou moins compact de rsultats
passibles. L'identification est base sur un test d'appartenance du vecteur x un amas
donn (segmentation de l'espace d'observation). Les critres de dcision sont divers. Une
approche courante est l'utilisation de fonctions discriminantes dfinissant les frontires
entre classes. Aux flI/ classes nt, ... , n iU de formes identifier, on associe Al fonctions
~ 1 (x), ... , .:lM (x) telles que, pour i =;!= j, ~i(X*) > ~j(x*) pour le plus grand non:bre de
formesx* d'une classe ni donne, de manire minimiser le risque de mauvaise classification. Ce problme peut tre abord analytiquement si la statistique des erreurs de mesure
est connue (un exemple simple est le critre de Bayes en dcision binaire dcrit au paragraphe 13.3.5). En pratique, J'optimisation des rgles de dcision est effectue au cours
d'une phase initiale d'apprentissage ralise avec une population adquatement choisie
de formes reprsenta tives. La recherche d'un mode de description optimal de l'ensemble des formes identifier permettant de les regrouper en amas aussi disjoints que
possible est le problme de la classification automatique ou coalescence (en anglais;
clustering ).
prtraitcmcnt
extrnction de
caractristiques
11-1
classement
analyse
disclr'u'inanLe
reconnaissance
---
~-
...--_--l.._ _...,
chantillons de rormes
slection de
'lpprcntissJgc:
- - - - - . . . . , cnracLerisliqucsl-----II>--I d{crmin~{ion des
rgles de dcision
analyse
460
dcomposition
--~II>-Iou segmentation
idcntilcation
des primitives
classement
analyse
syntaxique
rcconnaissanCt!
chantillons de formes
slection
des
Fig. UAI
Schma~blDc
prl"ml"tl've".,
analyse
appreutissage:
1----------1..., dduction des rgles
grammaticales
L'approche syntaxique (fig. 13.41) fait appel cl la thorie des langages. Une forme
est dcrite comme une certaine combinaison structure de primitives lments de formes reconnaissables dont les rgles d'enchanement (concatnation) dfinissent une
grammaire. La reconnaissance implique une identification initiale des primitives suivie
d'une analyse syntaxique. Une reprsentation arborescente des rgles d'enchanement
des primitives est souvent utilise. Le classement peut s'oprer alors en comparant la
trajectoire dcrite dans l'arbre par la forme observe aux trajectoires types dfinies
pendant la phase d'apprentissage.
13.5 EXERCICES
13.5.1 Soit un signal x (1) drivant linairement avec le temps: x (t) =at + b + J1 (t) o
Ct) est un bruit gaussien valeur moyenne nulle et variance a~. Dterminer les qua-
JI
13.5.4 Soit x Ct):::: s (t -a) + n (t) o s (t) est un signal de forme connue et Il Ct) est un
bruit gaussien. On dispose d'une observation continue de x (t) de dure T ~ a. Dtemli
ner et interprter rquation intgrale dont la solution correspond l'estimation vraisemblance maximale Grnv du retard a.
DTECTION ET ESTIMATION
461
13.5.5 Evaluer l'erreur quadratique moyenne commise dans le cas de la prdiction linaire
de l'exemple 13.1.20.
13.5.6 Soitzj=a+ni,i=1. ... ,N,avecE[n;]=O, E [ninj]=O et E[nr]=a~.Montrer
que l'estimation linaire optimale G20 du paramtre a ne correspond pas la moyenne
arithmtique des Zj et est biaise.
13.5.7 Soit un signal x(t) dont les valeurs sont connues aux instants t=O et t T.
Dterminer l'quation de l'estimation linaire optimale de x (t) pour 0 < t < T (interpolation linaire).
13.5.8 Soit x (t) := S (t) + Il (t) o Il (t) est un bruit indpendant du signal s (t).
Montrer que le filtre de Wiener causal possde la fonction de rponse frquentielle
Go (f) = 1 [c:I>'J (f)/ ,JI '" (f)} +/'.lt (f)' o 1\lI (f) 12 := c:I>x (f). Montrer e si <P'I (f) =
11 (bru it blanc) et que la puissance du signal est finie, Go (f) = 1-..J 1: T'J/ \fI (f).
13.5.9 Soit x (t) s (t) + Il (t) avec (ps(f) =0.;/ [tl 2 + (21tf?] et CP" (f) = +11. Dans
J'hypothse o 11 (t) est indpendant de s (t), dmontrer que le filtre de Wiener causal
estimant s (t) est un simple filtre passe-bas du premier ordre.
13.5.10 Dterminer l'expression de la variance de l'estimation de la valeur moyenne du
signal binaire transition alatoire ( 5.8.4) effectue par un moyenneur temporel int
grant pendant une dure T.
13.5.11 Soit un signal x (t) dont la densit spectrale de puissance vaut (Px (f) =
+ B- 1 sinc 2 (f/B). Ce signal est intgr pendant une dure T afin d'estimer sa
valeur moyenne Px' Dterminer la variance de l'estimateur x en fonction du produit
B T et valuer le temps d'intgration minimum ncessaire pour obtenir une mesure avec
un rapport signal sur bruit meilleur que 30 dB, lorsque le paramtre B du signal vaut
1 kHz et que le rapport signal sur bruit avant intgration vaut 0 dB.
J.l~o (f)
13.5.12 Soit le mme x(t) qu' l'exercice 135.l1 sur lequel on dsire faire la mme
estimation de valeur moyenne l'aide de prlvements discrets priodiques. Dtermner
la dure d'chantillonnage totale minimale T permettant d'amliorer le rapport signal
sur bruit de la mme quantit que sous 13.5.11:
lorsque la priode d'chantillonnage est telle que les chantillons sont non
corrls (covariance nulle)~
lorsque la priode d'chantillonnage est gale 1/ (2B).
13.5.13 Vrifier les rsultats noncs au paragraphe 13.1.25.
13.5.14 Dmontrer qu'un moyenneur chantillonnage priodique est analogue un
filtre en peigne (rponse frquentielle priodique).
462
13.5.15 Comparer le rsultat thorique idal (13.110) avec celui obtenu en corrlant le
signal observ x (t) avec une suite d'impulsions relles de fOmle g(t) et de mme priodicit T que le signal s (t) il rcuprer.
13.5.16 Un trs faible flux lumineux d'intensit constante doit tre mesur il l'aide d'un
tube photornultiplicateur suivi d'un amplificateur de faible courant (lectromtre). Le
signal de sortie de l'amplifica teur comprend une valeur moyenne Llo = la mV proportionnelle au flux lumineux incident laquelle est additionne le bruit de fond propre
n(t) de l'amplificateur. La densit spectrale de puissance de ce bruit vaut: (I)II(/)==
+17/(1 + rl.lf~) avec le = la Hz et 71 = l V 2 /1-Iz.
Dterminer le rapport signal sur bruit (rapport de la puissance du signal U o celle
du bruit de fond) si la tension de sortie de l'amplificateur est filtre par un filtre passebas idal attnuan t totalement toutes les composantes de frquences suprieures il 0,1 Hz.
Dterminer le rapport signal sur bruit obtenu en interrompant priodiquement le
flux lumineux il l'aide d'un obturateur priodique ralis avec une hlice il quatre pales
tournant il 250 tours par seconde (on supposera que la dure d'ouverture de l'obturateur
est gale il la dure de fermeture) et en faisant suivre ['amplificateur par un dtecteur
synchrone suivi par le mme nItre passe-bas idal. Le dtecteur synchrone doit tre considr comme un circuit assurant la Tllultiplication de la tenson de sortie de l'amplifica
te ur avec une onde carre de rfrence, isochrone avec la fonction d'obturation. dont
l'amplitude vaut 1.
13.5.17 Dterminer le rapport de vraisemblance correspondant la dtection d'enveloppe
d'un signal bruit x (t) Si(t) + Il (t) o s;(t) Ai cos (wot) avec Ao = 0 et Al = A,
dans le cas o l'observation est constitue de N chantillons indpendants et o Po =
Prob (.'1'0)
En dduire le schma-bloc du dtecteur optimum.
+-.
13.5.18 Un systme de dtection (prsence ou absence d'un signal utile) est perturb
par du brut additf gausslen il valeur moyenne nuUe et variance a~. Dterminer la valeur
du seuil de dcision fixant la probabilit de fausse alarme Pr an = 0,05.
13.5.19 Soit une source binaire gnrant alatoirement les signaux 80 = 0 avec une probabilit Po et s 1 A avec une probabilit Pl' La voie de transmission est perturbe par
un bruit Il (t), valeur moyenne nune et densit de probabilit PI! (n) = exp (- 21n 1).
Dterminer en fonction des paramtres A.po et Pl. le seuil de dcision qui minimise
la probabilit d'erreur totale (ou risque moyen). Applic tion numrique: Po 0,8;
PI=0.2;A 3V.
13.5.20 Soit une source binaire gnrant les signaux So = a (absence de signal) et
SI := + A. De plus, la statistique du bruit au niveau du rcepteur varie en fonction de la
prsence ou de l'absence du signal: PIl (111 so) exp (-Il) E (n). Pli dnl s d = (21Ta~rI/2
exp (- +.1l2Ja,~d. En supposant que les coefficients de cot associs aus cas e dcisions
errones sont gaux il 1 (avec Coo = Cil ::::: 0). dfinir le seuil de dcision qui minimise la
probabilit d'erreur maximum. Appliciltion numrique: ail 1 == 11.1 V et A = 6 alli'
13.5.21 Soit un signal radar s(t)=A cos (2iTlot) dtect en prsence de bruit blanc
gaussien 12 (t) de densit spectrale de puissance (Pu (J') = 17/ 2. A la rcepton. ce signal
nf::TECTION ET ESTIMATION
463
traverse un filtre passe-bande idal de largeur B, centr sur fo, puis un dtecteur lin.
aire d'enveloppe. En fixant la probabilit de fausse alarme maximum Pf = aa, dterminer le seuil optimum la sortie du dtecteur. au sens du critre de Neyman-Pearson,
et dterminer la probabilit de dtection en utilisant la tabulation de la fonction de
Marcum Q(a, b), donne la section 15.9. Application numrique: B::;; 400 Hz}> fo,
Tl =0,01 V2 jHz; A 16 V; Pr = n =10- 9
13.5.22 Soit une source gnrant de faon quiprobable les niveaux + Vet - V (signal
antipolaire) auxquels s'ajoute un bruit gaussien valeur moyenne nulle, de variance o~.
Quelle dot tre, en fonction de a~, la puissance du signal mis pour obtenir cl la rception une probabilit d'erreur totale de 10-4 en admettant que les deux cas de dcisions
errones ont la mme importance. Ut1iser les caractristiques oprationnelles du rcepteur( 13.3.15).
13.5.23 Dterminer les fonctions d'autocorrlation des signaux binaires d'nergie
Ws =A 2 T de la figure 13.42 et comparer leurs performances en rsolution.
sdn
S2
(t)
Tl2
0
-:~
SJ (t)
=code de
Barkcr
5 moments
S4
(t)
,-
=squellcc pscudo-ulatoire
A
T
o
-A
TI5
o
-A
Fig. 13.42
13.5.24 La fonction de rponse frquentielle d'un fiJtre compos par la mise en cascade
de filtres Re peut tre donne par l'expression approximative G (f) = exp [- (lrrff j
2
0 ]exp (-j2rrfro). Ce filtre est appel filtre gaussien. Quelle est J'efficacit relative d'un
tel filtre pour la dtection d'une impulsion rectangulaire d'amplitude A et de dure T'?
Quelle doit tre la valeur de J'instant d'chant1lonnage optimum to?
CHAPITRE 14
RSUM DE
THORIE DES PROBABILITS
lim !vIl1Vavec 0
iV-=
<
Prob(A)
<
(14.1 )
= Pro b ( A) + Pro b ( B)
(14.2)
Pro b ( Ai)
=::
Pro b ( Z)
=::
(14.3 )
i= 1
Prob(A U B)
Pro b ( A)
B)
(14.4)
Le terme Prob (A, B) est la probabilite COI/jointe (ou compose) mesurant les
chances de ralisation de l'vnement A n B (A et B au sens de la thorie des ensembles). Si A n B = 0, Prob( A, B) = O.
466
(14.5 )
( 14.6)
(14.7)
(14.8 )
(I 4.9 )
14.2.1 Dfinitions
Une pariable alatoire est une grandeur relle dont la valeur dpend du hasard.
Cette dpendance est exprime par une loi de probablit, communment appele distribu tion.
La distribution d'une variable alatoire x peut tre dfinie soit par sa fonction de
rpartition F(x), soit par sa densit de probabilite p (x) ou, encore, par sa fmctioll
caractristique fI x ( Li).
(14.10)
467
La fonction de rpartition est une fonction non dcroissante de x avec les valeurs
limites
F(- 00)
=0
(14.11 )
et
F(
+ 00) =
(14.11)
= dF(x)jdx
(14.13 )
~O
00
p(x)
= F(oo)
dx
( 14.14)
On passe donc de la densit de probabilit il une valeur de probabilit par intgration. La probabilit d'observer la variable x entre deux limites a et b peut ainsi s'exprimer sous les formes quivalentes
b
Prob(a ~ x ~ b)
F(b)-F(a)
rp(x)dx
(14.15)
li
(14.16 )
_(x) =
0 pour x < 0
1 pour x ::;:;
:::;:; 0
(14.17)
est le saut unit dfini au paragraphe 1.3.3, mais avec valeur unit l'origine.
LLl densit de probabilit d'une V AD est alors exprime par
fI(X)
(14.18)
ail
lj _(x)
( 14.19)
468
p(x) = dF(x)/dx
l'rob (x::!)
1- f - - - - r - - - Prob(x 1)
Prob(x s)
Fig. 14.1
probe x"';;:;.\'}
p(x) =dF(x)/dx
Fig. 14.2
~x/2<)( <x+~x/'2)=
j~f(
lim
N-oo
~x)
(14.20)
p( .\}, LlX) =
M(Xi,~X
~x
(14.11)
469
r-
/
p(Xj. X)
r)'...,~- j~J(Xi'
"-
'\'1
"
x)/N
Fig. 14,3
En subdivisant la totalit du domaine de variation de x en un ensemble d'intervalles juxtaposs et en effectuant pour chaque intervalle une mesure du type ( 14.21 ),
on obtient une estimation globale de la densit de probabilit appele histogramme.
Une bonne estimation [65] implique la fois un nombre d'essais N levs (rduction des fluctuations statistiques de la mesure) et un intervalle x petit (limitation
de l'erreur d'estimation, appele biais, apparaissant en cas d'absence de symtrie locale
de la loip(x) relativement L""i)'
tion conjointe
Prob(x ~x et y
F(x,y)
~y)
(14.22)
a 2 F( x,y)
ax ay
(14.23 )
p(x, y)
0,03537
o
~p(x,y)d.l;d}'::::;: Prob(x E dx.
x
Fig. 14.4 Reprsentation graphique de la fonction p (x.y)
(y - }J.y)2/o.i,1 avec}J.x = 6, a.t
1,5.}J.y = 9. ay :: 3.
