Vous êtes sur la page 1sur 7

FORMULAIRE POUR LA THORIE DU SIGNAL

Christian JUTTEN
Laboratoire GIPSA, Dpartement Signal et Images (CNRS, INPG, UJF), Grenoble, France
Christian.Jutten@inpg.fr
1. FORMULES TRIGONOMTRIQUES
1.1. Somme et diffrence dangles
sin( +) = sin cos + cos sin ,
sin( ) = sin cos cos sin ,
cos( +) = cos cos sin sin ,
cos( ) = cos cos + sin sin .
1.2. Expression en fonction des angles doubles
2 sin
2
= 1 cos 2,
2 cos
2
= 1 + cos 2,
2 sin cos = sin 2.
1.3. Produits de fonctions trigonomtriques
2 sin sin = cos( ) cos( +),
2 cos cos = cos( ) + cos( +),
2 sin cos = sin( ) + sin( +).
1.4. Somme et diffrence de fonctions trigonomtriques
sin + sin = 2 sin[( +)/2] cos[( )/2],
sin sin = 2 sin[( )/2] cos[( +)/2],
cos + cos = 2 cos[( +)/2] cos[( )/2],
cos cos = 2 sin[( +)/2] sin[( )/2].
1.5. Formes exponentielles
exp(j) = cos +j sin , avec j
2
= 1,
sin =
exp(j)exp(j)
2j
,
cos =
exp(j)+exp(j)
2
.
1.6. Dveloppements limits
sin =
3
/3! +
5
/5! . . . + (1)
p

2p+1
/(2p +
1)! +. . .,
cos = 1
2
/2! +
4
/4! . . . +(1)
p

2p
/(2p)! +. . .,
exp = 1 + +
2
/2! +. . . +
k
/k! +. . ..
2. MODLES MATHMATIQUES DE SIGNAUX
2.1. Signaux simples
rect[(t)/T] : fonction rectangle centre sur , damplitude
1 et de largeur T (laire vaut T),
tri[(t)/T] : fonction triangle centre sur , damplitude
1 et de largeur 2T (laire vaut T),
(t) : distribution de Dirac, satisfaisant (t) = 0 pour
t ,= 0, et
_
+

(t)dt = 1,
sinc(u) =
sin(u)
u
: sinus cardinal de u (son aire vaut
1).
2.2. Oprateur de rptition
rep
T
(.) : rptition de . avec une priode T,
rep
T
(x(t)) =

+
k=
x(t kT),
rep
T
((t)) =
T
(t) =

+
k=
(t kT) : peigne de
Dirac.
2.3. Oprateur de convolution
Dnition
x(t) y(t) = (x y)(t) =
_
+

x(u)y(t u)du =
_
+

x(t v)y(v)dv,
x(t) y(t t
0
) =
_
+

x(u)y(t u t
0
)du = (x
y)(t t
0
),
x(t) y(at +b) =
_
+

x(u)y(a(t u) +b)du
Proprits
Commutativit : x(t) y(t) = y(t) x(t),
Associativit : [x(t)y(t)]z(t) = x(t)[y(t)z(t)] =
x(t) y(t) z(t),
Distributivit par rapport laddition : x(t) [y(t) +
z(t)] = x(t) y(t) +x(t) z(t)
2.4. Proprits de la distribution de Dirac (t)
x(t
0
) =
_
+

x(t)(t t
0
)dt
x(t) (t) = x(t),
x(t) (t t
0
) = x(t t
0
),
x(t t
1
) (t t
2
) = x(t t
1
t
2
),
(at) = [a[
1
(t).
3. VALEUR MOYENNE TEMPORELLE, NERGIE
ET PUISSANCE
x = lim
T+
1
T
_
+T/2
T/2
x(t)dt : moyenne.
Signaux rels
W
x
=
_
+

x
2
(t)dt : nergie,
P
x
= lim
T+
1
T
_
+T/2
T/2
x
2
(t)dt : puissance.
Signaux complexes
W
x
=
_
+

