FORMULAIRE POUR LA THORIE DU SIGNAL

Christian JUTTEN

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

1. FORMULES TRIGONOMTRIQUES 2. MODLES MATHMATIQUES DE SIGNAUX

1.1. Somme et diffrence dangles 2.1. Signaux simples

sin( + ) = sin cos + cos sin , rect[(t )/T ] : fonction rectangle centre sur , damplitude
sin( ) = sin cos cos sin , 1 et de largeur T (laire vaut T ),

cos( + ) = cos cos sin sin , tri[(t )/T ] : fonction triangle centre sur , damplitude
1 et de largeur 2T (laire vaut T ),
cos( ) = cos cos + sin sin .
(t) : distribution de Dirac, satisfaisant (t) = 0 pour
1.2. Expression en fonction des angles doubles R +
t 6= 0, et (t)dt = 1,
2 sin2 = 1 cos 2,
sin(u)
sinc(u) = u : sinus cardinal de u (son aire vaut
2 cos2 = 1 + cos 2, 1).
2 sin cos = sin 2.
2.2. Oprateur de rptition
1.3. Produits de fonctions trigonomtriques
repT (.) : rptition de . avec une priode T ,
2 sin sin = cos( ) cos( + ),
P+
2 cos cos = cos( ) + cos( + ), repT (x(t)) = k= x(t kT ),

2 sin cos = sin( ) + sin( + ). repT ((t)) = T (t) =

P+
(t kT ) : peigne de
k=
Dirac.
1.4. Somme et diffrence de fonctions trigonomtriques
sin + sin = 2 sin[( + )/2] cos[( )/2], 2.3. Oprateur de convolution
sin sin = 2 sin[( )/2] cos[( + )/2], Dfinition
cos + cos = 2 cos[( + )/2] cos[( )/2], R +
x(t) y(t) = (x y)(t) =
x(u)y(t u)du =
cos cos = 2 sin[( + )/2] sin[( )/2]. R +
x(t v)y(v)dv,

1.5. Formes exponentielles x(t) y(t t0 ) =

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

exp(j) = cos + j sin , avec j 2 = 1, y)(t t0 ),
exp(j)exp(j) R +
sin = 2j , x(t) y(at + b) = x(u)y(a(t u) + b)du

exp(j)+exp(j)
cos = 2 . Proprits

1.6. Dveloppements limits Commutativit : x(t) y(t) = y(t) x(t),

sin = 3 /3! + 5 /5! . . . + (1)p 2p+1 /(2p + Associativit : [x(t)y(t)]z(t) = x(t)[y(t)z(t)] =

1)! + . . ., x(t) y(t) z(t),
cos = 1 2 /2! + 4 /4! . . . + (1)p 2p /(2p)! + . . .,
Distributivit par rapport laddition : x(t) [y(t) +
exp = 1 + + 2 /2! + . . . + k /k! + . . .. z(t)] = x(t) y(t) + x(t) z(t)
2.4. Proprits de la distribution de Dirac (t) 4.5. Dveloppement en sries de Fourier (DSF) dans L2 (t1 , t1 +
R + T)
x(t0 ) = x(t)(t t0 )dt
On utilise k (t) = exp j2 Tk t .


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


x(t) (t t0 ) = x(t t0 ),
R t +T
kk = t11 | exp j2 Tk t |2 dt = T ,


x(t t1 ) (t t2 ) = x(t t1 t2 ),
R t1 +T
(at) = |a|1 (t). k = 1kk hx, exp j2 Tk t i = 1


T t1
x(t) exp
j2 Tk t dt.