(21To X oy
exp 1-
y E dy)
(x - }J.xf/a.~
470
avec
Fxy(
00,
=) ::;
JI
(14.24 )
p(x,y) dx dy ::: 1
-OQ
Si x et y sont des variables discrtes, elles peuvent prendre les valeurs x 11 xl' ... 1
etYt>J'2, ,Yn respectivement. La variable bidimensionnelle peut ainsi prendre
m 11 paires de valeurs (X!>Yl)' ... , (xm,Yn)' On reprsente avantageusement l'ensemble des vnements (x;,),;) et leurs probabilits conjointes correspondantes Prob(xiJ'j)
sous forme de deux matrices ln X Il :
Xm
&
(Xl'Yd
[x,y] ::;
(x"YtI)
(X\'Y2)
Prob (xl,yd
Prob{Xt;J'n)
(14.25 )
(14.26)
(fig. 14.5)
p(X,y) =
Ii Ij
Prob(x;'Yi) (x
-Xj
Y-Yj)
(14.27 )
p(x,y)
t t
t t
Fig. 14.5
VAC
pAx} =
f p(x,y)dy
(14.28 )
Py(y) ::;
f p(x,y)dx
(14.~9
471
VAD
Il
Prob (Xi)
(14.30 )
Prob(xi,)j)
(14.31)
1= 1
Prob(Yj)
Prob (Xi) est gale il. la somme de tous les lments de la ime ligne de la matrice des
probabilits conjointes et Prob (Yi) est gale la somme de tous les lments de la jme
colonne de cette matrice.
Les lois de probabilit conditionnelle correspondantes sont tires de relations
analogues il. (14.5) :
VAC
CD
p(xly)
= p(x,y)/Py(y)
(14.32 )
p(ylx)
p(x,y)jpx(x)
(I 4.33 )
VAD
Prob (xil.Yj)
Prob (Yjl
Xi)
:=
(14.34 )
(14.35 )
= Px(x)' Py(y)
(14.36 )
Dans le cas discret, cette condition s'exprime au Biveau des probabilits selon
(14.9 ), par
(14.37 )
14.2.9 Exemple (V AC)
2 pour 0 ~ x ~ 1 ct 0
o partout ailleurs.
~y ~x
472
Il
-o;~~- -1
\
\
\x=y
Fig. 14.6
Px(x)=
{o
P ( x, y) dy
--;,.,
:lx ;
<x <
partout ailleurs
..,
_L
{
r\: 2 dx =
Px(x,y)dx
xi
1( l -y)
:2 dx
o partout ailleurs
Vrifications:
1
r p(x) dx
o
p y (y) dy =
2 ( 1 - y) dy = (2Y /
{=
.2
)'
--j----------'lr---
Fig. 14.7
p(x,Y)/Py(y)::::
= p(x,y)/Px(x)
1/0
:::: l/x
-y}; 0
<1
et y <x < 1
; O<x<l et O<y<x
473
avec
x
Jp(yl X) dy
fp(xly)dX
)'
p(xly)
1/(\
p(yb:)
y)
1/:>: t - - - - - - - - - ,
Fg.14.8
'*
Px(x) Py(y)
p(xLv)
'*
Px{x) et p{Ylx)
ou
'*
Py tl')
Soit
[Prob(x, y)] -_ [1./9 1/3 0
2/9 1/9 2/9
Il s'ensuit que:
ID
1/3
Prob(xt>
+ 1/9
Prob Lv d
4/9, Prob(X2)
5/9,
1 (vrification);
4/9, Prob (y 3)
+ 4/9 + 2/9
L Prob (Vj)
3/9
[Prob(xly)]
= [ 1/3
2/3
3/4 0)
1/4
9/9
2/9,
1 (vrification)
1/4 3/4 0
., [Prob(ylx)] = [ 1/5 1/5 1/5
'* Prob
ou respectivement que
474
(14.38)
x
11
/lx
E[x]
Hm
N~=
2
;=1
Xi
(14.39)
Prob(xi)
On a, par analogie et de manire gnrale pour une variable alatoire x continue ou discrte
/lx
= E [ )(]
x p(x) dx
(l4.40)
E[f( x)] =
f(x) p(x) dx
(l4.41 )
Dans Je cas d'une variable discrte, cette expression se rduit aprs intgration
E [I( x)] =
(14.42)
Dans le cas d'une variable alatoire bidimensionnelle (xl' X2)' la valeur moyenne
statistique d'une fonction [( xl' X2) est donne par
ff""
E[f(Xt,x2)]
f(Xl,X2) P(Xt,X2)
dXI
(l4.43 )
dX2
E [f(
Xl, X2 ) ]
(14.44 )
/lz
E[ z]
""
-QO
JL (x + y) P ( x , y)
x Px(x) dx
dx dy
"'"
-00
y py(y) dy
/lx
/l)'
(14.45 )
475
Er xrl]
00
X'I
(14.47)
p(x) dx
-DO
Xl p(x) dx
(14.48 )
"2i xl
(14.49 )
Prob (x;)
f (x "'"
mX-IJ..tl
E [ ( x - Px)" ]
}.(.c)n p(x) dx
(14.50)
-CCl
a;
(x - Px) 2 p(x) dx
(14.51)
(14.52 )
476
La racine carre de la variance, (Jx, est appele l'cart-type (ou dviation standard). C'est une mesure de la dispersion des valeurs de x autour de ]a valeur moyenne
f.J.x (fig. 14.9).
p(x)
o
Fig. 14.9
_:2
(Jx
1nx :2 -
+ f.J.x:2
(14.53 )
(14.54 )
Ainsi, quelle que soit la densit de probabilit p(x), la probabilit que x prenne une
valeur comprise dans J'intervalle [J.l.x E, f.J.x + E] est proche de l'unit pour autant
que (Jx ~ E.
J JI
E[}{ y]
II I
i
Cxy=EI(x
x y p( x , y) dx dy
(VAC)
(14.55 )
Xi
Yi Prob
(Xi'
Fi)
(VAD)
_J JI (x-px)(rpy)p(x,y)dxdy
1l.xJ(y-f.J.y)] - ,
~4
-f.J. x ) (Yj- f.J.y) Prob {Xi, y})
(Xi
(VAC)
(VAD)
(l4.56)
(l4.57 )
477
=0
et RxJ'
(14.58)
/1x /1)'
avec
(14.59 )
Ux 0.1'
Les variables x et y sont dites 110/1 corrles si Pxy = O. Elles sont totalement cor
rles si Ipxy 1 = 1. Les variables )( et y sont alors lies par une relation linaire. Le coefficient de corrlation est une mesure de ressemblance entre x et y.
u;
a;
CI 4.46),
:;;
a~
+ a;' + 2 Cx )'
(14.60)
(14.61)
D'une manire gnrale, la variance d'une somme de variables
dantes est gale la somme des J1arianees :
Xl' .. Kn
indpen-
Il
U_.
~
\.~
(14.62)
= L
1=1
= E[exp(jux)]
==
(14.63 )
478
En posant
Li
nx
p(x) = F{Ilx{v)} =
(li) ex p (- j Li x) du 1( 27T )
(14.65 )
+ )' y) ] }
-00
(jU)k E[x
k]
(14.67 )
k!
Si Ilx(u) est drivable il l'origine, on peut ainsi calculer les diffrents moments
par la relation
_ . _ k d k rIx (li)
(14.68 )
11lx.k = E [ X k] - J
k
du
u=O
..,
:: l
j{k+/) li/Cpt
k=O 1=0
= 1
j(Ullx
E[xky/]
k! /1
l
2
1'1l)')-"2 (u m x 2
+
(14.69)
et
(14.70)
u=v=O
a nXy (u,p)1
au al'
U=II=O
(14.71)
p(x) = po(x-a)
+ (l-p)o(x-b)
479
( 14.72)
avec
/lx = ap +b( 1 -p)
(14.73)
a~
(14.74)
= p(l-p)(b
a)2
p(x)
I-p
p
Fig. 14.10
Prob(k,17)
(14.75)
avec la notation
11 )
(
,k
11!
k!(n
k)!
(14.76 )
p(x) =
Prob (k , Il) 8( x - k)
(14.77)
avec
(14.78)
np
IIp( 1
p}
(14.79)
480
d T
(14.80)
et
Prob(O, dT)
( 14.81 )
et
Prob(O, T + dT)
Prob(O~
T) Prob(O, dT)
(14.83 )
= [Pro b (N -
1, T) - Pro b (N, T) ]
(14.84 )
ct
d Prob(O, T)/dT = [Prob(O. T + dT) - Prob(O. T)]/dT
(14.85 )
= - Prob(O, T)
(14.86 )
T)
(14.87 )
Prob (N, 7)
( T)N
exp ( -
T)
N!
Jl
N!
exp(
Jl)
(14.88 )
= T
Prob(O,z)Prob(l,dz) = exp(-z)' dz
(14.89)
d'o
p(z) = exp(-z);
Z ~O
( 14.90)
Prob(N,
481
/J)
0,5
\
\
\
\
10
'.A-~~---1--l'::":'-.... - - - - - - - - - - - - - - -
.....;..J"...........L-..l...-.J..::;"'- _________________ __ _
Fig. t4.11 Reprsentation graphique de la distribution de Poisson: Prob (N :f.1.) = pN exp (-li)/N!.
avec
11= = -
(14.91 )
et
(14.92)
C'est une distribution exponentielle (fig. 14.12). La distribution exponentielle paire
exp (- Iz 1) est parfois appel laplacienne.
p(: )
=
Fig. 14.12
p{x)
avec
Px
cr;
(b-a)-l rect{[x-1-(a+b)]/(b-a)}
(14.93)
= 1- (a + b)
(14.94 )
= (b -a)2/11
(14.95)
482
p(x)
l/(b - a)
il
Fig. 14.13
Une variable alatoire continue de valeur moyenne Px et variance G.~ est distributioll normale (ou gaussienne) si sa densit de probabilit Cgt du type (fig. 14.14)
p(x)
}'7T ax
(14.96 )
exp
p(x)
o
Fig. 14.14
n(u) = exp(jpx u
TU.l..ll
2)
(14.97 )
p( x, y)
1
1
21fax Gy}
t - Pl.v
exp {
- 1
[ ( x - Px ) 2
2 ( l - p}y)
a;
_~_ _ _--::.-) +
."
Gy
(Y_:y
)2]}
(I 4.98)
Gy
483
p( x 1y) ==
0xIY
exp [ _ (x -
V2'7T
)2
(14.99 )
20;1)'
}lx 1)'
'1
(14.101 )
xly
(14.102)
o x == (x l' x2' ... , XIl ) est un vecteur alatoire gaussien Il dimensions, (x - Px) est
un vecteur ligne, (x - Px) T est le mme vecteur transpos et c.y. est la matrice de covariance:
cx
==
O~l
.:
CXl1Xt
, ,
.. '.
'.
(14.103)
"
XlI
(14.104 )
En raison de sa trs grande importance, la distribu tian de Gauss est tab ule dans
la littrature spcialise sous forme normalise (loi normale rdu.ite) , obtenue en introduisant la variable centre rduite:
(14.105)
donnant:
p( z ) =
12 "
exp [ _
l ]
(14.106)
t(2n
ig
(z)
V21T
(14,107)
484
=v':fU) :
complment (avec z
1
!l
1 exp( - a 2 ) da
-,,'1T
-
erf( li)
2F(z) - 1
( 14.108)
2Fc (r)
erfe (u)
Il x ::::
a.JiiTi
(l4.110)
(xla2)exp(-tx2Ia2)e(x)
avec
(14.111 )
a; = a2(2-rr/2}~
mx 2
(14.112)
p(x)
C- II ::!cr- 1
=0.61
0- 1
(10)-1
cr
Fig. 14.15
m/2
r ( ln 12 )
X,211 (mp-l)
exp( -X,2n/ 2 )
( 41 3)
1 . 1
o
co
r( Il) =
/1-1
exp () d
(14.114 )
=...;:rr;
485
XI;}
I xT
i= 1
(J 4.115)
CHAPITRE 15
FORMULAIRE
ET TABLES DE RFRENCES
15.1 FORMULAIRE
15 J.1 Prambule
Une slection des principales formules utilises dans cet ouvrage et gnralement
repres par un numro en chiffres gras est reproduite ci-aprs. Elles sont groupes par
thme et sont indiques avec leur numro d'origine.
La section 15.2 est consacre au rappel des identits trigonomtriques usuelles. Les
relations relatives la transformation de Fourier et ses proprits font l'objet de la section 15.3.
Une table illustre des principales transformes de Fourier est reproduite la
section 15.4.
J x(t)5(r-to )dt
xUo) =
(L36)
* 5 (t) = x (t)
x(t)*5(t-to) = x{t-to)
(l.4 7)
x (t)
x (t
td
'" 5 (t - t:2)
5(t-td*5(t
t2)
= X (t
(1,48)
t 1 - t:2 )
= 5(t-tl -t:d
5(at) = lal-ta(t)
(J .49)
(1.50 )
(1.51)
1
X = Hm
T .... oo T
T/2
xU)dt
'
(1.30)
-TJ 2
TJ2
XII
= hm
T .... """
li'x
x 'J (t) dt
(5.17)
-Tf2
Jx2(t)dt
CL!] )
488
Tf2
lim T
T ... '"
(2.12)
x 2 (t) dt
TI2
d(x,y)
j'"
(3.9)
"
IIxll
(3.8 )
[j'IX(t)I'dt]'"
1
t1
J x(t)y*(t)dt
>
< x,]I*
(3.12)
tl
.. Ingalit de Schwarz
l<x,)'*>1 2
~ <x,x*>'<y,y*>
<;; /
1x (t) 12 dt
(3.20)
j' 1)'
(t) l' dt
(3.21 )
tl
Cl
Condition d'orthogonalit
t2
J x(t)y*(t)dt =
(3.15 )
CI
Dveloppement orthogonal
x(t)
(3.50)
Cikt/J/c(t)
k=l
(3.43)
k=1
ICiJcl2
tl
'''k
IWk(t)1 dt
(3.44 )
(3.49)
f(x)p(x)dx
(14.41 )
489
(5.18)
Px
E[x] =
(14.40)
xp(x)dx
(J 4.48)
(14.51)
(14.53)
Densits de probabilit
""
p (x,y)dy
(14.28)
p (x, y) d x
(14.29)
p(xly)
p(x,y)lpy(Y,Y
(14.32)
p(ylx)
p(x,y)IPx(i)
(14.33)
Px (x)
CIO
Py (y)
Tf2
LPx(T)
=x
x(t)x(t+1')dt
Cx(r)
Rx(r) = Rx(-T)
Rx (0)
Rxy(r)
CXy(r)
Ipxy(r)1
(5.68)
E [Xl Y2]
Jf
XtY2
(5.169)
(5.1 71)
(T)/(u x ay)
~
(5.161)
(5.165)
r)
E[(Xt-PX)(Y2-Py)] = Rxy(r)-pxpy
Pxy(T)
(5.63)
(5.65)
+ p~
(5.58)
-Tf2
(5.174)
Signaux indpendants
Pxy (x,y)
Cxy(T)
(533)
Px (x) Py (y)
Cyx(r)
Pxy(T)
=0
(5.175)
490
+y
(5.182)
adapt de
(5.189) et
(5.190)
Cz(r) =
par (5.63)
+ Ry (T) + 2Jl x Jl y
(5.198)
(5.199)
Binomiale
G)pk(I-P)"-k
(14.75)
Poisson
Prob (N, T)
( r)N
N!