[x(t)[
2
dt : nergie,
P
x
= lim
T+
1
T
_
+T/2
T/2
[x(t)[
2
dt : puissance.
4. REPRSENTATION VECTORIELLE
On considre des signaux x(t) et y(t) dans lespace L
2
(t
1
, t
2
).
4.1. Distance euclidienne
d(x, y) = |x y| =
_
_
t
2
t
1
[x(t) y(t)[
2
dt
_
1/2
d(x, y)
2
= |x|
2
+ |y|
2
2x, y
|x|
2
=
_
_
t
2
t
1
[x(t)[
2
dt
_
,
x, y =
_
t
2
t
1
x(t)y

(t)dt.
4.2. Ingalit de Schwartz
[x, y[
2
x, x.y, y,

_
t
2
t
1
x(t)y

(t)dt

_
t
2
t
1
[x(t)[
2
dt.
_
t
2
t
1
[y(t)[
2
dt.
4.3. Orthogonalit de x(t) et y(t)
x, y =
_
t
2
t
1
x(t)y

(t)dt = 0.
4.4. Dveloppement sur une base orthogonale
k
(t)
x(t) =

+
k=1

k
(t),

k
=
1

kk
x,
k
=
1

kk
_
t
2
t
1
x(t)

k
(t)dt,

kk
=
k
,
k
= |
k
|
2
=
_
t
2
t
1
[
k
(t)[
2
dt,

_
t
2
t
1
[x(t)[
2
dt =

+
k=1
[
k
[
2

kk
.
4.5. Dveloppement en sries de Fourier (DSF) dans L
2
(t
1
, t
1
+
T)
On utilise
k
(t) = exp
_
j2
k
T
t
_
.
x(t) =

+
k=1

k
exp
_
j2
k
T
t
_
,

kk
=
_
t
1
+T
t
1
[ exp
_
j2
k
T
t
_
[
2
dt = T,

k
=
1

kk
x, exp
_
j2
k
T
t
_
=
1
T
_
t
1
+T
t
1
x(t) exp
_

j2
k
T
t
_
dt.
5. TRANSFORMES DE FOURIER
5.1. Transforme de fonctions sommables
Pour des fonctions x(t) bornes et absolument sommables
(
_
[x(t)[dt < +), on dnit la transforme de Fourier (TF),
note X(f) :
x(t) X(f) =
_
+

x(t) exp(j2ft)dt.
De mme, tant donne X(f), on peut calculer x(t) par trans-
forme de Fourier inverse :
X(f) x(t) =
_
+

X(f) exp(+j2ft)df.
5.2. Notations
On notera
x(t) X(f),
X(f) = Tx(t) : transforme de Fourier,
x(t) = T
1
X(f) : transforme de Fourier inverse.
5.3. Proprits
La TF est linaire : ax(t) +by(t) aX(f) +bY (f)
La TF conserve la parit.
Si la fonction x(t) est relle (imaginaire, resp.) im-
paire, X(f) est imaginaire (relle, resp.) impaire.
5.4. Rgles de calculs
Soit une fonction x(t), telle que x(t) X(f).
x(t) X(f) : retournement temporel,
x

(t) X

(f) : complexe conjugue,


x(at) [a[
1
X(f/a) : effet Doppler,
x(t t
0
) X(f) exp(j2ft
0
) : translation tem-
porelle,
x(t) exp(j2f
0
t) X(ff
0
) : translation en frquence
ou modulation,

d
n
dt
n
x(t) (j2f)
n
X(f) : drivation sur t.
Soient deux fonctions x(t) et y(t), telles que x(t) X(f) et
y(t) Y (f), on montre le Thorme de Plancherel :
x(t) y(t) X(f)Y (f),
x(t)y(t) X(f) Y (f).
5.5. Transformes de Fourier de quelques signaux usuels
rect(t/T) Tsinc(fT) : fonction rectangle,
tri(t/T) Tsinc
2
(fT) : fonction triangle,
exp(at)(t)
1
a+j2f
: impulsion exponentielle
unilatrale,
exp(a[t[)
2a
a
2
+(2f)
2
: impulsion exponentielle
double,
exp(t
2
) exp(f
2
) : impulsion gaussienne,
exp(at) sin(2f
0
t)(t)
2f
0
(a+j2f)
2
+(2f
0
)
2
: sinu-
sode amortie,
exp(at) cos(2f
0
t)(t)
a+j2f
0
(a+j2f)
2
+(2f
0
)
2
: cosi-
nusode amortie.
5.6. Transformes de Fourier de distributions
(t)
1
j2f
+
(f)
2
: chelon unit,
sgn(t)
1
jf
: fonction signe,
(t) 1 : impulsion de Dirac,
k k(f) : constante.
5.7. Transforme de Fourier de signaux moyenne non
nulle
Soit x(t) = x + x
0
(t) o x est la moyenne de x(t), on
a Tx(t) =
F{x

