TRAITEMENT DU SIGNAL
1. Reprsentation des signaux
et des systmes
www.biblio-scientifique.net
THEORIE ET
TRAITEMENT DU SIGNAL
1. Reprsentation des signaux
et des systmes
Cours et exercices corrigs
Messaoud Benidir
Professeur l'universit Paris Xl-Orsay
et l'cole Suprieure d'lectricit
DU NOD
www.biblio-scientifique.net
Le Code de la proprit
toute reproduc!ion, partielle ou
intellectuelle du 1cr juillet 1992 ~:= totale, de la prsente publication
interdit en eFFet expressment la
est interdite sons outorisotion du
photocopie usage caltectif
Centre fronais d'exploitation du
sons autorisation des ayants droit. Or,
droit de copie (CFC, 20 rue des Grandscette pratique s'est gnralise dans les
Augustins, 75006 Paris).
www.biblio-scientifique.net
Reprsentations temporelles
1.1.1
1.1.2
1.1.3
1.2
1
4
5
Reprsentations frquentielles
1.2.1
Srie de Fourier et projections associes un signal
10
1.2.2
1.2.3
1.2.4
1.2.5
1.2.6
12
16
10
22
25
25
31
47
2.1
47
47
Reprsentations nergtiques
2.1.1
2.1.2
2.1.3
2.2
Reprsentations symboliques
2.2.1
Transforme de Laplace d'un signal temps continu
2.2.2
Proprits de la transforme de Laplace
2.2.3
Transforme enZ d'un signal temps discret
2.2.4
Proprits de la transfonne en Z
2.2.5
Spectres symboliques
EXERCICES ET PROBLMES CORRIGS
www.biblio-scientifique.net
50
51
53
54
56
57
61
62
69
69
69
70
72
IV
3.1.4
3.1.5
3.2
Variable alatoire
4.1.1
Espace probabilis et loi de probabilit
Statistique une dimension
4.1.2
4.1.3 .... Loide. probabilit.d:une. variable.alatoire --4.1.4
Fonction de rpartition et densit de probabilit
4.1.5
Fonction d'une variable alatoire
4.1.6
Esprance mathmatique, variance et cart type
4.1. 7
Fonctions caractristiques, moments, cumulants
4.1.8
Fonction gnratrice
4.1.9
Lois de probabilits classiques
4.2
Couple alatoire
4.2.1
4.2.2
4.2.3
4.2.4
4.2.5
4.2.6
4.2.7
4.2.8
4.2.9
4.3
4.4
73
74
75
77
81
82
84
97
97
97
105
106
109
110
Ill
114
116
117
121
Statistiques 2 dimensions
Frquences partielles, marginales et conditionnelles
Loi conjointe, loi marginale et loi conditionnelle
Variables alatoires indpendantes
Fonction de deux variables alatoires
Covariance et coefficient de corrlation
Fonction caractristique d'un couple alatoire
Esprance et variance conditionnelles
Esprance conditionnelle et projection
121
122
122
127
127
130
132
132
134
Vecteur alatoire
136
4.3.1
4.3.2
4.3.3
4.3.4
136
137
138
140
143
4.4.1
4.4.2
4.4.3
4.4.4
4.4.5
146
147
148
www.biblio-scientifique.net
143
148
150
5.1
Reprsentation temporelle
Signal temps discret et signal temps continu
5.1.1
5.1.2
5.2
5.3
Reprsentation spectrale
5.3.1
5.3.2
5.3.3
5.3.4
5.4
Signal harmonisable
Signal covariance stationnaire et spectre
Proprit du priodogramme et applications
Pseudo-spectre d'un signal non stationnaire
5.4.3
5.4.4
6.1
167
167
167
171
174
174
180
181
184
186
186
188
190
190
194
197
201
204
205
207
210
211
215
231
231
231
232
239
6.2.1
6.2.2
241
245
245
6.3.1
6.3.2
6.3.3
6.3.4
6.3.5
244
247
247
249
252
254
BIBLIOGRAPHIE
262
INDEX
263
www.biblio-scientifique.net
www.biblio-scientifique.net
Chapitre 1
Reprsentations temporelles
et frquentielles
d'un signal dterministe
1.1
REPRSENTATIONS TEMPORELLES
Dans ce chapitre, nous allons donner les diffrentes reprsentations linaires des
signaux dterministes et des systmes linaires.
1.1.1
Nous appellerons signal toute grandeur physique susceptible de contenir de l'information. La reprsentation temporelle d'un signal est dfinie par une fonction x(t),
relle ou complexe, de la variable relle temps t qui doit approcher<< au mieux les
informations contenues dans le signal. La dnomination fonction est prise au sens
le plus gnral du terme, i.e., x(t) peut tre une suite discrte, une fonction de la
variable continue ou une distribution. Cette fonction peut tre une fonction au sens
classique et dans ce cas, on dira qu'elle reprsente un signal dterministe. Elle peut
aussi tre une << fonction alatoire >> et dans ce cas elle reprsente un signal dit alatoire ou stochastique. Signalons que tout signal physique est forcment perturb par
un bruit plus ou moins important (bruit de mesure, influence des appareils utiliss
etc ... ). Un signal physique est donc un signal alatoire. La figure 1.1 montre l'effet
du bruit : signal non bruit (ralisation 1), signal bruit (ralisations 2 et 3).
www.biblio-scientifique.net
.-------=-----,
Ralisation 1
Ralisation 2
Ralisation 3
4,---------,
3
1.5
0.5
0
0.5
\! \!
2
2
3
1.5
100
200
4
3 ir'==c;-;;;;===-~,,-o';-c===-:-1;0;:oo:;------;;;!2oo
00
Le signal peut aussi tre reprsent par une relation de rcurrence entre les valeurs
prises par le signal des instants diffrents. La figure 1.2 donne une illustration d'un
tel signal.
Un signal x(t) est dit causal s'il vrifie x(t) = 0 pour t < ta o ta est un instant fix
(en gnral ta = 0). Un signal qui vrifie x(t) = 0 pour t > ta est dit anticausal.
D'aprs le principe suivant: l'effet ne peut prcder la cause, tout signal physique
est causal. Dans ce chapitre, nous allons exposer les principales reprsentations des
signaux dterministes en distingant les trois types de signaux suivants.
Signal ( temps) continu C'est un signal modlisable, la plupart du temps, par une
fonction x(t) continue par intervalles au sens mathmatique du terme, ou par une
distribution.
Signal ( temps) discret C'est un signal dont un modle peut tre une fonction
dfinie par l'ensemble des valeurs x,. qu'elle prend sur un ensemble dnombrable
to,t 1, ... ,t,., ... de valeurs de la variable (la diffrence ti+l- t; tant en gnral
constante).
Signal numrique C'est un signal ne pouvant prendre qu'un nombre fini ou
dnombrable de valeurs distinctes.
1 si
- 1/2 ( t ( 1/2
et 0
www.biblio-scientifique.net
ailleurs
1.1
Reprsentations temporelles
'
Figure 1.2 Signal non dfini par une fonction classique simple.
11
www.biblio-scientifique.net
On peut vrifier qu'un signal d'nergie finie est forcment de puissance nulle. La
rciproque est fausse: il suffit de prendre x(t) = ltl" avec -1 <a< O. Un signal
d'nergie infinie peut avoir une puissance infinie, par exemple, un signal priodique
de puissance infinie.
Systeme temps continu Dans le langage courant des systmes, on appelle trs
souvent systme <<continu>> un systme dont les signaux d'entre et de sortie sont
<<continus>>. C'est en fait une expression contracte pour <<Systmes signaux
continus >>. On les appelle aussi systmes analogiques. Nous utiliserons indiffremment l'une ou l'autre de ces terminologies.
Systeme temps discret C'est un systme conu pour fonctionner avec des
signaux d'entre et de sortie discrets.
Systeme hybride C'est un systme faisant intervenir des signaux temps continu
et des signaux temps discrets.
Systeme passif et systeme actif On appelle lment actif un lment capable de
dlivrer une nergie suprieure celle qu'il reoit, par exemple un moteur, un transistor ... , sont des lments actifs. Tout lment qui n'est pas actif est dit passif, c'est
le cas par exemple d'une rsistance d'une inductance, d'un condensateur, d'un ressort,
d'un amortisseur. .. Un systme est dit passif lorsqu'il est exclusivement compos
d'lments passifs. Il est dit actif lorsqu'il contient au moins un lment actif.
Systeme lments localiss C'est un systme dcomposable en un nombre fini
d'lments, possdant chacun un nombre fini d'entres et de sorties, dont les grandeurs de sortie s'expriment au moyen des grandeurs d'entres, de leurs drives et
de leurs primitives.
Systeme mathmatiquement continu Soit e,(t) une suite d'excitations et s,(t)
les rponses associes. Le systme est dit mathmatiquement continu si la rponse
lim e,(t) est gale lim s,(t) et ceci quelle que soit la suite e,(t).
n-:-oo
11-+oo
Systeme causal Un systme est dit causal (ou non anticipatoire) si la rponse
toute excitation causale est causale. En d'autres termes, la rponse ne peut prendre
naissance avant que n'ait t applique l'excitation. Les systmes rels sont causaux. On montre par ailleurs qu'un systme thorique n'est synthtisable ou ralisable que s'il est causal.
www.biblio-scientifique.net
1.1
Reprsentations temporelles
-~
E
.J
.,;
0
D
Q
La causalit d'un systme se traduit donc par le fait que la valeur S 1 [e(ll)] ne dpend
que des valeurs e(ll) pour IlE]- oo,t]. Pour un systme instantan la valeur
S,[e(ll)] ne dpend que de la valeur e(t). L'invariance d'un systme se traduit par:
,;
'Ir, 'lt.
www.biblio-scientifique.net
(1.3)
La linarit d'un systme se traduit par la condition suivante: si s 1(t) et s 2(t) sont
les sorties associes respectivement aux entres et (t) et e1 (t), alors la sortie associe oqetCtl +a2e2Ctl est gale a1stCtl +a2s2(1), Vat,2 ElR. La dfinition
se transpose au cas d'un systme temps discret, il suffit de considrer t sur Z.
Dans la suite, s'il n'y a aucune ambigut, les dfinitions et proprits seront donns uniquement dans le cas continu. La linarit est une notion importante car elle
ramne l'tude d'un systme plusieurs entres et sorties celle d'un systme une
entre et une sortie, par application du principe de superposition. Les systmes
linaires constituent une approche commode des systmes non linaires entre certaines limites de fonctionnement de ceux-ci.
= sin(e(f) +if>)
= m(t)sin(e(l) +if>)
s(t)
sin[e(t) + if>(8)]de
1
i:
h(t,8)e(8)d8
j_:
h(8)e(t- 8)d8.
www.biblio-scientifique.net
1.1
Reprsentations temporelles
Un Filtre linaire est un systme linaire qui vrifie les deux proprits suivantes.
1. Il est invariant dans le temps
2. Si lim q(l)
k-+00
= e(t), alors on a
lim sk(t)
k-HX!
= s(t).
Rappelons que la convolution est une loi interne qui associe deux fonctions
e(t) mais
il est recommand de faire trs attention aux variables. La convolution est associative, commutative et admet comme lment neutre la distribution de Dirac b(t). On
a donc:
e(t),h(t) une autre fonction s(t) que l'on note souvent par s(t) = h(t)
[u(t)
= h(t) *e(t)
* D(t) = s(t).
i:
b(t)<p(t)dt
g, <p(O),
V<p E S
www.biblio-scientifique.net
* li(t- T) =
x(t- T)
* li(t) =
x(t- T).
Comme la rponse impusionnelle d'un filtre est gale la sortie du filtre lorsqu'il
est attaqu par un Dirac dans le cas continu et par un symbole de Kronecker dans le
cas discret, on peut illustrer la non causalit et la causalit d'un filtre temps discret par les schmas de la figure 1.4.
fjk
hk
Figure 1.4 Rponses impulsionnelles d'un filtre non causal et un filtre causal.
Un filtre dynamique est un tltre linaire dont la relation entre-sortie est une
quation diffrentielle linaire coefficients contants du type :
P
s(t)
'1
dke(t)
I>kdlk
= L,bkdlk
k=O
k=O
(1.8)
www.biblio-scientifique.net
1.1
Reprsentations temporelles
Ldi(t)
-dt
+ Ri(t) +-1
c
d"q(t)
L-dt"
j'
i(O)dO
v(t)
-DO
dq(t)
+ Rdt
- - +- =
c
v(t).
1'
v(O)dO
-oo
et cette expression montre que le systme est linaire et que si l'entre est remplace par v(t - T), la sortie associe est i (t - T). Le systme est donc un filtre
linaire. On peut aussi vrifier que cette expression peut se mettre sous la forme
d'un produit de convolution:
00
i(t) = 1
U(t- O)v(O)dO
-oo
o U(t) est l'chelon unit qui vaut 0 pour t < 0 et 1 pour t >O. Ceci montre
d'une autre manire que le systme est un filtre linaire de rponse impulsionnelle
En vertue de la Proposition de la page 8, ce systme doit admettre les fonctions
exponentielles comme fonctions propres. En effet, on obtient :
UJ:l.
t(t)
Vm
= -.--v(t)
J27r Jo
pour v(t)
r. t
= V, e 1"l~
-"' 0
0
"
o.
'5
~
~
Tenant compte de 1' importance du rle jou par les signaux exponentiels pri adigues en tant que fonctions propres des filtres linaires, les mthodes d'analyse des
signaux sont souvent fondes sur des reprsentations faisant intervenir ces signaux
exponentiels. Les reprsentations les plus classiques sont la reprsentation frquentielle (Transform de Fourier) et les reprsentations symboliques (Transforme de
Laplace et Transforme en Z). Nous allons dvelopper les principales proprits
pratiques de ces trois reprsentations.
www.biblio-scientifique.net
10
1.2
REPRSENTATIONS FRQUENTIELLES
1.2.1
Pour le calcul de la projection x(t), on introduit souvent un systme orthonormal dans IF. Si le systme
en(t) E IF, Il= -N, ... ,NEZ,
qui est orthonormal est en plus une base de IF, on peut dcomposer x(t) d'une
manire unique sous la forme
N
x(t) =
Xnen(t)
avec
n=-N
11Xnll 2
<';
l!x(t)!! 2 .
n=-N
www.biblio-scientifique.net
11
")
11
Le systme particulier: e,(t) = e1 -"7' joue un rle fondamental dans la<< reprsentation spectrale >> d'un signal et le rsultat suivant prcise la nature des signaux
x(t) pour lesquels la projection x(t) devient gale x(t) !orque N tend vers l'infini.
ne pourra jamais tre gal sa projecIl est vident qu'un signal non priodique
. .., Il
tian sur un espace !F' engendr par les e 1-"7' mme si !F' est de dimension infinie.
Il {T
=Jo
x(t)y(t)dt.
La projection orthogonale de x(t) sur !F' s'crit x(t) = au(t) + (Jv(t) et elle est
unique. Or on sait que x(t) = cos(cfJ)u (t) - sin(cjJ)v(t). On obtient donc par unicit
.~"
= cos(cjJ) et f3 = -sin(cjJ). Ce rsultat signifie que x(t) appartient au plan !F'.
c~
Un signal x (tl de priode T peut donc tre compltement dtermin par la suite
de ses coefficients de Fourier X,. Si l'on trace les points dont les abscisses sont les
.[ nombres nf T, appels frquences discrtes, on obtient un graphe form par des
~
points qui ont des abscisses quidistantes. Ce graphe qui dfinit de manire unique
-& les fonctions ej 2"Y' et le signal x(t), est appel spectre d'un signal priodique (ou
j
harmonique). Ce graphe, appel aussi spectre de raies, donne une reprsentation
dans le domaine frquentiel d'un signal priodique sur laquelle nous reviendrons
plus loin. Remarquons qu'un signal quelconque observ sur l'intervalle [, + T]
www.biblio-scientifique.net
12
peut toujours tre considr comme tant extmit d'un signal priodique de priode
T. La portion du signal observe peut donc tre reprsente par une srie de Fourier
unique. Dans la section suivante, on va tendre la reprsentation frquentielle au cas
des signaux non priodiques.
i:
~x(v) ~X (v)~
x(t)e-f 2rrvt dt
(1.9)
dnomm Transforme de Fourier (T.F) directe de x(t). On va exposer les principales proprits de cet oprateur en utilisant, selon le contexte, l'une des trois notations associes. Les proprits suivantes dcoulent alors immdiatement de la dfinition de la T.F.
linarit L'oprateur :Fest linaire, soit:
:F[ax(t)
= :F[x(t)](-v)
et :F[x*(t)](v)
= :F[x(t)](-v)*.
=-
al
= e- j27WTX (v)
v
X (-),
a rel
=f
0.
www.biblio-scientifique.net
13
Les proprits suivantes, plus difficiles tablir, font de la T.F une reprsentation
trs importante pour l'analyse des signaux physiques.
Conservation du produit scalaire L'oprateur F est une isomtrie sur l'espace
L"(lR) des signaux d'nergie finie (Ex < oo). Il conserve le produit scalaire, et la
norme, i.e., pour tout x (t) et y(t) de L" (lR), on a :
+oo
l+oo
-oo
x(t)y(t)*dt = -oo X(v)Y(v)*dv,
l
produit scalaire
galit de Parseval.
Inversibilit
F
* F(y)
La fonction
fini et on a :
x est continue, elle admet 0 comme limite lorsque lvi tend vers l'in-
"
lx(v) 1,;:;
Si x est m fois continuement drivable et si ses drives xlk) d'ordres k ,;:; m sont
sommables, alors on a :
x est
111
xl"'l(v)
= F[(- j27rt)"'x(t)].
www.biblio-scientifique.net
14
i:
x(t)e-fw'dt
X(w)
j"'
X(w)eiw'dw.
-oo
x(nT,), Te ;oiit~;;p~dl~~~~tetd;n~rgfefinl:
+oo
?
Jx, J-<
"
'\'
Ex=
L._.
00
n=-oo
est une suite de 1' espace de Hilbert t 2 (/Z) . toute suite de cet espace, on peut associer une fonction priodique de la variable relle v de priode 1j T,, dfinie par
+oo
F[x,]~X(v)~x(v)~ Lx,e-j2rrvnT,
(1.10)
-oo
appele T.F du signal temps discret. Comme dans le cas des signaux temps
continu, la T.F d'une suite vrifie les proprits suivantes.
Linarit
Dcalage
00
rn+l/T,
"~ x,y;; = T, fa
X(v)Y(v)*dv
www.biblio-scientifique.net
1.2
Reprsentations frquentielles
15
Inversibilit
on a:
simple conduit :
?a
et F[o- ool=e-aiVI.
a-+ TC-1-
Signaux gaussiens
exp( -TCa2 12 ),
Fentre rectangulaire temps continu Les deux signaux !1(1) et sinc(l) sont
{
.3
1
Cl
F[Il(l)] = sinc(v)
et F[sinc(l)] = ll(v).
Utilisant la proprit de changement d'chelle, on peut vrifier que la fonction rectangle de support [- T, T], dfinie par
si
- T
~ 1 ~
et 0 ailleurs
Ql
www.biblio-scientifique.net
16
.
1
v
et F[smc(2Bt)] = -f1(-).
28
28
par:
il
ITN(k) = 1
rr N
= NT,sinc(NT,v)e- jhuNT,.
2rct
WT
= 0 ailleurs
dont la T.F est donne par :
dfinit pour a = 0.54 et a = 0.5 la fentre de Hamming et celle de Hanning respectivement. Pour a = 1, on obtient la fentre rectangulaire dont la T.F est un sinus
cardinal et pour a= 0.5, on obtient une fentre dont la T.F est donne par:
= 0 ailleurs
www.biblio-scientifique.net
17
Une fonction dcroissance rapide est une fonction qui tend vers 0, pour
-+ oo, plus vite que toute puissance de
On dsigne parS l'ensemble des fonctions indfiniment drivables et dont toutes les drives sont dcroissance rapide.
tT
Jtl
JF. L'ensemble des distributions est donc le dual de lF et sera not JF'. Comme pour
les fonctions classiques, dans la dfinition d'une distribution on doit obligatoirement prciser l'ensemble de dfinition de cette dernire. On introduit dans la suite
trois ensembles de fonctions qui jouent un rle important dans la dfinition des distributions.
D : Ensemble des fonctions indfiniment drivables et support compact.
S : Ensemble des fonctions indfiniment drivables et dcroissance rapide.
On introduit sur D et S la notion de convergence suivante : une suite de fonctions 1{!, ES (E D) converge vers 0 au sens deS (D) si, quels que soient les entiers
l et m ;;:, 0, les fonctions t 1'P!{") (t) convergent vers 0 unifonnment sur l'axe des
rels. Si x(t) appartient S, alors chaque fonction t 1x(m)(t) est borne et sommable. En effet, comme t 1+2x("')(t) est borne par une constante M, alors t 1x("')(t)
est borne par ~i. D'aprs la fonnule de Leibnitz donnant les drives d'un produit,
on en dduit que (t 1x(t))(m) est borne et sommable. On peut vrifier que si x(t)
appartient S, alors sa T.F X (v) appartient aussi S.
Exemple 1.2.2 Fonction non drivable et support born
:"
-~
c
E
0
"
0
"
-oo ip(V)
-oo
-oo
-oo
2 1
""
-oo
-oo
2 1
""
E D.
www.biblio-scientifique.net
18
En effet, le-i 2rrur x(t)<p(l;)l ,;; lx(IJII'P(vll est sommable comme produit d'une
fonction sommable x(t) par une fonction sommable <p(ll) (cette formule reste
valable lorsque <p rfc D, pourvu que <p E L 1). Ce rsultat suggre de dfinir la T.F
d'une distribution U par la formule
!;
V<p
D.
(Lll)
Mais cette formule n'aura pas de sens pour U E E quelconque. En effet, si <p E E,
F(<p) n'a aucune raison d'appartenir E. La TF d'une distribution arbitraire n'existe pas. Nous considrons dans la suite uniquement Je cas des distributions importantes dites tempres pour lesquelles la TF est dfinie par (1.11) o J'ensemble D
esLr~J:t1Jlll'c par S, En effet, soit U une distribution tempre. Pour <p(v) E S Je
zmc membre de ( 1.11) a~~ ~~~~::p~i~q;;-e.F(;p);;;;y(:~fesfdaiSS er U dans S' par
hypothse. Il dfinit alors une forme linaire continue de <p(ll) E S donc une distri-
bution tempre V,, qui sera par dfinition F(U), On dfinit la drive T' d'une distribution tempre T par :
(Ll2)
lx(t)l (
Altlk pour
ltl---+
00.
www.biblio-scientifique.net
19
(1.13)
(1.14)
v<mJ
(1.15)
* T](v) =
(1.16)
S(v)T(v)
Ce rsultat reste vrai si S est une distribution tempre quelconque et Tune distribution support born.
Le rsultat (1.13), dont une dmonstration est donne dans l'exercice 1.17, permet d'tablir que si une distribution U vrifie F(U) = 0, alors on a forcment
U = 0. En effet, si V = F( V) = 0, alors U = F(V) = F(O) est bien nulle. Dans
le cas o U est une fonction, cela prouve seulement que U est nulle en tant que distribution, c'est--dire nulle presque partout.
:m
il
(j2rrv)m
pour m ~O.
(I.l7)
"
'f
si
t < 0 et Sg(t)
1 si t > O.
