Corrections de lexamen de traitement du signal (signaux aleatoires)

du mercredi 21 novembre 2012.

Exercice 1 : Zoom spectral pour signaux deterministes
Enonce
1) On consid`ere un signal deterministe `a energie nie `a valeurs reelles note x(t) de transformee de
Fourier
X(f) = A[
F
(f f
0
) +
F
(f +f
0
)]
avec

F
(f) =
_
1
|f|
F
si |f| < F
0 sinon
et f
0
> F > 0 (on notera que X(f) est une fonction paire).
1) On forme le signal
x
1
(t) = x(t) exp [i2f
0
t]
Determiner la transformee de Fourier de x
1
(t) notee X
1
(f).
2) On ltre le signal x
1
(t) `a laide dun ltre passe-bas ideal de fa con `a ne conserver que la partie
du spectre de x
1
(t) associee aux frequences veriant |f| < F. Determiner le signal resultant note
x
2
(t).
3) Le signal x
2
(t) est comprime de mani`ere `a obtenir
x
3
(t) = x
2
(Mt) avec M > 1.
Expliquer pourquoi loperation qui fait passer de x
2
(t) `a x
3
(t) peut etre qualiee de compression.
Determiner la transformee de Fourier de x
3
(t) notee X
3
(f).
4) Pour terminer, on module le signal x
3
(t) de mani`ere `a generer
x
4
(t) = x
3
(t) exp [i2f
0
t]
Determiner la transformee de Fourier de x
4
(t) notee X
4
(f).
5) Representer graphiquement X
1
(f), X
2
(f), X
3
(f) et X
4
(f) (pour toutes ces representations graphiques,
on prendra f
0
= 5kHz et F = 1kHz) et expliquer pourquoi loperation qui transforme le signal x(t)
en x
4
(t) peut etre qualiee de zoom spectral.
Reponses
1) La transformee de Fourier de x
1
(t) secrit
X
1
(f) = X(f) (f +f
0
)
= X(f +f
0
)
= A[
F
(f) +
F
(f + 2f
0
)] .
2) Si on ne conserve que les frequences appartenant `a lintervalle [F, +F], on obtient
X
2
(f) = A
F
(f).
Le signal ltre x
2
(t) secrit donc
x
2
(t) = TF
1
[X
2
(f)] = AF sinc
2
(Ft)
1
avec
sin c (x) =
sinx
x
.
3) Si le support temporel de x
2
(t) est [A, A], celui de x
3
(t) est [A/M, A/M]; De plus, lallure
temporelle des signaux x
2
(t) et x
3
(t) sont similaires. Le signal x
3
(t) est donc bien obtenu par
compression du signal x
2
(t) La transformee de Fourier de x
3
(t) secrit
X
3
(f) =
1
M
X
2
_
f
M
_
=
A
M

F
_
f
M
_
.
4) La transformee de Fourier de x
4
(t) secrit
X
4
(f) = X
3
(f) (f f
0
)
= X
3
(f f
0
)
=
A
M

F
_
f f
0
M
_
.
5) En observant le spectre de x
4
(t), on saper coit que les operations successives decrites dans les
questions 1), 2), 3) et 4) ont etale le spectre situe autour de la frequence f
0
du signal dorigine, ce
qui correspond `a un zoom spectral. Les operations indiquees sont illustrees sur les gures ci-dessous
f
f
0
+ F f
0
- F f
0
- F - f
0
-f
0
+ F - f
0
X(f)
-2f
0
+ F -2f
0
- F -2f
0
F
F
X
1
(f)
F
F
X
2
(f)
2
-MF
MF
X
3
(f)
X
4
(f)
f
0
-MF f
0
+MF
Exercice 2 : Zoom spectral pour signaux aleatoires
Enonce
On consid`ere un signal aleatoire stationnaire X(t) de moyenne nulle et de densite spectrale de
puissance
s
X
(f) = A[
F
(f f
0
) +
F
(f +f
0
)]
avec