3. VALEUR MOYENNE TEMPORELLE, NERGIE

ET PUISSANCE
5. TRANSFORMES DE FOURIER
R +T /2
x = limT + T1 T /2 x(t)dt : moyenne.
5.1. Transforme de fonctions sommables
Signaux rels
R des fonctions x(t) bornes et absolument sommables
Pour
R + ( |x(t)|dt < +), on dfinit la transforme de Fourier (TF),
Wx = x2 (t)dt : nergie,
note X(f ) :
1
R +T /2
Px = limT + T T /2
x2 (t)dt : puissance. Z +
x(t) X(f ) = x(t) exp(j2f t)dt.
Signaux complexes
R +
Wx = |x(t)|2 dt : nergie, De mme, tant donne X(f ), on peut calculer x(t) par trans-
forme de Fourier inverse :
1
R +T /2
Px = limT + T T /2
|x(t)|2 dt : puissance. Z +
X(f ) x(t) = X(f ) exp(+j2f t)df.

4. REPRSENTATION VECTORIELLE
5.2. Notations
On considre des signaux x(t) et y(t) dans lespace L2 (t1 , t2 ).
On notera
4.1. Distance euclidienne x(t) X(f ),
hR i1/2
t2
d(x, y) = kx yk = t1
|x(t) y(t)|2 dt X(f ) = F{x(t)} : transforme de Fourier,

d(x, y)2 = kxk2 + kyk2 2hx, yi x(t) = F 1 {X(f )} : transforme de Fourier inverse.
hR i
t
kxk2 = t12 |x(t)|2 dt , 5.3. Proprits

hx, yi =
R t2
x(t)y (t)dt. La TF est linaire : ax(t) + by(t) aX(f ) + bY (f )
t1
La TF conserve la parit.
4.2. Ingalit de Schwartz
Si la fonction x(t) est relle (imaginaire, resp.) im-
|hx, yi|2 hx, xi.hy, yi, paire, X(f ) est imaginaire (relle, resp.) impaire.
R 2 R
 t t Rt
 t12 x(t)y (t)dt t12 |x(t)|2 dt. t12 |y(t)|2 dt.

5.4. Rgles de calculs
Soit une fonction x(t), telle que x(t) X(f ).
4.3. Orthogonalit de x(t) et y(t)
Rt x(t) X(f ) : retournement temporel,
hx, yi = t12 x(t)y (t)dt = 0.
x (t) X (f ) : complexe conjugue,
4.4. Dveloppement sur une base orthogonale {k (t)}
P+ x(at) |a|1 X(f /a) : effet Doppler,
x(t) = k=1 k k (t),
x(t t0 ) X(f ) exp(j2f t0 ) : translation tem-
Rt
k = 1kk hx, k i = 1kk t12 x(t)k (t)dt, porelle,
Rt
kk = hk , k i = kk k2 = t12 |k (t)|2 dt, x(t) exp(j2f0 t) X(f f0 ) : translation en frquence
ou modulation,
Rt P+
t12 |x(t)|2 dt = k=1 |k |2 kk . dn
(j2f )n X(f ) : drivation sur t.
dtn x(t)
Soient deux fonctions x(t) et y(t), telles que x(t) X(f ) et 5.8.2. Transformes de Fourier
y(t) Y (f ), on montre le Thorme de Plancherel :
Les transformes de Fourier de signaux priodiques sont des
x(t) y(t) X(f )Y (f ), spectres de raies, aux frquences n/, dont lenveloppe spec-
trale est la transforme de Fourier dune priode du signal di-
x(t)y(t) X(f ) Y (f ). vise par la priode .
P+
X(f ) = n= Xn (f n/), avec Xn dfini ci-
5.5. Transformes de Fourier de quelques signaux usuels
dessus,
rect(t/T ) T sinc(f T ) : fonction rectangle, P+
Y (f ) = n= Yn (f n/), avec Yn dfini ci-
tri(t/T ) T sinc2 (f T ) : fonction triangle, dessus.
1
exp(at)(t) a+j2f : impulsion exponentielle 5.8.3. Transformes de signaux priodiques usuels
unilatrale,
cos(2f0 t) 21 [(f + f0 ) + (f f0 )] : signal cosi-
2a
exp(a|t|) a2 +(2f )2 : impulsion exponentielle nusodal,
double,
sin(2f0 t) 2j [(f + f0 ) (f f0 )] : signal sinu-
2 2
exp(t ) exp(f ) : impulsion gaussienne, sodal,
2f0
exp(at) sin(2f0 t)(t) (a+j2f )2 +(2f0 )2 : sinu- exp(j2f0 t) (f f0 ) : phaseur la frquence f0 ,
sode amortie, P 1
P
k (tk) n (f n/) : peigne de Dirac,
a+j2f0
exp(at) cos(2f0 t)(t) (a+j2f )2 +(2f0 )2 : cosi- 1
nusode amortie. (t) 1/ (f ) : peigne de Dirac avec les nota-
tions abrges,
P+ P+
5.6. Transformes de Fourier de distributions n= Xn exp(j2nt/) n= Xn (f n/):
1 (f ) signal x(t) priodique,
(t) j2f + 2 : chelon unit,
P+
Arep {rect(t/} n= Xn (f n/) avec Xn =
1
sgn(t) : fonction signe, A
sinc(n/).
jf