-g On peut vrifier que la drive au sens des distributions de Sg(t) est donne par:
0
8
@
Sg(t)' = 2c5(t).
www.biblio-scientifique.net
20
Ce rsultat et la relation (1.17) permettent d'exprimer les T.F des drives et des primitives au sens des distributions de la de la fonction signe. On obtient :
l !; 1
1
F[Sg(l)] = -.- = - . vp(- ).
]7l/
)Ti
v
o la notation vp(.) signifie que la fonction ainsi obtenue doit tre prise au sens des
distributions et son application une fonction se calcule en valeurs principales de
Cauchy comme suit:
00
1
00
1-
x(v)-.1-du~ lim [
}1fV
E......,..O
x(v)-.1-du+
_ 00
)1fV
1"'
x(u)-.1-du].
J1fV
V(l)=l
si 1>0 et
si 1<0.
V(t)=O
Pour calculer la T.F de V (t), au sens des distributions, on peut utiliser la relation
vidente entre les fonctions Sg(l) et V(t). On obient:
1
V (t) = -[1
2
+ Sg(l)]
et F[V(t)]
-c5(v)
2
+ -.-.
j2rrv
ji.v est une distribution qui est dfinie en valeurs principales et donc un
aucune information intressante. Un tel signal sert souvent comme porteuse pour
vhiculer un autre signal utile. On a alors recourt des techniques de modulation
qui conduisent au cas o a (t) n'est plus une constante et ,P(t) n'est plus une l'onction linaire du temps. Le problme est qu'un signal peut s'crire d'une infinit de
manire sous la forme x(t) = a(t)cos(,P(t)). Il existe une technique qui permet
d'associer un signal rel x(t) un couple unique [a(I),,P(I)] et qui est fonde sur
la notion de signal analytique. Un signal z(t} est dit signal analytique, si sa T.F est
nulle pour les frquences ngatives. Soit x(t) un signal rel admettant une T.F X (v).
www.biblio-scientifique.net
21
On appelle signal analytique associ x(t) le signal z(t) valeurs complexes dont
la T.F est dfinie par :
Z(v)
= 2X(v)U(v) = [1 + Sg(u)]X(u).
(I.l8)
z(t)
+ z*(t)
2
Il y a donc une correspondence biunivoque entre un signal rel x(l) et son signal
analytique z(t) associ. On peut alors poser
z(t)
= x(t) + jy(t)
soit
Z(u)
= X(u) + jY(u)
= -jSg(u)X(u).
(1.19)
" 7-l[x(t)]
1
1 =
= x(t) * -vp(-)
7r
(1.20)
= a(t)exp(jr/J(t)),
a(t);;, O.
La notion de signal analytique permet donc d'associer tout signal rel x(t) le
couple unique [a(t),<;D(t)]. videmment, le fait que z(t) soit analytique impose
a(t) et <;D(t) de satisfaire des contraintes. Ces contraintes s'obtiennent en crivant
que a(t)cos(<;D(t)) et a(t)sin(<;D(t)) sont transformes de Hilbert l'une de l'autre. On
~ peut vrifier facilement que la somme et le produit de deux signaux analytiques sont
aussi des signaux analytiques. On a aussi le rsultat suivant (Thorme de
~ Bedrosian): si X(u) = 0 pour 1/ > B et Y(u) = 0 pour v< B, alors
~
-~
7-l[x(t)y(t)]
.8
= x(t)H[y(t)].
~.8
-a
0
j
-ci
X (u)
+<Pl
<!>
., + Jo) ].
= 21 [ e 1w i5(u- .fol + e-Wi5(v
www.biblio-scientifique.net
22
+oo
Il~
Il
-oo
.............................. y
(1.22)
On voit donc que la T.F d'un signal priodique est rduit un ensemble de Dirac
pondrs par les coefficients de Fourier et centrs en des points dnombrables et
quidistants sur l'axe des frquences (v,.~n/T,n E Z). On dit que l'on a un
spectre de raies. Rciproquement, une fonction dont le support est rduit un
ensemble de points dnombrables et quidistants peut tre interprte comme la T.F
d'un signal priodique. titre d'exemple, nous donnons la T.F des sigaux exponentiels priodiques, x (t) = ei 2'"'07 , lesquels jouent un rle fondamental dans les
applications. On a :
PT (tl~
+oo
6(t- nT)
11=-00
www.biblio-scientifique.net
23
l'
O. 5
0.5
20
40
60
80
100
120
140
160
180
0.2
0.3
0.4
0.5
0.6
0.7
o.a
"" ~ Ill.
200
60
0
40
0
0
0
,.A ~fil.,
0
0.1
0.9
1!!
.!2'
1!!
.!2'
00
00
20
40
60
ao
100
120
250
100
200
ao
50
150
100
e 1so
" 100
60
00
tl)
40
50
20
0
!mi
Ill..
0.2
0.4
0.6
Figure 1.6
o.a
~'"
0.2
0.4
0.6
www.biblio-scientifique.net
o. a
200
24
est appele peigne de Dirac de priode T. Elle est identique un Dirac en tout point
kT,k E Z et vaut zro ailleurs. Tenant compte de la parit de PT(I), on dmontre
que pour tout T fix, l'image de PT(I) par Fest le peigne de Dirac de priode 1/T,
i.e.
1
(1.23)
F[PT(t)](v) = T P1;T(v).
PT (tl,
(1.24)
Pour toute fonction x(l) dcroissance rapide, .on peut appliquer (L23) et obtenir
la formule suivante appele formule sommatoire de Poisson :
11
+oo
1 +cc
T LX(T) =< PljT(V),X(v) >=< F[PI;T](v),x(l) >= Lx(nT).
-oo
-oo
V(l)=-
pour
1 E [O,T].
La drive au sens des distribution de ce signal est dfinie en tout point t E lili. par :
1
/:; 1
V (t)= T- PT(t)
o PT (t) est le peigne de Dirac.
L
00
Yn ej2rr{~t
n=-oo
www.biblio-scientifique.net
25
= {
x(t)e-jZrr<u,t>dtg,F(x)
JIJP.Il
1/
et
xf:' = 0
sinon
;
'0
;;0
],
"
0
0
N-l
XN (1/) =
0
0
-~
k=O
-E,
.J
L Xke-j2rrVkT,.
Associons la fonction
xN (v)
-d
0
Cl
"
" -N
-N N - 1 T "
X=[x
(O), ... ,x
(----:v-)J =[Xo, ... ,XN-Il T .
www.biblio-scientifique.net
(1.25)
26
,. l
. 27fT,
le nombre complexe w
wo
wl
w-7
;;(N.-1)
wN-1
w.'N-1)'
c
wo
~~
uP
N-1
La dmonstration de ces rsultats repose sur le fait que la matrice W ( w) est symtrique et vrifie :
W(w)W(w- 1) =NI.
11
1- ZN
1-z'
=N
pour z = 1.
On voit bien que cette fonction admet un maximum pour Jo = ~- La valeur ainsi
obtenue est celle qui permet de remettre en phase tous les vecteurs sn. Cette pro-
www.biblio-scientifique.net
27
prit permet de dterminer une frquence Jo E [0, 1) inconnue de la manire suivante. On calcule la TFD, X (v), pour v 1 , 2v 1 , , M VI , on trace le graphe de cette
fonction en utilisant ces points et les chantillons so, ... ,SN-1 L'abscisse du maximum de cette fonction nous donne la frquence Jo.
(1.26)
o nT est la fonction rectangle de support [0, T]. Avant d'analyser l'effet de la troncature sur un signal temps discret, considrant tout d'abord le cas continu. On
obtient:
Xr(v)
X(v)
* [Tsinc(Tv)e-f'"'T]
(1.27)
Pour bien voir les similitudes entre le spectre X (v) et celui X T (v) du signal tronqu, considrons le cas particulier suivant.
x(t)
= Acos(21f Jot),
X(v)
A
"2[6(v- Jo)+ 6(v+ Jo)].
-!! On peut choisir J0 T entier et tracer le spectre d'amplitude du signal tronqu xr(t).
c
~
Le graphe montre qu'il y a un effet de lissage et un effet de bord. Ces effets se traduisent par l'apparition de lobes secondaires qui ne devraient pas exister. Ces lobes
. ~ secondaires proviennent de 1'effet brutal de troncature du signal qui revient rem- placer ce dernier par zro en dehors du support de la fentre d'observation nr. Ces
0
.g_ effets rduisent la finesse d'analyse. En particulier, si l'on a deux raies spectrales
3 distantes de moins de 1/ T, elles seront pratiquement indiscernables. Pour attnuer
-ci
les effets de troncature, on introduit des <<fentres de pondration>> WT(l). Cela
~ signifie qu'au lieu de traiter le signal tronqu xr(t), on traite le signal pondr
www.biblio-scientifique.net
28
wr(t)xr(t). Il existe plusieurs types de fentres. Les plus utilises sont celles de
Hanning et Hamming introduites la page 16 et celle de Gauss dtnie par : wr (t) =
A exp( -t 2 ), a, A > O. La figure 1.7 donne la partie relle d'un signal gal la
somme de deux sinusodes (a), la TFD du signal calcule avec une fentre rectangulaire (b) et avec une fentre de Hamming (c).
90
45,-----~(~c~)-----,
80
40
70
35
60
30
50
25
(b)
1 . 5r----~~----~
40
1
temps
S)
20
30
15
20
10
10
-1.5!--~2~--~--~
..
~
0
0.5
0 ollL----~o~.s~----~
frquence
frquence
www.biblio-scientifique.net
29
11
. M e -j2~X,N = '""'
L.., -'k"k
N , M = 0,1 ... N- 1, 11 = 0 , 1 . . . N - 1
k=O
ut
o
dsigne la fentre rectangulaire de support (O,M- 1). Un calcul simple
montre que le module de la TFD d'un signal prolong par des zros est indpendant
de la position du support du signal et que cette opration revient un chantillonnage plus serr. Comme ce prolongement correspond une multiplication du signal
par une fentre porte, la TFD du signal prolong sera donc gale la convolution
du signal observ par une fonction sine qui est la T.F de la fentre. Comme la fonction sine n'est pas support compact, la convolution considre a pour effet, cause
de ses lobes secondaires, d'altrer la T.F du signal considr. Cet effet est nfaste
sur la rsolution, c'est--dire la capacit de la TFD de distinguer deux frquences
spectrales proches. Des exemples simples permettent de voir que l'on peut sparer
~ deux frquencesf1 eth si elles vrifientfi- .h) 1/To Test la dure d'obser~
-o
vation du signal. Pour bien sparer les signaux, on a intrt avoir un lobe princ
~ cipal aussi troit que possible et des lobes secondaires d'amplitudes trs faibles .
-~ Malheureusement, il n'est pas possible d'avoir simultanment ces deux proprits.
], Il est cependant possible de diminuer les amplitudes des lobes secondaires en rem~ plaant la fentre rectangulaire par une fentre plus douce et sans discontinuits.
0
~ Les exemples suivants montrent comment on peut calculer la TFD avec fentre de
-~ pondration partir d'une TFD sans fentre.
0
30
Yk
= -Xk-Xk-1- -Xk+l
2
4
4
= 1, ... ,N.
le signal temps
x(t)
discret~ dfini
= Aej
par:
2 rr(!Jt+~ 1
+ Aejh(ht+<Pol
o /1, f2 dsignent deux frquences positives distinctes, rjJ 1,t/J 2 deux phases l'origine donnes. Soit y(t) le signal observ, gal x(t) sur l'intervalle [- T /2, T /2]
et nul partout ailleurs. La T.F de y(t) est donne par:
Y(v) = [AeN' 1 o(v-
fil
1
<
2-J'i.
Il suffit de choisir T tel que rrT(}, fil < 2 ~. La figure 1.8 montre l'influence du
choix de T sur la possibilit de dtecter les deux frquences contenues dans le
signal.
T.F et convolution cycliques On associe aussi parfois au signal observ .q,k =
0, ... ,N- 1 le signal priodique de priode N et qui concide avec (.q) pour
k = 0, ... ,N- 1. On dfinit ensuite le produit scalaire, la T.F et la convolution en
limitant les sommations N termes. On obtient ce que l'on appelle la T.F et la
convolution cycliques. Ces dfinitions permettent d'tendre certaines proprits de
la T.F et de la convolution la T.F et la convolution cycliques.
www.biblio-scientifique.net
31
f2- f 1 = 1/(2T)
1.2
2.5
f 2 -f,=1rr
.----=-_;---,
1\
2
2.5
1.5
0.8
0.6
1.5
0.4
0.5
0.2
0
20
~0
\r20
0
20
20
Dire, dans chacun des cas suivants, si la relation d'entre-sortie dfinit un systme
linaire, instantan, invariant, causal (entre : e(t), sortie : s(l) ).
s(t)
p
s(t)
= sin(l)e(l)
s(t) =J'
sin[e(l)
+ ll]dll.
t-T
1.2
www.biblio-scientifique.net
32
T'>T.
e(t)=D(-),
T'
1.3
n (f)
1. Soient deux signaux x(t) et y(t) d'nergies finies, valeurs complexes. Exprimer
l'nergie
+ ,\y (1)
i:
x(t)y*(t)dll
,::;
i: i:
2
lx(1)1 dt
(1.28)
ly(l)l dl
1.4
www.biblio-scientifique.net
les signaux
33
o 'P est une phase l'origine constante et fo une frquence positive donne. On
projette le signal x(t) sur l'espace vectoriel muni du produit scalaire:
< x(t),y(t) >
L:
= sin~~t}
x(t)y*(t)dt
et rjJ 2 (t)
= sin~~~t}
o B est une
1.5
= 0,1 ... N-
1, et dterminer l'abscisse du
Signal priodique
= x(t) + x(t- tl
O(tjT).
et calculer sa T.F.
00
y(t- 2nT)
11=-00
z(t)~
L
00
Z"eJ2r.{~t
11=-00
y(t).
;g
:~
B
0
"
1.6
''
i:
x(t) y(t)* dt
www.biblio-scientifique.net
34
= sinc(Bt)
= sin(1rBt)
= e-altl.
1.7
=6
11=-00
2. On admet que x(t) possde une T.F X(v). Exprimer les coefficients Xk en fonction de X (v).
3. Partant de l'identit x(t) = Xp (t) n (t j T), exprimer X (v) en fonction des coefficients Xk et de la fonction sinus cardinal dfinie par sinc(u) = sin(mt)/(mt).
4. Vrifier l'expression obtenue pour X (v) pour les frquences multiples de la frquence fondamentale 1j T.
1.8
X (v).
2. Exprimer la drive de la T.F X (v) d'un signal x (t) en fonction de y (t) = t x(t).
Utilisant la transforme inverse, donner l'expression de la T.F de y(t) en fonction
de X'(v).
3. On suppose dans toute la suite que x(t) est le signal rectangulaire D(tjT).
Calculer la T.F de x (t).
www.biblio-scientifique.net
35
+oo
y(t- nT)
11=-00
r(t)~
. n
R,e 121r1' 1 .
11=-00
7. On note YI (t) la drive de y(t). Calculer la T.F de YI (t) et comparer cette T.F
celle de x(t) et expliquer le rsultat.
1.9
-~
.8
Z, dfinis par:
a,_,=<
t/J,(t),t/J,(t)
L:
sin(7Tf)
7rf
x(t) y(t)* dt
de x(t).
c
0
c
x(r) ~
"
~
.8
ak
t/Jk(r)
k~O
".
-ci
0
sur l'espace vectoriel <"N engendr par les signaux tPk (t), k = 0, 1, ... ,N. Calculer les
coefficients k en distinguant les cas .fo < B /2 et .fo > B /2. Interprter le rsultat.
'9
= sinc(B't), B'
www.biblio-scientifique.net
36
par un signal de la forme s(t) = Asinc(2Bt) o A est un paramtre rel dterminer et Bun rel positif connu. On admettra que la T.F de x(t) est gale e- 2ulul et
on introduit le signal erreur e(t) = x(t)- s(t).
1:nxpfirrf en fonction de A l'nergie dfinie par:
i:
e(t)sinc(2Bt)dt.
4. On fait passer le signal s(t), A quelconque, dans un filtre linaire dont la rponse
impulsionnelle est h(t) = sinc( 2~). On suppose 0 < BT < 1/4, calculer la T.F
Y(v) du signal y(t) la sortie de ce filtre. En dduire y(t).
On dsigne par Tfi(t) la fonction triangle de support [- T j2, T /2] dfinie par
Tfi(t) =Tri( -1) et:
Tri (1) = t + T /2 pour - T /2
= 0 pour t < - T /2
2. On rappelle que la fonction Tri(t) est gale au produit de convolution d'une fonction porte par elle-mme. Dterminer cette fonction porte que l'on dsignera par
Rec(l).
www.biblio-scientifique.net
37
1<
T/2.
5. On projette le signal x(t) sur !"espace vectoriel engendr par les N signaux:
nk(t)
t-kT
= 0(-T-),
= 0, ... ,N- 1
1>~o<P 2
v;
IY.(v)l =
pour
= 0 ailleurs
IY;(v)l
VE
[v;,v;]
www.biblio-scientifique.net
38
a- exp(jwt)
1 - aexp(jwt)
= ej(2ofot+<p)
o <p est une phase l'origine constante etfo une frquence positive donne. On ne
dispose que des N chantillons Xk = x(kT,), k = 0, 1, ... ,N- 1, o Te est une
constante positive donne. On introduit la transformation suivante qui associe ces
N chantillons, un ensemble de N autres chantillons dfinis par :
N-1
_ "'' .
X,-L_.xke
- j2rrkTe
N,
n-O,l, ... ,N
_ 1.
k=O
e:
N-1
Y(O)
Xke-j1rrke.
k=O
e pour laquelle
e,
www.biblio-scientifique.net
39
+oo
(1 .29)
= F[- j2rrtx(t)]
(1 .31)
et gnraliser ce rsultat dans le cas o x<"'l(t) est aussi sommable et X(v) m fois
continuement diffrentiable.
4. Montrer que si x est indfiniement drivable et que toutes ses drives sont sommables, alors X (1;) dcrot plus rapidement que toute puissance de ~ 1 .
lvi
x<n (v)
-+ oo.
,
a. 1.17 Proprits de la T.F d'une distribution
8
B
0
o.
1. Soit U une distribution support born, justifier pourquoi le calcul suivant est
possible :
V(v) =< U,e-J 2 m't >.
www.biblio-scientifique.net
40
l/
7. En dduire la formule :
(1.33)
Le signal e(l) = ej~' est bien une fonction propre du filtre de Gain G( ~).
2. La sortie associe z 1 est gale la convolution de la rponse impulsionnelle par l'entre.
Soit:
s(t)
L:
11
h(8)z'- d8
= z'a(z).
www.biblio-scientifique.net
3.
s(l)
41
= s(t) * e(l) =
oo
1-
il(- )ll{--)dB.
~oo
T'
On peut vrifier que s(l) est une t'onction paire. Il suffit donc de la dtenniner pour t <O.
On obtient le trapze dfinie par :
s(l) = 0
= T
pour
T+T'
1 < ----
T+T'
+ ---
pour
pour
T+ T'
T-T'
----<1<---
T-T'
~ < t <
O.
1=
~Ex.
x(t)y*(t)dt et Exx
La linarit du produit
-=
scalaire conduit :
1. Pour les signaux rels. E: est un polynme en qui ne prend pas de valeurs ngatives.
Donc son discriminant doit rester toujours ngatif. Cette condition se traduit par l'ingalit
(1.28).
2. Dans le cas de signaux complexes, on pose..\*= 1,~\lexp(jO) et on choisit comme valeur
pour 0 l'argument de Eyx Cela nous conduit au polynme
E =
dont l'indtermine est
1,~\1
IAI'E,. + IAIIE,._,I + E,
3. Dans le cas o l'on a galit, les signaux x(t) et y(t) sont proportionnels.
4. On obtient :
00
x(l) =
X,rj!,(t)dt
11=-00
avec
_ _J
X n-,
j"+T e .
-/1Trnyt ft
c .
Dans le premier cas, on choisit a = - T /2, et le calcul de l'intgrale conduit : Xko = X-ko
= 1/2 et tous les autres coefficients nuls.
Dans le second cas, on choisit a = - T 14, on pose t 1 T =
et l'expression de Xn s'crit :
www.biblio-scientifique.net
42
xli =
f
!
!
l/4
!,3/4
-1/4
1/4
=
=
C0S(27iT)e- j'21TIITdT
1/4
cos(27rT)[l + (-l)"]e-l'"'"dT= 0
-1/4
1/4
[e-J2rr(2k-1)T
+ e-J2;r(1k+1)T]dr
pour n = 2k + 1
pour
n = 2k
-1/4
7f
sin(2k+ 1)~
sin(2k-1)2
=[
7f+
(2k- 1)2
-(-1)'+'
-
"]
(2k + 1)2
4
1)
7r(ll2 -
pour
n=2k.
......,
,....,
1 .
Jo
-eNIT(- ),
< x(t),rj!,(t)
1
28
1
Jo
>= -eNIT(-).
2B
2B
Jo
.fo
+ "''- =
Jo
eNIT(-).
2B
Jo
Jo
2B
a 1 = eN[2IT(-)- IT(-)
et
www.biblio-scientifique.net
43
D'o
E = ]_D(Jo
B
D'o la discussion
B <Jo.
E_,
2B
2B
=0
si
3. On a
1y (vli =
---::-=.-::-:::-"'-----':..::.CO
sm[1rT,(v- Jo)]
Jo.
+ X(v)eimT
1
Zn=2T
1
=27'
~
fT
., "
1
2T
1
z(t)e-J-1r2T 1 = -
-T
11
fT
., "
y(t)e-J-1r2T
-T
11
=-Y(-).
2T
2T
;@
3. On obtient finalement :
Z,
1
11
-X(-)[1
2T
2T
._,,
+ e1"2] =
117r
-sine(- )[1
2
2
11
+ "2] =
(-1) 11
--[1
n1r
"
+ e1"2].
5. 1.6 1. La proprit de conservation du produit scalaire par la T.F est donne par l'galit
suivante :
15
-a
j
1i
L:
x(t) y(t)* dt
L:
www.biblio-scientifique.net
44
n ('i) , on obtient :
00
P =
-1n (
_ 00
~ [8(v00
P=
-oo
et P = 0 si
AB
B) - D(v
v
)
inf(A.B)
dv=
.
inf(A,B)
AB
+ B)], on obtient:
1
-n(-)[8(1/-B)-D(I/+B)]dv=2A
A
A
si
!BI <A
IBI >A.
2a
.
, , , on obttent:
a-+ 4rr-zr
,
co 1
p =
2a
IJ
-TI (-) .,
1 ., dv = ~oo A
A a-+ 4~~-uA
8 2
-B/'2
..,
a-
2a
., , dv
+ 4K-v-
2. La T.F du signal x(t) = B[sinc(Bt)J' est gale B fois Je produit de convolution de la T.F
de sinc(Bt) par elle-mme. On sait que ce produit est la fonction triangle. D'o
X(l/)
o
Triza(v) = 0 pour v< -8, Trhn(v) =
B + 1 pour -B
<v< 0
Pour calculer l'nergie Ex. il suffit de calculer l'intgrale de la fonction Tri 28 (v)'.
3. Cette opration ne dfinit par un filtre linaire puisque la sortie associe x{t - T) est
gale m(t)x(t- T). Elle n'est donc pas gale y(t- T) qui vaut m(t- T)x(t- T).