0
(t)}
j2f
+ x(f),
(t)
1
2
(f) +
1
j2f
,
sgn(t)
1
jf
.
5.8. Transformes de Fourier de signaux priodiques
Soient deux signaux x(t) et y(t), priodiques de mme pri-
ode .
5.8.1. Dveloppement en sries de Fourier (DSF)
Les signaux tant priodiques, si les conditions de Diriclet
sont satisfaites, on peut calculer les DSF de x(t) et y(t) :
x(t) =

+
n=
X
n
exp(j2nt/),
avec X
n
= [
_
+/2
/2
x(t) exp(j2nt/)dt]/,
y(t) =

+
n=
Y
n
exp(j2nt/),
avec Y
n
= [
_
+/2
/2
y(t) exp(j2nt/)dt]/.
5.8.2. Transformes de Fourier
Les transformes de Fourier de signaux priodiques sont des
spectres de raies, aux frquences n/, dont lenveloppe spec-
trale est la transforme de Fourier dune priode du signal di-
vise par la priode .
X(f) =

+
n=
X
n
(f n/), avec X
n
dni ci-
dessus,
Y (f) =

+
n=
Y
n
(f n/), avec Y
n
dni ci-
dessus.
5.8.3. Transformes de signaux priodiques usuels
cos(2f
0
t)
1
2
[(f +f
0
) +(f f
0
)] : signal cosi-
nusodal,
sin(2f
0
t)
j
2
[(f +f
0
) (f f
0
)] : signal sinu-
sodal,
exp(j2f
0
t) (f f
0
) : phaseur la frquence f
0
,


k
(tk)
1

n
(f n/) : peigne de Dirac,

(t)
1

1/
(f) : peigne de Dirac avec les nota-
tions abrges,


+
n=
X
n
exp(j2nt/)

+
n=
X
n
(fn/):
signal x(t) priodique,
Arep

rect(t/

+
n=
X
n
(fn/) avec X
n
=
A

sinc(n/).
6. CORRLATIONS ET DENSITS SPECTRALES
6.1. Signaux nergie nie
6.1.1. Auto- et inter-corrlation
Auto-corrlation :
xx
() =
_
+

x(t)x

(t )dt,
Inter-corrlation :
xy
() =
_
+

x(t)y

(t )dt.
6.1.2. Relation entre corrlation et convolution

xy
() = x() y

().
6.1.3. Proprits des fonctions de corrlation
Symtrie hermitienne :

xy
() =

yx
(),

xx
() =

xx
(),
Bornes
Cas gnral : [
xy
()[
2

xx
(0)
yy
(0),
Pour x(t) = y(t) : [
xx
()[
xx
(0),

xx
(0) R est lnergie du signal.
Dans le cas de signaux rels, la fonction dautocorrlation
est paire et maximale en 0, o
xx
(0) est lnergie du
signal.
6.1.4. Densit spectrale dnergie

xx
() S
xx
(f) =
_
+


xx
() exp(j2f)d,
S
xx
(f) = [X(f)[
2
: densit spectrale dnergie,

xy
() S
xy
(f) =
_
+


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

,
6.1.5. Relations de Parseval

_
+

x(t)y

(t)dt =
_
+

X(f)Y

(f)df,

_
+

[x(t)[
2
dt =
_
+

[X(f)[
2
df, ou, pour le cas =
0,

xy
(0) =
_
+

S
xx
(f)df : nergie du signal.
6.1.6. Drivation de la fonction de corrlation

d
xy
()
d
=
x

y
() =
xy
()
6.2. Signaux puissance moyenne nie
6.2.1. Fonctions de corrlation

xx
() = lim
T
1
T
_
+T/2
T/2
x(t)x

(t )dt : auto-
corrlation,

xy
() = lim
T
1
T
_
+T/2
T/2
x(t)y

(t )dt : inter-
corrlation.
6.2.2. Densits spectrale et interspectrale de puissance
S
xx
(f) = T
xx
() : densit spectrale de puissance,
S
xy
(f) = T
xy
() : densit inter-spectrale de puis-
sance,
S
xx
(f) = lim
T
1
T
[X(f, T)[
2
, avec
X(f, T) = Tx(t, T) = Trect(t/T)x(t).
6.2.3. Relation de Parseval
P
x
=
xx
(0) =
_
+