JlN
exp (- r) :;:: exp (- Jl)
N!
(I4.88)
.. Gauss
(14.96)
p (x,y) ::;
21Ta x a y v'1-p;yex
l -)
[(X- Jl x )2
2(1_p2XY )
_ 2Pxy(x-Jlx)(Y-Jly )
axa y
ai
+ (y-~y)2ll
ay
(14.98)
.. Rayleigh
p (x) = (x/a 2 ) exp (- +x 2/a 2 ) E(X)
(14.110)
=t
17
1
pour 1fi
<
co
= -4-17 o(r)
(5.151)
(5.152)
.. Bruit thermique
Pth
::;
kTB
a~o
= 4 kTRB
(6.4)
(6.13)
491
., Bruit de grenaille
= :2 e10B
a;g
41)
(6.33)
F3
= FI + -2 - + - - + ... +
Fm -}
(6.58)
G 1 Gz
G1
i=1
+ jx(t)
x (t)
(7.5)
JCI" x (r)
v I l
x(t)
~*x(t)
Tit
=- -
x (t)
=1T
_~
...
* x (t)
Tit
-dr
t-r
_CIO
Ti
_=
x(r) dr
(7.9)
(7.11)
t-r
(7.40)
(7.41 )
2CP;(f)
(7.44)
r(t) = ~(t)exp(-jwot)
(7.80)
~(t)
! (t)
x (t)
a (t)
+ j b (t)
(7.8I)
(7.86)
= a(t)cos(wot)-bU)sin(wot)
cp.'( (f)
cp r (f)
-
(7.88)
(7.89)
= x(t) *g(t) =
= X (f)' G (f)
= 'Px(r) * tPg(r)
y (f)
lPy(r)
tp.~J'(r) = IPx(r)
f.J. x
(8.12)
(8.14)
(8.22)
* g(r)
= Wx (f) 1G (f) 1
r:I>xy (f) = q>x (f)' G (f)
CPy (f)
f.J.y
x(r)g(t-r)dr
(8.23)
2
J g(t)dt = f.J.xG(O)
(8.24 )
(8.25)
(837)
492
(8.38)
x(t)::::;
x(kTe)sinc[(t/Te )
k]
(9.29)
k=-=
2BT
(9.38)
x(k) =N- 1
ko+N-l
X(Il)W~k+-:;.X(n) =
,1=-N/2
k=ko
x(k)WNnk
WN ~ exp(j2rrIN)
(9.49)
(9.48)
a2
fl2
~-
(10.16)
12
(8.100)
t cos (a - ~) - t
1
cos (a +13)
1
Tcos(a-{J)+ Tcos(+p)
t sin (a - 13)
cos sin ~ ::.:; t sin ( + 13) - t sin (a -13)
sin a cos f3
= 1- sin (a + (3) +
~)/2]
493
coso:+cos~
= 2cos[(0:+tJ)/2]cos[(0:-~)/2]
sin 0:
cos~+
cos 0: sintl
~)
cos (0:
sn (0: -
{3)
Elvation au carr
sin 20:
2
cos 0:
co s 7. 0:) /.2
(l
(I +cos20:)/2
.. Relations exponentielles
exp (j QI)
sin 0:
cos QI + j sin QI
exp (j 0:) - exp (2j
coso:
0:
1
0:
0:
/3 ! +
0; S
/5 ! - 0: 7/7 ! + .. .
/2 ! + 0: /4! 4
0:
/6!
+ .. .
Domaine temporel
Domaine frquentiel
transformation
directe
x(t)
x (f) =
transformaton
inverse
x{t)=
conjugason complexe
x (t) c-j21tft dt
+""
X{f)ej2trftdf
\ JI (t) = x .. (t)
X{f}
Y(f) =X (- f)
(continue)
494
Domaine temporel
Domaine frquentiel
rabattement autour
de l'axe t = 0
y (1) = x (- t)
Y(f)
y (f)
multiplication de
la variable par une
constante > 0
y (t)::: x (at)
a > 1 acclration
o< a < l
complexe
rel
X(- f)
X (- f) '" X'" (f)
Y(f)= 1
101
ralenti~sement
x(L)
a
translaton
temporelle
(thorme du retard)
translation
frquentielle
(changement
defrquencc)
modulation
(t)
=x
(t). cos
y (f) = X (f - 10 )
2rrf" t
df/
drivation
Y (t)::: -
intgration
y(t)=
(t)
dt n
y (f)
(j2rrf)tl X(f>
Y(f)=
1 X(f)+.!.X(O)O(f)
j'2rrj'
2
J x(u)du
avec
symtrie
y (t) = XU)
superposition
z (t)
multiplication
z(t)=x(t)'y(t)
ax (C) + by (1)
X(O)
(t) dt
Y(f)
x (-
Z (f)
aX(f)
+ bY (f)
L,
convolution
z (t) x
XCfn) Y(f-/o)dfo
+=
J x (T) Y (t -
corrlation
T) dT
+00
~xy(T)
=_1
x*(t)y (t + T) dt
~Xy(f)
X*(f) Y(n
+=
o
'Pxy(O)
_<XI
Y(f)
dl
+""
aUlOcorrlation et
densit spectrale
d'nergie
~X(T)=
identit de
W~=~.'\:(O)=
Parscval
COQ
x '* (r)y(t) dt
J
_co
x" (t)x (t
+ T) dt
=X"'(-T)*'\:(T)
+"'"
+00
Ix(t)I~dt
W~;;;;;
IX(f) I~ df
495
Domaine temporel
corrlation
.,0\:\,(,)
autocorrlation
et densit spectrale
de puissance
;.oX(7)= hm
x
.
T~= T - Tf2
-.
1
== Hm -
1 TI2
-f
(t)x(r+T)dl
identit de
Parscval
Domaine frquentiel
Domaine temporel
(1) ==
x (t + T)
-= rCPT[x(t, n) =
x(t, T} '"
""
-= l:
o.. (t)
X eju21Tf, r
1/::::-=
.
1
-= X(j, Tl T fi lITU)
avec
1
-f
avec
y (t) = x (ar)
translation
temporelle
(thorme du retard)
y(r)=x(t-,)
driyation
XUn
dU
dl ll
t
.V(t)=!1X/ x(u)du
=_"K_11_
Y
1/
,'_
Sl
convolution
=Il/I'T)
v(t}=--x(t)
intgration
.
x(t)c-JIl2rrf,tdt
to
T
multiplcation de
la varable par
une constante
to+T
(Il 0:;6
j1l2rrj;
Dl
tu+ T
x =~~ 0 = - f
T to
x (t) d t -= 0
:(I)=x(1)*Y(l)
ZII=X""YIl
1 fil +T
X(T)l'(t-T)dT
=-f
T
t()
avec x (l)
=x (t + Tl ct
Y)=y(r+Tl
(cam/nue)
496
Domaine temporel
corrlation
IPxy{r)
Tf
Domaine frquentiel
10 +T
X*(t)y(t
+ r)dt
(ll;"y(f)=
to
""
X,~
::::X*(-.}*yCT}
Y"o (f -
11ft)
11=-00
avec x(t)
y{r)
autocorrlation
ct densit spectrale
de puissance
x{t+T) ct
IPx{T)
=Tf
to +T
to
=x*(-.)
x (t)x (t
+ T) dt
!l'x (f)
*' X(T)
identit de
Parscval
"'"
=1/=-1Xl
L IXIII~ O(f -n!;}
1
avec q)x(f,T)
=repTrT-l~x(, T)]
et
avec 1;
y(r+T)
= IX(f, TW
X*(-T,T)*x(r,T)
1 to+T
Px.,...x
='" ()=-f
Ix(t)I'1dt
T
To
""
1:
1/=-""
lXnll
Domaine temporel
Domaine frquentiel
corrlation
thorme de
Wiener-Khintchine
RX(T)
= E Ix*(t))( (t + Tl]
[!';t;{f)= F{Rx(r)}
T .."'"
(priodogmmme)
identit de
Parscval
Px =Rx(O)
= E lx"]
cr.~
+ Jll
=!:X 2p(X)dX
497
X(f)
x (1)
rcct (riT)
IXCI)I
T sin (1Tf T)
1TfT
~.
= Tsinc (fT)
o TI2
- T/:'
impulsion rectangulaire
o T- 1
tri (tlT)
T sine'" (fT)
Al
Do
TOT
impulsion triangulaire
1'-1
al(2;r}
..
0+j21Tf
1/11
a"1
+ (21Tf)l
1
- lIa
lIa
double exponentielle
ig (t) =
-1
ig (f) = c-1Tfl
a1C21i )
A-
-1
impulsion gaussienne
o
sinusode amortie
a+j21Tf
(0 + j211'f)~
+
)2
o
cosinusode amortie
A~:,
A
)j~1
- - - ' - - - - r - - - - t - I-~..
-
- Jo
Jo = ]'-1
(continue)
498
XU)
x(t}
(0
+ j2 rrf) (b + j 2 rrfl
b ,-'
/I~f
o
cos (21TJ~ t) fee! (tll:i)
II
{sine III (f + 10 )}
2
+ sine [l:i U - 10 ) 1 }
impulsion cosinusodalc
,
lit
' ,~J21T
'\I l l :
1t 1!1t 1111 f
2T
1 ..
signal priodique
COS
(11Tfn t)
1.
ro(f+/o)+l(f-fn)J
~t
- j;1
signal cosinusodal
sin (21TJ;,t)
"2
1t
j~
=1'-1
o(f-j~)J
[0([+.1;1)
tt
ft
- 10
signal sinuso'dal
A rep T [1 rcet (2t/ T)
- rcct (t/ TJ)
L X l1 o(f-II/T)
1/
avec
onde carre
XI!
=:
o r-
J I,;~ Il
pour
Il
l, 5 . ,.
{-
pour Il
=i
3 .!: 7.. ,
1T1l
0 pour
11
..
nul ou pair
(CO/ll1/UC)
499
x(r)
~A 0 ...
0 tAOtA
l
"
AA sine (n AI T)
-T
IX(!)I
liU-nT)
IX)
1 . -r
-Tn"ao
0Cl
f:j
f-!!..
-T 0
peigne de Dirac
e j2rrj~ [
o(f-f~)
Re
-1
-j
..
f
J~
o (t)
..
impulsion unit (Dirac)
dI)
-1 El ( j" )
t
Do
~ It"--~
o
saul unit
-#
sgn(t}:::: _1
l i t1
jtrf
-1
JI,,--~
o
fonction signe
Kli(f)
..
f
conslante
500
Autocorrlation
Spectre
X(l)
'P.-(T)
JCb; (f)
sinusode
Densit de
probabilit
Fonction de
rpartition
p (x)
F(x)
-blLk
-A
onde
carre
suite
d'impul-
..
onde
tnanguhmc
-A
-;1
;\l('r-4.d}
.d
O'I/T
-ri
Il.d
-A
.-1
O.d
r+:-:
.-1
III [;
'.
x
~
-A
l'
p..l~/3
0 -1-'\---1-'-_....
-.-ll/J
~
T
oA
_A
J-Tf,
-A
onde
en dents
de scie
~'~ ~ l 1
-~
rectangulacs
,1
p l JI
_Al
.' 1
siam
A~~
r
0+-1-+--+---A
o 111'
.F/3~
I T
- .P/6
T
p:lrilbole
-II
3/1' sIr
dcroissancc
en II!
;j
~Ar'l
,f
x
- A
,1
It/l
~
-A 0 A
bruit
gaussien
Li large
bande
bruit
gaussien
filtr
(largeur de
bande B)
sinusoidc
bruit
gaussien
-o'ltlt:::.~~'i
~
-!.\,,;.
~
V,",
-.1
signal
binaire
pscudoalatoire
a;
..t
-I---I--r--f-l---
,..1<
.. -A!/j,/T
l'----J....-l_ ;
o
A~
~T
liT
L
0
Il.d
A, i
JiL k
0;'
~.~~
='---'
-A
- A 0 A
f
'2)fl
t 1t
-A
..1
- A
CC'
-A
'
..
SOI
sine (0:)
1,0
0,8
"\
0,6
1\
\
\
0,2
-'
0.2
1\
0,4 --,-
rra:
..