(t) 1 : impulsion de Dirac,

6. CORRLATIONS ET DENSITS SPECTRALES
k k(f ) : constante.
6.1. Signaux nergie finie
5.7. Transforme de Fourier de signaux moyenne non 6.1.1. Auto- et inter-corrlation
nulle R +
Auto-corrlation : xx ( ) =
x(t)x (t )dt,
Soit x(t) = x + x0 (t) o x est la moyenne de x(t), on
F {x0 (t)} R +
a F{x(t)} = j2f + x(f ), Inter-corrlation : xy ( ) =
x(t)y (t )dt.

(t) 12 (f ) + 1
j2f , 6.1.2. Relation entre corrlation et convolution
1
sgn(t) jf . xy ( ) = x( ) y ( ).

5.8. Transformes de Fourier de signaux priodiques 6.1.3. Proprits des fonctions de corrlation

Soient deux signaux x(t) et y(t), priodiques de mme pri- Symtrie hermitienne :
ode .
xy ( ) = yx ( ),
xx ( ) = xx ( ),
5.8.1. Dveloppement en sries de Fourier (DSF)
Les signaux tant priodiques, si les conditions de Diriclet Bornes
sont satisfaites, on peut calculer les DSF de x(t) et y(t) : Cas gnral : |xy ( )|2 xx (0)yy (0),
P+
x(t) = n= Xn exp(j2nt/), Pour x(t) = y(t) : |xx ( )| xx (0),
R +/2
avec Xn = [ /2 x(t) exp(j2nt/)dt]/, xx (0) R est lnergie du signal.
P+ Dans le cas de signaux rels, la fonction dautocorrlation
y(t) = n= Yn exp(j2nt/),
R +/2 est paire et maximale en 0, o xx (0) est lnergie du
avec Yn = [ /2 y(t) exp(j2nt/)dt]/. signal.
6.1.4. Densit spectrale dnergie Inter-corrlation
R + R +/2
xx ( ) Sxx (f ) = xx ( ) exp(j2f )d , xy ( ) = 1
x(t)y (t )dt,
/2
R t0 +
Sxx (f ) = |X(f )|2 : densit spectrale dnergie, xy ( ) = 1
t0
x(t)y (t )dt,
R + P+
xy ( ) Sxy (f ) = xy ( ) exp(j2f )d : xy ( ) = n= Xn Yn exp(j2n /), en util-
densit inter-spectrale dnergie, isant le DSF de x(t) et y(t).

