Académique Documents
Professionnel Documents
Culture Documents
TD1
Corrélations et DSP
On considère dans cet exercice différents modèles du secteur et on étudie la densité spectrale de puissance des
signaux obtenus à l’aide de ces modèles.
1. Dans une première approche, on utilise le modèle :
f étant une variable uniformément répartie sur l’intervalle [f0 − ∆f, f0 + ∆f ] indépendante de θ. Calcu-
ler alors la moyenne, la fonction d’autocorrélation et la densité spectrale de puissance de X (t).
1
TD2
Filtrage linéaire
Exercice 3 : Rapport Signal sur Bruit (RSB) en sortie d’un filtre linéaire
On applique à l’entrée de ce filtre un processus aléatoire X(t) constitué de la somme d’un signal sinusoı̈dal
s(t) = A sin (2πf0 t), où f0 et A sont des constantes et d’un bruit blanc stationnaire réel B(t), de densité spectrale
de puissance sB (f ) = N20 ∀f :
X(t) = s(t) + B(t)
Le filtre étant linéaire, la sortie du filtre s’écrit :
où Ys (t) représente la réponse du filtre à l’entrée s(t) et YB (t) représente la réponse du filtre à l’entrée B(t).
1. Donner l’expression du rapport Signal sur Bruit à la sortie du filtre :
PY s
RSB =
PY B
où PYs représente la puissance du signal Ys (t) et PYB la puissance du signal YB (t).
2. Montrer qu’il est maximal pour θ = 2πf0 .
PYs
Remarque : Le rapport Signal sur Bruit en décibels (dB) est défini par : RSB = 10 log10 PY B (dB). On
le note aussi SNR (Signal to Noise Ratio).
2
TD3
Filtrage non linéaire
On considère un filtre non linéaire de type exponentiel. Si X (t) est l’entrée du filtre, la sortie Y (t) s’écrit :
σ2 2
Xu
m (u) = E e = exp mu + u
2
Y (t) = X 3 (t)
On suppose que X(t) est un processus aléatoire, réel, Gaussien, stationnaire de moyenne nulle et de fonction
d’autocorrélation RX (τ ).
1. En utilisant le théorème de Price, donner une équation différentielle liant la fonction d’autocorrélation de
Y (t), notée RY (τ ), et RX (τ ). En déduire une expression de RY (τ ) en fonction de RX (τ ) à une constante
additive près.
2. On rappelle le résultat suivant, valable pour une variable aléatoire Z gaussienne de moyenne nulle et de
variance σ 2 :
E Z 2n = (2n)!!σ 2n avec (2n)!! = (2n − 1) × (2n − 3) × ... × 3 × 1
Y (t) = signe[X(t)]
On suppose que X(t) est un processus aléatoire, réel, Gaussien, stationnaire de moyenne nulle et de fonction
d’autocorrélation RX (τ ).
1. En utilisant le théorème de Price, donner une équation différentielle liant la fonction d’autocorrélation de
Y (t), notée RY (τ ), et RX (τ ). En déduire une expression de RY (τ ) en fonction de RX (τ ) à une constante
additive près. On rappelle la primitive suivante
Z
1 u
√ du = Arcsin +K
a2 − u2 a
3
TD4
Processus aléatoires
On suppose que les appels téléphoniques arrivant à l’N7 suivent un processus de Poisson de paramètre λ. Sachant
que deux appels sont arrivés entre 7h00 et 8h00, quelle est la probabilité
1. que ces deux appels soient arrivés entre 7h00 et 7h30 ?
2. l’un au moins de ces appels soit arrivé entre 7h00 et 7h30 ?
On rappelle que si X suit une loi de Poisson de paramètre a > 0, on a
ak −a
P [X = k] = e , k ∈ N.
k!
où {An }n∈Z est une suite de variables aléatoires centrées de corrélation stationnaire c(k), c’est-à-dire telle que
2. Déterminer la moyenne et la fonction d’autocorrélation du signal V (t) que l’on exprimera en fonction de
sz (f ) et de φ(τ, f ).
4
Transformée de Fourier
! !
X(f ) = x(t)e−i2πf t dt
R
x(t) = R X(f)ei2πf t df
T.F.
x(t) réelle paire ⇋ X(f) réelle paire
x(t) réelle impaire ⇋ X(f
) imaginaire pure impaire
Re {X(f )} paire
Im {X(f )} impaire
x(t) réel ⇋
|X(f )| pair
arg {X(f)} impaire
ax(t) + by(t) ⇋ aX(f ) + bY (f )
x(t − t0 ) ⇋ X(f )e−i2πf t0
x(t)e+i2πf0 t ⇋ X(f − f0 )
∗
x (t) ⇋ X ∗ (−f)
x(t) . y(t) ⇋ X(f) ∗ Y (f)
x(t) ∗ y(t) ⇋ X(f) . &Y (f)
'
x(at) ⇋ 1
|a|
X fa
dx(n) (t)
dtn
⇋ (i2πf)n X(f)
dX (n) (f )
n
(−i2πt) x(t) ⇋ df n
T.F.
1 ⇋ δ (f) Π ( t)
T
δ (t) ⇋ 1 1
e+i2πf0 t ⇋ δ (f − f0 ) t
(δ (t − t0 ) ⇋ −i2πf t0
(e & ' -T /2 T /2
δ (t − kT ) ⇋ 1
T
δ f − k
T
k∈Z k∈Z
cos (2πf0 t) ⇋ 1
2
[δ (f − f0 ) + δ (f + f0 )] Λ T (t)
sin (2πf0 t) ⇋ 1
2i
[δ (f − f0 ) − δ (f + f0 )] 1
t
e−a|t| ⇋ 2a
a2 +4π 2 f 2
-T T
⇋
2 −πf 2
e−πt e
!!!!!! Attention !!!!!
ΠT (t) ⇋ sin(πT f )
T πT f = T sin c (πT f ) ΠT (t) est de support égal à T .
ΛT (t) ⇋ T sin c2 (πT f) ΛT (t) est de support égal à 2T
B sin c (πBt) ⇋ ΠB (f ) et on a ΠT (t) ∗ ΠT (t) = T ΛT (t)
B sin c2 (πBt) ⇋ ΛB (f )
) *
0 si t &= 0
δ (t) = et δ (t) dt = 1
+∞ si t = 0 R
δ (t − t0 ) f (t) = δ (t − t0 ) f (t0 )
δ (t − t0 ) ∗ f (t) = f(t − t0 )