4. On a
Y(v) = M(l/)
* X(v) =
-[(D(v- vo)
+ (v + vo)b X(v)
= -[X(!/- vo)
+ X(v+ vo)].
Comme v0 > 2B, le graphe de Y(v) est constitu par les deux triangles Tri:w(u- v0 ) et
Tri2n (v- vo) qui ne se chevauchent pas. On obtient donc Ey = Ex.
1.111. Tracer le graphe de la fonction Tri(t).
2. La fonction Tri(t) est gale au produit de convolution d'une fonction porte de support
[- T /4, T /4] par elle-mme. On a donc
TriCtl =
' * nc::J.
'
nc=-J
T
T
www.biblio-scientifique.net
45
3. On sait que
D'o
4. La T.F de x(t) s'obtient en dveloppant en srie x(t) el en prenant les T.F de cette srie
terme terme. On obtient :
L x,a(IJ- -yJ
00
x (IJ)
-00
o les coefficients
x, =
=
l JT/2
. k
l
x(t) e- 12"7'' dt= -
-T/2
k
-.F(Tri(t))(-)
T
T
l
loo
-oo
T
br
-sine(- ) 2
Tri(t) e- 12"7'' dt
2T
k-rr-
= --;-;-
pour
= 2/z + 1.
5. On a:
N-1
x-cr)=
2:: a,n,cr).
0
On peut vrifier que les Il,(t) sont orthogonaux et donc les"' sont donns par:
l JT/2
T
"' = x(t)dt = -.
T -T/2
4
On constate que
www.biblio-scientifique.net
Chapitre 2
Reprsentations nergtiques
et symboliques
d'un signal dterministe
2.1
REPRSENTATIONS NERGTIQUES
Si X(v) est la T.F de x(t), la fonction IX(v)l 2 est appele spectre ou bien densit
spectrale (d'nergie ou de puissance) de x(t). Si le support de IX(v)l 2 est rduit
un ensemble discret de frquences, on dit qu'on a un spectre de raies. Le spectre
d'un signal priodique x(t) est donc un spectre de raies particuliers o les raies sont
quidistantes et o leurs amplitudes sont les coefficients de Fourier associs x(t).
Nous allons donner quelques prcisions sur ces dfinitions et pour plus de dtails,
on peut consulter les rfrences suivantes [14] [15].
lxy(r)~
i:
x(t)y*(t- r) dt
www.biblio-scientifique.net
(2.1)
48
J'n(T)
--
1
~ T~oo2T
lim - -JT x(t)y*(t- T)dt
-T
(2.2)
l'xy(k) ~ Lx(n)y*(n- k)
-00
lim
N~oo
1
2N
(2.3)
Lx(n)y*(n- k).
+ 1 -N
Il existe un lien troit entre le produit scalaire et les deux lois internes qui dfinisse!lt1e
produit de convolution
et l'intercorrlation. Ces deux lois internes dfinis----- ----- ---------,- ..... ____ ,----------------.,--.------.---.-----------.-- ---sent des applications deL- xL- dans L-et on peut vrifieitacilement les identits suivantes :
-.-
_,_
l'xy(T) = [x(t)
>.
(2.4)
La T.F de la fonction d'intercorrlation de deux signaux est appele densit interspectrale de ces signaux. Dans le cas de signaux d'nergies finies, on obtient la densit d'nergie et dans le cas de signaux de puissances finies, on obtient la densit de
puissance.
Dans le cas o l'on considre un seul signal, i.e. x = y, on utilise la dnomination auto la place d' inter pour toutes les grandeurs introduites ci-dessus. On supprime souvent le prfixe auto et on ne garde qu'un seul indice: par exemple l'xx est
appele autocorrlation ou corrlation et on l'crit simplement l'xSi x (t) est un signal d'nergie finie, 1' expression de cette nergie est donne par :
(2.5)
www.biblio-scientifique.net
2.1
Reprsentations nergtiques
49
La figure (2.1) montre que la DSP du signal priodis est plus adapte que celle du
signal prolong par des zros pour sparer les frquences contenues dans le signal
considr.
_ ~-:;:o::s::p~,s::':=o:;:na:::'.::".::on:;:q:::u.::_~
0 4
0.35
0.35
0.3
0.3
0.25
0.25
0.2
0.2
0.15
0.15
0.1
0.1
0.05
Figure 2.1
\1\
.A
0
10
&o
0
La fonction rectangle x(t) = 7r(y) a pour T.F la fonction IT(v) ~ Tsinc(Tv), pour
fonction d' autocorrlation la fentre triangulaire. symtrique de support [- T, T]
'Yx(T) = sup (O,T -lrl) et pour densit spectrale de puissance:
'i
"
IP,(v)l 2 = T 2 sinc(vt) 2
-~
+ IJ),
y(t) = bcos(2m/t
www.biblio-scientifique.net
+ <p).
(2.8)
50
lim ab
T-+oo 2T
= lim
ab
T-+oo4T
+ lim ab
T-+oo
=0 si
ab
4T
1T cos(2rrvt +
1T cos[27r(v+
1T cos[27r(v-
8)
-T
cos(2rrv'(l- r) + <p)dt
_
v')t-
-T
V)t
211v'r+ e+ <p]dt
+ 211VT+ g- <p]dt
-T
v=f
v'
cos(27rvr+ e - <p)
SI
v=
v'
2.1.2
www.biblio-scientifique.net
2.1
Reprsentations nergtiques
51
'
1Hmax(v)J
H (v)l- :;.,
2
"
~
l
=
l
=
+oo
-oo
2 1
H(v)S(t/)ej "'' dv
+oo
2 1
-oo H(v)N(v)ej "" dv.
Supposons que s(t) et n(t) dsignent respectivement un signal utile et un bruit nuisible. Un filtre adapt au couple [s(t),n(t)] est un tiltre qui maximise le rapport
www.biblio-scientifique.net
52
y,(t)
+oo
,dt.
J_oo 1y,(t) 1-
Ll
a(t)=
1Ys (tl 12 =1
+oo
-oo
H(v)S(v)ei ""'dv
12
et
/_: 1
y,(t)
dt
l,
H(v)N(v)H(j)*N(fl*ei 2"(v-J)rdvdfdt
/_oo
= /_
00
+oo
-oo
1H(v) 1-1'
N(v)
1-' dv.
Finalement, l'expression de a(t) peut se mettre sous la forme d'un rapport de deux
produits scalaires :
a(t)
r""
J~:
-oo
H(v)S(v)dv
1H(v) 12 1N(v)
12
12 dv
o l'on a pos:
A(v)
Comme < B(v), B(v) > est indpendant du filtre cherch, l'ingalit de Schwarz
montre que, pour t fix, le maximum du rapport a(t) est atteint pour le filtre H tel
que A et B soient proportionnels. D'o :
S(v)*
H(v) =
1
N(v) 12
e-JZ-rrvr
(2.11)
= >.S(v)*e-1 2"'4 ,
h(IJ)
= s(t -IJ)
www.biblio-scientifique.net
(2.12)
53
et
y((})
= ,\i,.Jt- (}).
(2.13)
Dans ce cas particulier, le flltre adapt au signal s(t) a donc pour rponse impulsionnelle le signal s(t) retourn et dcal de t. Ce dcalage signifie qu'il faut
attendre pendant une dure t aprs l'apparition du signal pour le dtecter.
2.2
REPRSENTATIONS SYMBOLIQUES
2.2.1
~ 1Q
e-SIX(f)df
-oo
r"
Jo
e-.\IX(t)df
(2.14)
et
B(oi,2)
-li
E
~
=" [s
tel que
fTJ
2 )
(2.15)
ou B(t,2) est la bande de convergence de l'intgrale (2.14), i.e., fTI (resp. 2 ) est
le plus petit (resp. le plus grand) rel pour lequel la premire (resp. deuxime) intgrale converge absolument pour touts vrifiant Re(s) > 1 (resp. Re(s) < 2 ).
l
a
,3
www.biblio-scientifique.net
54
Lorsque o-1 < u 2 , le couple ,C[x(t)],B(o- 1 ,o-2) associ un signal continu x(t) est
appel transforme de Laplace (T.L) du signal x(t). Plus gnralement, tant donne une fonction X(s), une fonction x(t) et une bande B(u 1,u2) telles que l'intgrale f'"00 x(t)e--" converge absolument vers X(s) et que B(<TJ,Uz) soit sa bande
deconvefgerice. Alots;lecouple [X(s);-B(ui, u2l} est la-TL de x(t).
On peut tendre la dfinition de la T.L au cas des signaux d'nergie infinie en
introduisant une reprsentation de ces signaux par des fonctions gnralises appeles distributions. Si d(t) est une distribution tempre, dfinie sur l'ensemble des
fonctions dcroissance rapide S, on dfinit sa T.L par :
/),.
(2.17)
l, ... ,p+
l,uo~
-co,up+i
~co.
Si l'on veut associer H(s) une fonction unique, il faudra prciser la bande sur
laquelle on se limite pour la dfinition de H (s) . Ainsi chaque couple [ H (s),
B(u;_ 1 ,u1)) est la T.L d'une fonction unique x;(t) admettant H(s) comme T.L sur
la bande B(u1_ ~ou;) dfinie par deux ples conscutifs de H (s).
www.biblio-scientifique.net
55
L.[ax(t)
Bx
n By
(2.18)
Proprit de dcalage
Bx
(2.19)
1
s
L.[x(at)] =-X(-),
+oo
x(t)y(t)*dt
-oo
B(aat,aaz)
1
=--:;:;-
X(s)Y(-s)ds
J-1C
(2.20)
(2.21)
Produit de convolution
L.[x(t)
* y(t)] = X(s).Y(s),
Bx
n By
(2.22)
Drivation
L.[x'(t)]
= sX(s),
(2.23)
Bx
Intgration
1
-o
.~
Ca
Bx
n (O,oo)
(2.24)
Valeurs initiale et finale Pour les signaux causaux qui n'ont pas de singularits en
0, on a:
lim x(t)
t--+0+
lim sX(s)
et
S--+00
lim x(t)
1--+00
= s--+0
lim sX(s)
(2.25)
a
a
a
L.[O(t/2)]
sh(s)
= 2 -s- ,
B(-oo,oo)
(2.26)
"
o sh dsigne le sinus hyperbolique. La fonction sine n'admet pas de T.L car elle
56
Signaux exponentiels pondrs Des signaux priodiques (comme cos wt, eiwt .. )
n'ont pas de T.L. Par contre, pour les signaux tkea' o a est un nombre arbitraire,
on a:
.C[U(t)tke"'] =
.C[U ( -t)tkea'] =
k!
(s- a)k+I
-k!
(s- a)k+I
B[Re(a),co]
(2.27)
B[ -co,Re(a)]
(2.28)
.. :: . :1
.C[U(t)] = -,
B(O,co).
(2.29)
+oo
(2.30)
-00
et
"
A(rt,rz)={z
telque
rt<lzl<rz}
(2.31)
o A(r 1,r2 ) est l'anneau de convergence de la srie de Laurent dfinie par (2.30),
i.e., r 1 (resp. rz) est le plus petit (resp. le plus grand) rel positif pour lequel la premire (resp. deuxime) srie converge absolument pour tout z vrifiant 1z 1> r1
(Resp. 1z 1< r2 ). On a les trois situations possibles suivantes:
1. Si r1 > r 2 , la srie (2.30) ne converge en aucun point du plan complexe.
2. Si r 1 = r2 , la srie peut converger ou diverger pour les z vrifiant 1z 1= I"J.
3. Si I"J < r 2 , alors cette srie est absolument convergente dans l'anneau A(rt ,rz)
sur lequel elle dfinit une fonction holomorphe et elle diverge en tout point situ
strictement l'extrieur de A (rt, rz). Dans ce cas, la suite originale (x,) se calcule
partir de son image X(z) l'aide de la relation suivante:
l
x,=-.-
1 -
J27f c+
X(.J,_n-I d~-
(2.32)
www.biblio-scientifique.net
57
(2.33)
'""'
-k .
X(z) = Lxkz
-oo
z 111 dz
= j27r pour m
= -1
et 0 sinon
(2.35)
c+
on obtient
x(k)
-1
=-
J27 c+
zk-I X(z)dz.
(2.36)
Lorsque TJ > r2, le couple Z[x,],ACrt ,r2) associ un signal discret (xk) est appel
transforme en Z (notation T.Z) de ce signal. Inversement, tant donne une fonction
X (z) dveloppable en srie de Laurent sur une couronne maximale A (rl ,r2) et soit
(x,) la suite apparaissant dans son dveloppement. Alors, le couple {X (z), A (ri ,r2)]
est appel T.Z de la suite (x,).
La transforme en z, [X (z),A (r 1 ,r2 )] d'un signal discret (x,) est appele reprsentation symbolique de ce signal.
Comme un signal causal discret est modlisable par une suite (x,) nulle pour
n <no (par changement d'indice, on peut se ramener no= 0), l'anneau de
convergence de la T.Z d'une suite discrte causale est de la forme A(r,oo) et rci~
1: proquement. titre d'exemple, la T.Z de l'chelon unit temps discret: llk = 1
~, pour k ~ 0 et 0 pour k < 0 est donne par :
"g
00
1
U(z)=Lz-k=
_
A(l,+oo).
0
k=O
1-
.(.
lig Un problme important consiste dterminer les suites admettant une fonction
0
X (z) donne comme T.Z. Commenons par l'exemple suivant qui montre que deux
www.biblio-scientifique.net
58
signaux diffrents (x,.) et (y.,) peuvent avoir la mme image X(z) = Y(z) mais
dans ce cas, les sries associes ont forcment des rgions de convergence diffrentes.
X(z)
z
1
=- = ---.,.
= '\'
akz-k.
z- a
1 -az-1
~
0
Le signal
Xk
= ak
pour k ? 0
et
=0
xk
pour k < 0
--,A(Ial,+oo)
z-a
= -ak-l
pour k ,:;; 0 et
Yk
=0
pour k > 0
z
= --,A(-oo,lal).
z-a
Les T.Z des signaux ainsi dfinis ne diffrent donc que par leurs anneaux de convergence.
La donne d'une fonction X (z) ne permet pas de dterminer une suite unique
(x.,) telle que Z[x.,] = X(z). Cependant la donne du couple X(z), A(p 1,p0 ) o
A(p 1,p0 ) est un anneau sur lequel X(z) est dveloppable en srie de Laurent, permet de trouver un seul signal (xn) admettant X(z), A(P~oPol comme Z. Il existe
plusieurs mthodes pour calculer la suite (x,.). On peut, par exemple, dvelopper en
srie la fonction X (z) sur l'anneau de convergence associ et dduire la suite (xn)
en vertu de J'unicit de ce dveloppement. On peut aussi calculer l'intgrale (2.32)
en utilisant Je thorme des rsidus qui donne Je rsultat sous la forme suivante.
Inversibilit de la T.Z Si l'on dsigne par
c+
un cercle arbitraire situ dans 1' anneau de convergence de X (z) et orient dans le sens positif, alors on a :
Xk
Res[zk-I X (z)]p,
pour k ;;, 0
(2.37)
pjec+
www.biblio-scientifique.net
c+.
59
Pour k < 0, l'origine peut devenir un ple pour zk-l X (z). Moyennant des conditions gnrales de dcroissance de lzk X(z)l lorsque lzl tend vers l'infini, on peut
utiliser le thorme des rsidus pour les domaines infinis qui tient compte du ple
l'infini. Pour le calcul des rsidus, on peut utiliser par exemple les formules suivantes.
Cas d'un ple simple z =a :
(2.38)
:~1
Cas o
:~a
q:
1
dq-l
(2.39)
Le signal
Xk
associ la T.Z :
X (z)
= .,----.,.1
1- z
A(l,oo)
zk-1
= --.
271"1 c 1 - z
zk
dz = -.--dz.
1 27r c z - 1
z = 1 et
_k
Xk
Resf
= z-+1
lim(z- 1)-'"- = 1.
z-1
Res&
z-
dk-1 -k+l
1
lim --.-1 [ -'"- ]
(k- 1)! :~o dzk- z- 1
= -:::---::-:-:
=-
www.biblio-scientifique.net
1.
60
D'o
Xk
Un cas pratique trs important correspond aux fonctions X(z) qui sont des fractions
rationnelles. Appelons dans ce cas r1 < r2 < ... < r, les modules des diffrents
ples de X(z.). Dans chacun des Il+ 1 anneaux A(O,rJ), A(r1,r2), ... ,A(r,,oo),
X (z) admet un dveloppement en srie de Laurent unique qui dtnit X (z) en tout
point de cet anneau. Il existe donc u + l suites diffrentes x, admettant X (z)
comme T.Z sur les u + l anneaux A(r;-J,r;), i = 1, ... ,u + 1, avec les conventions: ro ~ 0 et ru+i ~ oo. Chaque couple (X (z),A(r;- 1 ,r; )} est la T.Z d'une suite
unique (x,) admettant X(z) comme T.Z sur l'anneau A(r1_ 1,r1) dfini par deux
ples.conscutifs de X (z) .LorsqueJe domaine de z estpr~cis, l'oprateur T.Z est
donc inversible. La mthode gnrale du calcul du signal original fait intervenir les
trois tapes suivantes.
-Dvelopper X (z) en lments simples.
- Dterminer le dveloppement en srie de chacun des lments simples.
-Additionner les diffrentes sries obtenues.
P(z)
+ H(z.),
H(7) ~ N(z)
D(z)
(2.41)
=L
fi
H(z)
a:
-_-'-
avec
a;
= (z-
p;)H(zll:=p,
i=I .:.-Pi
www.biblio-scientifique.net
61
+ iJ(y,)] =
Z[a(x,)
aZ[(x,)]
+ /JZ[(y,)],
Ax nAy
(2.42)
Proprit de dcalage
Z[(x,_k)] = Ck Z[(x,)]
(2.43)
l
= -.-
Z[(x,y,)]
.J2n c+
z )du
X(u)Y(-
=" X(z)*Y(z),
u u
(2.44)
Ax nA,.
Produit de convolution
Ax nAy
(2.45)
+oo
z=x,y,* =
-oo
J~7
1
c+
d-i..
X(z)Y * (z -1 )-;:-
(2.46)
.:..
~
2
fxy(Z)
00
L
i=-00
www.biblio-scientifique.net
lxy(i)z-i.
(2.47)
62
Si x(!) admet une T.L [X (s ). B(i ,<Tl)} et si l'on a <Ti < 0 < <r2, alors sa T.F existe
et elle est donne par :
F[x(t)](v) = X(j27rv).
(2.48)
r1
(2.49)
Si l'axe des imaginaires appartient la bande de convergence du spectre symbolique T'xy(s), on a la relation suivante:
;yxy(v)
~ lxy(j27rv).
(2.50)
(2.51)
Par souci de simplification, on utilise souvent la mme notation T'x y pour dsigner
1' interspectre symbolique et 1' interspectre de puissance et ceci aussi bien pour le cas
discret que pour le cas continu, les variables s, z, v permettent de prciser la fonction que l'on considre. Par exemple, on remplace souvent la notation ;yxy(v) par
lxy(v).
titre d'exemple, pour un signal rel temps discret, on a lx(k) =lx< -k) et
donc la T.Z de lx(k) vrifie T'x(z) = T'x(C 1 ) et son domaine de convergence est
donc de la forme: p < lzl < p- 1 avec p < 1.
= An <:fa)
1. Dterminer x(t).
2. Dterminer A pour que l'nergie de x (t) soit gale 1. On prendra cette valeur
dans la suite.
3. On pose y(l) =x'(!). Calculer la T.F de y(t).
www.biblio-scientifique.net
63
'Yyx (0).
2.2
priode.
3. Exprimer 'Yxy(T) en fonction des coefficients de Fourier respectifs X, et Y, de
x(t) et y(t).
2.3
2.4
~~._
{
Filtre adapt
., Ji11 r ofo dsigne une frquence posiOn considre le signal dterministe x(t) =el-"
tive. On introduit le tltre linaire Fk de rponse impulsionnelle hk(t) dtnie par:
(2.53)
o
Vk
n (1)
www.biblio-scientifique.net
64
i:
2
ly(t)l dt.
2.5
+ A2ejhhr
= s(I)TI(
t- T/2
T
)
www.biblio-scientifique.net
65
(i/2)k
pour 0 ~ k ~ oo et hk
=0
ailleurs
H(::.)
::.3
3- 2 - 13-- 38
.. o ..
- 2::.- - llz + 12
Quelles sont les rgions de convergence possibles dans le plan complexe ? Calculer
la rponse impulsionnelle h(n) qui correspond au systme qui n'est ni causal si
anticausal.
2. On considre le filtre causal temps discret, dlni par la relation :
sk = ask-l
+ ek.
=ft o.
www.biblio-scientifique.net
1 et ek
= 0 pour
66
SOLUTIONS
2.1
1. x(t) = A
e-"l;rjBt] = 2A Bsinc(2.,Bt).
-"} 1
-B
1T
x(t)v'(t-
-T
1
= lim - N-oo 2NTo
T-
To)dt
N--..oo
2NTo
-NTi.J _ 00
-"x Y*
--
00
JNTi.)
- j2r.kr!t td
o
t
-NTo
00
N_,..oo 1N1h
oo
"
X ke ;2 .. yt
""'Y* -;1;ry(t-nd
~
o ~ 11 e
o
t
~~x
Y* j1r.f.-T 1.
~~
k
e
o
1m
-oo -oo
. _ k
NT0 oo
k ke j2r.yT
o
-00
/',(r) = lim .
1'--"-oo 2T
r))dt
-T
T-.-oo
-T
www.biblio-scientifique.net
67
s. Dans le cas des signaux d'nergie finie, la conservation du produit scalaire par la T.F
permet d'crire :
j
2T
F[ lim T-+oo
1
-
.,.
-T
x(t)y(t- T)*dt]
00
= F[ lim - 1
T _,.oo
2T _00
xr(l)y.,.(l- T)*dt]
1
*
.
1 -...
. ._,
*
= Thm
-F[x.,.(t) * Vr(-t)] = hm -xr(v)y.,.(v)
_,.oo 2T
"
T_,_oo 2T
2.3 1. On a
et
2. Les densits spectrales sont gales aux carrs des modules de X(v) et Y(u). D'o:
.-:::!
"'
'0
A1A'
= ~sinc[B(T+ t2
B,Bz
81
Bz
t1ll
T- t 1 + t 2
t2
2.6 1. Le filtre est causal car sa rponse impulsionnelle vrifie hk = 0 pour k <O. Il est
stable car L~oo lhkl < oo.
'.
j
,;
Q
oo
2z
H(z) = "h,z-' = -:--:::-:--,.1 = - L..
1 - (2:)
2z - 1
-oo
www.biblio-scientifique.net
68
3. On a Y(z.) HI (z) = S(z) el y(z) = H (z)E(:.). Donc S(z) = H(z) HI(:.) E(:.). La fonction
de transfert du nouveau f1ltre est gale au produit des deux fonctions de transfert. On a donc
1
2z
Ho(z) = - - - - .
