Energie et corrélation

Systèmes de Traitement du Signal

Polytech Marseille – INFO – 2016

Densité spectrale d’énergie

Signaux à énergie finie
+∞ +∞
Ex = ∫ x( t ) dt = ∫ X(ν ) d ν
2 2
−∞ −∞

+∞ +∞
E xy = ∫ x( t ) y * ( t ) dt = ∫ X( ν ) Y * (ν ) d ν
−∞ −∞

Densité spectrale d’énergie :

S x (ν ) = X(ν )
2

Densité spectrale d’énergie d’interaction :

S xy ( ν ) = X(ν ) Y * (ν )

S yx ( ν ) = Y(ν ) X* (ν ) = S yx (ν )
*

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 2

1
Densité spectrale d’énergie (2)
Signaux à énergie moyenne finie
Signaux tronqués ou mutilés :
  2t
x T ( t ) = Π  T  x( t )

y T ( t ) = Π  2 t  y( t )
 T
Densités spectrales de puissance :
 X T ( ν ) XT ( ν )
*
S ( ν ) = lim
 x T →∞ T

S ( ν ) = lim T ) YT (ν )ν
*
X (
 xy T →∞ T
Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 3

Autocorrélation
Signal à énergie finie :
+∞
C x ( τ) = ∫ x( t ) x * ( t − τ) dt
−∞

homogène à une énergie. Cx(0) : énergie du signal

Signal à puissance moyenne finie :

1 +T / 2
C x ( τ) = lim
T →∞ T ∫−T / 2 x( t ) x * ( t − τ) dt

Cx(0) : puissance moyenne du signal

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 4

2
 Autocorrélation (2)
Inégalité de Cauchy-Schwartz :
C x ( τ) ≤ C x ( 0 )
Autocorrélation maximale lorsque le retard est nul
Comparaison entre x(t) et une copie retardée x(t-τ) :
ressemblance maximale en absence de décalage
Complexe conjugué :
+∞ +∞
C x ( − τ) = ∫ x * ( t ) x( t + τ) dt = ∫ x * (u − τ) x(u) du = C x ( τ)
*
−∞ −∞

x(t) réel ⇒ Cx (τ) réelle et paire

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 5

Un exemple
Signal sinusoïdal :
x( t ) = A sin ωt
Energie infinie :
+∞
+∞ +∞ 1 − cos( 2ωt ) A 2  sin( 2ωt ) 
E=∫ A 2 sin2 ( ωt ) dt = A 2 ∫−∞ dt = t−
−∞ 2 2  2ω  − ∞

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 6

3
Un exemple (2)
Puissance moyenne :
1 +T / 2 2
P = lim
T →∞
T ∫ − T / 2
A sin2 ( ωt ) dt

1 +T / 2 A 2 + T / 2 1 − cos( 2ωt )
T ∫− T / 2 T ∫− T / 2
P(T ) = A 2 sin2 ( ωt ) dt = dt
2
+T / 2
A2  sin( 2ωt )  A2  sin( ωT ) 
P(T ) =  t − = T −
2T 2ω  − T / 2 2 T ω 
A2
P = lim P(T ) =
T →∞ 2
Puissance moyenne finie, identique à puissance
moyenne sur une période
Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 7

Un exemple (3)
Fonction d’autocorrélation :
1 T/2
C x ( τ) = lim
T →∞ T ∫−T / 2 x( t ) x(t − τ) dt
1 T/2
I= ∫−T / 2 A sin( ωt ) sin(ωt − ωτ) dt
2
T

A2
∫−T / 2 [cos(ωτ) − cos(2ωt − ωτ)] dt
T/2
I=
2T
T/2
A2  sin( 2ωt − ωτ) 
I= cos(ωτ) t − 
2T 2ω −T / 2

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 8

4
 Un exemple (4)
A2  sin[ω( t − τ)] sin[ω( t + τ)]
I= cos(ωτ) T − − 
2T  2ω 2ω 

Ce qui nous donne :

A2
C x ( τ) = cos(ωτ )
2
fonction périodique de même période que le signal
maximum lorsque signal et signal décalé en phase
minimum lorsque signal et signal décalé en
opposition de phase

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 9

Signaux périodiques
Série de Fourier :
+∞ +∞
x( t ) = c 0 + ∑ c n cos(n ω t + ϕn ) = ∑ c n cos(n ω t + ϕn ) avec ϕ0 = 0
n =1 n= 0

Il faut développer le produit :

x( t ) x( t − τ) = ∑ c n c m cos(n ω t + ϕn ) cos[m ω ( t − τ) + ϕm ]
n,m
Après quelques (pages de) calculs il vient :
+∞ +∞
c cos(n ω τ)
2 2 2
c0 c
C x ( τ) = +∑ n = c 0 + ∑ n cos(n ω τ)
2

2 n= 0 2 n =1 2
On retrouve : +∞ 2
cn
C x ( 0) = c 0 + ∑
2

n=1 2
Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 10

5
Intercorrélation
Signaux à énergie finie :
+∞
Cxy ( τ) = ∫ x( t ) y * ( t − τ) dt
−∞

Signaux à puissance moyenne finie :