Sxy (f ) = X(f )Y (f ) ,
6.3.2. Densits spectrale et inter-spectrale de puissance
6.1.5. Relations de Parseval Les densits spectrale et inter-spectrale de puissance sont les
R + R + transformes de Fourier de fonctions priodiques de priodes
x(t)y (t)dt = X(f )Y (f )df , . On obtient donc des spectres de raies, aux frquences
R + R + k/, dont lenveloppe spectrale est la transforme de Fourier
|x(t)|2 dt = |X(f )|2 df , ou, pour le cas =
dune priode de la fonction de corrlation divise par la pri-
0, R + ode .
xy (0) = Sxx (f )df : nergie du signal.
Densit spectrale
6.1.6. Drivation de la fonction de corrlation P+
Sxx (f ) = n= |Xn |2 (f n/), en util-
dxy ( )
d = x y ( ) = xy ( ) isant le DSF de x(t),
1 2
Sxx (f ) = 2 |X(f, )| 1/ (f ),
avec
6.2. Signaux puissance moyenne finie X(f, ) = F{x(t, )} = F{rect((t)/)x(t)}.
6.2.1. Fonctions de corrlation Densit inter-spectrale
R +T /2
xx ( ) = limT T1 T /2 x(t)x (t )dt : auto- P+
Sxy (f ) = n= Xn Yn (f n/), en util-
corrlation, isant le DSF de x(t),
R +T /2 1
xy ( ) = limT T1 T /2 x(t)y (t )dt : inter- Sxy (f ) = 2 X(f, )Y (f, )1/ (f ),
avec
corrlation. X(f, ) = F{x(t, )} = F{rect((t)/)x(t)}
et Y (f, ) = F{y(t, )} = F{rect((t)/)y(t)}.
6.2.2. Densits spectrale et interspectrale de puissance
6.3.3. Relations de Parseval
Sxx (f ) = F{xx ( )} : densit spectrale de puissance, R + P+
Px = xx (0) = Sxx (f )df = n= |Xn |2 .
Sxy (f ) = F{xy ( )} : densit inter-spectrale de puis-
sance,
7. SIGNAUX ALATOIRES
Sxx (f ) = limT T1 |X(f, T )|2 , avec
X(f, T ) = F{x(t, T )} = F{rect(t/T )x(t)}. 7.1. Variables alatoires
7.1.1. Densits de probabilit
6.2.3. Relation de Parseval
R + On note pX (u) la densit dune variable alatoire (VA) X.
Px = xx (0) = Sxx (f ).
Si X et Y sont deux VA indpendantes, la densit de la
6.3. Signaux priodiques VA Z = X + Y est : pZ (u) = (pX py )(u),

Soient deux signaux x(t) et y(t), priodiques de mme pri- Si Y = f (X), avec f inversible,
ode . pY (u) = pX (f 1 (u))/|f (f 1 (u))|

6.3.1. Fonctions de corrlation 7.1.2. Moments

Les auto et inter-corrlations sont priodiques de priode , Moyenne dune VA continue ou discrte
et on peut les calculer par intgration sur une priode . R +
1 = E[X] = upX (u)du,
Auto-corrlation P
R +/2 1 = E[X] = i ui Pr(X = ui ).
1
xx ( ) = /2
x(t)x (t )dt,
R t0 + Moment dordre k dune VA continue ou discrte
1
xx ( ) = t0
x(t)x (t )dt, R +
P+ k = E[X k ] = uk pX (u)du,
xx ( ) = |Xn |2 exp(j2n /), en util-
n=
k = E[X k ] = i uki Pr(X = ui ).
P
isant le DSF de x(t).
Moment centr dordre k dune VA continue ou discrte 7.3. Auto-corrlation
R +
k = E[(X 1 )k ] = (u 1 )k pX (u)du, On note de faon gnrale Xi = x(ti ) la VA associe au
processus alatoire x(t) pour t = ti .
k = E[(X 1 )k ] = 1 )k Pr(X = ui ).
P
i (ui
7.3.1. Auto-corrlation statistique
Variance : cest le moment centr dordre 2. On la note
frquemment 2 plutt que 2 . Cas gnral
R + RR
2 = 2 = E[(X 1 )2 ] = (u 1 )2 pX (u)du, RXX (t1 , t2 ) = E[X1 X2 ] = x1 x2 p(x1 , x2 )dx1 dx2 .

2 = 2 = E[(X 1 )2 ] =
P 2
i (ui 1 ) Pr(X = ui ).
Relation entre variance et moments dordre 1 et 2
Cas dun signal stationnaire, en notant = t1 t2
RR
RXX ( ) = E[X(t)X(t )] = x1 x2 p(x1 , x2 )dx1 dx2 .