S
xx
(f).
6.3. Signaux priodiques
Soient deux signaux x(t) et y(t), priodiques de mme pri-
ode .
6.3.1. Fonctions de corrlation
Les auto et inter-corrlations sont priodiques de priode ,
et on peut les calculer par intgration sur une priode .
Auto-corrlation

xx
() =
1

_
+/2
/2
x(t)x

(t )dt,

xx
() =
1

_
t
0
+
t
0
x(t)x

(t )dt,

xx
() =

+
n=
[X
n
[
2
exp(j2n/), en util-
isant le DSF de x(t).
Inter-corrlation

xy
() =
1

_
+/2
/2
x(t)y

(t )dt,

xy
() =
1

_
t
0
+
t
0
x(t)y

(t )dt,

xy
() =

+
n=
X
n
Y

n
exp(j2n/), en util-
isant le DSF de x(t) et y(t).
6.3.2. Densits spectrale et inter-spectrale de puissance
Les densits spectrale et inter-spectrale de puissance sont les
transformes de Fourier de fonctions priodiques de priodes
. On obtient donc des spectres de raies, aux frquences
k/, dont lenveloppe spectrale est la transforme de Fourier
dune priode de la fonction de corrlation divise par la pri-
ode .
Densit spectrale
S
xx
(f) =

+
n=
[X
n
[
2
(f n/), en util-
isant le DSF de x(t),
S
xx
(f) =
1

2
[X(f, )[
2

1/
(f), avec
X(f, ) = Tx(t, ) = Trect((t)/)x(t).
Densit inter-spectrale
S
xy
(f) =

+
n=
X
n
Y

n
(f n/), en util-
isant le DSF de x(t),
S
xy
(f) =
1

2
X(f, )Y

(f, )
1/
(f), avec
X(f, ) = Tx(t, ) = Trect((t)/)x(t)
et Y (f, ) = Ty(t, ) = Trect((t)/)y(t).
6.3.3. Relations de Parseval
P
x
=
xx
(0) =
_
+

S
xx
(f)df =

+
n=
[X
n
[
2
.
7. SIGNAUX ALATOIRES
7.1. Variables alatoires
7.1.1. Densits de probabilit
On note p
X
(u) la densit dune variable alatoire (VA) X.
Si X et Y sont deux VA indpendantes, la densit de la
VA Z = X +Y est : p
Z
(u) = (p
X
p
y
)(u),
Si Y = f(X), avec f inversible,
p
Y
(u) = p
X
(f
1
(u))/[f

(f
1
(u))[
7.1.2. Moments
Moyenne dune VA continue ou discrte

1
= E[X] =
_
+

up
X
(u)du,

1
= E[X] =

i
u
i
Pr(X = u
i
).
Moment dordre k dune VA continue ou discrte

k
= E[X
k
] =
_
+

u
k
p
X
(u)du,

k
= E[X
k
] =

i
u
k
i
Pr(X = u
i
).
Moment centr dordre k dune VA continue ou discrte

k
= E[(X
1
)
k
] =
_
+

(u
1
)
k
p
X
(u)du,

k
= E[(X
1
)
k
] =

i
(u
i

1
)
k
Pr(X = u
i
).
Variance : cest le moment centr dordre 2. On la note
frquemment
2
plutt que

2
.

2
=

2
= E[(X
1
)
2
] =
_
+

(u
1
)
2
p
X
(u)du,

2
=

2
= E[(X
1
)
2
] =

i
(u
i

1
)
2
Pr(X = u
i
).
Relation entre variance et moments dordre 1 et 2

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

2
1
.
7.1.3. Distributions de quelques lois usuelles
Pr(k) = C
k
n
p
k
(1 p)
nk
: loi Binomiale, de la VA
somme de n VA binaires, avec p = Pr(X = x
1
) et
1 p = Pr(X = x
0
),
Pr(n) =
a
n
n!
exp(a) : loi de Poisson de paramtre
a > 0,
p(u) =
1