1- 4z 2z- 1
Ho(z) = - -
1- 4z
sk.
on
+1- 2z
= -2-k +4-k
www.biblio-scientifique.net
pour k > 0 et hk
=0
pour
Chapitre 3
chantillonnage et modulation
d'un signal dterministe
3.1
3.1.1
Condition de Shannon-Nyquist
XT(t)
~ L:x(nT)6(t -nT)
(3.1)
-oo
appel signal chantillonn associ x(t). Le lien qui existe entre les T.F d'un
signal x(t) et son signal chantillonn XT(f) est prcis dans la proposition suivante.
www.biblio-scientifique.net
70
Thorme d'chantillonnage La T.F X(v) d'un signal x(t) et celle XT(v) de son
t; 1
fe= T.
(3.2)
-00
priode./~
!. Si X (v) est support born, i.e., il existe .f;,in et .ftnux telles que X (v) = 0 pour
l/ r/c Umin..fmuxl. alors, pour que X(v) puisse tre dtermin sans erreur partir de
X T (v), il suffit de choisir :
.f~
l+B
u(v)ei 2"''1dv
(3.3)
-B
= u(v)
et
X(v)
=0
ailleurs
titre d'exemple, sinc(2BI) est un signal BL [-B,B] et e-a'r' n'est pas BL.
Dans la pratique, on associe un signal rel quelconque, une dure moyenne T,,. et
une largeur de bande Bs dfinies par :
7
T'
t;
}~00 -? lx(r)l 2 dr
}~00 lx(rll 2 dr
et
2
7 t; f~oo V IX(v)l dv
B- = ::....,=----,.-'
f~00 IX(v)l 2 dv
Un signal BL x(l) peut tre dfini sur le corps des nombres complexes IC en remplaant tout simplement la variable t relle par la variable complexez. On obtient
alors la fonction x(z) qui est une fonction analytique sur le corps IC et qui vrifie:
avec
i:B
www.biblio-scientifique.net
3.1
71
Une mthode, dite dtection synchrone, permet de retrouver les deux signaux u (t)
et v(t).
Considrons l'ensemble L 2 (IR;) des signaux d'nergie finie. Cet ensemble contient
le signal sinc(2Bt) ainsi que tous les signaux obtenus par des translations de pas
t, = l/2B:
4
rr,(t)=sinc[2B(t-t,)],
t, =
Il
.
28
On a vu que le spectre de tout signal bande limite [- B, B] peut tre reconstitu
sans erreur partir de celui du signal chantillonn associ condition d'chantillonner une frquence fe ,:; 2B. On peut noncer la formule d'interpolation
exacte suivante.
www.biblio-scientifique.net
72
La dmonstration de cette fonnule repose sur le fait que la T.F du peigne de Dirac
PT(t)
+oo
L 6(t- mT)
-00
P2n (v) = 2B
L 8(v- m28)
-00
[x(t)PT(t)]
* sinc(2Bt).
x(t)
=L
Il
/l.
-00
2B
2B
(3.5)
www.biblio-scientifique.net
3.1
73
support tni T. Le spectre d'un tel signal est donc reprsent par le produit de convolution de deux termes dont l'un est support infini. Mme si un signal de puissance
moyenne finie est BL, on obtient un produit de convolution qui a un support infini.
Ainsi un signal physiquement ralisable ne peut jamais tre BL. L'chantillonnage
d'un signal physiquement ralisable entrane donc toujours un recouvrement spectral qui exclut toute possibilit de reconstitution parfaite. Cependant, comme le
spectre d'un signal d'nergie finie vrite
(3.6)
il tend vers zro lorsque la frquence v tend vers l'infinie. Il est donc possible de
choisir une frquence d'chantillonnage qui garantit une reconstitution acceptable
des signaux d'nergie lnie. Plus X (v) dcrot lentement vers zro, plus la frquence
d'chantillonnage doit tre grande. On peut alors utiliser un filtre, appel filtre antirepliement, pour ne pas avoir recours une frquence d'chantillonnage abusivement grande. On procde un pr-filtrage adquat du signal analogique avant de
l'chantillonner. Pour un signal y(t) dont la T.F Y(IJ) vrifie Y(IJ) = 0 pour
IJ < 300 Hz et v > 500 Hz, la frquence minimale d'chantillonnage est, a priori,
.f~ = 1000 Hz. Mais on peut translater le spectre de ce signal l'aide d'un traitement pralable pour diminuer.f,.
Gnralement, le spectre du signal est perturb par une composante large bande due
la prsence de bruits de fond additionnels causs par les mesures. Le filtre antirepliement serait donc un filtre passe-bas idal de bande B = .f~/2. Mais un tel filtre
n'est pas ralisable car il est non causal. Pour tre ralisable, tout filtre doit comporter forcment une bande de transition qui reporte la bande passante limite Bm au-del
de la bande passante effective B. La frquence d' chantillonnage.fc.min doit donc vrifier.fc,min = 2Bm > 28. La largeur de bande de transition dpend du type de filtre utilis et du critre choisi pour fixer Bm. Par exemple, le choix d'un filtre du type
Butterworth (voir plus loin) de degr 11 maintient dans la bande passante une rponse
plate optimale avec une attnuation de -3 dB pour IJ = .fe et une pente asymptotique
~
c
d'attnuation de -2011 dB par dcade (-611 dB par octave) pour IJ >.fe, 11 EN. Le
0
0
0 cas 11 = 1 correspond au circuit RC.
0
,0
'.
.3
-ci
c
0
0
0
g
www.biblio-scientifique.net
74
choisi dans un ensemble donn et q un rel fix dfinissant le pas de quantification>>. Cela revient approximer x(kTe) par un un nombre Xk vrifiant:
1
+ -)q.
2
(3.7)
= zN {j_
2
est appel nombre de bits >> ncessaires au codage de x.
(3.9)
www.biblio-scientifique.net
75
2. Les codeurs approximations successives. Par rapport aux codeurs parallles, ils
sont moins chers, moins rapides et trs prcis. On les utilise surtout dans le domaine
de l'instrumentation. Leur principe de fonctionnement est fond sur la gnration
d'une tension continue d'opposition Ey. cre l'aide d'un convertisseur numrique-analogique (CNA) pilot par un systme logique qui engendre chaque coup
d'horloge des mots binaires qui commandent le CNA. Lorsque la tension Ey est
approximativement gale celle Ex du signal, il suffit alors de lire le mot binaire
pilotant le CNA.
3. Les codeurs rampes. Ces codeurs ne sont pas prcds d'un chantillonneur
ensuite pendant une dure
bloque ur. Ils intgrent une tension pendant une dure
e', une tension de rfrence de signe inverse remet zro l'intgrateur. On peut
montrer que la T.F du signal ainsi chantillonn est doublement module par l'effet
de la fentre d au bloqueur pendant le temps Tet par celui de la fentre d l'intgration pendant le temps
d'ouverture de l'chantillonneur-moyenneur. On
obtient :
+oo
(3.10)
X(v) = F,ninc(vT)[sinc(v8)X(v)] L6(v-nF,).
e,
-00
3.2
:~
jj
5 3. Immuniser un signal m (t) contre des bruits parasites dont on connat la bande de fr-
" quences en dplaant le spectre de m(t) l'extrieur de la bande des bruits parasites.
.9
!
0
o.
4. Permettre le partage d'un canal de transmission entre plusieurs signaux transmettre simultanment (multiplexages frquentiel ou temporel).
5. Obtenir une amplification et un filtrage efficace de signaux basse frquence et de
faible puissance en s'affranchissant d'un bruit parasite qui est souvent un bruit de
fond en 1/f.
www.biblio-scientifique.net
76
6. Enregistrer des signaux dont le spectre s'tendjusqu' 0 sur des supports magntiques.
7. Modifier le spectre du signal mis afin d'amliorer les conditions de travail sur
ce signal.
L'opration qui consiste associer au signal x(t) BL [-B,B]le signal
s(t)
= x(t) cos(27Tfot),
fo > B
se traduit par une transposition en frquence. En effet, s(t) ainsi construit est un
signal BL [-B + fo,B + fo]. En communication, au lieu de transmettre le signal
x(t) par voie herzienne ou par cable, on transmet le signal s(t) appel signal
modul et la rcupration de x(t) se fait par dtection synchrone.
D'une manire gnrale, la porteuse p(t) est une suite priodique d'impulsions et
lesigna1modul x(t) peut se rnettresqusJaJoni!e:.
q,P de la
www.biblio-scientifique.net
77
Nous allons donner dans la suite les principales caractristiques de ces deux types
de modulations. On introduit pour cela la reprsentation complexe en associant au
signal modulant m(l) Je signal analytique dfini par:
(3.13)
(3. 14)
Si J'on pose
A~a(t)
+ jb(I)~Aej!1<Nt)
(3.15)
o A [(m (1)] est une fonction valeurs relles, le signal modul x (t) prend les
formes quivalente suivantes :
x (t)
o A[(m (1)] est appele enveloppe relle et 2.,P(t) phase instantane de x(l).
3.2.1
1.
2.
3.
4.
la modulation
la modulation
la modulation
la modulation
l
0
www.biblio-scientifique.net
78
A[m(t)]
Modulation : AM
Modulation : AM - P
=A[! + mo(t)]
= Amo(t)
A
= -[mo(t)
2
= A (1
2
+ j1i(mo)]
Modulation : SSB
Modulation : VSB
o mo(t) est le signal modulant rduit obtenu en divisant m (t) par une valeur caractristique approprie et A l'amplitude de la porteuse sinusodale dfinie par (3.12).
Selon le procd de modulation, l'information contenue dans m(t) est porte par
l'enveloppe relle A (t) ou par l'cart de phase instantane 6.</J(t) ou encore par ces
deux grandeurs la fois. Les spectres des signaux moduls en amplitude avec porteuse sinusodale seront dtermins dans la suite dans les deux cas suivants.
tLa modulation d'amplitude sans porteuse o Jesigntilmodlil s'crit :
x(t) = Am(t) cos (2r.fot).
(3.16)
(3.17)
o le nombre k est une constante qui caractrise l'amplitude relative de m(t) par
rapport x(t).
Dans le cas de la modulation de phase, le signal modul est souvent mis sous la
forme
x(t) =A cos (2r. fot
+ m(t))
(3.18)
Il est facile de vrifier que cette modulation peut tre considre comme une modulation d'amplitude complexe.
P(v)
=L
Pni5(v- nfo).
(3.19)
-DO
o les P11 dsignent les coefficients de Fourier de P(t), on peut calculer la T.F X(v)
de x (t) et obtenir :
DO
www.biblio-scientifique.net
(3.20)
79
Le support du spectre de x(t) est donc constitu par la runion des intervalles
[nfo - F,nfo + F]. Si F < fo/2, ces intervalles sont disjoints et donc la puissance
de x(t) se rpartit sur des bandes de frquence disjointes. Dans le cas d'une porteuse sinusodale, la relation (3 .20) se rduit :
X(u)
[M(u+
foll
+ M(u- JO)].
on obtient
M(u)
= 6(u) +
a
'2[d(u- F) + d(u+ F)]
Lx,.h(t- nT)
"
o h est une fonction relle ou complexe et T un rel positif dfinissant la cadence
avec laquelle on transmet l'information et on prlve le signal la rception.
l'instant kT, le signal reu est donn par
s(kT) = Lx,.h(kT- nT)= Xkh(O)
+ LXk-Jz(iT).
i#O
Si l'on veut rcuprer seulement le terme Xk. il faut choisir h de sorte que
h(iT) = 0, Vi =f O. On se restreint souvent des fonctions h pour lesquelles la formule sommatoire de poisson est vrifie, i.e.,
TLh(nT)
Il
LH(u- ;), Vu ER
Il
'\"
~
n
H(u- T)
Th(O)
'lv
lP!..
"
Les fonctions pulses h(t) utilises en communication sont toujours bande limite,
[-A,A], cause des contraintes des canaux de transmission et des bandes de fr-
www.biblio-scientifique.net
80
quences alloues 1' utilisateur. Pour assurer une transmission sans interfrences
entre symboles, la condition de Nyquist conduit
1
2A;, T.
Cette condition signifie que pour transmettre un symbole x, toutes les T secondes
sans interfrence entre les symboles transmis, il faut une largeur de bande minimale
2A = 2B ~ 1/ T. Dans ces conditions, le pulse est donn par h(t) = sinc(27rBI).
Supposons que l'chantillonnage de x(t) se fasse non plus aux instants nT mais aux
instants nT+ E, E >O. On obtient
s(nT
"
.
+ c) =x, smc
(27rBE) + L__Xn-i
i,PO
sin(27r&)
.
27r8(E-!T)
commelasrie
e,
(3.21)
qui reprsente l'erreur commise ne reste pas borne pour toute suite x,. Cette difficult constitue l'inconvnient majeur du pulse h(t) considr. On prtre alors utiliser le pulse, appel cosinus surlev, dtni par
g(t) =sine (27fBI)
cos (27rBI)
,
0
1 - 16B-t-
ayant pour T.F G(v) = cos 2 (~~)n(:Sl et pour lequel l'erreur (3.21) reste borne
pour toute suite x,. En effet, on peut crire
Un autre inconvnient du pulse h(t) provient du fait que la ralisation pratique d'un
signal dont la T.F a une forte pente aux points -B et B. On a alors recours un
codage qui permet quand mme d'atteindre la borne de Nyquist. Par exemple, au
lieu de transmettre le signal x(t), on transmet
y(t)
ieZ
www.biblio-scientifique.net
81
o
ho(t)
Avec le pulse h(t). on obtient y(nT) =x,+ xu+I = c,. Connaissant x 0 et la suite
c,. on peut retrouver la suite x,. Au lieu de construire le signal y(t) en introduisant
le pulse irralisable h(t). on construit y(t) l"aide du pulse ralisable ho(t). En
effet. comme
Ho(v)
..., T
V
= 2Tcos(7rvT)e-J-ITU
n(-),
2B
1
T=2B
fo' f[m(8)]d8).
(3.22)
C'est la drive de l'argument de x(t) qui est fonction du signal modulant. En gnral, on a le modle de modulation de frquence suivant :
x(t) =A cos (27r
(3.23)
o.
x(t)
www.biblio-scientifique.net
(3.25)
82
exp[jp.sin(27rFI)]
J,.(p,) ej21fnFr
11=-oo
o J, (Ji.) est une fonction valeurs relles qui possde la proprit suivante :
L,.(p,) = (-1)" J,(p,). On obtient alors le dveloppement suivant de x(t) en srie
d'exponentielles:
x(t) =
~ ~
J,.(p.)[ej2IT(Jir+nF)r
+ (-l)"e-j2;r(Jir-nFit].
n=-oo
A +oo
X(v) =?
J,(Ji.)[<(t/- Jo -nF)+ (-l)"<(v+ Jo -nF)].
11=-00
Les fonctions J,. (!t) ont des proprits particulires qui permettent de montrer que
l'on peut approximer la largeur de bande utile du signal x(t) par B =
2(J.I. + l)F "'2(3 et que cette largeur est en gnral suprieure celle de la modulation d'amplitude.
3.2.3 Comparaison des modulations AM et FM
www.biblio-scientifique.net
83
gaussienne approximant une impulsion brve. Afin d'obtenir une bonne rsolution
en distance, cette impulsion doit tre aussi brve que possible. De plus, la prcision
des mesures est inversement proportionnelle l'nergie du signal mis. Pour satisfaire ces deux conditions, on doit mettre des puissances leves (beaucoup
d'nergie pendant la courte dure de l'impulsion). On se heurte alors de diverses
limitations technologiques et un moyen qui permet de pallier cette difficult
consiste utiliser une modulation en frquence de l'impulsion. Le cas le plus simple
et qui est frquement utilis dans la pratique est celui d'une impulsion modulation
linaire en frquence.
2 [6(1/- vo) +
= ~'
BA
2
[l+m(t)][cos2nv1t+cos27f(vl +21/o)l].
t [1 + m
(t )] cos27rvi t.
www.biblio-scientifique.net
84
3.1
On dsigne par
Pr(t)
00
<(t- nT)
m=~oo
le peigne de Dirac de priode Tet on rappelle que la T.F d'un peigne de Dirac est
aussi un peigne de Dirac, i.e.,
On pose
y(t)
= Pr(t) * x(t)
t>
(3.26)
11 T).
00
00
""'
11=-co
5. On suppose que
(3.27)
n=-oo
1/ T. Montrer que
00
11=-00
3.2
Formule d'chantillonnage
IT(d~l et
www.biblio-scientifique.net
(3.28)
85
so(t) =S(I).
2. Dtenniner toutes les valeurs ln de 1 pour lesquelles les signaux sn sont orthogonaux s(t).
3. Montrer que les sn (tl sont alors orthogonaux deux deux.
4. Dtenniner la projection orthogonale x(t) d'un signal x(l) sur l'espace vectoriel
IEN engendr par sn(t),-N"'""' + N.
6.0n prendN =DO. Comparer les TF de x(t) et x(l) toujours dans le cas o x(l)
est bande limite [-B,+B]. Donner la fonnule qui pennet d'exprimer un signal
x(l) BL [-B.+B] en fonction des chantillons x(llj2B),Il E Z.
7. On fait passer le signal x(l) dans un filtre linaire de rponse impulsionnelle (RI)
h(t). Montrer que la sortie y(l) de ce tltre est aussi BL [-B,B].
"'
~
~
~,
3.3
Frquence d'chantillonnage
c Soit ek un signal rel dont la fonction de corrlation vrifie l'e(T) = o-2J(T) o J(T)
0
c
0
'5.
80
0
-a
T/2
s(l)
e(t- B)dB.
-T/2
.,;
g 1. crire s(l) sous forme d'une convolution en faisant intervenir une fonction porte
86
r., (v)
du signal
frquencef,. Donner une borne infrieure def, qui permet la reconstruction de s(t)
sans erreur.
5. On fait passerle signal temps discret, x,= x(nT,),n E Z dans un filtre linaire
dont la sortie est dfinie par
Yn =aYn-] +xn.
Cii1clef la enst specWedey,; ainsi que la puissance E(y,;) en fonction de
3.4
rx (v).
Dans un rcepteur e radio communication le signal utile est superpos une frquence dite porteuse choisie en fonction de diffrents critres. On se propose de voir.
comment, dans ces conditions et en l'absence de bruit pour simplifier l'exercice,
extraire un signal chantillonn et numris reprsentatif de la DSP du signal utile.
1. On considre deux signaux: p(t) = e-a't' et x(t) = ej 2 ~fot. Sachant que:
., .,
'
_.E:._
J="[e-at] = ke 4a'
avec
k=
1
r::.
Oy7i
www.biblio-scientifique.net
87
3.5
On considre un canal de transmission quivalent un filtre passe bas idal avec une
frquence de coupure B. On transmet une impulsion x (t) = f1 ( ~).
1. Calculer la densit spectrale d'nergie de x(t) et le dessiner sur le mme repre
que la rponse en frquence du canal lorsque 1/ T < < B.
2. Donner l'expression du signal de sortie s(t) (sous forme d'intgrale) et tracer son
graphe pour 1/T << B et pour 1/T =B.
:;!. Qn veut transmettre 2 impulsions successives. Quelle condition doit-on vrifier
pour viter les recouvrements (importants) en sortie du canal ?
3.6
+ To)
f1(~)
p(t)
.,~
p(t
etp(t)
4. Montrer que le passage de x(t) dans un filtre passe-bas idal permet de retrouver
m(t) en sortie (dmodulation). Ce mme principe de dmodulation peut-il tre
appliqu au signal modul y(t) = m(t) cos(27rt/To) ? Le fait que les impulsions
constituant p(t) soient rectangulaires joue-t-il un rle dans ce cas?
3.7
l
;;
x(t)
o.
:l
dont l'amplitude m(t) est un signal rel bande limite dans l'intervalle [-B.+ B],
avec B <va.
www.biblio-scientifique.net
88
3.8
1 d<l>(t)
= ----.
2r.
dt
T/2
s(t)
e(t- O)dO.
-T/'2
1. crire s(t) sous forme d'une convolution en faisant intervenir une fonction porte
et en dduire la rponse impulsionnelle h(t) du filtre ainsi dfini.
2. On dsigne par G(v) la T.F de h (t). Calculer la densit spectrale l" 5 (v) du signal
s (t) et tracer son graphe.
3. Calculer l'nergie du signal s(t).
4. On fait passer le signal s (t) dans un filtre linaire de rponse en frquences
H(v)
frquence f,. Donner une borne infrieure de f, qui permet la reconstruction de s(l)
sans erreur.
5. On fait passer le signal temps discret, x,
dont la sortie est dfinie par
Y11
GYn-1
= x(nT,),n
+ Xn
3.9
hk
= (l/2)k
pour
0 ~ k ~ oo et
hk
www.biblio-scientifique.net
=0
ailleurs
89
ek
le signal
sk.
SOLUTIONS
00
3.1
y(t) =
1.
x(t
nT)
}
~
IJ
Il
Y(v) = - L.., X(-)D(I/- -)
2.
ll=-oo
1
V(/) =
00
"
rL....
11=-oo
11
IJ
j1JrlJ-
X(-)e
3.2 1. Ce signal est un sinus cardinal. Soit s(l) = 28 sinc(28t). L nergie Ede ce signal
est gale l'intgrale de (S(v)('. On obtient E = 48'2. On a:
+oo
-oo
S(u)ej 17f1J(J!-u)du
Donc ce produit scalaire est nul si, et seulement si, v-u est un entier relatif non nul. Les
signaux cherchs sont donc les signaux s(l -fu), n E Z avec fu = n/(28).
3. Par construction, les signaux s 11 (t) sont orthogonaux deux deux et on a !!su 11 2
www.biblio-scientifique.net
= E.
90
4. On a
N
L a,s,(t)
.f) =
-N
avec
a , =128
1
=28
!"'
!B
-oo
x(t)s,(t)*dt = 1
-
2B
!"'
X(v)S(v)'ejZ1fVt,dv
-oo
1
X(v)e 1''1fV
"dv.
-
-B
5. Si x(t) est bande limite [- B,+B], on peut remplacer les bornes B de l'intgrale par
oo. On obtient
1
Cl'n = -
2B
!"'
.,_
X(v)eJ-IIVt.,di/=X(tu).
_ 00
On a donc
=
x(t) = I.:x(l,)s,(t).
-=
00
-=
6. Les T.F de
x(t)
x(t) = x(t).
Finalement
=
x(t) = I.:x(n/2B)s,(t)
-=
+oo
+=
x(t) = I.:x, sinc(2Bt -11)
-=
on obtient
www.biblio-scientifique.net
y(t)
91
=~x,
-oo
D'o
avec
~
g, = g(
28
.
* smc(2Bt).
10. Le calcul direct de la fonction g(t) conduit (utiliser g(t) = T p-l (G(v)) :
sin(2rrBt)
cos(2rrBt)
g(t)=
'
21Bt-
et par suite, g, = (-1)" 1,~. Comme la relation x(t)' = h(t) * x(t) est vraie pour sinc(2Bt),
alors g(t) est gale la drive de sinc(2Bt). Ceci donne une autre mthode pour calculer
g(t).
11. L'expression de la drive d'un signal x(t) BL [-B,+B] en fonction de ses chantillons x 11 est donc :
( -l)k-11
+oo
Xk
= 2B
'"""X
L..
11 ..:..,._:.__
-00
k-Il
3.3 1. L'intgrale est gale au produit de convolution de la fonction porte de support T par
e(t). Soit
1
_g
o.
n (y).