F
(f) =
_
1
|f|
F
si |f| < F
0 sinon
avec f
0
> F > 0. Pour toutes les representations graphiques demandees dans cet exercice, on
prendra f
0
= 5kHz et F = 1kHz.
1) Determiner la fonction dautocorrelation du signal X(t).
2) On forme le signal
x
1
(t) = x(t) exp(i2f
0
t)
Determiner la fonction dautocorrelation (notee R
1
()) et la densite spectrale de puissance (notee
s
1
(f)) du signal x
1
(t). Representer graphiquement s
1
(f).
3) On ltre le signal x
1
(t) `a laide dun ltre passe-bas ideal de fa con `a ne conserver que la partie du
spectre de x
1
(t) associee aux frequences veriant |f| < F. Determiner la fonction dautocorrelation
(notee R
2
()) et la densite spectrale de puissance (notee s
2
(f)) du signal resultant note x
2
(t).
Representer graphiquement s
2
(f).
4) Le signal x
2
(t) est comprime de mani`ere `a obtenir
x
3
(t) = x
2
(Mt) avec M > 1.
Determiner la fonction dautocorrelation (notee R
3
()) et la densite spectrale de puissance (notee
s
3
(f)) du signal x
3
(t). Representer graphiquement s
3
(f).
5) Pour terminer, on module le signal x
3
(t) de mani`ere `a generer
x
4
(t) = x
3
(t) exp [i2f
0
t]
3
Determiner la fonction dautocorrelation (notee R
4
()) et la densite spectrale de puissance (notee
s
4
(f)) du signal x
4
(t). Representer graphiquement s
4
(f).
6) Expliquer pourquoi loperation qui transforme le signal x(t) en x
4
(t) peut etre qualiee de zoom
spectral.
Reponses
1) La fonction dautocorrelation du signal X(t) est la transformee de Fourier inverse de s
X
(f), soit
R
X
() = ATF
1
[
F
(f f
0
) +
F
(f +f
0
)]
= ATF
1
[
F
(f)] exp (2f
0
) +ATF
1
[
F
(f)] exp(2f
0
)
= 2AF sin c
2
[F] cos (2f
0
) .
2) La fonction dautocorrelation du signal x
1
(t) secrit
R
1
() = E [x
1
(t)x

1
(t )]
= E [x(t) exp (i2f
0
t) x

(t ) exp (i2f
0
(t ))]
= exp (i2f
0
) E [x(t)x

(t )]
= exp (i2f
0
) R
X
()
do` u sa densite spectrale de puissance
s
1
(f) = TF [R
1
()]
= (f +f
0
) s
X
(f)
= s
X
(f +f
0
)
= A[
F
(f) +
F
(f + 2f
0
)] .
3) Si on ltre le signal x
1
(t) on obtient, en appliquant la relation de Wiener-Lee, un signal x
2
(t) de
densite spectrale de puissance
s
2
(f) = s
1
(f) |H(f)|
2
.
Avec le ltre propose, on obtient
s
2
(f) = A
F
(f)
do` u
R
2
() = AF sin c
2
(F) .
4) La fonction dautocorrelation du signal x
3
(t) secrit
R
3
() = E [x
3
(t)x

3
(t )]
= E [x
2
(Mt)x

2
(Mt M)]
= R
2
(M)
do` u sa densite spectrale de puissance
s
3
(f) = TF [R
3
()]
=
1
M
s
2
_
f
M
_
=
A
M

F
_
f
M
_
.
4
5) Si on module le signal x
3
(t) comme demande, on obtient
R
4
() = E[x
4
(t)x

4
(t )]
= E[x
3
(t) exp (i2f
0
t) x

3
(t ) exp [i2f
0
(t )]]
= exp (i2f
0
) E[x
3
(t)x

3
(t )]
= exp (i2f
0
) R
3
()
do` u la densite spectrale de puissance
s
4
(f) = (f f
0
) s
3
(f)
= s
3
(f f
0
)
=
A
M

F
_
f f
0
M
_
.
6) On obtient la meme expression qu`a la question 5) de lexercice precedent. On a donc eectue
un zoom autour de la frequence f
0
sur la densite spectrale de puissance du signal dorigine.
Exercice 3 : Shot Noise
Enonce
On consid`ere un processus de Poisson homog`ene de param`etre note {t
i
}
iZ
et le signal aleatoire
X(t) deni par
X(t) =

i
h(t t
i
) avec h(t) =
T
(t) =
_
1 si
T
2
t
T
2
0 sinon
On rappelle que la loi de Poisson de param`etre est denie par
P [Y = k] =

k
k!
e

, k N avec E [Y ] = .
1) Rappeler le role du param`etre dans un processus de Poisson.
2) Representer graphiquement une realisation du signal aleatoire X(t).
3) On suppose que le signal
Z(t) =

i
(t t
i
)
(o` u (.) est la distribution de Dirac) est un signal aleatoire stationnaire de moyenne E [Z(t)] =
et de fonction dautocorrelation E [Z(t)Z(t )] =
2
+().
Determiner la densite spectrale de puissance du signal X(t) puis sa fonction dautocorrelation.
Determiner la moyenne et la variance du signal X(t).
4) Chaque impulsion h(t t
i
) est maintenant aectee par une amplitude c
i
supposee aleatoire de
moyenne E[c
2
i
] =
c
et de variance var[c
i
] = E [c
2
i
] E
2
[c
i
] =
2
c
, ce qui conduit `a denir le signal
X
c
(t) =