\1
_~S~
0,5
-1-
"1/
sm rra:
0,8
0,6
..,-~
3"-..3-,-~
4,5
---
sine ~ (a:) =
1,0
~v:f"
2,5
/i2
ira:
-\\
0,4
c---
0,2
..,\
,
\
1\
\.. ,--
I,S
0,5
a:
--
2,5
3,5
4,5
sine (0')
sinc~ (0')
3.50
3.55
3.60
3.65
3.70
-0.090946
-0,088561
-0.OB4092
-0.0777oa
-0.059599
O.00B271
0.007B43
0.007071
0.005038
0.0041344
0.000000
O. 000590
0.002194
0.004518
0.007233
3.75
3.80
3.85
3.90
3.95
-0,050021
-0.049235
-0.037535
-0.025221
-0.012605
0.003603
0.002424
0,001409
0.000635
0.000159
0.100035
0.111964
0.120S89
0.126139
O. 120323
0.010007
0.012536
0.0145&6
0.015911
0.016467
4.00
4.05
4.10
4.15
4.20
0.000000
0.012295
0.023991
O. 034822
0.044547
0.000000
O.OOOISI
O. 000576
O.00121a
D.01ll9S4
2.50
2,55
2.60
2.65
2.70
0.127324
0.123291
0, 116~35
0,107025
0,095377
0.016211
0.015201
0,013557
0.011454
0.009097
4.25
4.30
4.35
4.40
4.45
0.052960
0.059808
0.065199
0.06BB02
0.070650
0.002005
O,003S07
0.004251
0.004734
0.004991
0.000000
0.002249
0.007995
0,015791
0.024309
2.7S
2.00
2. es
2.90
2.95
0.OB1847
0.066821
0.050705
0.0339111
0.016880
0.006699
0.004465
0.002571
0.001150
0.000295
4.50
4.55
4.60
4.65
4.70
0.070736
0.069097
O. 065BI 1
0.060993
0.054791
0.005004
0,004774
0.004331
0.00:1720
0.003002
-0.180063
-0,198091
-0.210086
-0.216236
-o. 21S821
0.032423
0.039240
0.044136
0.046759
0.047011
3,00
3,05
3,10
3.15
3.20
-0.000000
-0.016326
-0.031730
-0.045876
-0.059468
0.000000
0.000267
0.001007
0.002105
0.003419
4.75
4, BO
4. Bs
4.90
4.95
0.047385
0.ose979
0.029796
0.020074
0,010060
0.002245
0.001519
O.OOOBIiS
0.000403
0.000101
-0.212207
-0.202933
-0,189207
-0.17H:J99
-Il. 151481
0.045032
0.041141
0.035799
0,029546
0,022947
3.25
3.30
3.35
3.40
3.45
-0.069255
':0.078035
-0.084662
-0.099038
-O,09112e
0,004795
0.006090
0.007160
Il. 007928
0.000304
5. 00
-0,000000
O. DODIlOO
0'
sine (0')
sine' (0')
0:
0,00
0,05
0,10
0.15
0.20
1.000000
0.995B93
0.983632
O.95339B
0.935489
1,000000
0.991B02
Il. 957531
0.926135
0.875140
1.7S
1, BD
1.85
1.90
1.95
0.25
0.30
o. as
0.40
0.45
0.900315
0.95B394
0.910332
0,756827
0.698547
0.810569
0.736840
0.6S663B
0.572787
0.4ge107
0.50
0.55
0.60
0.65
0.70
0.636620
0.571620
0.504551
0.436333
0.367983
0.75
O. BD
0.85
0.90
0.95
sinc (0:)
sinc' (0')
0'
-0.128617
-0.103943
-0.0713113
-0.051770
-0.025535
0.016542
0.0101304
0.005102
D.0025BO
0.000652
2.00
2. OS
2. ID
2.15
2.20
0.000000
0.024290
0.046840
0.067214
0.095044
0.405295
0.326749
0,254572
O. 190a96
0.135339
2.25
2.30
2.35
2.40
2.45
0.300105
0.233972
0.170011
0.109292
0.052415
0.090053
0.054595
0,028904
0,011945
0.002747
1.00
1.05
1.10
1.15
1.20
~O. 000000
-0.047423
-0.099421
-0,125661
-o. 155!115
1.25
1,30
1.35
1.40
1.45
l,50
1.55
1.50
1.65
1.70
502
La fonction de Bessel de premire espce et d'ordre n entier J/l (x) est l'une des
solutons particulires de I"quation diffrentielle de Bessel [88]:
(15.1 )
La reprsentation intgrale de J/I (x) est donne par:
1
1,1(X) = rr
o
J cos(xsinO-110)dO
=-
1T
(15.2)
1T
2rr
exp(jxsinO -nO)dO
-7l'
JIl(:x) =
(~_. )11+2 k
(_1)"
k=O
k! (n+k)!
(15.3)
On a galement la relation
(15.4)
L J k(X)cosC.2kO)
2
05.5)
k=1
.2
sn(xsinO)
J 2k +dx)sin[(2k+l)O]
(15.6 )
k=O
exp(jxsinO)
(15.7)
'/=-=
avec, en posant
(J
= 0:
( 15.8)
L'volution des fonctins 1" (x) en fonction de J'argument x pour /1 compris entre
figure J 5.1. La figure 15.2 donne la suite des amplitudes obtenues en fonction de l'ordre Il pour quelques valeurs constantes de l'argument.
o et 4 est reprsente la
503
J/I(x)
1,0
0,8
0,6
0,4
0,2
x
15
0
0,2
0,4
Fig. 15.1
l:~(O.,)
o
..
11
1"
j
10
Il
12
13
14
15
...
1_<:(~.5)
o
l ',-
1I~~,~::_
o
t r~2
Il
.,
6
'"1
..,
10
Il
12
13
14
15
...
11
liIiI
10
11
11
13
14
15
!O
Il
12
13
14
15
10
11
12
13
14
15
10
Il
12
13
14
15
J 1I ('2)
O,S
Il
0 ,5
1
J n (3)
J
0
-0,2
0,2
Il
1//[ r-r-- r -~
~-
012l_
1,/2
JI
l:-
0,2
ilia
---
11
15
0.2
Fig. 15.2
504
p(x) =
exp
[(X-J1.x)2]
- ---
. /,
V.;.1Ta x
(I 5.9)
_a x
et son intgrale F (x) sont ramenes une forme normalise en effectuant le changement
de varable
(15.10)
"exp(-;-z')
(15.1])
J=
(15.12)
p(z')dz'
Fc(Z}
1--
10- 1
10- 2
10-:>
10- 4
IO- s
10-
pc:' )
" "J!\.,
i'..
l
!
10-7
1\
1
1
10- 8
1\
10- 9
10-IG
1\
\1
Fc(Z)
-'
a
Fig. 15.3
10- 11
~ =
..J.
Fig. 15.4
505
Fc(z)
l-F(z)
p (z)
F{:)
Fc(z)= L-F{z)
p (z)
D. ClD
0.01
0.02
0.03
0.04
0.50000
0.5D3!l9
0.50798
0.51197
O. S159S
0.50000
0.49601
0.49202
0.48803
0.48405
0.39894
0.39892
0.39886
0.39976
0.39862
0.70
0.71
0.72
0.73
0.74
0.75804
0.76115
0.76424
0.76730
0.77035
0.2419B
0.23885
0.23576
0.23270
0.22955
0.31225
0.31006
0.30785
Q.30563
0.30339
0.05
0.05
0.07
0.08
0.09
0.51994
0.52392
0.52790
0.53188
0.53585
D.48006
0.47608
D,47210
D.46812
0.46414
O.
O.
0,
0,
O.
0.75
0,75
0.77
0.78
0.79
0.77337
0,77637
0.77935
0.782:30
0.78524
D.22663
0.22363
0.22065
0.21770
0.21476
0.30114
0.29887
0.29559
0.29431
0.29200
0.10
0.11
0.12
0.13
0.14
0.53983
0.54390
0.54776
0.55172
0.55567
0.46017
0.45620
0.45224
0.44828
0.44433
0.39595
0.39554
0.39609
0.39559
0.39505
0.80
0.81
0.52
0.83
0.84
0.78S14
0.79103
0.79389
0.79673
0.79955
0.21186
0.20897
0.20611
0.20327
0.20045
0.28969
0.28737
Cl. 28504
0.28269
a.28034
O,IS
0.16
0.17
O. lB
0,19
0.55962
0.56355
D.56749
0.57142
0.57535
0.44038
0.43544
0.43251
D.42858
0.42465
0.39448
0.39387
0.39322
0.39253
0.39181
0.85
0.86
0.87
0.89
0.89
0,80234
O. B0511
O.B078S
0.810S7
0.81327
0.19766
o. 19489
o. 19215
0.18943
0.18673
0.27798
0.27562
0.27324
0.27086
0.26848
0.20
0.21
0.22
0.23
a.24
0.57926
0.58317
D.5B706
0.S90!l5
0.59483
0,42074
0,41683
0.41294
0.40905
0.40517
0.39104
0.39024
0.38940
0.38853
0.38762
0.90
0.91
0.92
0.93
0.94
0.91594
0.91859
D.82121
0.82381
0.82639
0.19406
0,19141
0.17879
0.17619
D.173f.H
O.
O.
O.
O.
0.2S647
a.25
D.26
0.27
0.28
0.29
0.59871
0.60257
0,60642
0,61026
0,61409
O .<10129
0.39743
0.39358
0.38974
0.38591
0.38667
0.38568
0,38466
0,38361
0,38251
0,95
0.96
0.97
O. SB
0.99
0,82894
0.83147
0.83398
0.83646
O.838S1
O. 17106
0.15853
0.16602
0.16354
0.16109
0.25406
0.25164
0.24923
0.24681
Cl. 24439
0.30
0.31
0.32
0.33
0.34
O,6l791
0.62172
0.62552
0.62930
0.53307
0.3820S
D.37828
D.37.oMB
0.37070
0.36693
0,38139
0.38023
D.37903
0.37780
0.37654
1.00
1,01
1.02
1.03
1.04
0.84134
0.84375
0.84614
0.84849
0.85083
0.15866
0.15G25
0.15385
0.15151
0.14917
0.24197
0.23955
0.23713
0.23471
0.23230
0.35
0,36
0,37
0.38
0.39
0.63683
0.64058
0.64431
0.54803
0.65173
0.36317
il. 35569
0.35197
0.34827
0.37524
0,37391
0.37255
0.37115
0,36973
1.05
1.06
1.07
1. CS
1.0!]
0.85314
0.85543
0.85759
0.85993
0.85214
0.14685
0.14457
0.14231
0.14007
D.13786
0.22988
0.22747
0.22506
0.22265
0.22025
0.40
0.41
0.42
0.43
0.44
0.65542
0.65910
0.66276
0.66640
0,67003
0.34458
0,34090
0,33724
0,33360
0.32997
0.35827
0.35578
0.35526
0.36371
0.36213
1.10
1.11
1.12
1.13
1. 14
0.86433
0.86650
0.86864
0.81075
0.87286
0.13557
0.13350
0.13135
0.12924
0.12714
0,21785
O. 215~6
0,21307
0,21069
0,20831
0.45
0.46
0.41
0.49
0.49
0.67364
0.67724
0.68082
0.6B439
0.68793
0.32636
0.32276
Cl. 31918
0.31551
0.31201
0.35053
0.35869
0.35723
0,35553
0,35381
1. 15
1. 16
1.17
1.18
1,19
0.87493
0.87598
0.87900
0.88100
0.88298
O. 12507
0.12302
0.12100
0.11900
0.11702
0.20594
0.20357
0.20121
0.19B86
0.19652
0.50
0.51
0.52
0.53
0.54
0.59145
0.69497
0.59847
0.70194
0.70540
0.30854
0.30503
0.30153
0.29806
0.29460
0.35207
0.35029
0.34849
0.34667
0.34482
1.20
1.21
1.22
1.23
1.24
0.88493
0.88686
0,88877
0.89065
0.89251
0,
O.
0,
0,
0,10749
0.19419
0.19185
0.18954
O,IB724
O. IB494
0.55
0.56
0.57
o. SB
0.59
0.70884
0.71226
0.7iS5G
0.7H104
0.72240
0.29116
0.28774
0.28434
0.28096
0.27760
0.34294
0.34105
0.33912
0.33718
0.33521
1.2S
1.26
1. 27
1.28
1.29
0.894.35
0.89617
0.89796
0.8997.3
0.90147
0.10555
0.10383
0.10204
0.la027
0.09853
0.lB255
O. 18037
0.17810
0.17585
0.17360
0.50
0.61
0.52
0.53
0.54
O.
O.
0.27425
0,27093
0.25763
0.26435
0.26109
0.33322
0.33121
0.32918
D.32713
0.32505
1.30
1,31
1 .32
1.33
1,34
0.90320
D.90490
0.90658
0.90824
0.90988
0.09580
0.oe510
0.09342
0.09175
0.09012
0.17137
0,16915
0,15694
0.16474
0.16255
0.65
0.65
0.67
0.68
0.1S9
0.74215
O. ?A537
0.74957
0,75175
0.75490
O.
O .'32297
0.32086
0.31874
0.31659
0.31443
1.35
0.91149
0.91309
0.91465
0.91621
0.91774
0.09B51
0.08691
0,09534
0.09379
0.08226
O.
O.
O.
o.
O.
O.
O.
O.
0.~5942
O.
O.
O.
O.
1. 36
1.37
1.38
1.39
506
p (z)
F(z)
1.40
1. 41
L 42
1.43
1.44
0.91924
0.92073
0.92220
0.92364
0.92507
0.08075
0.07927
0.07780
O. D7635
O. D7493
0.14973
0.14764
O.145S6
0.14350
0.14146
2.10
2.11
2.12
2,13
2.14
0.98214
0.98257
Q.98300
0.98341
0.98382
O.0178S
0.01743
0.01700
0.01659
0.01619
0.04398
0.04307
0.04217
0.04129
O,04D41
1. 45
1. 45
l.oH
1,48
1.49
0,92647
0.92785
0.92922
0.93056
0.93199
0.07353
0.07215
O. D7078
0.OS9U
O.OSBll
0.13943
0.13742
0.13542
0.13344
0.13147
2.15
2.16
2.17
2.18
2.19
0.98422
0.98461
0.99500
0.98537
0.98574
0.01579
0.01539
0.01500
0.01463
0.01425
0.03955
0.03871
0.03788
0.03705
0.03625
l, sa
l, SI
1. 52
1. 53
1.54
0.93319
0.93448
0.93574
0.93699
0.93922
0.05681
0,06552
0, 05~26
0,05301
0.05178
0.12952
0.12758
0.12566
0.12376
0.12188
2.20
2,21
2.22
2.23
2.24
0.98610
0.98545
0.98579
0.98713
0.98745
0.01390
0.01355
0,01321
0.01267
0.01255
0.03547
0.03470
0.03:394
0.03319
0.03246
1. 55
1. 55
1.57
1. 58
1. 59
0.93943
0.94052
0.94179
0.94295
0.94408
0,
0.05592
0.12001
0.11816
0.11632
0.11450
0.11270
2.25
2.25
2.27
2.28
2.29
0.98778
0.98809
0.98840
0.98870
0.98899
0.01222
0.01191
0.01160
0.01130
0.01101
0.03174
0,03103
0.03034
0.02955
0.02888
1.60
1. 61
1.62
1.63
1.64
0,94520
0.94530
0.94738
0.94845
0,94950
0.05480
0.05370
0.05262
0.05155
0.05050
0.11082
O. 10915
0.10741
0.10567
0.10396
G.30
2.31
2.32
2.33
2.34
0.98928
0.99956
0.98983
.99010
0.99036
0.01072
0.01044
0.01017
0.00990
0.00964
O. 02833
0.02768
O. 02705
0.02643
0,02582
1.65
1.65
1.67
1. 68
1. 69
0,
O.
O.
O.
O.