2. La T.F de h(t) donne le gain complexe du filtre: G(l/) = Tsinc(rrTv). D'aprs la formule
des interfrences, la densit spectrale est donne par :
r.,(v)
= T 1 sinc(rrTv) 1d'.
www.biblio-scientifique.net
92
Le signal x(l) est donc bande limite [-B,B] et le thorme d'chantillonnage donne
comme borne infrieure pour./~ le nombre 28.
5. Prenant les transformes enZ des deux membres, on obtient Y(z) = az- 1 Y(z)
Soit
H(z)=
1- az
+ X(z).
.,
'fx(v).
Il- ae 1 -""1-
* P(v) =
u~
(u~fiil~
Y(v) = (JU(v)e - 4 T
Yr, (t) =
Sa T.F est
www.biblio-scientifique.net
93
3. On a Z(v) = Y(l/ +fol. La DSP du signal z(t) est toujours contenue dans la gaussienne
centre cette fois-ci l'origine et d'cart type inchang a. Pour restituer la bande [-a,a], il
suffit maintenant de choisir 2a < Fe. On introduit alors un signal parasite dans la bande Bp
qui est du au repliement du spectre.
4. Il faut que Fe > 2a. Pour avoir des codeurs les plus simples possibles, il faut que Fe soit
le plus petit possible. Comme Fe= fol N, on obtient N <
gale la partie entire de
Pour isoler l' infonnation cherche, on doit utiliser un filtre passe-bas de frquence de coupure =a.
5. Thoriquement, il y a une perte d'information due au repliement de spectre dans les deux
dernires mthodes et des pertes dues aux filtrage.
r:
6. La premire mthode n'est pas envisageable car on obtient Fe > 105 MHz. La seconde
mthode donne Fe > 10 MHz. Dans la troisime mthode, comme E (fi) = 50, on obtient
Fe > 10 MHz. On a donc intrt choisir la troisime mthode pour sa simplicit puisqu' elle ne ncessite pas la multiplication du signal avant chantillonnage comme c'est le cas
fi
"
:a
"
2. La rponse impulsionnelle du canal est un sinus cardinal h (t) = A sinc(27r Bt). Le signal
s(t) est gal au produit de convolution de x(t) par h(t). Soit:
s(t) =
'[
1 -u
sinc(27rBu)TI(---r-)du.
Tenant compte des hypothses, l'intgrale qui est une fonction symtrique peut tre
approximeparuneconstantepourltl ( T/2-l/(2B),par0pourltl > T/2+ l/(2B) el
pour T/2 -l/(28) < t < T/2 + 1/(28) elle est gale une fonction dcroissante. Pour
!fT= B, on obtient un signal semblable au lobe principal de h(t) mais sur un support
double. Soit un signal s(t) de support [-1/ B, 1/ B]. D'o une approximation du graphe de
s(t).
3. Soit T, la priode des impulsions. Pour 1/ T < < B, on doit choisir T, ;;, T
1/ T = B, on doit choisir T, ;;, 2/ B.
www.biblio-scientifique.net
+ 1/B. Pour
94
3.6
'l
Il
"
' pne J-rrlyo
~
( )=
pt
n=-oo
~
Il
L... P,ii(v--)
P(v) =
To
n=-oo
!Tn/2 ()
1
1
pte -j2mfd
ut=P11 = To -7iJ/2
1i1
=
j2Tr-!J.
To
!T/2 ej'lm!J-d
ut
-T/2
ll7l"
'"
2. On a:
00
X(l/)=M(v)*P(v)= "
L...' P,M(v--)
Il
To
n=-oo
3. C'est un signal de priode 1/ To. On doit donc avoir 1/ To > 2B pour que les motifs ne se
chevauchent pas.
4. Il suffit de faire passer le signal dans un filtre passe-bas idal de largeur de bande [- B, B]
pour isoler et donc retrouver m(t). On a:
M(v)
11
11
1
n
Y(v) =--*(ii( v - - ) + ii(v+ - ) = -[M(v- - )
To
To2
T0
11
+ M(l/+ -)].
T0
Le fait que les impulsions constituant p(t) soient rectangulaires ne joue aucun rle.
3.7 1. On a:
X (v) =
..
..
..
3. Les parties relle et imaginaire de z(t) sont des transformes de Hilbert l'une de l'autre.
www.biblio-scientifique.net
95
4. On a:
x(t) = a(t)ej<l'(t) = m(t)ej(2nvot+l.
L'amplitude instantane est a(t) = m(t) si m(l) > 0 et a(t) = -m(t) si m(t) <O. La
phase est une fonction linaire priodique. La frquence instantane est gale a IJ1(1) = IJo.
3.8 1. L'intgrale est gale au produit de convolution de la fonction porte de support T par
Soit
e(t).
s(t) = Il ( T)
* e(O)
f).
2. La T.F de lz (t) donne le gain complexe du filtre: G(v) = Tsinc(rrTv). D'aprs la formule
des interfrences, la densit spectrale est donne par :
r,(v) = T 2sinc(rrTv) 2 cr2 .
dont le graphe est bien connu.
3. L'nergie du signal s(t) est donne par
E, = ")',(0) =
r,(v)dv =Ta'.
Le signal x(t) est donc bande limite [-B,B] et le thorme d'chantillonnage donne
comme borne infrieure pour fe le nombre 2B.
5. Prenant les transformes enZ des deux membres, on obtient Y(z) = az- 1Y(z)
Soit
>
a.
0
-g_
H(z) =
1 -az
r ,(v)=
.,
'fx(v).
1 - ae-J-""1-
www.biblio-scientifique.net
+ X(z).
96
< 0,
1< oo,
le filtre
3. On a:
S(z)
= H(z)H 1 (z.)E(z) =
1
1
_ (Zz)-l l - mE(z).
4. La fonction de transfert, H 2 (z), du tltre qui associe s(t) e(t) admet 112 et 1/a comme
ples. Cette fonction dfinit un seul filtre causal stable si, et seulement si, 1 a: 1> 1. Pour
_??_~-~-~~~--~-~. Eponse impulsionnelle -9~-. ~~---t~!-~~~;---~-~--~-~_y~J-~pp~__:{:!:!_(_z_L~_Tl__srie dans le domaine
dfini par : 1 z 1> sup(!; 1 ~ ). On commence par dcomposer H (z) en lments simples
sous la forme :
H (,) = _2_ [
1
2- " 1 - (2z)
_ .,.---...,.-1-,--...,.]
1 - (m) - 1
www.biblio-scientifique.net
Chapitre 4
Bases probabilistes
pour la reprsentation
d'un signal alatoire
4.1
VARIABLE ALATOIRE
4.1.1
a) Espace probabilisable
Une exprience alatoire est une exprience pouvant conduire plusieurs rsultats
possibles et dont le rsultat ne peut tre prvu avec certitude. Cela signifie que si
J'on rpte plusieurs fois la mme exprience, on obtient chaque fois un rsultat
bien dfini mais qui n'est pas toujours le mme. L'ensemble des rsultats possibles
sera not Q.
Exemple 4.1.1 Le lancer d'un d cubique ne pouvant rester en quilibre sur aucune
de ses artes et dont les faces sont numrotes de 1 6 est une exprience alatoire.
Les rsultats possibles de cette exprience sont les six chiffres 1, 2, ... , 6.
D'une manire gnrale toute exprience physique est alatoire. En effet, mme
les expriences pour lesquelles on peut appliquer le principe classique suivant : la
mme cause produit toujours le mme effet sont alatoires dans le sens o la mesure
de l'effet peut introduire des incertitudes. Chaque rsultat possible d'une exprience
www.biblio-scientifique.net
98
alatoire est appel vnement alatoire lmentaire. L'ensemble de tous ces vnements est appel ensemble fondamental et il est souvent dsign par Q. Toute partie
de Q est appel vnement alatoire. L'ensemble de tous les vnements lis une
exprience alatoires est donc confondu avec l'ensemble P(Q) des parties de Q.
Un vnement li au lancer d'un d cubique est par e:mple A= {1,3,5}.
Avant de procder une exprience alatoire, on peut tre intress par un vnement donn A et vouloir faire une prvision sur la chance que cet vnement a de
se raliser. On peut dire a priori que A = {1, 3, 5} a une chance sur deux de se raliser si la symtrie du d est parfaite.
L'vnement Q qui par dfinition a toutes les chances de se raliser est appel
vnement certain et l'vnement<!>, ensemble vide, qui n'a aucune chance de se
raliser est appel vnement impossible.
L'vnement certain Q = {1,2,3,4,5,6] correspond l'aftirrnation J'exprience
va conduire l'un des chiffres 1,2,-3,4,-5; 6 ,
L'vnement impossible <Il correspond l'affirmation<< J'exprience ne conduit
aucun des chiffres 1, 2, 3, 4, 5, 6 >>.
Soit une exprience alatoire conduisant un nombre fini n de rsultats possibles, par exemple, pour un lancer de d onan= 6. Dans ce cas Je nombre d'vnements possibles est donn par
Card{P(Q)} =
2Card(Q)
2"
Considrons J'ensemble P(Q) muni des oprations intersection, complmentation et runion. Les diffrents sous-ensembles de P(Q) ne prsentent pas tous Je
mme intrt pour l'exprimentateur qui est amen considrer des parties T de
P(Q) qui sont plus ou moins grandes. Donnons quelques exemples de sousensembles de P(Q).
1. Le joueur est intress par chacun des numros et par toute runion de ces numros. Il doit donc considrer Je sous-ensemble T de P(Q) Je plus grand possible, i.e.
T
= P(Q).
www.biblio-scientifique.net
4.1
Variable alatoire
99
= {<I>,Q,(l,3,5),(2,4,6)] c
P(Q).
3. Le joueur est intress par miser sur un ensemble de numros parmi lesquels au
moins un est gagnant ou ne pas engager de mise. Le plus petit sous-ensemble qu'il
doit considrer pour rsoudre son problme est :
T
= {Q,<I>] c
P(Q).
p;
llj
N,
0 .;: p; .;: 1
P(w;)
= p:X,,
J, ... ,Card(Q)
avec
P(w;)
1.
i=l
Si Je nombre P (w;) associ chacun des singletons w; est indpendant de ce dernier, 1' application P est constante et dfinie sur Q une probabilit uniforme. Dans
cette hypothse d'quiprobabilit, on peut tendre la dfinition de P J'ensemble
Q lui-mme de la manire suivante :
P(A)
"
~
]
j"'
L
W;EA
Card(A).
Card(rl)
' - Card(Q)
www.biblio-scientifique.net
100
P(A) =
P{w;]
et
P{w;] = 1.
W;EA
Il!
= .,....---,-,.
(Il - p)!
"
Il!
Pn =An= 0! =n!.
diffrents (sans tenir compte de l'ordre des p objets choisis) parmi n objets tous diffrents est donn par (tirage sans remise) :
cp
= -:-:-Il_!--:-:-
"
p!(n- p)!
P
"
(n+p-1)!
p!(n- 1)!
www.biblio-scientifique.net
4.1
Variable alatoire
101
Q.
Le couple (Q, T) est appel espace mesurable et les lments de Tsont appels
parties mesurables de Q. Si B est une partie d'un espace JE, la plus petite tribu de
JE contenant B est appele tribu engendre par B.
c
~
c
g
-e_
;3,
LfJ(A,.).
nEf:!
Le triplet (Q,T,ll-) est appel espace mesur. Toute mesure positive P vrit1ant
P (Q) = 1 est appele probabilit. Un espace mesur o la mesure est une probabilit est appel espace probabilis.
Produit d'espaces probabiliss: Si (Q 1,1'(QJl,PJ) et (Q2,P(02),P2) sont deux
espaces probabiliss, on peut considrer sur l'espace probabilisable [Q 1 x Q 2 ,
1'(Q 1 x Q 2)]la fonction P dfinie par
www.biblio-scientifique.net
102
+ P(B)
- P(A nB).
(4.1)
Deux vnements sont dits incompatibles ou disjoints si leur intersection est rduite
l'ensemble vide. L'axiome d'additivit complte conduit l'identit suivante:
P(A U B)
P(A)
+ P(B).
(42)
Deux vnements sont dits complmentaires s'ils sont disjoints et si en plus leur
runion est gale l'ensemble Q. Dans ce cas on a
P(A U B)
= P(A) + P(B) = L
(4,3)
Un systme complet d'vnements est un ensemble d'vnements deux deux disjoints et tels que leur runion donne l'ensemble Q, Un tel systme forme une partition de Q. La probabilit de la runion des vnements d'un systme complet est
toujours gale 1. Si A 1 ,A 1 , ... ,A, forment un systme complet, alors tout vnement B se dcompose sous la forme :
B
= B 1 U B 1 U ... U B,
B1
avec
= A 1 n B
(4.4)
et on a
P(B) =
L" P(B;).
i=l
= U;enB n {w;}.
L P(B n [w;}) = L
iEH
P[w;}.
W;EB
www.biblio-scientifique.net
4.1
Variable alatoire
103
=* 0
P(A) ~ 1
AC B =* P(A),::; P(B)
-
(4.5)
=f
(4.6)
0,
(4.7)
Les deux expressions de P(A nB) conduisent la relation suivante dnomme formule de Bayes :
P(AjB) =
:~
;~~~
P(BjA).
(4.8)
"5
"
,
1l.
P(A-jB) _
1
P(BjA;)P(A;)
-:=L:"';,-!
~...:l_P.:..(...:B.:..jA--'-)-::P:..:.(A--)
1
~
0
ii.
(4.9)
P(BjA-)P(A-)
1
P(B)
www.biblio-scientifique.net
(4.10)
104
"
=L
(4.11)
P(BIAJ)P(Aj),
J~l
Les formules de Bayes sont la base de la branche de la statistique appele statistique Baysienne. Ces formules sont couramment appeles formules des probabilits des causes. En effet, les A; peuvent s'interprter comme des causes incompatibles pouvant provoquer l'vnement B. Les probabilits P(A;) sont appeles
probabilit a priori alors que les P(A;IB) portent le nom de probabilits a postenon.
n AJ) =
P(A;)P(A1 )
=f
(4.12)
ils sont dits indpendants dans leur ensemble si pour toute partie J de l'ensemble
[l,2, ... ,n] on a:
(4.13)
www.biblio-scientifique.net
4.1
Variable alatoire
105
J;
11;
=-
,.
avec
L .fi = 1
et 0 ,:;
.fi ,:;
1.
i=l
"
,,"
X= Lf;x;,
i=l
Var( X)
- X) ,
ax
=)var( X).
i=I
"
Dans ce qui prcde, nous avons introduit une application X qui associe chaque
ii lment w le nombre x de lR?. et les nombres .D compris entre 0 et 1 et tels que leur
~ somme vaut 1. Lorsque le nombre N tend vers l'infini, chaque .D tend vers une
{ limite appele probabilit du nombre vers lequel tend x;. La fonction X tend vers
une fonction limite appele variable alatoire (V.A) discrte. Le concept de V.A a
t introduit pour quantifier>> les rsultats d'une exprience alatoire [2] [13] [16]
[20]. Par exemple, le lancer d'une pice peut conduire aux deux rsultats possibles :
www.biblio-scientifique.net
106
obtenir face ou pile. On peut associer ces deux rsultats respectivement les
nombres -1 et 1 et parler des rsultats possibles - 1 et 1. Chacun parmi ces deux
nombres est alors entch d'une probabilit qui sera celle de la face qui lui est associe. On a ainsi dfini une application X de l'espace probabilis associ l'exprience sur l'ensemble des rels, chacune des valeurs x prises par cette application
tant affecte d'une probabilit gale celle de tous les antcdents de x. La loi de
probabilit d'une V.A est compltement dtermine partir de la probabilit P
introduite sur Q. On considre JR muni de sa tribu de Borel et on doit imposer X
de vrifier la proprit suivante :
x- 1(8)
ET,
VB E lili
qui signifie que X est une application mesurable de l'espace probabilis (Q,T,P)
(il(iB).-sT'f;;;;p(Sij;toute. appi~aon
est me surab le. Toute application mesurable de (Q, T, P) est appele V.A. Une V.A complexe
est une application d'un espace probabilis sur l'ensemble des nombre complexes
telle que ses parties relle et imaginaire sont des V.A relles.
dans Fespace.proi:Jaii!sa:ble
X.
VB E lili.
(4.14)
Pour une autre V.A, Y, dfinie sur le mme espace probabilis (Q,T,P), la loi de
probabilit sera note Py mais s'il n'y a pas d'ambigut, on utilise la mme notation P pour la loi de probabilit de X, de Y et mme pour celles de toutes les V.A
dfinies sur (Q,T,P).
www.biblio-scientifique.net
4.1
Variable alatoire
107
=f
XI
Montrer que X n'est pas une VA sur 1' espace probabilisable considr. En dduire
que les seule fonctions pouvant tre des VA sur (Q, T) sont les fonctions
constantes.
Px(X <x)
et on a l'identit :
F(x)
F(x)
+ Px(X =x).
On conviendra dans toute la suite que la fonction de rpartition est dfinie par
(4.14). Elle possde alors les proprits suivantes.
Non dcroissance:
XJ ,;;
x2
=}
"'
~
= 0,
et
lim F(x)
x-;.-oo
= 1.
8
~
B
0
"
"
,"
o.
0
'.
"
~
0
Cl
Q
www.biblio-scientifique.net
108
La fonction F est la fonction de rpartition d'une V.A discrte qui ne peut prendre
que les valeurs c avec une probabilit 1/2. On a une seule V.A associe F, car
Fest une fonction en escaliers. La fonction G est la fonction de rpartition d'une
V.A continue qui peut prendre << toute les valeurs relles >>. Il existe une innit de
VcAadmettantGcommefonctionderpartition:-DeuxtellesV;Ane peuvent tre
diffrentes que sur un ensemble de lR de probabilit nulle (elles sont dites gales
presque partout au sens de la mesure G). La fonction H est la fonction de rpartition d'une V.A continue ne pouvant prendre que des valeurs ngatives et la valeur 0
avec une probabilit l/2. Comme pour G , il existe une infinit de V.A admettant H
comme fonction de rpartition.
Dans la majorit des problmes pratiques, on ignore compltement l'espace probabilis et on dfinit une V.A X par la donne de sa fonction de rpartition F. Il
existe une infinit de V.A associes F et l'information contenue dans Fest commune toutes ces V.A. La probabilit pour que chacune de ces V.A prenne ses
valeurs dans un intervalle ]a, b] s'exprime l'aide de F par :
Px(a <X,; b) = F(b)- F(a).
(4.16)
Variable alatoire discrte Une V.A X dfinie sur iR est dite discrte si elle ne
prend qu'un nombre fini ou dnombrable de valeurs avec des probabilits non
nulles. Il existe donc une suite de nombres strictement positifs Pk dont la somme
vaut 1 et une suite de rels Xk tels que Px(X = xk) =Pk. k = 1,2, ... et
Px(X =f xk) =O.
Variable alatoire continue Une V.A X dfinie sur lR est dite absolument continue
s'il existe une fonction f telle que la fonction de rpartition de X se mette sous la
forme
F(x) =
[~ f(t)dt,
'lx E ffi.
www.biblio-scientifique.net
(4.17)
4.1
Variable alatoire
109
La fonction de rpartition d'une V.A absolument continue est dite fonction absolument continue et la fonction fest appele densit de probabilit de X. On a donc
F'(x) = f(x).
(4.18)
+oo
f(t)dt = 1
-oo
(4.19)
est une densit de probabilit. La fonction de rpartition associe est alors dfinie
par (4.17).
+ L"
r5(x- xklPkdx
(4.20)
k=I
o f (x) reprsente la drive de F qui doit exister sauf aux points Xk et b(x - xk)
la distribution de Dirac centre en X k. k = 1,2, ... ,11. Cette forme de d F fait apparatre une densit gnralise au sens des distributions qui est valable aussi bien
pour reprsenter les V.A discrtes que les V.A continues. Dans toute la suite, il ne
sera fait aucune distinction entre d P, d Px et d F. On utilisera surtout la notation d F
et si l'on considre plusieurs V.A en mme temps, on introduira des indices pour
distinguer les fonctions F associes (par exemple, Fx, Fr ... ) Pour une V.A absolument continue, l'lment d F(u) se rduit au seul terme f(u)du et pour une V.A
discrte, dF(u) ne contient pas Je termef(u)du. D'o
Fx(x) = P(X
<;x)=[~ dF(u)
= [~ f(u)
=
Xi
Pi
du
XjCX
www.biblio-scientifique.net
(4.21)
110
dF(x)
=L
(4.22)
Pk6(x- xk)dx.
k=l
(4.23)
et l'on dit que la V. A Y est l'image de X par la fonction lz. On se propose alors de
dterminer la densit de probabilit fr et la fonction de rpartition Fy de Y partir
de la densitfx et de la fonction de rpartition Fx de X. Le cas le plus simple correspond des fonction lz monotones. Par exemple si lz est une bijection croissante,
on obtient
Fy(y)
=
=
[Fxolz- 1](y),\f y
IR:.
D'o
(4.24)
Si l'on suppose F x et lz drivables, on obtient, en distinguant les cas h croissante et
lz dcroissante :
Jy(y)
fx(x)
llz'(x)l,
avec
y= h(x).
(4.25)
+ b,
( v-b)
f X"';;"'
lai
www.biblio-scientifique.net
un raisonnement direct
4.1
Variable alatoire
111
=0
,;:;
.v}.
on a:
Fy(y)
f ()') =
. Y
fx(FJ)
r,;
vY
=0
pour y,;:; 0 et
fx(-FYJ
r,;
,
-vY
pour Y> O.
fx(xz)
llz'(x2)1
y= h(xJ) = h(xz).
avec
(4.26)
Ce rsultat peut s'obtenir directement en partant de (4.25) et en introduisant les restrictions monotones de lz df1nies sur m;- et m;+. Utilisant ce mme raisonnement,
on peut gnraliser (4.26) au cas des fonctions h quelconques pour obtenir la relation suivante :
fr(y)
fx(xJ)
[h'(xJ)[
fx(x,.)
+ ... +
[h'(x,.)[
(4.27)
avec
y= /z(x 1)
= ... = h(x,.).
=ln{
x(w)dP(w)
=
=
i:
=loo
xdFx(x)
-oo
xfx(x)dx
LXi Pt
pouruneV.Acontinue
www.biblio-scientifique.net
(4.28)
112
L'esprance E(X) n'existe pas toujours. Par exemple, pour la densit de probabilit :
f(x)
1r(l
+ x 2)
Loi de Cauchy
(4.29)
l'intgrale E(X) est divergente. De mme, on peut dterminer a pour que la fonction dfinie parf(x) = 0 pour x o( 1 etf(x) = ax- 312 pour x> 1 soit une densit
de probabilit. On peut vrifier que E(X) n'existe pas. Lorsque E(X) existe, pour
tout rel o: donn on a :
E(o:)
= o:
E(o:X) = o:E(X)
E(o: +X)= o:
(4.30)
+ E(X),
i = 1, ... ,k.
llj
Comme P (Y
= Yi) ~ qi = L
PiJ on obtient :
J~l
llj
llj
i=l
j=l
llj
= LL/z(xiJ)PiJ =
i=l j=l
i=l j=l
lz(x)dFx(x).
lR.
www.biblio-scientifique.net
4.1
Variable alatoire
113
On peut tablir que sig est une fonction convexe et X une V.A telle que les esprances de X et de g(X) existent, alors on a:
g(E[X]) ~ E[g(X)].