i
c
i
h(t t
i
).
On suppose que les amplitudes c
i
et c
j
(avec i = j) sont des variables aleatoires independantes.
On suppose egalement que les amplitudes {c
i
}
iZ
sont independantes des instants de Poisson {t
i
}
iZ
.
5
Determiner la moyenne du signal X
c
(t).
Montrer que la variance du signal X
c
(t) est donnee par lexpression suivante
var [X
c
(t)] =
_

2
c
+
2
c
_
T.
Correction
1) Une des proprietes dun processus de Poisson est le fait que le nombre dinstants t
i
situes dans
un intervalle de largeur , par exemple [t, t +[ note N(t, ) suit une loi de Poisson de param`etre
||. Donc, pour un intervalle de largeur unite, cest-`a-dire tel que || = 1, on a
E[N(t, )] = .
Le param`etre represente donc le moyen dinstants dans un intervalle de largeur unite.
2) Une realisation du signal aleatoire X(t) est representee ci-dessous
t
t
1
t
0
X(t)
t
-1
t
-2 t
2
3) Le signal X(t) est clairement obtenu par ltrage lineaire de Z(t) par un ltre de reponse impul-
sionnelle h(t). En eet,
Z(t) h(t) =

i
(t t
i
) h(t) = X(t)
La densite spectrale de puissance du signal X(t) peut donc sobtenir `a laide de la relation de
Wiener-Lee
s
X
(f) = s
Z
(f) |H(f)|
2
= TF
_

2
+()

T
2
sin c
2
(Tf)
=
_

2
(f) +

T
2
sin c
2
(Tf)
=
_

2
T
2
_
(f) +T
2
sinc
2
(Tf)
On en deduit la fonction dautocorrelation du signal X(t)
R
X
() = TF
1
[s
X
(f)]
=
2
T
2
+T
T
()
6
La moyenne du signal X(t) se determine comme suit
E [X(t)] = E [Z(t) h(t)]
= E
__
h(u)Z(t u)du
_
=
_
h(u)E[Z(t u)] du
=
_
h(u)du = T
La variance de X(t) secrit
var [X(t)] = E
_
X
2
(t)

E
2
[X(t)]
= R
X
(0)
2
T
2
= T.
4)
La moyenne du signal X
c
(t) secrit
E[X
c
(t)] =

i
E [c
i
h(t t
i
)] .
En utilisant lindependance entre les amplitudes {c
i
}
iZ
et les instants de Poisson {t
i
}
iZ
, on
en deduit
E [X
c
(t)] =

i
E [c
i
] E[h(t t
i
)]
=

i

c
E[h(t t
i
)]
=
c
E
_

i
h(t t
i
)
_
=
c
E [X(t)]
= T
c
.
Le calcul de la variance du signal X
c
(t) est similaire `a celui eectue pour la moyenne
E
_
X
2
c
(t)

= E
_

i
c
i
h(t t
i
)

j
c
j
h(t t
j
)
_
=

i,j
E [c
i
c
j
h(t t
i
)h(t t
j
)]
7
en utilisant `a nouveau lindependance entre les amplitudes {c
i
}
iZ
et les instants de Poisson
{t
i
}
iZ
, on obtient
E
_
X
2
c
(t)

=

i,j
E[c
i
c
j
] E [h(t t
i
)h(t t
j
)]
=

i=j

2
c
E [h(t t
i
)h(t t
j
)] +

i=j
_

2
c
+
2
c
_
E
_
h
2
(t t
i
)

=
2
c
E
_

i
h(t t
i
)

j
h(t t
j
)
_
+
2
c

i=j
E
_
h
2
(t t
i
)

=
2
c
E
_
X
2
(t)

+
2
c

i
E
_
h
2
(t t
i
)

En utilisant le fait que

h
2
(t t
i
) = h(t t
i
)
on a
E
_
X
2
c
(t)

=
2
c
_
T +
2
T
2
_
+
2
c

i
E [h(t t
i
)]
=
2
c
_
T +
2
T
2
_
+
2
c
E [X(t)]
=
2
c
_
T +
2
T
2
_
+T
2
c
do` u
var [X
c
(t)] = E
_
X
2
c
(t)

E
2
[X
c
(t)]
= T
_

2
c
+
2
c
_
8