0.04947
0.04846
0.04746
0.04648
0.04551
0.10226
0.10059
0.09893
0.09728
0.09566
2.35
2.36
2.37
2.38
2.39
0,99061
0.99086
0,99111
0.99134
0,99158
0,00939
0,00914
0,00889
0. 00965
0.00942
0.02522
0.02463
0.02406
0.02::149
0.02294
1,70
1,71
1,72
1.73
1.74
0.95543
0.95637
0.95728
0.95918
0.95907
0.04457
0.04363
0.04272
0,04182
0.04093
0.09405
0.09246
0'090B9
0.08933
0.08780
2.40
0,99180
0.99202
0.99224
0,99245
0.99265
0. 00820
2.41
2.42
2.43
2.44
0.00798
0.00776
0.00755
0.00734
0,02239
(J,OZ185
(J,02134
0.02083
0.02033
1.75
1.76
l.77
1. 78
l. 79
0.95994
0.95080
0.96164
0.95246
0.96327
0.04006
0.03920
0.03835
0.03754
0.03573
0.08629
0.08478
0.08329
0.08163
0,08038
2.45
2.46
2.47
2.48
2.49
O.
0,
0,
O.
0.99361
0.00714
0.00695
0,00676
0.00657
0.00639
0.019S4
0.01936
0.01888
0.OH142
0.01797
1,80
1.81
1. 82
1.83
1.84
0.96407
0.95485
0,96562
0,96638
0,95712
0.03593
0.03515
0.03438
0.03352
0.03288
0.07895
0.07754
0.07614
0.07477
0.07341
2.50
2. SI
2.52
2.53
2.54
0.99379
0.99396
0.99413
0.99430
0.99446
0.00621
0.00604
0.00587
0.00570
0.00554
0.01753
0.01709
0.01667
0.01625
1.85
1.85
1. a7
1.88
1. 89
0.96784
0.96856
0.95926
0.96995
0.97052
0.03216
0.03144
0,03074
0.03005
0.02938
0.07206
0,07074
0,06943
0.06814
0.06687
2.55
2.56
2.57
2,58
2,59
0.99461
0.99477
0.99492
0.99506
C.99520
0.00539
0.00523
0.00508
O. 00494
O. 00480
0.01545
0.01506
0.01468
0.01431
0.01394
1,90
1.91
1.92
1.93
1.94
0.97128
0.97193
0.97257
0.97320
0.97381
0.02872
0.02807
0.02743
0,02680
0,02619
0.06562
0.06438
0.05315
0.05195
0.05077
2.60
2.61
2.62
2.63
2.64
0.99534
0.99547
0.99560
0.99573
0.995as
0,00465
0. 00453
0.00440
0.00427
0,00415
0.0I3se
0,01323
0, Ol'189
0.01'156
0.01223
1.95
1.96
1.97
1.9B
1.99
0.97441
0.97500
0.9755B
0.976!S
0,97670
0,02559
0,02500
0.02442
0.02385
0.02330
0.05959
0.05844
0.05730
0.05618
0.05508
2.65
2.66
2.67
2.6B
2.69
0.99598
0.99609
0.99621
0.99632
0.99543
0.00402
0,00391
0,00379
0.00358
0.00357
0.01191
0.01160
0.01130
0.01100
O. 01071
2.00
2.01
2.02
2.03
2.04
0.97725
0.97778
0.978310.97882
0.97932
0,02275
0.02222
0.02169
0,02119
0,02068
0.05399
0.05292
0.05186
0.05082
0.04980
2.70
2.71
2.72
2.73
2.74
0.99653
0.99664
0.99674
0.99683
0.99593
0. 00347
0.00335
0. 00326
0.00317
0.00307
0.01042
0.01014
0.00987
0.00951
0.00935
2.05
2.06
2.07
2.08
2.09
0.97982
0.98030
0.98077
0.02019
0.01970
0.01923
0.01876
0.01831
0.04879
0.04780
0,04582
0.04586
0.0449!
2.7S
2.76
2.77
2.78
2.79
0.99102
0.99711
0,99720
0.99728
0,99735
0.Olll98
0.00289
0,00280
0.00272
0.00264
0.00909
o,ooaas
O.Ooasl
0,00637
0. 00814
O.S812~
0.98169
O.
o.
Q.
O. DIses
(continue)
507
Fe (z)
= 1-
F (z)
p (z)
F(:::)
r~ (z) =
1 - F (z)
p (:::)
2.80
2.81
2.82
2.83
2.84.
0.99744
0.99752
0.99760
0.99757
0.99774
0.00255
0.00248
0.00240
0.00233
0.00225
0.00792
0.00770
0.00749
0.00727
0.00707
3.50
3.51
3.52
3.53
3.54
0.9997674
0.9997759
0.9997842
0.9997922
0.9997999
2.33E-004
2.24E-004
2.15E-004
2.08E-004
2.00E-004
8.73E-004
8.43E-004
8. 14E-004
7. 85E-004
7. 58E-004
2.85
2.86
2.87
2.88
2.89
0.99781
0.99788
0,99795
0.99801
0.99807
0.00219
0.00212
0.00205
0.00199
0.00193
0.00687
0.00558
0.00549
0.00531
0.00613
3.55
3.56
3.57
3.58
3.59
0.9998074
0 .9998146
0.9998215
0,9998282
0.9998347
l, ~BE-004
L 8SE-004
1. 78E-004
1. 72E-004
1. 65E-004
7.32E-004
7.05E-004
5.81E-00ol
6.57E-004
5.34E-004
2.90
2.91
2.92
2,93
2.94
0.99813
0.99819
0.99825
0.99831
0.9983S
0.00187
0.00181
0.00175
0.00169
0.00164
0.00595
0,00578
0.00552
0.00545
0.00530
3.50
3.51
3.52
3.63
3.54
0.9998409
0.9998469
0.9998527
0.9998583
0.9998637
1.59E-004
1.53E-004
1. 47E-004
1.42E-004
1. 35E-004
5.12E-004
5.90E-004
5. 59E-004
5.49E-004
S. 29E-004
2.95
2.95
2.97
2.98
2.99
0.99841
0.99845
0.99851
0.99855
0.99851
0.00159
0.00154
0.00149
0,00144
0.00139
0.00514
0.00499
0.00485
0.00470
0.00457
3.65
3.66
3.67
3.58
3.59
0.9998589
0.9998739
0.9998787
0.9998834
0.9998879
1. 31E-004
1. 25E-004
1.2IE-004
1.17E-004
1.12E-004
5.lOE-004
4. 92E-004
4.74E-004
4. 57E-004
4.4IE-004
3.00
3.01
3.02
3.03
3.04
0.99855
0.99859
0.99874
0.99878
0.99882
0.00135
0.00131
0.00125
0.00122
0.00l18
0.00443
0.00430
0.00417
0.00405
0.00393
3.70
3.71
3.72
3.73
3.74
0.9998922
0.9998954
0.9999004
0.9999043
0.9999080
1. 08E-D04
1,04E-D04
9.96E-005
9.57E-005
9.20E-005
4. 25E-004
4.09E-004
3. 94E-004
3.80E-004
3.55E-004
3.05
3.05
3.07
3.08
3.09
0.99885
0,99889
0.99893
0,99895
0,99900
0,00114
0.00111
0.00107
0.00104
0,00100
0.00381
0.00370
0,00358
0.00348
0.00337
3.7S
3.75
3.77
3.78
3.79
0.9999116
0.9999150
0.9999184
0.9999215
0.9999247
8.84E-00S
8.S0E-005
8. 1SE-DOS
7.84E-005
7.53E-005
3.53E-004
3.40E-004
3. 27E-004
3. 15E-004
3.03E-004
3, ID
3. Il
3,12
3,13
3.14
0.99903
0.99905
0,99910
0.99913
0.99915
0.00097
0.00094
0.00090
0.00087
0.0008<:
0.00327
0.00317
0.00307
0.00298
0.00288
3.80
3.81
3.82
3.83
3,84
0.9999277
0.9999305
0.9999333
0.9999359
0.9999385
7.23E-005
5.95E-00S
6.57E-005
5.41E-005
6. ISE-DOS
2.92E-004
2. 81E-004
2. ?lE-004
2.60E-004
2.51E-004
3.15
3.16
3.17
3.18
3. 19
0.99918
0.99921
0.99924
0.99925
0.99929
0.00082
0.00079
0.00076
0.00074
O. 00071
0.00279
0.00271
0.00252
0.00254
0.00246
3.85
3.85
3.87
3.88
3.89
0.9999409
0.9999433
0.9999455
0.9999478
0.9999499
5.91E-00S
S. 57E-005
5.44E-005
5. 22E-00S
5. OIE-DOS
2. 41E-004
2. 32E-004
2. 23E-004
2. 15E-004
2.07E-004
3.20
3,21
3.22
3.23
3.24
0.99931
0.99934
0.99936
0.99938
0.99940
0.00059
0.00066
0.00064
0.00052
0,00050
0.00238
0.00231
0.00224
0.00216
0.00210
3.90
3.91
3,92
3.93
3.94
0.9999519
0.9999539
0.9999557
0.9999575
0.9999593
4. 81E-00S
4.5IE-005
4. 43E-005
4. 25E-00S
4.07E-00S
1. 99E-004
1. 91E-004
1. 84E-004
1. 77E-004
1.70E-004
3.25
3,25
3.27
3,28
3.29
0.99942
0.99944
0.99946
0.99948
0.99950
0.00058
0,00056
0.00054
0,00052
0.00050
0.00203
0.00196
0.00190
0.00184
0.00178
3.95
3.95
3.97
3.98
3.99
0.9999509
0.9999625
0.9999641
0.9999655
0.9999670
3. 9 lE-DOS
3. 75E-00S
3. 59E-00S
3. 45E-00S
3.30E-DOS
1. 63E-004
1. 57E-004
1. 51E-004
1. <:5E-004
1. 39E-004
3.30
3.31
3.32
3.33
3.34
0.99952
0.99953
0.99955
0.99957
0.99958
0,00048
0.00047
0.00045
0.00043
0.00042
0.00172
0.00167
0.00151
0.00156
0.00151
4.00
4. OS
4.10
4,15
4.20
0.9999683
0.9999744
0.9999793
0.9999834
0.9999967
3.17E-00S
2.S5E-00S
2.07E-00S
1. 55E-OOS
1.33E-00S
1. 34E-004
1. 09E-004
8. 93E-00S
7. 25E-00S
S. 89E-00S
3.35
3,36
3,37
3.38
3.39
0,99950
0.99951
0.99952
0.99954
0.99965
0.00040
0.000a9
0.00038
0,00036
0.00035
0.00145
0.00141
0,00135
0.00132
0.00127
4.25
4.30
4.35
4.40
4.4S
0.9999893
0.9999915
0.9999932
0.9999946
0.9999957
1.07E-00S
8. S4E-00S
5. BLE-DOS
5.41E-00S
4. 29E-00S
4. 77E-OOS
3.8SE-00S
3. IDE-DOS
2. 49E-005
2.00E-00S
3.40
3.41
3.42
3.43
3.44
0.99966
0.99968
0.99959
0.99970
0.99971
0.00034
0.00032
0.00031
0.00030
0.00029
0,00123
0.00119
0.00115
0.00111
0.00107
4.50
4.55
4.50
4.55
4,70
0.9999966
0.9999973
0.9999979
0.9999983
0.9999987
3.40-00S
2. 68E-00S
2. liE-DOS
1. 66E-00S
1. 30E-00S
1. GOE-OOS
1. 27E-00S
1. OIE-DOS
9.0SE-006
6. 37E-006
3.4S
3.45
3.47
3.48
3.49
0.99972
0.99973
0.99974
0.99975
0.99975
0.00028
0.00027
0.00026
0.00025
0.00024
0,00104
0.00100
0.00097
0.00094
0.00090
4.75
4,80
4,85
4.90
4.95
0.9999990
0.9999992
0.9999994
0.9999995
0.9999995
1. 02E-00S
7.93E-007
5.17E-007
4. 79E-007
3.71E-007
5.03E-006
3. 95E-006
3.IlE-006
2. 44E-005
1. 91E-006
(continue)
508
F(z)
2.B7E-007
2.2IE-007
1. 70E-007
1.30E-007
9.9SE-00B
1.49E-005
1. ISE-DOS
8.97E-007
6.94E-007
S.3SE-001
6.00
6.10
5.20
5.30
6.40
1.0000000
1.0000000
1. 0000000
1. 0000000
1,0000000
9. 87E-0l0
S.3DE-01O
2.8ZE-OIO
1. 49E-OIO
7. 77E-Ol 1
5.08E-009
3. 32E-009
1.79E-009
9.60E-OID
S. 09E-OIO
0.9999999
0.9999999
1.0000000
1.0000000
1.0000000
7.60E-00B
S.7SE-00B
4.40E-00B
3. 33E-009
2.52E-008
4.13E-007
3.17E-007
2.43E-007
1. B5E-007
1.42E-007
S.50
6.60
6.70
6.BO
6.90
1.0000000
1.0000000
1.0000000
1.0000000
1.0000000
4. 02E-Ol 1
2. 06E-Oll
1. D4E-m 1
5. 23E-012
2.60E-012
2. 67E:-OIO
1. :39E-OI0
7. 13E-OII
3.,63IHJll
1. a3E-[]l1
1.0000000
1.0000000
I,ODOOOOO
1.0000000
1.0000000
1.90E-OOB
1.07E-008
S.
1.OBE-007
6.1SE-OOS
3,SIE-008
1. geE-OOB
l, IDE-ODB
1.00
B.OO
9.00
10.00
1.0000000
1.0000000
1.0000000
1.0000000
1. zeE-012
S.13E-016
1. l3E-Dl9
7.62E-024
9.13E-0l2
5. OSE-OIS
1. OllE-OlS
1,691:::-023
F(z)
5.00
S.OS
5.10
5.15
5.20
0.9999997
0.9999998
0.9999998
0.9999999
0.9999999
5.25
5.30
5.35
S.40
5.45
5.50
5.60
5.70
5. SO
S. 90
1- FCz)
Fc(z)
3.
J. B2E-009
F c (z)=l-F(z)
P (z)
15.9.1 Introduction
La fonction Q (a, b) de Marcum est dfinie par:
Q(a,b) =
J exp (- a' :x
2
)
Jo (a.y) x dx
la (ax) x dx
(15.13)
Elle peut tre calcule numriquement par une mthode d'itration base sur le dveloppement en srie de la fonction de Bessel modifie d'ordre zro [141]
10 (x)
L (~)\2n
,,= O.!..
(15.14)
(12 !)2
On obtient alors
Q(a,b)
= J-
gn k"
(15.15)
"=0
avec
(15.16)
et
(15.17)
k"
15.9.2 Proprits principales et relation asymptotique
Q(~,V2b)
J exp
a-y)Io (2vay)dy
(15.18)
Q(O,b)
(15.19)
509
Q (a, 0) = 1
(15.20)
VT
(15.21)
15.9.3 Abaques
Des abaques des fonctions Q(a. b) et ] - Q(a, b) sont reproduites sur les figures
15.5 et ] 5.6.
Q(a, hl
'\.