(4.32)
(4.33)
IR
+ [E(X)- af
(4.34)
Cette relation est comparer avec la formule de Kiinig-Huyghens sur les moments
d'inertie. On dduit de (4.34) les rsultats suivants valables pour tout nombre
dterministe a
var(X) = E(X 2 )
var( X) =var( X+ a)
[E(X)]"
et var(a X) = a 2 var(X).
k-
m:.+
(4.35)
;, J
{xj{x-E(X)\?kaj
www.biblio-scientifique.net
u1
{xjjx-E(X)\?ka)
dFx(x)
114
E(Y)
--,
Vk > O.
En effet, on a
E(Y) ?
? kP(Y? k).
E(IY- al")
E:"
co
11=1
k=l
(4.36)
E(e 1"x)
= { e1"xdFx(x),
Ji?.
i2
= -1.
(4.37)
Comme Fx est une mesure borne et le 1" 1 = 1, la fonction<!> x existe toujours et elle
est continue. Lorsque F x est une mesure absolument continue on a :
<l>x(u)
= {
}ft
e1"x fx(x)dx
www.biblio-scientifique.net
(4.38)
4.1
115
Variable alatoire
Pour tout entier positif k, on dfinit le moment centr d'ordre k, s'il existe, par
mk
=l
E([X- E(X)]k)
(x- E(X)ldFx(x)
Pk ="' E(X k ).
Les moments fLk peuvent se calculer partir de la fonction caractristique. En effet,
si ct> x (u) est drivable 1' ordre k on a :
(4.39)
et si <Px(u) admet un dveloppement en srie au voisinage de 0, il est donn par:
k
00
<Px(u)
= "'':!___/
E(Xk).
Lkt
k~O
(4.40)
D'aprs les proprits de la transforme de Fourier, deux V. A ayant la mme fonction caractristique ont forcment la mme loi de probabilit. Les formules d'inversion de la transforme de Fourier permettent d'obtenir
Fx(b)- Fx(a)
1
lim T-+oo 27r
l+T
e-iua _ e-11b
<Px(u)
-T
du.
(4.41)
Ill
Si
li<Px(u)ldu < oo
'5.
1
f(x) = -
27f
Ill.
'
<Px(u)e-"'-'du.
(4.42)
L L <Px(u;- llj)Z;zj;, 0
ri
"
i=l j=l
www.biblio-scientifique.net
(4.43)
116
et ceci pour toute famille finie de rels liJ ,u2, .. . ,u" et pour toute famille finie de
complexes Zl ,z 2 , ... ,z,. Une fonction vrifiant cette proprit est dite dfinie non
ngative.
lllx(u) = Log<Px(u).
(4.44)
111~\0) ~ ikCk(X)
et le rel Ck(X) est appel cumulant d'ordre k de X. Si lllx(u) admet un dveloppement en srie au voisinage de 0, ce dernier est donn par :
00
lllx(u)
=L
tl
- i Ck(X).
i
k=O k .
Remarque Partant de la relation entre lllx(u) et <Px(u) et utilisant un dveloppement limit, on peut tablir des relations entre les cumulants Ck(X) et les moments
flk d'une Y.A X.
6 '\'
lzl
< 1
k=O
www.biblio-scientifique.net
(4.45)
4.1
Variable aleatoire
117
appele fonction gnratrice de la VA X. Toute fonction gnratrice gx est holomorphe sur le disque 1z 1 < 1. En effet, comme
co
00
L
Pkll ,;; L Pk = 1
k=O
k=O
lzl
< 1. La
qui permet d'introduire les moments factoriels d'ordre n d'une VA X. Ces moments
sont dfinis par:
v,.[X] = E[X(X- l) ... (X -n
1)].
Ces moments factoriels sont dfinis aussi bien pour une V.A discrte que pour une
V.A continue mais ils prsentent un intrt surtout dans le cas d'une V.A valeurs
entires grce au rsultat suivant :
v,.(X)
= g~l)(l).
.f(x) = -I,.(x)
E(X)
o
c
;;
0
5c
,
~
3
j
0
a,
12
"'x
eiua - 1
(li) = ----,--
i ua
..
-ci
0
c
= ~
var(X) =
E(X)
= p,
var(X)
pq,
<Px(u)
pe;"
+ q.
La loi binomiale peut tre introduite de plusieurs manires diffrentes. C'est la loi
de la variable X gal au nombre de succs lorsqu'on rpte une mme exprience n
www.biblio-scientifique.net
118
fois dans des conditions indpendantes sachant que cette exprience conduit deux
rsultats complmentaires : succs ou chec. Introduisons cette loi en considrant
une urne contenant N boules dont la couleur est soit blanche soit noire. Soit p la
proportion de boules blanches et q = 1 - p celle des boules noires. Supposons que
l'on effectue un tirage avec remise de n boules. Nous supposons donc que les n
tirages successifs sont des preuves indpendantes. On dfinit ainsi une V.A X prenant comme valeurs le nombre de boules blanches tires. La loi de X est donne
par:
P(X = k) = C~pkq"-k,
k = 0, 1, ...
(4.46)
,11.
+ q)" = L"
C~pkqll-k
k~I
et pour cette raison, cette loi est appele loi binomiale de paramtres n et p. On la
note B(n,p) et on a:
E(X) =np,
var(X) = npq,
Il est facile de voir que si X suit une loi B(n, p), la variable dfinie par Y = n - X
suit alors une loi B(n, 1- p). Dans la pratique on est souvent conduit tudier la
V.A F =~appele frquence. Si la variable X suit une loi binomiale B(n,p), on
obtient facilement
k k 11-k
p (F = ki Il ) = C"p q
'
E(F) = p,
'
0
" = ' ... ,Il
var(F) = pq.
Il
La variable F prend des valeurs non entires mais suit elle aussi la loi B(n,p).
loi multinomiale et loi du tirage exhaustif Soit une urne contenant N boules
dont les k couleurs sont numrotes par 1,2, ... ,k. Soit p; la proportion de boules
de couleur i,i = 1,2, ... ,k. Supposons que l'on effectue un tirage avec remise den
boules. Nous supposons donc que les n tirages successifs sont des preuves indpendantes. On dfinit ainsi une V.A x= (Xt,X2, ... ,Xk) prenant comme valeurs
(111 ,112, ... ,nk) o n; reprsente le nombre de boules de couleur i tires. On obtient
aprs calculs :
P(x= (nt,112, ... ,1lk)} =
11 !
lit
lh
llk
P1 p,- ... pk
1 1
1
11J.1121lk
Cette loi est appele loi multinomiale car P[X = (nt,ll2, ... ,nk)J est donn par le
terme gnral du dveloppement suivant :
www.biblio-scientifique.net
4.1
Variable alatoire
119
(PI + P2 + +P k) =
Il
n!
'"""
Il]
llk
/11
1 PtP2-Pk
IIJ, .. ,,Ilk
Soit une population de N individus parmi lesquels une proportion p possde une
proprit A. On prlve un chantillon de 11 individus parmi cette population (le
tirage s'effectuant d'un seul coup ou au fur-et--mesure mais sans remise). Soit X
la V.A prenant comme valeur le nombre d'individus de !"chantillon possdant la
proprit A. On montre alors que
= k) =
P(X
ck
cn-k
N-p
N-N-p
(4.47)
C"N
et un simple calcul donne
E(X)
= 11p,
var(X)
-11
= --11p(l- p).
N -1
Loi de Poisson de paramtre . : P(.) C'est la loi d'une V.A entire pouvant
prendre les valeurs 0, 1, ... ,oo avec les probabilits suivantes:
.k
P(X
= k) = e->._,
k!
kEN.
(4.48)
E(X) =.,
gx(z) = e'\(z-II,
g(s)
oo
=L
1oo -e-u un
1oo e-"e"(I-s)E(u)du
-(1- s)"e(u)du =
n=O
00
1
0
Il.
1 =!!.
e-ur -e
a du
a
= -1
00
00
e -n(s+-)
a du
= -1
www.biblio-scientifique.net
e-u(s+ft)
----,~
-s-a
1
1 +as
120
f(x)
= .\e-,\r
=0
pour x:;, 0 et
pour x< O.
On a:
E(X) =if.\,
var(X)
= 1(.\2 ,
-,\
= -.--.
<Px(u)
Ill-
Loi de Laplace-Gauss ou Loi normale: N(m,a) Cette loi joue un rle fondamen-
tal dans la pratique. Elle constitue un modle frquemment utilis dans diverses
applications. Une V.A X suit une loi normale si sa densit de probabilit est donne
par:
-(x - m) 2
],
(4.49)
'
var( X) =a,
X-m
T=h(X)=-a
la nouvelle variable T suit aussi une loi N(O, 1) appele loi normale centre et
rduite et on a :
.fT(t)
1'l'
1
--e-.
:;:j'i;r
La graphe de fr, appel courbe en cloche, admet comme asymptote 1' axe des abscisses t'tet deux points d'inflexion aux points 1t 1= 1 . La fonction caractristique
de la variable rduite T est donne par :
<Pr(u)
= e-"'12.
La probabilit pour que X appartienne 1' intervalle [a, b] est donne soit par
P(X E [a,b])
fx(x)dx
soit par:
a-m b-m
P(X E [a,b]) = P(T E [ - - , - - ] ) .
www.biblio-scientifique.net
121
4.2
COUPLE ALATOIRE
4.2.1
Statistiques 2 dimensions
Nous considrons une population Q d'effectif total Net dont chaque lment prsente deux caractres X et Y. Soit, par exemple, un ensemble Q d'individus dont on
veut tudier la taille X et le poids Y. chaque individu won associe la valeur de sa
taille x= X(w) et celle de son poids y= Y(w). Dans la pratique, on peut supposer
que x et y appartiennent respectivement aux intervalles [a ,b] et [c ,d]. On subdivise
alors [a,b] en r sous-intervalles de mme amplitude et on appelle XJ,X2, . ,
x;, ... ,x,. les centres de ces intervalles. La mme opration sur [c,d] conduit s
sous-intervalles de mme amplitude dont les centres sont YJ,Y2 ,yi .. ,y,. Au
lieu d'associer chaque individu w, le couple (x,y), on convient de lui associer le
couple (x;, Yi) dfini par les centres des intervalles contenant respectivement x et y.
Ainsi un mme couple (x; ,yi) peut tre associ plusieurs individus w. On appelle
srie statistique double de Q pour les caractres X et Y l'application qui chaque
lment w de Q associe le couple (x;,))). Si, par rapport un repre cartsien xoy,
nous marquons les points de coordonnes x;, Yi nous obtenons un graphique appel
nuage de points ou << graphe >> de la srie statistique double. Soit une srie statistique double, dont le caractre X a pour valeurs x 1 ,x2 , , x;, ... ,x, et le caractre
Y a pour valeurs y 1 ,y2 , .. . ,y;, . .. ,y_,. On appelle effectif partiel du couple (x; ,yi) le
nombre "U des lments w de la population Q dont les valeurs des caractres sont
respectivement x; et Yi. Nous obtenons le tableau 4.1 dont certains lments sont
dfinis dans la suite.
TABLEAU 4.1
STATISTIQUES A 2 DIMENSIONS
y,
Y:!
))
X]
ll[]
1lJ2
lltj
XJ.
1121
11"2.1
v,
Totaux
fll.l'
112.
11 j_,
11 i.
n,.
Totaux
Tl' l
11,2
ll.j
www.biblio-scientifique.net
11 ..\'
122
fu
11ij
= N
avec
0 ( /ij ( 1 et
'
I : I : t i i = 1.
=l j=l
La somme des effectifs partiels contenus dans la ligne de x; est gale 1'effectif des
lments dont la valeur du caractre X est x;. On reprsente par le symbole 11;. cette
somme, le point remplaant l'indice de sommation j qui disparat. Les nombres n;.
sont appels effectifs marginaux et ils vrifient :
s
n;.
= LniJ. i =
(4.50)
i~l
.f;=N.
On suppose que tous les effectifs marginaux sont diffrents de 0 et on appelle frquence conditionnelle de la valeur x; sachant Yi le nombre not.fiu donn par:
nij
Iii
lili=-=-.
ll.i
fi
/ij =fi/iii
Inversant les rles de i et j, on obtient :
.tJli. =,f;i
f;.
o ( ti li (
1.
o ( .fj1; (
1 et
'
i=l
}=1
I: .f;li = I: .fj1; = 1
les nombres .fi li pour j fix (res . .fj1; pour i fix) dfinissent des distributions de probabilit, appeles probabilits conditionnelles du caractre X sachant Y = Yi
(res. du caractre Y sachant X =x;).
4.2.3
Dans ce qui prcde, nous avons introduit une application qui associe chaque lment w le couple (x, y) = (x;, Yi) de JR:.2 et le nombre f;i compris entre 0 et 1 . On a
www.biblio-scientifique.net
123
ainsi dfini une variable alatoire sur JR2 partir des probabilits associes toutes
les valeurs possibles du couple (x,y). On remarque que la connaissance des deux
V.A X et Y est insuffisante pour dterminer la loi du couple (X,Y). Considrons une
population Q d'effectif total pouvant tre fini, dnombrable ou non dnombrable.
Chaque lment w prsente deux caractres X et Y. Chacun des deux caractres X
et Y peut tre considr comme une V. A et 1' on se propose de faire une tude
conjointe du couple (X, Y). Soient deux V.A X et Y dtnies sur le mme espace
probabilis (rl, T, P). Ces variables sont donc des fonctions mesurables de Q sur lR
associant tout lment w de Q un couple de rels (x, y) = {X (w), Y (w)] . La V. A
(X, Y) deux dimensions est dfinie par:
(4.51)
o B2 reprsente la tribue de Borel sur JR 2
Loi conjointe La loi de probabilit conjointe d'un couple alatoire est la loi qui
donne la probabilit, note Px y, du couple (X, Y). Elle est dfinie par la connaissance, pour tout (A1,A2) E llll 2, des probabilits:
(4.52)
Les ensembles de valeurs de (X,Y) qui n'ont pas d'antcdent ont donc une probabilit nulle.
Fonction de rpartition La fonction de rpartition d'un couple alatoire est la
fonction de lf!. 2 dans [0, 1] dfinie par
FXY(x,y)
(4.53)
La loi de probabilit est une mesure de masse totale 1 dfinie sur lf!.2 et la fonction
de rpartition Fxy(x,y) donne la valeur de cette mesure sur le quart de plan
] - co,x]x ]-co, y] comme l'indique la relation:
F.n(x,y)
l 1"
x
-oo
-oo dPxy(u,v).
www.biblio-scientifique.net
(4.54)
124
Si la fonction Fxr(x,y) est absolument continue sur ll2 , Le., il existe une fonction
fxr telle que
Fxr(x,y)
l 1"
x
-oo
-oo
hr(u,v)dudv
(4.55)
le couple alatoire (X, Y) est dit absolument continu et la fonctionfn est appele
densit de probabilit conjointe de (X,Y). La fonction Fxr est alors drivable en
tout point (x ,y), sauf sur un ensemble fini ou dnombrable de points, et l'on a
a2 Fxr
- = ,fxr(x,y).
axay
(456)
Comme Fxr est non dcroissante par rapport x et y, on peut en dduire que
fn(x,y) ~ 0 V(x,y)
lll: 2 .
(4.57)
Dans le cas o (X,Y) ne peut prendre qu'un nombre tni ou dnombrable de valeurs
(x;,)'J) avec des probabilits ponctuelles Pu = Pxr(X =x;, Y = YJ). le couple est
dit discret On lui associe alors la densit dtnie par la distribution suivante :
fxy(x,y) =
Pu6(x -x;,)'- y1 )
(458)
Xj,J'j
+L
(4.59)
Xj,)'j
o les Pu sont tous nuls pour un couple continu etfxy(x,y) est identiquement nulle
pour un couple discret La fonction de rpartition s'crit donc
Fxr(x,y)
(4.60)
www.biblio-scientifique.net
P(R)
125
l b!d
li
dPxr(u,v)
('
l"!d
{/
F(a,c)
.fxr(u,v)dudv.
Cette probabilit peut donc tre reprsente par le volume du prisme compris entre
le rectangle R xoy et la surface d'quation z = .fXY(u,v).
loi marginale On peul s'intresser la projection de la probabilit PXY sur chacune des coordonnes X et Y. On dfinit alors les fonctions de rpartition des
variables X et Y prises indpendemment l'une de l'autre. Ces fonctions, appeles
aussi fonctions de rpartition marginales, ont pour expressions :
Fx(x)
Fxr(x,+oo)
= [~i:oo dPXY(u,v)
(4.61)
Fy(y)
Fxr(+oo,y)
= i~i:oo dPxr(u,v).
(4.62)
et
Ce sont des fonctions d'une seule variable: x ou y. Pour un couple continu, les densits de probabilit (appeles densits marginales) s'introduisent alors naturellement comme suit :
.fx(x)
et
.
jy(y)
l+oo
= d Fx(x)
d.
=
.t
=
d Fy(y)
dy
(4.63)
_hy(x,y)dy
-CXJ
l+oo .
(4.64)
.fxr(x,y)dx.
-DO
loi conditionnelle Pour mesurer un lien ventuel pouvant exister entre deux V.A
X et Y, on introduit le concept de lois de probabilits conditionnelles. Tl s'agit de
trouver la loi de probabilit d'une V.A lorsque la seconde a une valeur fixe. On se
place directement dans le cas d'un couple continu. Soit A et B les vnements dfinis par:
A= {(X,Y)jx,; X< x+ dx et - oo <y < +oo]
"
'5.
et
.9
"'..
j
On a
1i
a
9
Pxy(A) = dx
+oo
fXY(x,y)dy
et
+oo
-oo
www.biblio-scientifique.net
126
Le thorme sur les probabilits conditionnelles conduit la dfinition de la probabilit de X conditionnellement Y = y comme suit :
Pxy(AIB)
Pn(A nB)
Pxr(B)
-+!xv(x,y)
dx.
./_ 00 .fxy(x,y)dx
(4.65)
Pxr(AIB) = .fxp=y(x)dx =
fxr(x,y)
+oo .
dx.
.fcc06 fxy(x,y)dx
(4.66)
Pour Y =y fix, le couple (X,y) est une V.A dont la densit de probabilit est donne par.fxll'=v{x). On introduit aussi la fonction de rpartition conditionnelle dfime par
Fxll'=y(x)
=lx
fxiY=y(u)du.
-00
E(X) =
=
=
L: L: L:
L: L:
xdFx(x) =
x.fxy(x,y)dxdy
LXi Pi}
xdFxr(x,y)
i,j
www.biblio-scientifique.net
(4.67)
127
n [Y
(4.69)
ceci quivaut dire que la loi de probabilit du couple (X,Y) est gale au produit
des lois (lois marginales) de chacune des variables X et Y prises sparment.
(4.71)
(4.72)
On dit que le couple alatoire (Z,T) est l'image par lz du couple (X, Y). Comme
dans le cas d'une V.A, on peut tre conduit dterminer la densit de probabilit
!zr et la fonction de rpartition Fzr de (Z, T) partir de la densit fxr et de la fonction de rpartition Fxr de (X,Y).
5.
~
www.biblio-scientifique.net
128
tement le cas d'un couple continu, le cas discret pouvant tre trait d'une faon
similaire. Nous allons faire ce calcul de deux manires diffrentes. La premire
consiste introduire la fonction dterministe h de iR:2 dans iR:2 , dfinie par:
h (X, Y)
(Z
+ Y, W =
Y) .
et l'on a :
fzw(z,w)ld:EI
= .fxr(x,y)ldSI = fn(z-
w,w)ldSI.
= IJ(x,yJIIdSI = ldSI,
on
i":
fxv(z- w,w)dw.
(4.74)
Fz(z)
P[(x,y)jx +y,;:; z}
+001'-\'
, . fxv(x,y)dxdy.
-00
00
La drivation de Fz(z) sous le signe intgral, par rapport z, conduit immdiatement l'expression de fz obtenue ci-dessus. Si les V.A X et Y sont indpendantes,
la densit f x y se factorise et on obtient :
.fz(z)
+oo
-oo
.fx(z- y),h(y)dy.
www.biblio-scientifique.net
129
fz(z) =
+oo
-~
fx(z- w)fy(w)dw.
e.
{
j
-ci
0
On considre deux rsistances R;,i = 1,2. On suppose que R 1 et R2 sont deux Y.A
indpendantes et que chaque R; a une loi uniforme sur l'intervalle
[m; - D.R,m; + D.R]. 1112 > m,. On s'intresse la mise en parallle des rsistances R;,i = 1,2. On suppose que D.R;/R; << 1 (rsistances de bonne qualit).
www.biblio-scientifique.net
130
4.2.6
Comme dans le cas d'une V.A une dimension, la variance de la V.A X est dfinie par
var(X) = E([X- E(X)] 2 ) = E[(X) 2] - [E(X)f
(4.75)
(4.76)
(4.77)
Cov(X,Y)
r = -..j;=va=r""(X"'J~..j7v=ar'7(Y'"')~) =
Cov(X,Y)
(4.78)
www.biblio-scientifique.net
(4.79)
131
Deux Y.A X et Y sont dites non corrles si elles vrifient la proprit suivante :
(4.80)
Cov(X,Y) =O.
On dit aussi que les deux Y.A sont orthogonales. Il est facile de voir que X et Y sont
non corrles si, et seulement si, r =O. On admet que plus la valeur absolue de r
est proche de 1, plus les V.A sont corrles. Donc plus r est proche de 0, plus les
V.A sont dcorrles et elles sont orthogonales pour r =O. Deux V.A indpendantes sont forcment non corrles et ceci pour toute loi de probabilit. La rciproque est fausse pour une loi de probabilit quelconque mais peut tre vraie pour
certaines lois particulires comme la loi de Gauss. Cependant la non corrlation
conduit au rsultat suivant important dans la pratique : si deux V.A X et Y sont non
corrles, on a pour tout couple (a,(3J de nombres rels:
(4.81)
Le coefficient de corrlation entre X et Y reprsente le cosinus de l'angle form par
les vecteurs X- E[X) et Y- E{Y). Un coefficient de corrlation nul exclut l'existence de relation linaire entre X et Y mais n'exclut pas l'existence d'autres types
de relations.
Dans la pratique, la notion d'indpendance est difficile vriter et on prfre se
limiter savoir si deux Y.A sont plus ou moins corrles. L'tude d'un couple alatoire se fait donc souvent, de manire incomplte, partir de la seule connaissance
de la matrice dtnie par :
r!.
~
-~
var(X)
Cov(Y,X)].
[ Cov(X,Y)
(4.82)
var( Y)
Cette matrice symtrique, dnomme matrice de covariance ou matrice de corrlation du couple alatoire est compltement dtermine par les moments du second
ordre du couple (X, Y). Elle possde des proprits importantes qui seront nonces
plus loin dans le cas gnral d'un vecteur alatoire.
3
0
-5.
}x;(x)
2~R 2 -x 2
1rR-
(i
www.biblio-scientifique.net
1,2).
132
On vrifie quefxJx,
dantes.
=f fx 1x,
E(X2)
fxv(x,y)
k
(1 +xl)(!+ y2)
L: L:
1"' 1"'
-00
ei(ux+vy)dFxy(x,y)
ei(ux+vv) fxy(x ,y)dxdy
-00
k.j
(4.84)
La fonction caractristique est la transforme de Fourier de la densit de probabilit
du couple alatoire. Elle possde donc des proprits importantes qui ne seront pas
dveloppes ici. Par exemple, deux Y.A X et Y sont indpendantes si, et seulement
si, la fonction caractristique du couple (X,Y) est gale au produit de celles de X et
Y, i.e.,
<PXY(u,v)
<Px(u)<P!'(v).