Les VA sont orthogonales ssi RXX ( ) = 0.

2 = E[(X 1 )2 ] = E[X 2 ] E[X]2 = 2 21 .

7.3.2. Auto-covariance statistique

7.1.3. Distributions de quelques lois usuelles
Cest lauto-corrlation des processus alatoires centrs. On
Pr(k) = Cnk pk (1 p)nk : loi Binomiale, de la VA
la note CXX ( ).
somme de n VA binaires, avec p = Pr(X = x1 ) et
Cas gnral
1 p = Pr(X = x0 ),
an
CXX
R R(t1 , t2 ) = E[(X1 E(X1 ))(X2 E(X2 ))]
Pr(n) = n! exp(a) : loi de Poisson de paramtre = (x1 E(X1 ))(x2 E(X2 ))p(x1 , x2 )dx1 dx2
a > 0, = RXX (t1 , t2 ) E(X1 )E(X2 ).
 
(um)2
p(u) = 1 exp : loi gaussienne de Cas dun signal stationnaire, en notant = t1 t2
2 2 2
moyenne m et de variance , note N (m, 2 ).
2
CXX
R R( ) = E[(X(t) E(X))(X(t ) E(X))]
= x1 x2 p(x1 , x2 )dx1 dx2
7.2. Vecteurs alatoires = RXX ( ) E(X)2 .
7.2.1. Densits de probabilit Les VA sont non corrles ssi CXX ( ) = 0.
On note pX (u1 , . . . , un ) la densit dun vecteur alatoire (VcA)
X de dimension n. 7.3.3. Cas de processus ergodiques et stationnaires
Soit Y = f (X), avec f inversible. On note f 1 la transfor-
Dans ce cas, on peut remplacer les moyennes statistiques par
mation inverse, |Jf 1 | son jacobien et (f 1 )i la composante
des moyennes temporelles, car on a asymptotiquement :
i de la transformation f 1 :
R T /2
pY (u1 , . . . , un ) = RXX ( ) = limT T1 T /2 x(t)x(t )dt = XX ( ).
pX ((f 1 )1 (u1 ), . . . , (f 1 )n (un ))|Jf 1 |.
7.3.4. Coefficient de corrlation
Dans le cas dune transformation linaire Y = AX o A est
une matrice rgulire et u = (u1 , . . . , un )T : Par dfinition, cest lauto-covariance normalise, note X ( ) :
CXX ( ) CXX ( )
pY (u1 , . . . , un ) = X ( ) = CXX (0) = 2
X
.
pX (A1 u)| det A1 |.

Dans le cas de la somme Z = X + Y de deux variables 7.3.5. Proprits pour les signaux rels
alatoires, la densit pZ (u) vaut : Les fonction dauto-corrlation et dauto-covariance ont les
R proprits intressantes pour des processus alatoires rels.
pZ (u) = pXY (x, u x)dx,
De plus, en = 0, on a les relations nergtiques.
R
pZ (u) = pX (x)pY (u x)dx = (pX pY )(u), si X elles sont paires,
et Y sont des VA indpendantes.
le maximum est atteint en = 0 :
7.2.2. Thorme de la limite centrale
|CXX ( )| CXX (0)
Thorme 7.2.1 La distribution statistique dune somme de |RXX ( )| RXX (0)
n variables alatoires indpendantes, possdant la mme loi 2
CXX (0) = X ,
tend asymptotiquement vers une distribution gaussienne quelle
2
que soit la distribution des termes individuels. RXX (0) = X + 2X .
7.4. Densit spectrale de puissance (DSP) RXY ( ) = E[X(t)Y (t )] (cas stationnaire).
Pour un processus alatoire x(t), on ne peut pas calculer di- et dinter-covariance :
rectement la transforme de Fourier, puisque x(t) ne peut pas
tre dcrit. Par consquent, on ne peut pas calculer directe- CXY (t1 , t2 ) = E[(X(t1 ) X )(Y (t2 ) Y )]
ment sa DSP. On peut en revanche calculer sa fonction dauto- = RXY (t1 , t2 ) E[X(t1 ))E(Y (t2 )] (cas gnral),
corrlation par une moyenne statistique ou temporelle, et en
dduire sa DSP en appliquant le thorme ci-dessous. CXY ( ) = E[(X(t) X )(Y (t ) Y )]
= RXY ( ) X Y (cas stationnaire).
7.4.1. Thorme de Wiener-Kintchine
7.5.2. Coefficient dinter-corrlation
Le thorme de Wiener-Kintchine tablit le lien entre la fonc-
tion dauto-corrlation et la DSP pour des signaux alatoires. Le coefficient dinter-corrlation est dfini par :
CXY ( )
Thorme 7.4.1 La DSP dun processus alatoire station- XY ( ) = X Y .
naire au sens large est le transforme de Fourier de sa fonc-
tion dauto-corrlation : 7.5.3. Densit inter-spectrale
Z +
La densit inter-spectrale de puissance est la transforme de
SXX (f ) = RXX ( ) exp(j2f )d.
Fourier de la fonction dinter-corrlation :