\.,
\\
'"
a=O
r\\l \2
\ \
1\4 1\5 \6
\3
..l.
\ \
\ \
\l\\
\
,
\ 1
\ 1
\\
li
,,
, ,\
1\ ~
1\
\9 \10
\ \ \ \
, ,
\7 , \8
"~\~-h= ~,
\ 1\
,\1 \
12
.....
...
.~-
1\
10
III:!
Fig 155
1 -Q{a, b)
ff/ff#/9 '
11 1
a= o 1/2 /3
/4
/5
1 1 il Il
11
Il
1
1
1 1 1 1 1/ 1 1 Il
1 1/ / 1/ / 1 1/
Il
11
1 1 1 1
1 1
1 i
/ / /
/111/12
Il
1 1
1 1 1 /
/10
1 1 1
111/ / 1111
b
9
Fig. 15.6
la
Il
12
CHAPITRE 1
1.4.1 A.6.; x =
1.4.2 x(t)
1.4.3
= tA
= A.6./T.
sgn(t-to -T)1
[sgn(t-to)
1.4.5
X Ct, Tl) = (A/rr) (To/Td sin (1rT1 /To) sin [(2rrt/ Ta) -rr Tl/Ta]
et
et
x (t. Tl
x (t, TI
To /2)
o.
1.4.6
Z
(t)
2:
Clc
5 (t- kT)
k=O
avec
Co
Ck
= exp(-k)-exp(-k+ 1)+exp(-k+2)pourk
l,
Cl
= exp (- 1)
1 = - 0,63
et
~
2.
CHAPITRE 2
2.6.1 P :;:: 0, Hl == A 2 T; P = A 2
Hl = 00; P = 00, Hl = 00; p.:;:: 0,
H!
t,
2A 2 T/3.
2.6.2 P (T)
li: entier
*' O.
+A
512
2.6.3 x p (t) ::: -A sin cos wt; Xi(t) =A cosa. sin wt.
2.6.4 Montrer que Xi
= X- X =
O.
CHAPITRE 3
0 krr.
3.5.4
00
Il e 11
ct) dt-
k=l
1=1
k I kI
= 0,152.
3.5.5
x (t)
(2/rr) [rect (t
-)
rect (t +
)]; Il e11 = 1 2
8hr1. == 0,18943.
3.5.6 Toute fonction impaire sur l'intervalle n'est pas reprsentable par une combinaison linaire des lJ! k (t).
3.5.7 Dvelopper x (t) et y (t) l'aide de l'ensemble {lJ!k (t)} et tenir compte de
l'orthogonalit de ces fonctions.
3.5.10
lJ!4 (t)
lJ!5 (t)
= - 2
=
tPl ct)
tP2 ct)
VI (t)
V2 (t)
V3 (t)
V4(t)
::::
::::
v'2 (4e- t -
v'O
+ 252e- st ).
3.5.11
VI ct) /.Jl2
V3 tP 1 (t)]
::::
Cl/Vi)
::::
-..J3I/J1{t)-.j8lJ!'2(t).
3.5.12 Cas a): CXk non nuls seulement pour k = 0 : X (t) = o = 1/2; ~ 4 et
6dB; aucune valeur de 111 ne permet une meilleure approximation.
~dB
513
CHAPITRE 4
4.6.6 Convolution value par mthode indirecte avec (4.14), (4.18) et (4.24):
dx/dt
-2rrtexp (-rrt'2)+-+j2rrfX(f)
= -j dX/df
d'o
x (f)
4.6.11 1X (f)1 =2AT 1 sine (2 Tf) - sine (Tf) cos (7 rr Tf) 1; ~x (f) =1X(f) 12
L'autoeorrlation ~x (r) = ~x (- r) peut tre dtermine par voie graphique, elle est
reprsente sur la figure 4.31 .
. 4.6.12 X (f)
voir fig. 4.32.
=t AT [sine
4.6.13 ~Xy (r) = 0 pour 11'1> T; ~Xy (r) =AB (r 2/T- 21rl + T) pour
<T; ~xy(r)=AB(+T-r27T) pour O<lrl<t T.
t T< 1ri
4.6.14 X (f) = (j2rrf)-1 sinc (af) + 8 (f) par (4.87). Le mme rsultat peut tre
trouv en appliquant la proprit d'intgration du tableau 15.3.1.
514
~X (T)
4A1T
-2A 2 T
Fig. 4.31
IXU)
f
- 4/T
- 3fT
- 21T
21T
31T
41T
f
-41T
-31T
111'
-lIT
111'
'lIT
31T
4/T
Fig. 4.32
4.6.15
lf'x(7)
cpx(f)
T/2)/LlJ}~
515
4.6.16
x (t) == A repT
eos (27Tlt) rcct
<1>;(
C~1ij~t)'rect
(t AllI T) 2
Cf) ==
(tILl)]:
{sine [Ll (f + l)] + sine [Ll Cl - l)] };
{sinc 1 [Ll (f + J )] + sinc 2 [il (f - l )]} lJT(j)
UI Ll)";-;' ~ Ll
~ 1Ill.
pour fo
4.6.17 Par identit de Parseval (4.142) applique une suite priodique d'impulsions
rectangulaires rCPT [rect (t/ Ll )].
4.6.18
'Px\' (r) ==
P==SA 2 /8.
4.6.19 Par (4.67):
< zb
>
1 pour k
CHAPITRE 5
5.11.2 Prob(lzl
5.11.4 Prob (x
5.11.5 Px
< 1.5)
11/12.
(x = - A/2) == 0.33
= Li Prob (xj}'xf=3/16:
par (5.22).
p',,=~iProb(xi)xl
73/32.
* Px (x) Py (y)
x ( VI-y); rsolution
5.11.9 Py(y)=(lal/y2)px(a/y).
5.11.11
Py (y) == PoO (y)
o
p:o:(x) dx.
0.293.
= I-exp
exp
4.5)
1.11-10-
516
5.11.20 IRx{r)1 = 1 f
(Ilx
5.11.21 Cas particulier de l'exemple 5.2.7 avec J.1x =A13 et 1>." == a~ = 8A 2 /9:
(P.\: Cf) = A 2 (8 T/9) sine 2 (Tf) + (A '-;9) (f).
5.11.22 (PI' (f) = (i~?/ T)
a;
5.11.24
(Il(f) = (A/4)2 [Tsinc 2 (Tfl2)
o(f- [2n + 1]1 T).
+ 0 (f)] + (A/21/")2
ai = Tl/2.
y et w = x et appliquer (5.35).
5.11.27 p (r) = [1/(3 JnB1T)] {2 exp [- (z - A)2/ nB] + exp [- (z + A)2 /nB]);
')
J.1z = Ilx =A/3 car f.1y = 0: a z2 = a x2 + a y2 :::::: 8 A"- / 9 + TI B/ 2~ Px)' = 0 pUisque
x (t
et y (t) sont indpendants.
5.11.28 Prab (z
+ 1)~ z ~ (a +
21n(a+I)-lnz
1)2.
5.11.33
==
0,044; Prob (x
kT '\Ik entier:;!=O.
> 3) == 0,048.
a~T-IQ(r)+
517
(5.181)~
(5.202) et (5.207).
* (p.\: ([).
CHAPITRE 6
6.8.1 P}=12,4-10- 18 W
6.8.2 Req
= 524 il:
au
12,4aW; P2 =20010- 15 W
0.92/lV.
20fW.
ol = Oi! + Gi~
=3,66-10- 15 A2:
OU
== Gi,g;/
= 2kT/e == 50 mV.
CHAPITRE 7
7.6.1 -Acos(wt+a).
7.6.2 Par (7.8), (7.7) et (4.17):
exp (jnBt).
.~ (t)
7.6.6 1)[0
=t ([1 +
):
2)[0 = 12'
T /2)/ T] et !
'2
Re
<x
B;l
3T/2.
>.
518
CHAPITRE 8
8.5.2 Montrerquey(t)='f,jL.jxj(t):I'gj(t)
= 2:, ; gj (t) et j
l... ,/1 .
w e/4;
=1]w c /4.
X (t)*g(t)pourx(t)=i:,jXj(t).
g(t)
8.5.4 Poser C (f) = j:2 rr fG z (f) d'o, par (4.13) et le tLlblcLlu 15.4: g(t) dg z (t)/d t
= [:2rrG O f2/ (f2 - fd] [f2 exp
21Tf2 t) - fI exp (2 rr fI t)] E (1); Py == 3142 V 2 ;
B-3 dB 20 kHz et
S:; 31,42 kHz.
(P/I
8.5.13 qly(f)
8.5.15 1l'(f)1 =-} 1.11 1 1[1 UiCf+ fl)1 +1 U;(f- fI )1] + IAzl[1 UiCf+ f2)1+1 U;(ff2)1] avec Udf)= Tsine (Tf), Uz(f) Tsinc 2 (Tf). U3 (f) Tig(Tf).
8.5.16 Y(f)=2: II CAf2)[sinc(ll-t)]
8.5.17
Ry(7')
cIJy(f)
519
8.5.18 Par(8.41)et(7.8): y(t)=x(t) cos (2nfot)-x(t) sin (2nfo t); par (8.103),
(7.31) et (7.33): R y (T) = Rx (T )cos (2. Trfo T) + x( T) sin (2 Trfo T) et par (7.35):
cI> y (f) =
(f + fo) + fP; (- f - iD ) ].
+[({);
'2
Al
A2
X(f)+- [X(f+2fd+X(f-2fd]+-[X(f+2f2)+
' 2 4 4
A A
+X(f- 2f:dl + _1_2 [X (f+ii - fd +X(f- f2+ fd+
A +A
YaU') =
avec
Al
[5 (f + fI ) + 5 (f - fi )]
X (f) = -
:2
Yb (f) =
8.5.21 d 2
Al
+2
[5 (f + f2 ) + 0 (f - f2 )]
~ Ifl ~ 3B
et zro ailleurs.
= c/(2.b) = 8%.
8.5.23
flyl
=b 3 /32,
J.ly2=
U;'2
m)'12
= b 6 /448,
U;'1
9b 6 /7168;
1 +b /12+b /32, m v 22
l +b 2 /6 +b 3 /16+b 4 /80+b 5 /96 +b 5 /448,
4
5
6
b /l80 + b /192 + 9b /7168.
8.5.25 Ry(T)
+ [R_~(O)-R~(T)]1/2}.
CHAPITRE 9
sinc(nTffo)'
9.5.2
j;
520
fe =
2/D..t.
J:,r=l
+ 8 (f- fi)]'
9.5.9 /lit = 2V; a~ = 16V1 ; CP" (f) = 48 (f) + 16 10- 3 tri (10- 3 f);
f~ = (kTr l = k- 1 kHz avee k = 1,2,3, ...
fe = 2 kHz;
CHAPITRE 10
10.6.1 V= 20V;
Tc
= 1,25}Js;
1l
9,2 dB.
~qdB ~
32,8 dB pour Il
7.
10.6.6 Par drivation en v == 0, selon (14.68), de TIx (u) et Il xq (u) = Ilx (u) sine (D..v)
avec Ilx (0) = 1, d (TI' F) da = FdIl/da: + IldF Ida: et dl (Il F) da 2 Fd 2 Il/da l +
+ 2dIl/da: dFlda: + Ild 2 F/da 2 o F (a) = sine (a:) = 1 - (rra)'"! 3 ! + ... par (1.59).
CHAPITRE Il
11.6.1 11m:;:; 20%; 11m = 50%; 11m = 20%.
11.6.4
a)
b)
521
11.6.8 S (f) = (p /2) {Mo (J' + J~) [ 1 -11 (f + j~,) sgn (f + f p )] + JlJ o(f - f p )
[1 + H(f- f p ) sgn (f- f p )]} o H (f) est la fonction de rponse frquentielle d'un
fi1tre passe-haut (fig, Il.44),
o
HUI
F (lt(t)}
passe-haut
- j~
Fig. 11.44
11.6.9 Utiliser la figure 15.1 pour 5 :;:;:; JO et la figure 5.4 pour A = ofm.
11.6.12
1
'
S (t) = i [nlAo (t) + 1] Up cos (21Tfl t + ad -2" [mo (t)- 1] Up cos (1rrf2 t+0:2);
<ps(f) = (U~/16) [<pmO (f+ fd + <{)moCf- fd + 5 (f+ fd + 0 (f- fd +
+ <PmO (f +Ji) + <PmO (f- f2) + 0 (f + f2) + 5 (f- Ji)] avec, par (5.13::!).
2
(I)I.tIO (f) :;:;:; Tsinc (Tf)
~
522
11.6.13 Situation analogue celle de l'exemple 5.2.7 avec enveloppe complexe r (t) =
de duree T, I~n des
Tsinc 2 (Tf): Bu ~ 21 T.
tats indpendants 0, 1, '2 ou 3: cP!. (f) =
= <IJ
J.
111 d +
m g (f)
+ ~ [0 (f + fo ) + 0 (f -
fo )]
~(I>md-"'g (f - 2fo )
CHAPITRE 12
CHAPITRE 13
13.5.1 Soit x; =at i + b + Il;: P (xla,b) = Iljp (Il; =x,.-ati - b) avecp (n) gaussien
valeur moyenne nulle. En rsolvant alnp (xl a, b)/aa=O et alnp (xia, b)/ab =0:
amv=(2.jXitj- JJ2xt)!(L,it! -111t'2) et bmv=x-atavecx=m- 1 "f,~"x; ett=
=/11-
l1I
'),
.;.Ji
t/"
13.5.4
+ )'2
= 1.
fa x
(t)
as (t-a)
aa
dt ~ 0
523
i\ l + 21
:2 - l ')' N 21 2 ).
13 .5. 6 a- Q - '(lv
a ail)
..... i ':"i et a y2 -- cr Il21 ( N + alla
l'l'x(f)
ai:: (BTfl -
pour Te = ('2Br!
13.5.16 ~l
nt.:
A/a;,
Fig. 13.43
1,65ulI .
1,847V: pc:~210-2.
524
13.5.21 Par(l3.145):
Q ( 8: 6,44) == 0.95.
V==(-::'7]B1nPI)1/2= 12,88V et Pd
Q(Alun : V/U,,)
13.5.22 V 1 = 14u,i.
-T
Fig. 13.44
13.5.24 ~ (T)noPt
= 0,89:
ta
1'0
+ T12.
BIBLIOGRAPHIE
[l] J .R. PIERCE, Symbols, Signais ans Nose: tlIe Nature and Process ol Communcation. Harper & Brothers. New York. 1961 (galement publi en tl'aduction franaise sous le titre Symboles, signaux et bruit chez Masson. Paris, 1966).
[2] N. WIENER, Generalized Harmonie Analysis. Acta illatlJematica. 55. 1930. pp.
117-258.