(4.85)
www.biblio-scientifique.net
133
(4.86)
Cette fonction est donc une V.A qui prend les valeurs lz(x) avec les probabilits
P(X =x). Cette V. A est appele esprance conditionnelle de Y sachant X.
On la note E(YIX) et !"on a:
6/z(X) =61+oo
=
-oo YfYix(y)dy.
E(YIX)
(4.87)
6k(Y) =61+oo
-oo xfxil'(x)dx.
E(XIY)
(4.88)
[j_:
[j_:
= i:y
=
=
i:
i:
.fxy(x,y)dx}ty
YfYIX=x(y)dy] fx(x)dx
E(YIX
= x)fx(x)dx = E[E(YIX)].
www.biblio-scientifique.net
134
" var[E(XIYJJ
var[ X]
(4.92)
Ce nombre vriie 1 ~ PXJY ~ 1. Si p~IY = 1, alors X est relie Y par une relation fonctionnelle au sens de l'analyse classique.
Si p~IY = 0, alors E(XI Y) est gal une constante avec une probabilit 1.
En effet, si p~IY = 1, alors on a E[var(X}Y)] = 0, i.e. var(XIY) = 0 avec une
probabilit 1. Pour Y fix, la V.A X ne prend qu'une seule valeur X= <!>(Y). Le
rapport p~IY est donc maximal (= 1) si X est relie Y par une relation fonctionnelle au sens de l'analyse classique.
Si p~IY = 0, alors on a var[E(X}Y)] = 0, i.e. E(X}Y) est gal une constante avec
une probabilit 1. On dit qu'il y aabsencededpendance en moyenne entre X et Y.
=" E{XY)
< oo.
(4.93)
Considrons sur lE la relation d'quivalence X = Y ssi X= Y avec une probabilit !, c'est--dire la probabilit de l'ensemble des w pour lesquels X(w) =f Y(w)
est nulle. L'ensemble, dnomm L 2 (P), de toutes les classes d'quivalence ainsi
dfinies est un espace vectoriel complet pour la topologie dfinie par la norme
(4.94)
En effet, il est facile de vriler que (4.94) dfinit bien une norme puisque
(4.95)
L'ensemble L 2 (P) est donc un espace de Hilbert et il appel ensemble des V.A de
carr sommable ou d'ordre deux. La dfinition de la covariance d'un couple alatoire complexe se gnralise comme suit :
Cov(X,Y) ~ E[[X- E(X))(Y- E(Y)].
www.biblio-scientifique.net
(4.96)
135
Dmontrons titre d'exemple que l'oprateur Oy vrifie les deux proprits suivantes (c'est donc un projecteur):
0y0y(X)
La premire proprit est vidente d'aprs la dfinition de l'esprance conditionnelle. La deuxime proprit s'obtient en utilisant le thorme de l'esprance totale.
On a en effet :
E{ZE(XIY))
= E(E[ZE(XIY)IYJ) = E[E(XIY).E(ZIY))
= var[E(XIY)] +
= var[E(XIY)] +
11
+Il X- E(XIY)
E[[X- E(XIY)f)
E[E[[X- E(XIYlfliY]
= var(E(XIY)J + E[var(XIY)}.
www.biblio-scientifique.net
11
136
4.3
VECTEUR ALATOIRE
4.3.1
(4.100)
g,
(4.101)
1, ... ,11)
1'
(4.103)
www.biblio-scientifique.net
(4.104)
4.3
137
Vecteur alatoire
Si les X; dsignent des V.A, alors chaque Y; est une V.A monodimensionnelle,
Y; = h;(X 1.... ,X,), fonction des V.A X 1, ,X,. Comme dans le cas d'un couple
alatoire, on a le thorme suivant.
~~~~~
;,
"''
~-
-~
;;;
::v
~{\l;.u,;;
,.;;_,.
. '1
'L'
;11
2
::.
: ,,
..:;;
'"'~';&
"':~
-;;.
l+.
''~'
1~6~:
..
.~
.1 1
Ce rsultat gnralise les thormes dj noncs pour une V.A et pour un couple.
Les notions de densits conjointes, de lois marginales et de lois conditionnelles,
introduites pour un couple alatoire, se gnralisent galement de manire naturelle
aux vecteurs alatoires. La loi d'un vecteur alatoire se rattache celle d'une V.A
comme le prcise le rsultat important suivant.
Exemple 4.3.1 Soit X 1,i = 1,2, ... ,11, une suite de 11 V.A de Bernoulli indpendantes et de mme paramtre p. La loi de probabilit de la variable dfinie par
(4.108)
o.
80
0
~
"-g
3
0
est une loi 6(11, p). Dmontrer que la fonction caractristique <Px (u) de X est gale
au produit de celles des X 1. En dduire que
<Px(u)
(pe
1
"
+ q)".
www.biblio-scientifique.net
(4.109)
138
<Py(u) =
E(E[/"L:~,x'JINJ
= Etfl E[e;"x'IN])
k=l
=TI" <Px;(u;).
(4.111)
i=l
(4.112)
www.biblio-scientifique.net
4.3
Vecteur alatoire
139
L"
>.,>.nij
~o.
v>.,
i.j=l
o les 'Yi) reprsentent les lments der,. En effet, si Z est la V.A complexe dfinie par
"
z ~ L'\Xi
i=l
J=
L"
i,j=l
Les n V.A X1 ,X2, ... ,X, sont dites non corrles si la matrice de corrlation du
vecteur x ayant pour composantes les X, est une matrice diagonale. Soit
XJ,X2, ... ,X,: noncorrles ssi
Cov(X,,X;)=pouri
=f
j.
Remarque Il n'y a pas de distinction entre la non corrlation deux deux et la non
corrlation tout court. Par contre, des V.A indpendantes deux deux ne sont pas
forcment indpendantes dans leur ensemble.
Variance d'une somme de V.A non corrles La variance d'une somme de V.A
non corrles est gale la somme des variances de chacune de ces V.A.
Pour tablir ce rsultat trs utile dans les calculs, il suffit d'utiliser la linarit de
l'esprance et d'appliquer la dfinition de la non corrlation, i.e., si x, et X; sont
non corrles on a Cov(X,,X1) =O.
www.biblio-scientifique.net
140
si
<Py(l)
Il
Y= a x.
r ~
"'
'+'y ( Il )
= e -l!var(Y)
2
. D' ou
pour "'
'+'x :
(4.113)
Partant de cette expression, on peut tablir les rsultats suivants pour un vecteur
gaussten.
_l(x-m)Tr - 1(x-rn)
)(27r)"[det(rJ{ 2
www.biblio-scientifique.net
(4.114)
4.3
Vecteur alatoire
141
E[x1,x1,
x 1"] =
(4.116)
(T
o u dsigne une permutation de (1 ,2, ... ,2k) el o la somme est tendue J'ensemble de tous les donnant des termes diffrents. Le membre de droite de (4.116)
comprend une somme de (2k- 1)!! ~ 1.3.5 ... (2k- 1) termes. En particulier si
l'on prend i 1 = i" = ... = i"ko on obtient
(4.117)
Tous les cumulants d'ordre n
est donne par :
=f
(4.118)
= 3a-"
ou a-
www.biblio-scientifique.net
142
r ~[
1
o
ct]1 ,0 <
ct
< l.
1. On suppose que chacune des V.A X et Y est gaussienne. Alors Z est non gaussienne.
2. On suppose que chacune des V.A X et Y est gaussienne et que X et Y sont indpendantes. Alors Z est aussi gaussienne.
3. On suppose que le couple (X,Y) est gaussien. Alors le calcul de la fonction caractristique c/>z de Zen fonction de a et b montre que Z est gaussienne.
E[A(WZ+wZ\
= -1
www.biblio-scientifique.net
143
o u est une variable relle. Ainsi cette extension penne! d'avoir une seule dfinition de la fonction caractristique qui est valable aussi bien pour des V.A valeurs
relles que complexes. En particulier, les concepts de moments, cumulants, variable
gaussienne seront dfinis sans distinction entre le cas rel et le cas complexe. Les
rsultats dans le cas complexe ne seront pas dvelopps dans ce chapitre.
4.4
4.4.1
Une suite de V.A X,, 11 EN, appartenant [(!J,IR) tant une suite de fonctions de
dans R il existe diverses faons de dfinir la notion de convergence de X, vers
une V.A limite X. Certains types de convergences jouent un rle important en calcul des probabilits. Quatre types de convergences vont tre examins dans cette
section.
Q
E
0
'_
P[w/IX,(w)- X(w)l,;; E}
tx, la suite
dP(w)
(
j(W/IX,(W)-X(W)J,;E)
< E}
www.biblio-scientifique.net
(4.119)
144
La suite (Xnl converge presque srement (p.s.) vers X si la suite des ensembles
= (w/IXn(w)- X(w)l = 0)
An.ll
1. Pour tout f.t fix, la srie termes positifs suivante est convergente :
00
2. Il existe un rels > 0 tel que la srie termes positifs suivante est convergente :
S
00
E(IXn-
Xl'}.
11=0
E(IXn
Xl")
= 2 et l'on parle
Lemme de Love Une condition ncessaire et suffisante pour qu'une suite (Xnl
converge en m.q. est que, lorsque met Il tendent vers l'infini, indpendamment l'un
de l'autre, la suite suivante tende vers une limite :
www.biblio-scientifique.net
4.4
145
d) Convergence en loi
La suite de V.A (X,.) de fonctions de rpartition Fx,. converge en loi vers la V.A X
de fonction de rpartition Fx si en tout point x o Fx (x) est continue, la suite
numrique Fx,. (x) converge vers le nombre F x (x). Pour des V. A discrtes la
convergence en loi vers une V.A s'exprime par P(X,. = k) converge vers P(X = k)
pour toutes les valeurs k de X,..
Une suite de V.A discrtes peut cependant converger vers une V.A continue (par
exemple, la loi de Poisson converge vers une loi de Gauss : voir dans la suite de ce
chapitre).
Si une suite de V.A X,. admettant des densits .f;, et X une densit .f~ alors la
convergence en loi de (X,.) vers X implique la convergence ponctuelle de la suite
.f;, (x) vers .f (x) en tout point x.
e) Convergence des fonctions caractristiques
2. Si la suite de fonctions (cpx) converge vers une fonction cp dont la partie relle
est continue l'origine, alors cp est une fonction caractristique et la suite (X,.)
converge en loi vers une V.A X dont la fonction caractristique est donne par
cpx = cp.
f) Liens entre les diffrents types de convergence
Nous allons donner trs brivement quelques rsultats sur les liens entre les 4
notions de convergence.
La p.s convergence implique la convergence en probabilit. En effet, il est clair
que Au.o est contenu dans A,..c, introduit en (4.119) et donc P(A,..o),; P(A,..cl.
Comme la probabilit est majore par 1, la condition P(A,..o) tend vers 1 entraine
P(A,..El tend vers 1.
La convergence en m.q implique la convergence en probabilit. En effet, on a
{ IX,.- Xl 2d P(w);, {
lr~.
~
~
0
IX,.- X1 2dP(w)
j[W/[X,.-X[?[
;, c2
{
j[Wj[X,.-X[?[
d P(w)
~ D'o
~
E{IX,.,
E-
X1 2 }
V,,
= ---,
E-
www.biblio-scientifique.net
'leE lR!. .
(4.120)
146
La convergence en probabilit implique la convergence en loi. En effet, la convergence en probabilit implique que pour Il suffisamment grand et E quelconque,
l'vnement An,E dfini par (4.119) est quasi certain. La suite des fonctions Fx"
converge donc ponctuellement vers la fonction de rpartition de X.
La convergence en loi est la convergence la plus faible dans le sens o elle est
entrane par les trois autres. Cependant, c'est la convergence la plus utilise en pratique car elle permet d'approximer la fonction de rpartition de X, par celle de X
pour les grandes valeurs de n.
IX- Yl 2 c/P(w)
E(IX- Yl 2 ) = {
= {
IX- Yl 2 dP(w)
j{WJX#YI
+ {
IX- Yl 2c/P(w)
j{W/X=YI
j[W/[X-Y[#O)
P[(w/X
Y)].
www.biblio-scientifique.net
147
Pour dmontrer ce rsultat, il suffit de poser n Y, = I:~= 1 X k Ce rsultat se gnralise comme suit.
www.biblio-scientifique.net
148
4.4.4
Approximation d'une loi binomiale par une loi de Poisson Soit X,. une suite de
V.A binomiales de loi B(n,p) telles gue 11 etp tendent respectivement vers oo et 0
de manire ce que le produit np tende vers une limite lnie . Alors la suite X,
converge en loi vers une V. A de Poisson de paramtre .
Approximation d'une loi multinomiale par une loi binomiale Lorsque N tend
vers l'infini, la loi H(N,n,p) tend vers la loi binomiale B(n,p).
Approximation d'une loi binomiale par une loi normale Si X,. est une suite de
Y. A binomiales de loi B(n, p), alors la suite de V.A dfinie par
(4.128)
est un estimateur non biais de fJ. Deux situations importantes dans la pratique correspondent aux cas o g(x 1, ,x,.) est un estimateur d'un moment ou d'un cumulant. Diffrents types d'estimateurs des moments et des cumulants sont proposs
dans la littrature. Les plus importants sont fonds sur les k-statistigues et correspondent aux cas o la fonction g(x 1, ,x,.) est un polynme symtrique des composantes des x1. Nous rappelons ci-dessous des rsultats sur ces estimateurs dans le
cas multidimensionnel puis monodimensionnel.
www.biblio-scientifique.net
4.4
149
,; var(!J,k)
7
E-(,Lk)
1
=- (vk- 1)
Il
avec
vk
,;
m2k
-,-,
mk
mk
=f 0
appeles variances relatives. Les rsultats suivants montrent que la suite des
variances relatives des estimateurs empiriques des moments n'est pas croissante
dans le cas gnral. En revanche, si la loi de x est symtrique et centre, seule l'estimation des moments pairs prsente un intrt et dans ce cas la suite des variances
relatives est croissante.
www.biblio-scientifique.net
150
4.1
4.2
= -2x.
4.3
dtnie par
var(X) = E([X
E(X)f).
[E(X)f
+ (E(X)- a) 2 ,a
www.biblio-scientifique.net
lR
(Huyghens).
151
E [ -k,k]]
4.4
Vk > O.
Fonction de rpartition
Soient X une V.A unifonnment rpartie sur l'intervalle rel [-c,c] eth la fonction
dtenniniste dfinie par :
c >O.
Fonction gnratrice
On considre une variable alatoire N ne prenant que des valeurs entires positives
ou nulles et on appelle p[k]la probabilit p[k] = Prob[N = k], k ? 0, k entier. On
appelle fonction gnratrice de N la fonction
g(s)
E[(l- s)N].
(4.130)
".
j
www.biblio-scientifique.net
152
E[N(N- 1)
4. Calculer explicitement g(s) lorsque N est une variable alatoire obissant une
loi de Poisson de paramtre m. En dduire les moments factoriels dans ce cas.
4.6
Fonction caractristique
On considre une variable alatoire relle X dont la densit de probabilit est donne par
a
f(x) = o
"
a-+ xl:Exprimertren fonction de ci.
2. Dterminer la fonction caractristique de X.
4.7
loi exponentielle
Soient une constante positive et X une variable alatoire continue dont la densit
de probabilit est dtnie par f(x) = e-.1x pour x;;, 0 etf(x) = 0 sinon.
1. Dterminer la densit de la variable alatoire Y =ex
2. Calculer l'esprance de Y.
3. Dterminer la loi de probabilit de la variable Z = [X] o [X] dsigne la partie
entire de X. (On rappelle que [x] est le plus grand entier infrieur ou gal x).
4. On considre deux variables alatoires indpendantes X et Y de lois exponentielles de paramtres ,\ et ft respectivement. Calculer la probabilit de 1" vnement
[X,:; Y).
4.8
1
r= exp[
uv27r
(x - m )2
2u-"
}.
www.biblio-scientifique.net
nd'}.
4.5
153
m,_
et en dduire !"expression de
en fonction de a-.
lllh
2. On suppose m
dfinie par :
h(x)
= ax 2 .a
>O.
par : y = ax 2 ,x > 0.
3. En dduire, sans aucun calcul d'intgrale, la densit de probabilitfy{y) de Y.
4. Dterminer, sans aucun calcul d'intgrale, !"esprance mathmatique de Y.
4.9
Soit (X,Y) un couple alatoire uniforme sur le triangle T = ((x,y), x> O,y > 0,
x+ y< a)
1. Tracer le triangle T dans le plan xay et donner l'expression de la densit de probabilit conjointe de (X,Y).
= ,
= 0
1. Dterminer la constante
~
0
0
-..
si [x[+ [y[ ,; 1
ailleurs.
www.biblio-scientifique.net
154
o/1, .hA 1, A" sont des constantes positives, n un entier relatif fix et rjJ 1,rjJ 2 , B trois
V.A indpendantes deux deux et de mme loi uniforme sur [-a,a].
1. Calculer l'esprance mathmatique E[x,].
2. On choisit pour a la plus petite valeur pour laquelle E[x,]
= 0, 'ln. Dterminer
~ E[XnX1~,].
"
w = lz(x,y) = xy.
(1
+ x")(l +y").
www.biblio-scientifique.net
155
v
= h(x,y) =" =-.
x
xT
sont transpos et
la matrice d'autocorr-
= 2 et on appelle X et Y
= E(Y 2 ) = c? et on intro11
E(XY)
c
c
c
c
;3.
_,"
.QI
-Jr.:E'=(X~2c=)E~(o==Yo;=
2)
on doit trouver :
-d
c
c
c
7r
= - [- + Arc tg
2n 2
r;----or ].
v l - c2
www.biblio-scientifique.net
156
= max(X 1, ,X,.).
11
x"=
"
.z=uj
j=l
o les Uj sont des V.A relles, centres, indpendantes deux deux, et toutes de
mme variance c?-. Donner la structure de la matrice de covariance du vecteur alatoire x de composantes Xj, 1 ,:; j ,:; N.
ssi
AHMA>O.
www.biblio-scientifique.net
157
2. Montrer que pour toute matrice N ayant le mme nombre de lignes que M, on a
M > 0
implique M
+ N NH
> O.
3. On sait que toute matrice hermitienne d'ordre n s'crit d'une manire unique sous
la forme
"
M = LAkukut
k~l
o les ,\k sont les valeurs propres de Met les Uk !es vecteurs propres associs, supposs de norme l. Dmontrer que les ,\k sont rels et que deux vecteurs u, et Uj
associs deux valeurs distinctes A, et ,\ sont orthogonaux, i.e., U,H Uj
,\ =f
,v
=0
pour
4. Soient X un vecteur dont les composantes sont des variables alatoires dfinies
sur le mme espace probabilis et soit M sa matrice de covariance dfinie par
M = E[XXH]. Dmontrer que M est dfinie non ngative.
x=y+b,
y= LAjSj
j=l
"5.
'.
4. Dmontrer que
a} et indpendantes du vecteur b.
r y est de rang M.
rx
www.biblio-scientifique.net
158
6. Dmontrer qu'on peut trouver K vecteurs propres BI, ... ,BK de eN deux deux
orthogonaux et pour lesquels la fonctionnelle suivante s'annule:
M
= L vf' sj.
j=l
Les deux espaces vectoriels engendrs par S1 , ... ,SM et par B1 , ... ,BK sont appels respectivement espace signal et espace bruit et ils jouent un rle important en
analyse spectrale.
4.20 Suites de V.A
p=jn+o(-)
Il
o a(l/n) dsigne une quantit qui tend vers zro avec 1/n. Montrer que lorsque n
tend vers +oo, <l>x(u) tend vers la fonction caractristique d'une loi de Poisson
dont on prcisera Je paramtre.
SOLUTIONS
4.1
Dans le premier cas, le nombre de solutions est gal aux nombre de faons diffrentes
de tirer p variables xi parmi les 11. Il suffit ensuite d'attribuer la valeur 1 aux variables slectionnes et la valeur 0 celles non choisies pour obtenir une solution. Le nombre de solutions est donc gal C~'. Si p > n il n'y a pas de solution. Dans le second cas, le nombre de
solutions est gal aux nombre de faons diffrentes de tirer p variables xi parmi les n mais
cette fois-ci le tirage se fait avec remise. Ainsi, une mme variable peut tre tire k fois avec
0 :::; k :::; p. Il suffit d' attibuer ensuite la valeur k la variable qui a t tire k fois pour obtenir une solution. Le nombre de solutions est donc gal au nombre de combinaisons avec
rptitions den objets pris p p.
www.biblio-scientifique.net
159
4.4 La dtermination de la fonction de rpartition se fait en distinguant les trois cas suivants :
1. y< 0:
Fr
= P[Y
~y]= P[X
+ c ~y]=
=0
2.y = 0:
Fy = P[Y
0] = P[X
-c]
+ P[-c ~X~ c]
= 0+ Fx [c]- Fx [-c] = 1.
3. y > 0: on a Fy(y) = 1.
La V.A Y ainsi construite est donc le nombre certain O.
4.5 1. On a
00
L p,(l- s)'
k=O
=L
f(nk)p,
D'ofo
E[N]
00
J, =
k=O
~ p,(l = L..,
<~u
s)
= e-m
[[m(l- s)]
0!
+ [m(l- s)] + .. ]
1!
fp
(-l)P+lgp+l(O)
(-l)p+t (-m)p+l
= mp+!.
0
'Q_
4.6
.,
o:-
a
a loo du
a1r
.,dx = - - = - = 1.
+xa _ 00 1 + u-1
a
www.biblio-scientifique.net
160
3.11 est clair que l'intgrale suivante diverge pour tout entier positif 11:
4.7
e-'\.'dx.
k-1
4. Comme les V.A sont indpendantes, la densit de la somme W = X+ Y est gale au produit de convolution des densits de X et Y. Soit :
Comme X et Y sont indpendantes la loi conjointe est gale au produit des densits de X et
Y et on obtient :
Prob[X,;; Y]=
001Y
1
{
4.8
fx(x)f,-(y)dxdy.
1. On a:
www.biblio-scientifique.net
161
11l2k =
2kfd
oo
~oo
.
,
1
r2
e 11111 _t"--exp{--~-~Jldx
l
= --
a .J2i;-
_a-
100 e ,"exp!---,)--.
.
y
dy
1
0'~ n
2aa- 2JOY
pour
y> O.
c?.
4.9 1. C'est le triangle rectangle dont les cts sont ports par les axes de coordonnes.
La densit conjointe est gale une constante o: surT et cette constante est gale l'inverse
de la surface de T, soit ct= 2fa 2 .
2. L'intgrale de la densit conjointefrv(x,y) par rapport x (resp. y) est gale /y(x)
(resp.f,.(y)). D'o:
J:y(x) =
a-x
-,dy=
a-
2(a- x)
,
a-
pour
0< x < a
et
sinon.
~
.,
:~"
i=
fy fr.
4.10 1. Le domaine est le carr dont les sommets ont pour coordonnes (0, 1) et( 1,0).
La constante et est gale 1' inverse de la surface de ce carr, soit O' = 1/2.