SXY (f ) = F{RXY ( )}.

7.4.2. Consquence
Si on connat la DSP SXX (f ) dun processus alatoire x(t), 7.5.4. Cohrence
on peut dduire la fonction dauto-corrlation par transforme
|SXY (f )|2
de Fourier inverse : XY (f ) = SXX (f )SY Y (f ) .
Z +
RXX ( ) = SXX (f ) exp(j2f )df. La cohrence est proche de 1 si les signaux x(t) et y(t) sont
lis par une relation linaire (filtre). Dans le cas dune relation
non linaire ou en prsence dun bruit additif, la cohrence
On peut aussi lexprimer en fonction de lauto-covariance, car devient trs infrieure 1.
RXX ( ) = CXX ( ) + 2X :

SXX (f ) = F{CXX ( )} + 2X (f ). 8. FILTRES LINAIRES INVARIANTS

En = 0, on a : On considre un filtre de rponse impulsionnelle g(t) et en

R + frquence G(f ), dont les signaux dentre et de sortie sont
RXX (0) = PX =
SXX (f )df . x(t) et y(t), respectivement.
Si le processus est aussi ergodique, on a Y (f ) = G(f )X(f ) = X(f )G(f ),
R T /2
RXX (0) = limT T1 T /2 |x(t)|2 dt y(t) = (g x)(t) = (x g)(t).
R +
= SXX (f )df .
Pour une cascade de filtres, on a g(t) = (g1 g2 . . . gn )(t)
ou, en frquence, G(f ) = G1 (f )G2 (f ) . . . Gn (f ).
7.4.3. Bruit blanc
Dfinition 7.4.2 On appelle bruit blanc un processus ala- 8.1. Formule des interfrences
toire b(t) dont la densit spectrale de puissance est constante,
On considre deux filtres de rponses impulsionnelles g1 (t) et
f :
g2 (t) et de rponses en frquence (TF) G1 (f ) et G2 (f ), dont
SBB (f ) = /2.
les signaux dentre sont x1 (t) et x2 (t), et de sortie y1 (t) et
Par transforme de Fourier inverse, on dduit la fonction dauto- y2 (t).
corrlation dun bruit blanc b(t) : SY1 Y2 (f ) = SX1 X2 (f )G1 (f )G2 (f ).
RBB ( ) = F 1 {SXX (f )} = ( )/2.
8.2. Relation entre-sortie des DSP
7.5. Inter-corrlation et densit inter-spectrale En consquence de la formule des interfrences, on a pour les
7.5.1. Inter-corrlation et inter-covariance DSP :

On dfinit les fonctions dinter-corrlation : SY Y (f ) = |G(f )|2 SXX (f ),

RXY (t1 , t2 ) = E[X(t1 )Y (t2 )] (cas gnral) SY X (f ) = G(f )SXX (f ).