[3] N. WIENER, TIle rourier I1ltegral and Certain ol ifs Applications. Cambridge Press,
New York, 1933.
[4] A. Y. KHINTCHINE, Korrela tionstheorie der Stationiiren Stockastichen Processe,
iHatlt. AlIllalen, 109, ]934, pp. 604-615.
[5] C.E. SHANNON, The Mathematical Theory of Communication, Bell Syst. Tech J..
27. July 1948. pp. 379423 and Oct. 1948, pp. 613-656.
[6] CE. SHANNON. Communication in the presence of noise, Proc. 1RE. 37. jan. 1949.
pp.10-2l.
[7] N. WIENER, Cybemetics: Control alld Communication ill Allimai and il1aclline,
M.LT. Press. Cambridge, Mass., USA. 1948.
[8]
526
DlDLIOGRAI'HIE
[43]
P.A. LYNN,
527
(2nd ed.).
[44] B. GOLO, C. RADER, Digital Processing of Signais, McGraw-Hill, New York, ] 969.
[45] A.V. OPPENHEIM. R.\V. SHAFER, Digital Signal Processing, Prentice-Hall, Englewood Cliffs, ] 975.
[46] L.R. RABINER, B. GOLO, TheOl)' and Application of Digital Signal Processing,
Prentice-HalI, Englewood Cliffs, ] 975.
[47J R. BOlTE, H. LEICH. Les filtres numeriques, Masson, Paris, 1980.
[48] M. BELLANGER, Traitement 111l1nerique du signal, Masson, Paris, ] 980.
[49] L.E. FRANKS, Signal 17leOl)) , Prentice-Hall, Englewood Cliffs, ]969.
[50] B. prcINBoNO, Elements de thorie du signal, Dunod Universit, Paris, 1977.
[51] R.G. GALLAGER, Information TheoQ' and Reliable Communication, John Wiley,
New York, 1968.
[52] G. CULLMANN, Codes dtecteurs et correcteurs d'erreurs, Dunod, Paris, 1967.
[53] A. SPATARU, Thorie de la transmission de l'information, Masson, 1970-] 973.
[54] S. LIN, An In troduc tiOll to Error-correcting Codes, Prentice-Hall, Englcwood
Cliffs, 1970.
[55] H. STARK, F.B. TUTEUR. llJodem Elecfl'ical Communications, 171eory and Systems,
Prentice-I-Iall, Englewood Cliffs, ] 979.
[56] !-I.D. LUEKE. Signal-iibertragung, Springer-Verlag, Berlin, ] 975.
[57] E. ROUBINE, Introduction la thorie de la communicatioll, (Tome 1: SiglIaux
non alatoires, Tome 11: Signaux alatoires), Masson, Paris, 1970.
[58] J. BASS. Cours de mathmatiques, Masson, Paris, 1968 -1971, (3 volumes).
[59] A.1. VITERBl, J.K. OMURA, Princip/es of Digital Communicatio1l and Coding,
McGrawHill, New York, ] 979.
[60] C. CARDOT, Dfinition analytique simple des fonctions de Walsh et application
la dtermination exacte de leurs proprits spectrales, Annales Tlcomm.,
Jan-Feb. 1972, pp. 3] 47.
[61] H.F. HARMUTH. Transmission of Information by Orthogonal FU/lctiolls, SpringerVerlag, Berlin, 1969.
[62] K.G. BEAUCHAMP, Walsh FUllctions and tlleir Applications, Academie Press,
London, ] 975.
[63] N. AHMED, K.R. RAO, Orthogonal Transforllls for Digital Signal Processillg,
Sprnger-Verlag, Berlin, ] 975.
[64] 1. STERN, J. DE BARBEYRAC, R. POGGl, AJthodes pratiques d'tudes des fonctions
alatoes. Dunod, Paris, 1967.
[65] J.S. BENDAT, A.G. PIERSOL. Random Data: Analysis and Aleasuremellt Procedures,
Wiley-lnterscience, New York, 1971.
[66] J. DUPRAZ, Thorie de la communication (signaux, bruits et modulations),
Eyrolles, Paris, 1973.
[67 J J. MAX (et collaborateurs), AItlwdes et techniques de traitement du signal et applicatiolIs aux mesures physiques, Masson, Paris, 1981 (3e dition, 2 volumes).
[68] H.J. LARSON, B.O. SHUBERT. Probabilistic lHodels in Engilleering Sciences, VoL 1
& II, John Wiley, New York, 1979.
[69] A. BLANC-LAPIERRE, P. PICINBONO, Fonctions alatoires, Masson, Paris, 1981.
[70] P. BECKMANN, Probability in Communicatioll Engineering, Harcourt, Brace &
World, New York, 1967.
528
BIBLIOGRAPHIE
529
530
BIULlOGRAPmr
[110] S.M. KA Y , S.L. MARPLE. Spectrum analysis - A modern perspective, Proc. IEEE,
69.1 L Nov. 1981, pp. 1380-1419.
[111] B. BAnc. Distribution of results of ana1ysis by mean of spectrum analyser \Vith
ideal bandpass filter and true integrator, Signal Processing, 5, 1983, pp. 47 60.
[I21] G.M. JENKINS, D.G. WATTS. Spectral Analysis and its Applicatiolls, Holden-Day,
Sun Francisco, 1968.
[123] R.K. OTNES. L. ENOCHSON, Digital Time Series Analysis, John WiJey, New York,
1971.
[114] R.W. BRODERSEN. C.R HE\VES, 0.0. BUSS. A 50o-stages CCD transversal filter
for spectral analysis,ll:llE J. SoUd-Slate Circuits, SC -Il, 1. February 1976,
pp. 75-84.
[115] J.O. MAINES. E.G.S. PAIGE, Surface-acoustic-wave devices for signal processing
applications, Proc. IEEE. 64, 5, May 1976, pp. 639 -651.
[116] B.V. MARKEVITCH, Spectral ana1ysis: a comparison of various methods, Proc.
Int. Specialist Seminar 011 the Impact of New Technologies in Signal Processil1g,
Aviemore, Scotland, :W14 September 1976, IEE ConL Publication No. 144,
pp. 96-103.
[117] \V.T. CA THEY , Optical Illfonnation Processillg and Holography, John Wiley,
New York, 1974.
[118] J.L MESA. D.L. COHN. Decisioll and Estimation TheOJ)', McGraw-Hill, Tokyo,
1978.
[119] M.D. SRINATH, P.K. RAJASEKARAN, A1l Introduction to Statistical Signal Processing with Applications, John Wi1ey, New York, 1979.
[130] H.L VAN TREES. Detection, Estimatioll and iVlodulation Tlzeory, John Wiley,
New York, 1968 -1971, (3 voL).
[1311 A.D. WAHLEN, Detection of Signais in Noise, Academie Press, New York, 1971.
[132] P.-Y. ARQUS. Dcisions ell traitement du signal, Masson, Paris, 1979.
[133] J. LIFERMANN. Les pl'lzCpes du traitement statistique du signal, Masson, Paris,
1981.
[134] H. CRAMER. JVIathematical /v/et/lOds of Statistics, Princeton University Press,
Princeton, 1946.
531
(148] R.C. GONZALES. M.G. THOMASON. Syntactic Pattern Recognition: An Introduction, Addison-Wesley, Reading, 1978.
[149] \V.A. GARDNER, Rice's Representation for Cyclostationary Processes, IEEE
Tralls. Oll Commwzications! COM35, 1, Jan. 1987, pp. 7478.
INDEX ANALYTIQUE
Les rfrenccs sont celles des pages
) ,
Bruit, 3
blanc, ] 42
blanc bande limite, 143
- d'avalanche, 184
- d'mission secondaire, 185
- de basse frquence, 183
- de fond, 171
de grenaille, 179
de quantification, 315
de rpartition, 184
de scintillation, 183
- en lIt, 183
- induit, 184
thermique, 173
- thermique d'une impdance, 176
Bu tterworth (filtre de ... ), 285
Cadence d'chantillonnage, 276
Caractristiques oprationnelles d'un
rcepteur, 453
Carson (rgle empirique de ... ), 356
Cepstre d'un signal, 407
Chane de Markov, 163
Changement de frquence, Il, 365
Chirp-z transform, 391
Classification
automatique, 459
- des signaux, 27
- nergtique, 33
morphologique, 35
- phnomnologique, 28
spectrale, 36
Clustering, 459
Coalescence, 459
Codage, 5, 305
- binaire, 324
Code
binaire dcal, 326
534
413
Dcibels, 3
Dcision
Dispersion
- spectrale, 218
- temporelle, 218
Distance, 42
- de Hammng, 44
- de Mahalanobs, 443
- de signaux, 43
- en moyenne quadratique, 43
- euclidienne de deux signaux, 43
Distances usuelles, 442
Distorsion
- d'affaiblissement, 246
- d'amplitude, 246
- d'intermodulation, 161
- de phase, 246
- de quantificatjon, 315
- due au recouvrement
spectral, 287
- harmonique, 261
- linaire, 246
- non linaire, 261
Distribution, 466
- binomiale, 479
- de Poisson, 479
- de Rayleigh, 125,484
- de Rice-Nakagami, 204
- delta, 19
- en X 2 , 484
- exponentielle, 48 J
- gaussienne, 482
- laplacienne, 481
- normale, 482
- uniforme, 481
Dither quan tization, 323
Double Side Band Suppressed Carrier
Modulation (DSBSC), 339
Dure
d'acquisition, 314
- d'observation, 374
- d'ouverture, 314
de conversion, 31 0
- de corrlation, 224
- effective, 223
- efficace, 216
utile, 219
Ecart-type, 24, 114, 475
Echantillonnage, 273
- pas variable, 273
- avec maintien, 279
avec moyennage, 280
535
- priodique, 273
- idalis, 276
rel, 175
- rgulier, 273
- (thormes d' ... ), 281
Echantillonneur idal, 277
- bloqueur, 313
Echelon unit, 16, 19
Effet
- de grenaille, 179
- de repliement, 281
Energie
- (normalise), 34
- totale, 34
Ensemble complet (total), 54
Enveloppe, 201
- complexe, 208
- spectrale, 97
Equation
- de Wiener-Hopf, 426
- minimax, 450
- de vraisem blance, 413
Ergodisme, 1 16
Erreur
- d'approximation, 53
- d'estimation, 433
- de deuxime
447
- de premire espce, 447
- d'ouverture, 314
- quadratique moyenne, 49,50,414
- d'acquston, 330
Espace
- complet, 42
- d'observation, 442
de Hilbert, 47
- de signaux, 41,42
- des caractristiques, 442
- des preuves, 465
- fonctionnel, 42
- L 2 , 46
- vectoriel, 41,42
Esprance ma thma tique, 474
Estimateur, 411
Estimation, 409
- erreur quadratique moyenne
minimum, 414
- vraisemblance maximale, 419
- au sens du maximum de vraisemblance, 412
- consistan te, 416
- du maximum a posterori, 415
536
efficace, 416
- linaire, 422
Euler (formule d' ... ), 30
Evnement,
465
Evnements indpendants, 466
Existence d'une transforme de
Fourier, 70
Exprience statistique, 465
Extrapolateur d'ordre m, 292
Facteur
d'excs de bruit, 186
de bruit moyen, 185
187
de brut
Fast Fourier transform, 291
Fausse
dcision
447
dcision positive, 447
Fentre
de Hamming, 377
de Hammng gnralise, 377
de Hanning, 377
FFT, 291,390
FFI processor, 371
Filtrage, 10
en peigne, 439
- linaire optimum, 424
optimal, 309
Filtre, 43
- adapt, 247, 453
adapt en prsence de bruit
color, 456
antirepliement, 285
- de Bu tterworth, 285
- de garde, 285
- de Kalman, 426
- de lissage, 293
de Tchebycheff, 287
de Wiener, 425
- elliptique, 287
- idal, 242
- sous-optimum, 457
Flash converters, 308
Flicker noise, 183
FM, 349
Fonction, 5
- caractristique, 466, 477
d'ambigut, 214
d'au tocorrlaton, 80
d'autocorrlation de signaux
INDEX ANALYTIQUE
image, 366
instantane, 201
- ngative, 30
porteuse, 339
relative, 465
Frequency Shift Keying (FSK), 357
Gauss (distribution de ... ), 482
Gnrateur de signal, 227
Gigue d'ouverture, 314
Gram-Schmidt (procdure d'orthogonalisation de ... ), 56
Gray (code de ... ), 325
Groupe delay, 247
Hadamard (matrice de ... ), 62
Hermitienne (symtrie ... ), 47
Hilbert (oprateur de ... ), 239,342
(transforme de ... ), 194
Histogramme, 468
Identification, 10
de formes, 309
Identit
de Parseval, 53
trigonomtrique, 492
Impulsion
de Dirac, 19
gaussienne, 24
unit, 19
Incertitude (relation d ... ), 221
Indpendance de processus
alatoires, 121
Indice de modulation
angulaire, 355
d'amplitude, 367
Ingalit
de Cramer-Rao, 416
de Schwarz, 48
de Tchebycheff, 476
Intercorrl~tion
537
Jacobien, 122
Johnson noise, 173
Karhunen-Loeve (dveloppement
de ... ), 132
Kronecker (produit de ... ), 62
Largeur de bande, 37, 218, 374
--3dB, 244
- approximative, 224
- d'un filtre rel, 244
- effective, 223
- efficace, 216
- quivalente de bruit, 245
- utile, 220
Likelihood ratio, 446
Limite centrale (thorme de la ... ),
148
Lissage spectral, 383
Localisation d'un signal, 219
Lock-in amplifier, 439
Loi
- de Gauss, 482, 504
- du X~ m degrs de libert, 484
- normale, 504
- normale rduite, 483
- uniforme, 316
Markov
- (chaine de ... ), 163
- (processus de ... ), 162
Matched filter, 453
Matrice
- de corrlation, 131
- de covariance, 131
- de Hadamard, 62
Mthode
- corrlative, 458
- d'estimation de Bayes, 413
- de Pisarenko, 373
- du corrlogramme, 373
- du maximum d'entropie, 373
- du maximum de vraisemblance, 412
- du priodogramme, 372
du risque minimum, 413
- paramtrique, 373
- syntaxique, 459
vectorielle (gomtrie ou statistique), 459
Modle d'un signal, 27, 36, 89
Modlisation autorgressive, 373
538
Modulateur, 254
Modulation, 333
bande latrale unique (SSB), 341
bande latrale rsiduelle (VSB),
342
- faible niveau, 351
- haut niveau, 352
- porteuse impulsionnelIe, 336
- porteuse sinusodale, 335
analogique, 334
angulaire, 349
- continue, 334
- d'amplitude avec porteuse (AM), 338