1 +T / 2
C xy ( τ) = lim
T →∞ T ∫−T / 2 x( t ) y * ( t − τ) dt

L’ordre des indices est important :

+∞ +∞
Cxy ( −τ) = ∫ x * ( t ) y( t + τ) dt = ∫ x * (u − τ) y(u) du = C yx ( τ)
*
−∞ −∞

x et y réels ⇒ C xy ( τ) = C xy ( − τ) réel

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 11

Intercorrélation (2)
Permet de mesurer un décalage en temps
Par exemple : y(t) = x(t-τ0)
+∞ +∞
C yx ( τ) = ∫ y( t ) x * ( t − τ) dt = ∫ x( t − τ0 ) x * ( t − τ) dt
−∞ −∞
+∞
C yx ( τ) = ∫ x(u) x * ( t + τ0 − τ) du = C x ( τ − τ0 )
−∞

Cyx(τ) maximale pour τ = τ0, retard de y par rapport à

x.

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 12

6
Un exemple
− a t −5
x( t ) = sin[ω ( t − 5)] e

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 13

Un exemple (2)
Autocorrélation
1  ω2  a 2 sin(ω τ ) − τ
C x ( τ) =   + τ  cos( ω τ ) − e
2   a (a 2 + ω2 )  ω ( a 2 + ω2 ) 

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 14

7
Un exemple (3)

Signal décalé

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 15

Un exemple (4)
Intercorrélation

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 16

8
Relations de Wiener-Kintchine
Relations entre densités spectrales et fonctions de
corrélation
Reposent sur l’identité de Parseval :
+∞ 1 +∞ +∞
∫− ∞ f ( t ) g* ( t ) dt = ∫−∞ F( j ω) G ( j ω) d ω = ∫−∞ F(ν ) G (ν ) d ν
* *
2π

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 17

Relations de Wiener-Kintchine (2)

Intercorrélation de deux signaux :
+∞
C xy ( τ) = ∫ x( t ) y * ( t − τ) dt
−∞
X(ν) et Y(ν) transformées de Fourier de x(t) et y(t)
Pour signal retardé :

Yτ ( ν ) = TF[y( t − τ)] = Y( ν ) e − j 2 π ν Yτ ( ν ) = Y * ( ν ) e j 2 π ν
*
et
Nous avons donc :
+∞
C xy ( τ) = ∫ X( ν ) Y * ( ν ) e j 2 π ν dν
−∞
Soit :
C xy ( τ) = TF−1 [S xy (ν )]

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 18

9
Relations de Wiener-Kintchine (3)

Nous avons :
Sx (ν ) = TF[Cx ( τ)]

C x ( τ) = TF−1[S x (ν )]

S xy (ν ) = TF[C xy ( τ)]

C xy ( τ) = TF−1 [S xy (ν )]

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 19

Corrélation de signaux discrets

Autocorrélation d’un signal discret x(n)
+∞
C x (k ) = ∑ x(n) x * (n − k ) = x(k ) * x * (−k )
n= −∞
ou
N
1
C x (k ) = lim
N→ ∞
∑
2N + 1 n= −N
x(n) x * (n − k )

Densité spectrale
S x (n) = TFD[C x (k )]

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 20

10
Corrélation de signaux discrets (2)
Fonction d’intercorrélation de deux signaux discrets x(n) et y(n)

+∞
C xy (k ) = ∑ x(n) y* (n − k ) = x(k ) * y* (−k )
n = −∞

N
1
C xy (k ) = lim
N→ ∞
∑
2N + 1 n= −N
x(n) y * (n − k )

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 21

Filtrage par système linéaire

Autocorrélations et intercorrélation :
+∞
C e (τ) =
∫ −∞ e( t ) e( t − τ) dt = e(τ) * e(−τ)

+∞
C s (τ) =
∫−∞ s( t ) s( t − τ) dt = s(τ) * s(−τ)

+∞
C se (τ) =
∫−∞ s( t ) e( t − τ) dt = s(τ) * e(−τ)

Commutativité et associativité :
C se (τ) = s(τ) * e(−τ) = h (τ) * e(τ) * e(−τ) = h (τ) * C e (τ)

C s (τ) = s(τ) * s(−τ) = h (τ) * e(τ) * h (−τ) * e(−τ) = h (τ) * h (−τ) * e(τ) * e(−τ)

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 22

11
Filtrage par système linéaire (2)
Ce qui donne :
C se (τ) = h (τ) * C e (τ)

C s ( τ) = C h ( τ) * C e ( τ)
+∞
C h (τ) = h (τ) * h (−τ) =
∫−∞ h ( t ) h ( t − τ) dt

Autocorrélation de la réponse impulsionnelle

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 23

Filtrage par système linéaire (3)

Transformée de Fourier :
Sse (ν) = H(ν) Se (ν)

S s (ν ) = S h (ν ) S e (ν )

Densité spectrale de la réponse impulsionnelle

S h (ν) = TF[h (τ)] TF[h (−τ)]

Réponse impulsionnelle fonction réelle :

TF[h (− τ)] = H * (ν)
Donc :
2 2
S h (ν ) = H ( ν ) et Ss (ν) = H(ν) S e (ν )

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 24

12