2
exp
_

(um)
2
2
2
_
: loi gaussienne de
moyenne m et de variance
2
, note A(m,
2
).
7.2. Vecteurs alatoires
7.2.1. Densits de probabilit
On note p
X
(u
1
, . . . , u
n
) la densit dun vecteur alatoire (VcA)
Xde dimension n.
Soit Y = f(X), avec f inversible. On note f
1
la transfor-
mation inverse, [J
f
1[ son jacobien et (f
1
)
i
la composante
i de la transformation f
1
:
p
Y
(u
1
, . . . , u
n
) =
p
X
((f
1
)
1
(u
1
), . . . , (f
1
)
n
(u
n
))[J
f
1[.
Dans le cas dune transformation linaire Y = AXo Aest
une matrice rgulire et u = (u
1
, . . . , u
n
)
T
:
p
Y
(u
1
, . . . , u
n
) =
p
X
(A
1
u)[ det A
1
[.
Dans le cas de la somme Z = X + Y de deux variables
alatoires, la densit p
Z
(u) vaut :
p
Z
(u) =
_
p
XY
(x, u x)dx,
p
Z
(u) =
_
p
X
(x)p
Y
(u x)dx = (p
X
p
Y
)(u), si X
et Y sont des VA indpendantes.
7.2.2. Thorme de la limite centrale
Thorme 7.2.1 La distribution statistique dune somme de
n variables alatoires indpendantes, possdant la mme loi
tend asymptotiquement vers une distribution gaussienne quelle
que soit la distribution des termes individuels.
7.3. Auto-corrlation
On note de faon gnrale X
i
= x(t
i
) la VA associe au
processus alatoire x(t) pour t = t
i
.
7.3.1. Auto-corrlation statistique
Cas gnral
R
XX
(t
1
, t
2
) = E[X
1
X
2
] =
_ _
x
1
x
2
p(x
1
, x
2
)dx
1
dx
2
.
Cas dun signal stationnaire, en notant = t
1
t
2
R
XX
() = E[X(t)X(t)] =
_ _
x
1
x
2
p(x
1
, x
2
)dx
1
dx
2
.
Les VA sont orthogonales ssi R
XX
() = 0.
7.3.2. Auto-covariance statistique
Cest lauto-corrlation des processus alatoires centrs. On
la note C
XX
().
Cas gnral
C
XX
(t
1
, t
2
) = E[(X
1
E(X
1
))(X
2
E(X
2
))]
=
_ _
(x
1
E(X
1
))(x
2
E(X
2
))p(x
1
, x
2
)dx
1
dx
2
= R
XX
(t
1
, t
2
) E(X
1
)E(X
2
).
Cas dun signal stationnaire, en notant = t
1
t
2
C
XX
() = E[(X(t) E(X))(X(t ) E(X))]
=
_ _
x
1
x
2
p(x
1
, x
2
)dx
1
dx
2
= R
XX
() E(X)
2
.
Les VA sont non corrles ssi C
XX
() = 0.
7.3.3. Cas de processus ergodiques et stationnaires
Dans ce cas, on peut remplacer les moyennes statistiques par
des moyennes temporelles, car on a asymptotiquement :
R
XX
() = lim
T
1
T
_
T/2
T/2
x(t)x(t)dt =
XX
().
7.3.4. Coefcient de corrlation
Par dnition, cest lauto-covariance normalise, note
X
() :

X
() =
C
XX
()
C
XX
(0)
=
C
XX
()

2
X
.
7.3.5. Proprits pour les signaux rels
Les fonction dauto-corrlation et dauto-covariance ont les
proprits intressantes pour des processus alatoires rels.
De plus, en = 0, on a les relations nergtiques.
elles sont paires,
le maximum est atteint en = 0 :
[C
XX
()[ C
XX
(0)
[R
XX
()[ R
XX
(0)
C
XX
(0) =
2
X
,
R
XX
(0) =
2
X
+
2
X
.
7.4. Densit spectrale de puissance (DSP)
Pour un processus alatoire x(t), on ne peut pas calculer di-
rectement la transforme de Fourier, puisque x(t) ne peut pas
tre dcrit. Par consquent, on ne peut pas calculer directe-
ment sa DSP. On peut en revanche calculer sa fonction dauto-
corrlation par une moyenne statistique ou temporelle, et en
dduire sa DSP en appliquant le thorme ci-dessous.
7.4.1. Thorme de Wiener-Kintchine
Le thorme de Wiener-Kintchine tablit le lien entre la fonc-
tion dauto-corrlation et la DSP pour des signaux alatoires.
Thorme 7.4.1 La DSP dun processus alatoire station-
naire au sens large est le transforme de Fourier de sa fonc-
tion dauto-corrlation :
S
XX
(f) =
_
+