- d'amplitude sans porteuse (AM ~P),
339
- d'impulsions en dure (PDM), 364
d'impulsions en amplitude (PAM),
363
- d'impulsions en position (PPM), 364
- d'impulsions en frquence (PFM),
364
- de frquence (FM), Il, 349
- de phase (qlM), 349
delta (.6.M), 365
discrte, 335
- chantillonne, 334
- numrique, 334
- par impulsion et codage (PCM),
334,364
- PCM diffrentielle (DPCM), 364
Module fonctionnel, 229
Moment, 475
- centr, 475
Moyenne
- conditionnelle, 414
- courante (glssante), 12, 18, 240
Moyenneur
- chantillonnage, 430
temporel parfait, 240
Multiplexage
frquentiel, 333
- temporel, 333
Multiplicateur, 251
Multiplication de frquence, 366
INDEX ANALYTIQUE
PCM, 334,364
PDM, 364
Peigne de Dirac, 22
Priodogramme, 133
PFM, 364
Phase
- delay, 247
instantane, 201
- shift keying (modulation PSK), 357
Phaseur
- alatoire, 204
- de Rayleigh, 206
- (concept de ... ), 193
Pisarenko (mthode de ... ), 373
Plage de conversion, 305
Planck (constante de ... ), 173
Poisson (distribution de ... ), 479
Porteuse, 333
Pouvoir
- de rsolu tion en distance, 216
de rsolu tion en vitesse, 216
de rsolu tion frquentielle, 216
- de rsolu tion temporelle, 216
- sparateur, 374
PPM, 364
Prdic tion, 309
- linaire, 423
Priee (thorme de ... ), 264
Primitives, 460
Principe
d'orthogonalit, 422
- de superposition, 21
Probabilt, 465
- conditionnelle, 466,471
- conjointe, 465
- d'erreur totale, 444
- de dtection, 446
de fausse alarme, 446
de non dtection, 446
Processeur de signal, 227
Processus
alatoire, 1 Il
- alatoire continu, Il 1
- alatoire discret, 111
- alatoire indpendant, 121
- alatoire (au tocorrlation d'un ... ),
125
- alatoire (autocovariance d'un ... ),
126
- al atoire (densit spectrale de
puissance), 133
539
de dcision, 441
- de Markov, 162
- de Poisson, 159
ergodique, 116
- gaussien, 153
- gaussien (proprits), 154
- pontuel, 111,159
stochastique, 1 Il
Produit
- de convolu tion, 1 1
de Kronecker, 62
de signaux alatoires, 151
- d'intermodulation, 259
dure x largeur de bande, 221
scalaire de signaux, 47
- (thorme du ... ), 86
Profil instrumental, 13
Projection (thorme de la ... ), 49
Proprits
- de l'impulsion de Dirac, 21,487
- de la transformation de Fourier,
72,493
PSK, 357
Puissance
moyenne normalise, 34
- moyenne totale, 34
Pulsation instantane, 201
Pulse
- amplitude modulation (PAM), 363
- code modulation (peM), 334
- duration modulation (PDM), 364
- frquency modulation (PFM), 364
- pOSition modulation (PPM), 364
- width modulation (PWM), 364
PWM, 364
Qualit de l'approximation, 51
Quantification, 305,314
uniforme, 305,316
- (thorme de ... ), 320
Rademacher (fonction de ... ), 59
Rapport
- de vraisemblance, 446
- signal sur bruit, 3
signal sur bruit de quantification,
317
- signal sur brut instantan, 455
Rayleigh
(phaseur de ... ), 206
- (distribution de ... ), 484
540
numrique, 35
porteur, 333
primaire, 333
processor, 227
quantifi, 35
secondaire, 333
bande limite, 38
ner~e finie, 34
Signaux
- puissance moyenne finie, 34
- puissance moyenne finie
(corrlation de ... ), 91
- support born, 38
- alatoires, 29, 111
- alatoires non stationnaires, 32
- alatoires stationnaires, 32
- causals, 39
- de carr intgrable (sommable),
34
- de dure limite, 38
- de spectre support born, 38
- dterministes, 28
- ergodiques, 32
- impairs, 38
- non priodiques, 29
- pairs, 38
- priodiques, 29
- priodiques (fonctions de corrlation), 94
- priodiques (spectres d'amplitude et
de phase), 29
- pseudo~alatoires, 29, 163
- quasi-priodiques, 29
- sinusodaux, 29
- transitoires, 291
Signum, 15
Single side bande modulation (SSB),
(341)
Sinus
- cardinal (fonction Sine), 23, 501
- intgral, 24
Sommateur, 254
Somme de signaux alatoires, 147
Sous-chantillonnage d'un signal
priodique, 292
Soustracteur, 254
Spectre, 4
- d'amplitude, 72
- d'nergie, 82
- de phase, 72
- de raies, 71,94
INDEX ANALYTIQUE
- instantan, 218
Spread spectrum systems, 440
SSB, 341
Stationnarit, 115
- au sens large, 116
- au sens stricte, 115
- du deuxime ordre, 115
Statistique
- d'ordre 1, 114
- d'ordre 2, 115
- d'ordre k, 114
Suite alatoire, 111
Symtrie hermitienne, 47, 80
Synthse, 10
Synthtiseur de signaux, 55
Systme
- courant porteur, 341
- talement de bande, 440
- analogique, 37
- de traitement des signaux, 227
- digital, 37
- chantillonn, 37
- numrique, 37
- sparable, 256
541
Thorie
- de l'information (de la communication), 5
- du signal, 3
Traitement
- des signaux, 9
- en temps rel, 227
Transforma tion
- de Fourier, 231, 371
- de signal, 227
Transforma tion
- d'un vecteur alatoire, 122
- de Fourier discrte, 65, 290, 390
- de Fourier rapide, 14,291,390
- de Fourier (proprits), 72,493
- de Fourier (table illustre), 497
- de Hilbert, 194, 239
- en z, 233
- irrversible, 274
- quadratique, 123
- rversible, 274
Transforme
- de Fourier, 69
- de Fourier bidimensionnelle, 7, 13
- de Fourier d'un signal priodique, 94
- de Fourier d'un signal chantillonn
idalis, 281
- de Fourier (extension), 89
- de Hilbert, 194, 239
- en z d'un signal chantillonn
idalis:. 281
True RMS value, 116
Valeur
- efficace, 18
- moyenne, 17, 18
- moyenne exprimentale, 474
- moyenne statistique, 114,474
- quadratique, 17
- quadratique moyenne, 17,475
Variable
- alatoire, 112, 466
- alatoire bidimensionnelle, 469
- alatoire continue (VAC ), 468
- alatoire discrte (VAD), 467
- binaire, 478
- centre rduite, 483
Variables statistiquement indpendantes, 471
Variance, 114,475
542
Vecteur
- alatoire, 114
alatoire (transformation d'un ... ),
122
- de description, 459
Vestigial side band modulation
(VSB), 342
Volterra (reprsentation en srie de
GLOSSAIRE
Symbole
Dsgnation
Page
Paramtre
Vecteur de paramtres
Estimation du paramtre a
Estimation selon le critre de la valeur absolue
Estimation erreur quadratique minimale
Es tim a tion linaire
Estima tion lnaire optimale
Estimation du maximum a posteriori
Estimation fi vraisem blance maximale
Partie relle de l'enveloppe complexe 1:. (t)
Amplitude
Biais
Partie imaginaire de l'enveloppe complexe !JI)
Largeur de bande frquentielle
Largeur de bande effective
Largeur de bande quivalente (de bruit)
Largeur de ban de utile
Largeur de bande - 3 dB
Largeur de bande approximative
Coefficient de cot
Fonction de co t ou de perte
Capacit lectrique
Matrice de covariance
Covariance des variables alatoires x et y
Fonction d'autocovariance du processus alatoire x (t)
Fonction d'intercovarance de x (t) et y(r)
Distorsion
Signal dmodul
Distance entre x et y
Dure, largeur d'impulsions
Dure effective
Dure u Wc
Dure de corrlation
Charge de l'lectron
Fonction d'chantillonnage
Erreur d'approximation ou d'estimation
Erreur quadratique moyenne
411
411
411
415
414
422
422
415
412
208
000
415
208
36
223
245
220
244
224
447
413
177
131
476
126
145
261
344
43
275
224
220
224
179
275
49
50
a = (al,
a
Gabs
Geqm
llQ
(j'Qo
G map
G mv
a (I)
A
b
b (1)
B
Be
Bcq
Bu
B- 3dB
BT
('i}
da, G)
C
Cx
C x )'
C X (T)
Cxy(T)
d
d (t)
d(x,y)
D
De
Du
DT
e
e (c)
e (r)
lIef
02, .. )
544
Esprance mathmatique
Frquence
Frquence de coupure
Frquence ou cadence d'chantillonnage
Frquence image
Frquence porteuse
Frquence instantane
Transforma tion de Fourier
Facteur de brut
Pouvoir de rsolution frquentielle (en vitesse)
Fonction de rpartition de la variable alatoire x
Fonction de rpartition complmentaire
f
fr:.
j~
fi
Ip
li (t)
F
F
Fv
F (x)
FcCx) =
I-F(x)
g(t),/z(c)
G(f),H(f)
Il
H
Ho,Hl
HN
i Ct)
Jo (x)
j =;: v'=t
.f
.f" (x)
k.
K
lb
ln
loglO
l(a)
L2
111
= E [x Il ]
1ll.'C1l
mx-il,fI
=;:
474
245, 285
275
366
335
201
69
185
216
466
483
21
232
173
194
444
62
33
203
Il
122
502
419
46
367
475
475
E [(x - p)1/]
I1I x I
=;:
Ilx
Ill x 2
11l x- il .2
m (t)
Il
(t)
I1q (t)
0
0 0 ,0 1
P
Pd
TYr
Pn
P
P (r)
Px(x)
= cr.~
474
475
475
335
347
315
444
444
446
446
446
444
33
467
545
GLOSSAIHE
(x
Px
P th = kTB
Prob (A)
Prob (A, B)
Prob(AIB)
q
Q(a,b)
r(t)
rx (t)
!.xU) =
469
471
Rsistance lectrique
Risque moyen
Matrice de corrlation
Corrlation des variables alatoires x et y
F one tion 'au tocorrlaton statistique de x (t)
Fonction d'intercorrlation statistique de x (r) et y (t)
Squence de la fonction de Walsh wal (k, II T)
Signal modul
Signal utile
Oprateur fonctionnel
Temps
Retard de groupe
Temps de monte
Retard de phase
Temprature absolue
Intervalle de temps ou priode
Temprature ambiante absolue
Pouvoir de rsolution temporel (en distance)
Priode (pas) d'chantillonnage
Temprature quivalente de bruit
Tension lectrique (valeur instantane)
Signal auxiliaire, fonction de pondration
Porteuse
Valeur de crte de la tension Cl Ct)
Phaseur de la tension sinusodale ft (t)
Vitesse de balayage
Seuil de dcision
Energie normalise du signal x (r)
Nime racine de l'unit
33
447
34
174
465
465
466
309
508
16
200
208
a(r)+jb(r)
R
R
Rx
Rx"
= E [x*y]
Rx'(j)
Rxy (r)
Sk
s (r)
s (t)
S
r
tg
tm
(0
T
T
Ta
Td
Te
Teb
(t)
1/ (t)
IIp(r)
= exp (ja;)
LI
.Y
lIb
Wx
WN =
131
476
125
144
60
335
229
243
143
247
173
173
216
275
178
33
249,252
335
193
193
395
450
34
231
exp (j21iIN)
xk =x (rk)
{xk}
x, y,
Z,
IIxll
X,
X Ct)
x(T)
etc.
276
276
46
18
17
546
x(t, T)
x,x T
x (Xl,X2, )
x (t),}' (t), Z (t),
etc.
xCt)
zef)
12
483
114
72
49
III
93
194
194
274
72
72
63
69
72
194
281
176
41
50
21
50
146
355
19
22
310
349
349
378
16
1 11
142
339
173
72
232
""k12<I/Jk.
172
"kA
50
-.J;Q>
III/J k ll
53
50
GLOSSAIRE
A(x)
I1x=E[x]
~
~o
~dB=IOlog~
IIx(ll)
JJ xy (lI,
l')
PXI '
PX"(T)
PXy(T)
Var(x)
T
r/1x(r)
'Px(T)
:Px (T)
:Px(T,T)
'l'XI'
(T, T)
tI1x"(f)
o
547
Rapport de vraisemblance
446
474
Valeur moyenne statistique de la variable x
Dcalage Doppler, frquence (notation auxiliare)
115,250
Rapport signal sur bruit
3
348
Rapport signal sur bruit de rfrence
3
Rapport sgnal sur bruit en dcibels
477
Fonction caractristique de la variable alatoire x
478
Fonction caractristique du couple x, y
Coefficient de corrlation (covariance norme) de x et y
477
Fonction d'autocovariance normalise
117
145
Fonction d'intercovariance normalise
476
Ecart-type (dviation standard) de la variable x
475
Variance (cart quadratique moyen) de x
Paramtre de retard, temps (notation auxiliaire)
Phase instantane de x (t)
201
Fonction d'au tocorrlation temporelle du signal
91
puissance moyenne finie x (t)
Fonction d'autocorrlation temporelle du signal
80
nergie finie x (t)
Fonction d'au toeorrlation de x (t, T)
100
Fonction d'intercorrlation temporelle de x (t) et y (r)
80,91
Fonction d'intercorrlation de x (t, T) et)' (r, T)
100
Densit spectrale de pu issance de x (t)
92
F{'Px(T)}
82
ABRVIA TIONS
AIN
AM
AMP
Conversion analogique-numrique
Modulation d'amplitude
Modulation d'amplitude sans porteuse
102
106
106
93
85
103
173
215
484
42
201
548
DPCM
FFT
FM
FSK
MIC
NIA
NRZ
PAM
PCM
PDM
PFM
PLL
PPM
PSK
SSB
TFD
VAC
VAD
VCO
VSB
~M
(PM
NOTATION SPCIALES
*
'*
**
H
<>
m
cat(skt lIT)
ig (r)
radU, lIT)
rect(t)
rep T [ ]
sal(sk' tlT)
sgn (t)
sinc (a)
Si(u)
tri (t)
wal(k,tIT)
Produit de convolution
Produit de convolution en valeur moyenne
Produit de convolution de fonctions bidimensionnelles
Multiple produit de convolu tion
Produit scalaires
Produit de Kronecker
Addition modulo- 2
Fonction de Walsh pair de squence Sk pour k pair
Impulsion gaussienne
Fonction de Rademacher
Fonction rectangulaire
Oprateur de rpttion de priode T
Fonction de Walsh de squence sk pour k impair
Fonction signe
Fonction sinus cardinal
Fonction sinus intgral
Fonction triangulaire
Fonction de Walsh
91
13
159
7
61
44
60
14
59
17
21
60
15
13
14
18
60
Imprim en Suisse