8.3. Relation entre-sortie entre corrlations
En consquence des formules entre DSP, par transforme de
Fourier inverse, on a pour les auto-corrlations :
RY Y ( ) = gg ( ) RXX ( ) pour des signaux ala-
toires, et
Y Y ( ) = gg ( ) XX ( ) si les signaux sont er-
godiques, ou certains puissance moyenne finie ou
nergie finie (attention aux dfinitions de ).
et pour les inter-corrlations :
RY X ( ) = g( ) RXX ( ), pour des signaux ala-
toires, et
Y X ( ) = g( )XX ( ) si les signaux sont ergodiques,
ou certains puissance moyenne finie ou nergie finie
(attention aux dfinitions de ).
9.2. Oprateur de moyenne temporelle
g(t) = rect((t T /2)/T ),
G(f ) = sinc(T f ) exp(jf T ),
y = G(0)X = X (moyenne),
gg ( ) = tri( /T )/T (auto-corrlation).
9.3. Oprateur de filtrage passe-bas idal
Le filtre causal de largeur de bande B ntant pas ralisable,
on dcale g(t) de t0 .
G(f ) = rect[f /(2B)] exp(j2f t0 ),
avec |G(f )| = rect[f /(2B)] et (G(f )) = 2f t0 ,
g(t) = 2Bsinc[2B(t t0 )],
gg ( ) = 2Bsinc[2B ] (auto-corrlation).

9.4. Oprateur de filtrage passe-bande idal

8.4. Statistiques en sortie dun oprateur de filtrage
Le filtre causal de largeur de bande B, centr sur les frquences
On considre y(t) = (g x)(t). Les statistiques de y(t) sup- f0 ntant pas ralisable, on dcale g(t) de t0 .
pos stationnaire et ergodique sont :
G(f ) =
Y = X G(0) (moyenne), rect[f /B] exp(j2f t0 ) [(f f0 ) + (f + f0 )],
avec |G(f )| = rect[f /(2B)] et (G(f )) = 2f t0 ,
PYR = RY Y (0)
= R RXX ( )gg ( )d g(t) = 2Bsinc[2B(t t0 )] cos(2f0 t),
= SXX (f )|G(f )|2 df (moment dordre 2),
gg ( ) = 2Bsinc[B ] cos(2f0 ) (auto-corrlation).
Y2 R=
CY Y (0) = PY 2X
= CXX ( )gg ( )d (variance) 10. FILTRE ADAPT
SY X (f ) = G(f )SXX (f ) (auto-corrlation). Problme : concevoir un filtre h(t) qui dtecte un signal x(t)
connu dans une observation bruite, x(t) + n(t), o n(t) est
8.4.1. Filtre passe-bas sans perte un bruit de DSP SN N (f ), avec le meilleur rapport signal/bruit
au temps t0 . On note y(t) = (x + n) h(t) la sortie du filtre
G(0) = 1 et la moyenne en sortie : Y = X . h(t).
Le filtre optimal est le filtre adapt (au signal x(t)) :
8.4.2. Filtre passe-haut
X (f )
H(f ) = k exp(j2f t0 ), (1)
G(0) = 0 et la moyenne en sortie Y = 0. SN N (f )
avec le rapport S/B :
8.4.3. Signal dentre blanc, centr et de DSP /2
+
 S 2 |X(f )|2
Z
moyenne en sortie : Y = 0, = df. (2)
B SN N (f )
auto-corrlation de lentre : XX ( ) = ( )/2,
auto-corrlation en sortie : RY Y ( ) = gg ( )/2, Dans le cas o le bruit n(t) est un bruit blanc de DSP gale
variance : Y2 = gg (0)/2. N0 :
H(f ) = k X (f ) exp(j2f t0 ), (3)
9. AUTRES OPRATEURS ou, dans le domaine temporel :

9.1. Oprateur de retard t0 h(t) = k x (t0 t), (4)

g(t) = (t t0 ), avec le rapport S/B :

+
G(f ) = exp(j2f t0 ), soit |G(f )| = 1  S 2 1
Z
= |X(f )|2 df. (5)
et (G(f )) = 2f t0 (phase linaire), B N0

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