R
XX
() exp(j2f)d.
7.4.2. Consquence
Si on connat la DSP S
XX
(f) dun processus alatoire x(t),
on peut dduire la fonction dauto-corrlation par transforme
de Fourier inverse :
R
XX
() =
_
+

S
XX
(f) exp(j2f)df.
On peut aussi lexprimer en fonction de lauto-covariance, car
R
XX
() = C
XX
() +
2
X
:
S
XX
(f) = TC
XX
() +
2
X
(f).
En = 0, on a :
R
XX
(0) = P
X
=
_
+

S
XX
(f)df.
Si le processus est aussi ergodique, on a
R
XX
(0) = lim
T
1
T
_
T/2
T/2
[x(t)[
2
dt
=
_
+

S
XX
(f)df.
7.4.3. Bruit blanc
Dnition 7.4.2 On appelle bruit blanc un processus ala-
toire b(t) dont la densit spectrale de puissance est constante,
f :
S
BB
(f) = /2.
Par transforme de Fourier inverse, on dduit la fonction dauto-
corrlation dun bruit blanc b(t) :
R
BB
() = T
1
S
XX
(f) = ()/2.
7.5. Inter-corrlation et densit inter-spectrale
7.5.1. Inter-corrlation et inter-covariance
On dnit les fonctions dinter-corrlation :
R
XY
(t
1
, t
2
) = E[X(t
1
)Y (t
2
)] (cas gnral)
R
XY
() = E[X(t)Y (t )] (cas stationnaire).
et dinter-covariance :
C
XY
(t
1
, t
2
) = E[(X(t
1
)
X
)(Y (t
2
)
Y
)]
= R
XY
(t
1
, t
2
) E[X(t
1
))E(Y (t
2
)] (cas gnral),
C
XY
() = E[(X(t)
X
)(Y (t )
Y
)]
= R
XY
()
X

Y
(cas stationnaire).
7.5.2. Coefcient dinter-corrlation
Le coefcient dinter-corrlation est dni par :

XY
() =
C
XY
()

Y
.
7.5.3. Densit inter-spectrale
La densit inter-spectrale de puissance est la transforme de
Fourier de la fonction dinter-corrlation :
S
XY
(f) = TR
XY
().
7.5.4. Cohrence

XY
(f) =
|S
XY
(f)|
2
S
XX
(f)S
Y Y
(f)
.
La cohrence est proche de 1 si les signaux x(t) et y(t) sont
lis par une relation linaire (ltre). Dans le cas dune relation
non linaire ou en prsence dun bruit additif, la cohrence
devient trs infrieure 1.
8. FILTRES LINAIRES INVARIANTS
On considre un ltre de rponse impulsionnelle g(t) et en
frquence G(f), dont les signaux dentre et de sortie sont
x(t) et y(t), respectivement.
Y (f) = G(f)X(f) = X(f)G(f),
y(t) = (g x)(t) = (x g)(t).
Pour une cascade de ltres, on a g(t) = (g
1
g
2
. . . g
n
)(t)
ou, en frquence, G(f) = G
1
(f)G
2
(f) . . . G
n
(f).
8.1. Formule des interfrences
On considre deux ltres de rponses impulsionnelles g
1
(t) et
g
2
(t) et de rponses en frquence (TF) G
1
(f) et G
2
(f), dont
les signaux dentre sont x
1
(t) et x
2
(t), et de sortie y
1
(t) et
y
2
(t).
S
Y
1
Y
2
(f) = S
X
1
X
2
(f)G
1
(f)G

2
(f).
8.2. Relation entre-sortie des DSP
En consquence de la formule des interfrences, on a pour les
DSP :
S
Y Y
(f) = [G(f)[
2
S
XX
(f),
S
Y X
(f) = G(f)S
XX
(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 :
R
Y Y
() =
gg
() R
XX
() pour des signaux ala-
toires, et

Y Y
() =
gg
()
XX
() si les signaux sont er-
godiques, ou certains puissance moyenne nie ou
nergie nie (attention aux dnitions de ).
et pour les inter-corrlations :
R
Y X
() = g() R
XX
(), pour des signaux ala-
toires, et

Y X
() = g()
XX
() si les signaux sont ergodiques,
ou certains puissance moyenne nie ou nergie nie
(attention aux dnitions de ).
8.4. Statistiques en sortie dun oprateur de ltrage
On considre y(t) = (g x)(t). Les statistiques de y(t) sup-
pos stationnaire et ergodique sont :

Y
=
X
G(0) (moyenne),
P
Y
= R
Y Y
(0)
=
_
R
XX
()
gg
()d
=
_
S
XX
(f)[G(f)[
2
df (moment dordre 2),

2
Y
= C
Y Y
(0) = P
Y

2
X
=
_
C
XX
()
gg
()d (variance)
S
Y X
(f) = G(f)S
XX
(f) (auto-corrlation).
8.4.1. Filtre passe-bas sans perte
G(0) = 1 et la moyenne en sortie :
Y
=
X
.
8.4.2. Filtre passe-haut
G(0) = 0 et la moyenne en sortie
Y
= 0.
8.4.3. Signal dentre blanc, centr et de DSP /2
moyenne en sortie :
Y
= 0,
auto-corrlation de lentre :
XX
() = ()/2,
auto-corrlation en sortie : R
Y Y
() =
gg
()/2,
variance :
2
Y
=
gg
(0)/2.
9. AUTRES OPRATEURS
9.1. Oprateur de retard t
0
g(t) = (t t
0
),
G(f) = exp(j2ft
0
), soit [G(f)[ = 1
et (G(f)) = 2ft
0
(phase linaire),

gg
() = () (auto-corrlation).
9.2. Oprateur de moyenne temporelle
g(t) = rect((t T/2)/T),
G(f) = sinc(Tf) exp(jfT),

y
= G(0)
X
=
X
(moyenne),

gg
() = tri(/T)/T (auto-corrlation).
9.3. Oprateur de ltrage passe-bas idal
Le ltre causal de largeur de bande B ntant pas ralisable,
on dcale g(t) de t
0
.
G(f) = rect[f/(2B)] exp(j2ft
0
),
avec [G(f)[ = rect[f/(2B)] et (G(f)) = 2ft
0
,
g(t) = 2Bsinc[2B(t t
0
)],

gg
() = 2Bsinc[2B] (auto-corrlation).
9.4. Oprateur de ltrage passe-bande idal
Le ltre causal de largeur de bande B, centr sur les frquences
f
0
ntant pas ralisable, on dcale g(t) de t
0
.
G(f) =
rect[f/B] exp(j2ft
0
) [(f f
0
) +(f +f
0
)],
avec [G(f)[ = rect[f/(2B)] et (G(f)) = 2ft
0
,
g(t) = 2Bsinc[2B(t t
0
)] cos(2f
0
t),

gg
() = 2Bsinc[B] cos(2f
0
) (auto-corrlation).
10. FILTRE ADAPT
Problme : concevoir un ltre h(t) qui dtecte un signal x(t)
connu dans une observation bruite, x(t) + n(t), o n(t) est
un bruit de DSP S
NN
(f), avec le meilleur rapport signal/bruit
au temps t
0
. On note y(t) = (x + n) h(t) la sortie du ltre
h(t).
Le ltre optimal est le ltre adapt (au signal x(t)) :
H(f) = k
X

(f)
S
NN
(f)
exp(j2ft
0
), (1)
avec le rapport S/B :
_
S
B
_
2
=
_
+

[X(f)[
2
S
NN
(f)
df. (2)
Dans le cas o le bruit n(t) est un bruit blanc de DSP gale
N
0
:
H(f) = k

(f) exp(j2ft
0
), (3)
ou, dans le domaine temporel :
h(t) = k

(t
0
t), (4)
avec le rapport S/B :
_
S
B
_
2
=
1
N
0
_
+

[X(f)[
2
df. (5)
Pour un signal x(t) rel, on a simplement h(t) = k

x(t
0
t).