"
1-lxl dv
)x)~\
-:;"' = 1 -lxi
pour
-l<x<l
et
sinon.
www.biblio-scientifique.net
162
i=
fx fr.
"
1
dy
1
--';- = -
a-
0< x < a
pour
et
sinon.
fx fy.
fonction indicatrice de l'interva11e [O,a] par elle-mme est la fonction triangle symtrique de support [-a,a] et qui admet (O,a) comme sommet. On peut retrouver ce rsul--tat_en _dterminant directement Ja.fonction.. de .rpartition -de- Z.
4.11 1. On peut mettre x11 sous la forme :
x" = a 1 (n)X,
+ a2(n)X2 + B
+ a 2 (n)E[X2 j + E[B]
La plus petite valeur strictement positive de a estl/2. Pour cette valeur, on a E[x11 ] = 0 pour
toutes les valeurs de 1z. Comme les trois V.A sont indpendantes et centres, dans le dveloppement de E[x 11 X,~1 ] il ne restera que trois termes. On obtient:
4.12 1. Fw(w)
= P{(.t,y)/{.t- y{ ,; w{ =
=1
pour
1<
pour
w < 0
111.
www.biblio-scientifique.net
163
4.13
Fw(w) = P{(x,y)jxy
w)
w
x
1:-oo L:
fyy(x,y)dxdy
1: L:'
fxy(x,y)dxdy.
1
!
1
w
fw(w) = - x~-oo -;fxy(x,-;)dx
00
1"'
1
w
x~o -;hv(x,-;)dx
-.fxr(x,wjx)dx.
-oo lxi
L: L:
.fxv(x,y)dxdy = 1
1=
-oo
00
1
--.,dx
1 +x-
-oc
1
--.,dy.
1 + y-
!y
1
1
---,du
--,dv
-oo 1 + u_ 00 1 + v-
1
1
P=
1
1
---.,du
--,.,dv.
o 1 + uo 1 + v-
Fz(Z) = P{(x,y)/- ~ z}
x
= P{(x,y)jx < 0 et
=
1x~-oo 100
0
''
y~
zxj
+ P{(x,y)jx
100 !''
.fxr(x,y)dxdy + x~o
-oo
www.biblio-scientifique.net
> 0 et y~ zx]
.fxy(x,y)dxdy.
164
100
()
xlH(x,zx)dx
+ 100 xfxr(x,n)dx
.\=-oo
x=O
Jxl.fxr(x,zx)dx.
~oo
4.15 1. On a E(XY)
f=cr'(l
c
c)
1
et
r'
1
( 1
u 2 (1 - c 2 )
-c
-c)
1
............................................. .fCr,y) =
1
_!Q(r v)
1rcrJ - c 2 e 2 :
2
1
..
"
' 2cxy .
Q(x,yL=x' +Y-
ayec
l, N1,00
o
f(x,y)dxdy
, 1,00
27rcrJI=C2 o
1"1'
t-'O;i"""'
2<T'O ,.,, pdpdB
Utilisant les rsultats c1assiqucs, on intgre par rapport p ensuite par rapport fJ, et on
obtient 1 expression de p.
www.biblio-scientifique.net
165
4.16 1. On a
Fr(y) = Prob(XJ ~y ou X2 ~y ou ... ou Xn ~y)
Fz(:) = Prob(X 1
,:;
:et. .. et X, ,:; y)
[Fx, (:)]".
Xp
IJ
inf(p.q)
"Y(p,q) = LLEIU;Uj] =
i=l j=l
I:
CT
= inf(p,q)cr.
i=l
1
1 2
f=cr
4.18 1.0na
C et donc on a
AliMA>O.
2. On a
K
80
Comme M > 0, on a Uji MUj > 0 et donc les \ sont des rels positifs. On a:
ii.
-d
Ufl MUi
Ufl (,\Ui)
= >.pf' Ui
et
www.biblio-scientifique.net
166
puisque H est hermitienne. D'o (,Uj' U,)H = jU,H Uj. Comme les ; sont relles, on
obtient [Uj' UdH (, - ,\)
= 0 et donc
Uj'
u, = 0 si k of=
j.
4. On a (V,\ E IC) :
H M = ,\H E[XXH]H = E[(XH )H ((XH )]= E[IZ1 2] ) O.
puisque
www.biblio-scientifique.net
Chapitre 5
5.1
REPRSENTATION TEMPORELLE
5.1.1
=" x(w,k).
P[Xk 1 ~
XJ, .
www.biblio-scientifique.net
11
"
dimensions x =
,Xk, ~ Xn].
(5.1)
168
sa fonction de rpartition. Si, quels que soient le nombre 11 et les instants k1, ... ,k,,
la fonction de rpartition F., du vecteur X est connue, on dira que la suite alatoire
est dfinie par sa loi temporelle. Comme cette dfinition est diftcile utiliser dans
la pratique, on se limite souvent Il ~ 2. On admet donc que la loi temporelle du
signal est pratiquement connue si 1' on se donne les les fonctions F., pour 11 = 1 et
11 = 2. Cela revient se donner les lois de probabilit de chaque Xk et les lois des
couples [xk, ,xk,] pour tous les entiers k 1 el k2. Une suite de V.A Xk indpendantes
et de mme loi (ii d)) est appele bruit blanc temps discret. Comme on le verra
plus loin, les bruits blancs jouent un rle fondamental dans les applications.
deux variables t et w telle que, pour chaque valeur de t fixe, x(w,t) est une V.A.
Si le signal prend ses valeurs dans l'ensemble des nombres complexes IC, pour
chaque valeur de t txe x(w,f) est une Y.A complexe. Si le signal prend ses valeurs
dans ffi:." ou IC", on dit que le signal est vectoriel et pour chaque t fixe x(w,t) est un
vecteur alatoire 11 composantes qui sont des V.A relles ou complexes selon le
cas considr. Si l'intervalle de variation de t est un sousensemble de ffi:.", on dit
que le signal est multidimensionnel. Par exemple une image est un signal bidimensionnel (11 = 2) et une image en mouvement est un signal tridimensionnel (Il = 3).
Dans la suite, si aucune indication n'est donne, les fonctions alatoires seront
valeurs dans ffi:. et t reprsentera une variable relle. Souvent on fait apparatre la
seule variable dterministe t en adoptant la notation simplifie :
x(f)
,;
= x(w,t).
Pour une valeur fixe du paramtre w on obtient une fonction classique de la seule
variable dterministe t appele trajectoire ou ralisation du signal alatoire. Le
rsultat de l'preuve qui permet de mesurer une variable alatoire est un nombre
alors que celui de l'preuve qui pem1et de mesurer une fonction alatoire est une
fonction classique dite fonction dterministe >>par opposition fonction alatoire.
La figure 5.1 donne l'exemple d'un signal gal la somme de deux sinusodes. Les
2 figures de gauche donnent deux ralisations de ce mme signal et elles sont donc
identiques. Les 2 ligures de droite donnent deux ralisations de ce signal affect par
www.biblio-scientifique.net
5.1
Reprsentation temporelle
169
un bruit dont l'effet change d'une ralisation l'autre. Dans ce dernier cas, on a un
signal alatoire. Pour un tel signal, les trajectoires sont en gnral toutes diffrentes
mais elles ont des proprits statistiquement semblables.
Signal non brull
Signal bruil
i'
200
400
temps (ens)
600
"'111
~ 2
'
0
Figure 5.1
200
400
temps (ens)
600
600
VMMf,
.~
2
3
,00
200
temps (ens)
200
100
temps (ens)
600
:~~~~~~~
~:,Jtl
li0.
ir!
::. ;';..
li~
~ ...
~
37.
i. ri"r
>?
~d ~i~ ;x:
Hi.' "" 00'
. k
'
'"
" ,;
..
:. "'
"
' ::.
iii
www.biblio-scientifique.net
170
Pour 11 = 2, la fonction de rpartition de [x(lt),x(t2ll dpend de ft et de t2 et permet d'tudier les proprits du couple de V.A [x(tt),x(12)]. Elle permet, en particulier, d'tudier la corrlation entre deux valeurs prises par le signal aux instants t1 et
t2 Si l'on s'intresse au lien entre les valeurs du signal aux instants ft, ... ,t,, il faudra considrer la fonction de rpartition du vecteur [x(tt), ... ,x(t,)f.
Lorsque la loi temporelle est utilise dans la pratique, on se limite trs souvent
11 ,;; 2. Mme dans ce cas, on conoit qu'une telle dfinition reste encore peu pratique et on se contente souvent de dfinitions moins compltes, mais plus simples
utiliser. On dfinit alors un signal alatoire l'aide d'un modle de la manire suivante.
R,(t)
Apgp(t)
p=n+I
vrifie
00
E[R,(t) 2 ] < M 2 {
E[A~]) <
00.
p=n+I
www.biblio-scientifique.net
5.1
Reprsentation temporelle
171
=Il
(5.4)
Ce moment est une fonction dterministe des variables 11 , ,1,. Des difficults
d'ordre thorique et calculatoire imposent souvent aux traiteurs de signaux de se
limiter aux informations contenues dans les moments d'ordre 1 et 2 seulement. On
va donc se limiter dans la suite prsenter les dfinitions et les proprits des
moments pour n = 1 et 11 = 2.
+ (3y,] =
aE[x,]
+ (3E[yn].
(5.5)
Une suite alatoitre x, est dite centre si la suite dterministe m, est identiquement nulle. Nous savons que le coefficient de corrlation de deux variables alatoires X et Y permet de se faire une ide de la dpendance statistique entre ces deux
variables. Pour une suite alatoire x,, on introduit la suite double dterministe dfime par:
lm.n
n.
=Il
(5.6)
m(l) = E[x(l)]
www.biblio-scientifique.net
(5.7)
172
est appele indiffremment covariance ou fonction de corrlation ou fonction d'autocorrlation de x(l). La dtnition de /(lt J2l est donne parfois sans les termes
m(lt) et 111(12) mme si la fonction x(l) n'est pas centre. Dans le cas o le signal
est valeurs complexes, on pose :
(5.9)
o mx et my dsignent les esprances des deux signaux.
qui s'obtient en dveloppant le premier membre et en utilisant la linarit de l'esprance. Cette galit montre que plus 1Ct1 J2l est petit plus E(lx(lt) - x(t2 )1 2] est
grand et donc moins x(t 1 ) et x(/ 2 ) se <<ressemblent. La covariance 1(11 ,12 ) peut
donc tre utilise pour mesurer la ressemblance entre les valeurs du signal aux
instants 11 et 12 Les exemples suivants donnent deux signaux particuliers qui schmatisent la proprit qu'a la fonction de corrlation de mesurer le << lien statistique >>
pouvant exister entre les valeurs d'un signal deux instants 1 et 1 - 7.
www.biblio-scientifique.net
5.1
Reprsentation temporelle
173
~
~
alors les trois nombres p(t2,t3), p(13.ti ), p(ti ,12) sont les cosinus des angles au sommet d'un tridre et ceci pour 11 .t2. !3 quelconques.
On peut aussi tablir directement partir des dfinitions les proprits suivantes.
-'6.
www.biblio-scientifique.net
174
.
ou' l' on adopte 1a conventiOn'"
=t. 1,.
5.2
Les signaux que l'on rencontrent dans les applications de l'ingnieur peuvent tre
reprsents par des signaux alatoires vrifiant des proprits plus ou moins difficiles
aaecrired'uiiemaiirealfoiscomplte~rigoureuseersanstropctecomplexit
mathmatique. Dans la pratique, on introduit des hypothses qui permettent de dfinir des classes de signaux conduisant ainsi 1' laboration de modles mathmatiques
valables pour les signaux d'une mme classe. On dfinit ainsi plusieurs classes, par
exemple les signaux harmonisables, les signaux stationnaires, les processus de
Poisson, les signaux Gaussiens, les bruits blancs, etc. Pour une tude dtaille de ces
diffrentes classes on peut se reporter aux rfrences [2] [13]. Dans cette section, on
se limite donner les dfinitions des processus utiles en traitement du signal. Les
rsultats de cette section sont prsents dans le cas des signaux temps continu et se
transposent de faon immdiate au cas des signaux temps discret.
5.2.1
Stationnarit stricte Un signal alatoire est dit stationnaire au sens strict si toutes
www.biblio-scientifique.net
5.2
175
L'application de l'ingalit de Schwarz montre que cette condition entrane l' existence de m(t) et de 1U1 ,fz) dfinis par (5.7) et (5.8). Les fonctions alatoires du second ordre jouent un rle important dans la pratique et leurs proprits dcoulent de
celles des formes bilinaires dlnies non ngatives.
Stationnarit au sens large Un signal x(t) est dit stationnaire au sens large s'il est
du second ordre et s'il vrifie en plus les deux proprits suivantes.
E[x(t)] =constant
E[x(ti)x*(t2)] = f'x(T),
T= I I -
lz.
Cela quivaut dire que E[x(t)] est indpendant de t et que le moment d'ordre 2,
que l'on note m2,x(T) ou 1x(r), ne dpend que de la seule variable r= t1- lz.
'
l< ( T)
r)I-J
= 21,(0)[l- --].
. . 1xCOJ
Cette galit montre que plus 1x (r) est petit plus la valeur moyenne de
lx(t)- x(t- r)l est grande et donc moins x(t) et x(t- r) se ressemblent.
En gnral, pour les signaux du second ordre, 1x vrifie la condition :
lim 1x(T)
r~oo
=0
qui signifie que plus Test grand, plus les V.A x(t) et x(t- r) sont dcorrls. En
plus de ce rsultat qui permet d'interprter 1x(r) comme une fonction qui mesure
le lien statistique entre les valeurs de x(t) aux instants tet t-T, la fonction de corrlation vrifie les proprits suivantes.
www.biblio-scientifique.net
176
On dira qu'un signal certain est stationnaire s'il peut se mettre sous la forme :
x (Il=
L Akej(2rrJ,r+<!>d
kEZ
avec (<Pk>.fk) E IR2 etAk E IR+. Cette notion de stationnarit qui dpasse le cadre de
ce chapitre correspond naturellement celles de rgime tabli et de stabilit temporelle dans les systmes physiques.
cos(o:l + </Jl
et sin(a:l +<Pl
- cos(o:rl
2
1 .
et - sm(o:rl.
2
Le signal alatoire :
a: E IR
dfini partir des deux variables alatoires A et B, centres, orthogonales et vriJiant E[A 2] = E[B 2] = 1 correspond un cas particulier de (5.31 o les fonctions
g, sont des cosinus et des sinus. Les trajectoires de x(tl sont des sinusodes de
priode 2n/a:. La covariance de x (tl est donne par:
'Yx Ct1 .t2l ~ E[(A cos o:/1 + B sin a:tJ) (A cos a:lz + B sin o:t2ll
= E[A 2 ] cos a:t 1 cos a:/2 + E[B 2 ] sin a:t 1sin o12
+ E[AB] sin a(IJ + 12) = cos a:(lt - 12).
Comme E[x(t)] = 0, le signal x(t) est stationnaire au sens large.
L""
Akn(
t - kT
T l
k=-00
o les Ak forment une suite de V. A binaires, centres et de mme variance a", indpendantes et pouvant prendre chacune les valeurs relles xo ou XJ.
www.biblio-scientifique.net
177
/'_,,(t,T)
= 0, Vk =f
1 etAk
p, on a
t
pT
1- T - pT
.
f1(-='T'---)f1(
T
)e;2rrfnr
00
/',(1,1- T)
00
L L
n=-ooi=-oo
00
l'x(l,t- T) =
t.
est uni-
n=-oo
a" {T
=-Jo
T
oo
h(t-kT-E)h(t-T-kT-c)dE
i=-oo
= a-L ir-kT
0
=r?
-
50
EL
h(u)h(u- T)du
r-kT-T
r?
-h(u)
*h(-u)[T].
T
Soit Uj, j E Z une suite de VA relles, centres, deux deux orthogonales et toutes
de mme variance r?. Considrons les signaux alatoires temps discret dfinis
-E. par:
k
xk
= .L:uj,k >o.
j~l
Yk
=L
Uk-j
et
Zk
j=l
www.biblio-scientifique.net
= Yk- Yk-1
178
Le signal Xk. appel promenade alatoire est centr, sa fonction de corrlation est
donne par:
lx(k,h)
= E(xkxh) = fr7 2
avec
e = inf(k,lz)
1
N2
N-1
<7-lik-h-i+j
i,j=D
+ 1 = N- (k- lz)
j.oiirN->Jk=lii et/y(k,h)
= (N-~,-hll
naire.
= 2/v(ll)
+ lv(ll
. +
1)
+ lv(ll1)
-
(5.12)
La fonction rx(v) est appele densit spectrale de puissance (DSP) du signal x(t)
et on a:
suivant que le signal est temps continu ou temps discret. Les expressions de la
puissance Px = lx (0) sont :
Px =
i:
1/2
rx(v)dv
ou P., =
rx(v)dv.
(5.13)
-1/2
vent conduit chercher une<< estimation>> de la densit spectrale d'un signal partir de la connaissance d'un nombre d'chantillons fini : Xk = x(kT,),k = 0,
... ,N- 1. Comme les coefficients de corrlation ln sont souvent difficiles dter-
www.biblio-scientifique.net
179
(5.14)
11=0
On va dmontrer plus loin que P(v) donne une bonne approximation de la densit
spectrale du signal x 11 suppos stationnaire. On introduit souvent une fentre de
pondration WN(n), i.e., au lieu de traiter le signal x,, on traite le signal pondr
y, ~ WN(n)x,. De plus, afin de diminuer la variance du priodogramme, on introduit souvent un priodogramme moyenn P gal la moyenne arithmtique de plusieurs priodogrammes.
+ B'i5(v- _(Il.
?
Ce n'est donc pas un signal stationnaire. En fait, dans la pratique on ne dispose que
de N chantillons Sk = s(kT,), k = 0, ... ,N- 1 d'une seule ralisation sur
[- T /2, T /2]. Ces chantillons doivent nous fournir une estimation de la DSP en
prenant par exemple comme estimateur le priodogramme :
l
l N-1
.,
T'l'=
'
'
IPr(v)l = -1 '""'
Ls,e-J-mm
-ITFD[(xk)](v)l-.
N n=D
N
a.
"
80
15
-a
Les figures 5.2 donnent, de gauche droite respectivement, la partie relle d'une
ralisation de sr(/), la DSP thorique de sr(t) et l'estimation de cette DSP l'aide
d'un priodogramme moyenn, i.e., la moyenne de plusieurs (ici 10) priodogrammes.
www.biblio-scientifique.net
180
DSP thorique
Partie n'!OIIe
B
Prlodogramme
'"
90
'6
BD
,.
70
'2
60
'"
50
40
30
20
'"
lA
"'
"'
0.5
0rJ
0.5
Une reprsentation approximative [18] d'un signal gaussien peut tre obtenue par
Je modle:
00
x(t) =
tpll)
(5.15)
11=0
o les 'Pil sont des phases alatoires indpendantes et uniformment distribues sur
[0,27r],f,, = n/T, ail= 2.Jx(f;,)T et x la densit spectrale du signal.
Comme un bruit blanc est une suite de variables alatoires indpendantes et de
mme variance, pour gnrer un tel bruit il suffit de construire une suite: !IJ ,t12, ...
www.biblio-scientifique.net
5.2
181
de ralisations d'une mme VA uniformment rpartie sur [0, ![,Il existe des logiciels qui permettent de gnrer sur un ordinateur une telle suite, partir de ces
chantillons, on peut gnrer un chantillon xk approximant un bruit blanc gaussien
comme suit.
Xk=,
Xk=Xk+llk,
k=!,2,,,,
5.2.3
p, = u)-!n(l-uk),
Xk
k = 1,2, ...
Processus de Poisson
Un vnement Ek a une probabilit trs faible ctdt de se produire une fois dans
un intervalle de temps trs petit de dure dt. Cependant, dans un intervalle de temps
www.biblio-scientifique.net
182
11ni de dure t il y a une probabilit 11nie ote-"' que Ek se produise une fois.
L'accroissement de x(l) dans un intervalle de temps [ln ,ln+ T] de dure Test gal
au nombre k d'vnements qui se sont produits dans cet intervalle indpendamment
des valeurs de x(t) pour t extrieur [lo.lo + T]. Si l'on connat x(t0 ), la valeur
x (ln+ T) est alatoire et ne dpend que de x(lo) et de la loi de probabilit de l'accroissement .6-;;;+Tx de x(t). Ainsi un processus de Poisson est markovien. Un processus ponctuel x(t) possdant une distribution de Poisson peut tre reprsent par
une suite d'impulsions de Dirac de poids Ok places en des instants alatoires tk.
Soit:
00
x(t)
=L
(5.17)
nkJ(t- tk).
k~O
'
soit
www.biblio-scientifique.net
5.2
183
D'o
{,
On trouve donc :
= nt1 avec /1 < 12 et le coefficient de corrlation entre x(IJ) et x(/2) a pour
'!U2.I1)
expressiOn :
v. '
avec
t2 -
tt >
O.
l]
1et 1.
'
...
P{N(t) =11) = -e-
u!
c
0
0
(5.20)
Cette probabilit dpend de la longueur de l'intervalle Tmais non de son origine 10 ; elle
est stochastiquement indpendante de la valeur initiale x(lo). Si l'on cannait x(lo). la
valeur de x(l) l'instant ultrieur 11 dpend du nombre 11 de sauts subis par x(l) entre
10 et 1 1 La fonction alatoire x(l) se rencontre frquemment dans les applications.
On peut l'attacher un phnomne donn qui tantt se manifeste (x (1) = 1), tantt
s'arrte (x(l) = 0), ces changements ayant lieu des dates alatoires. Calculons la
fonction de corrlation :
'!U.t
+ T)
= E[x(t)x(l
+ T)].
Comme pour 1 et T txs, la VA x(l)x(l + T) peut prendre l'une parmi les deux
valeurs 0 et 1,{(1,1 + T) est gale la probabilit pour que x(l)x(t + T) prenne la
valeur 1. Ceci quivaut la ralisation simultane de l'vnement x(l) = 1 et
www.biblio-scientifique.net
184
x(l + T) = Li.e., x(l) = l et la variation elu nombre de sauts entre les instants 1 et
P[N(t) =pair}=
L
p=O
...2p
1
-'-e-' = -(1 + e- 2').
(2p) 1
2
'1-1
-e--'.
4
www.biblio-scientifique.net
5.2
185
Il existe plusieurs autres notions de bruits blancs qui ne seront pas considres
ici. La dfinition d'un bruit blanc au sens large nonce dans le cas continu s'tend
immdiatement au cas discret en remplantla distribution de Dirac par le symbole
de Kronecker.
blanche, centre, d'cart type CJ 2 ; ces composantes tant indpendantes entre elles
et de cjJ.
l. Comme la fonction d'autocorrlation de b(t) est gale au produit scalaire des
vecteurs b(l) et b(t- T), on peut conclure que l'angle form par ces derniers
est indpendant de l'origine des temps r et il est gal 7r /2.
2. On pose y(t) = x(l) + b(t) et (t) = x(t )b(t). Comme x (1) et b(t) sont indpendants et que b(t) est centr. les fonctions de conlation de y(t) et :(1) sont
donnes par :
On voit ainsi que l'altration d'un signal par un bruit multiplicatif conduit un
nouveau signal qui est lui mme un bruit blanc. Ceci complique les traitements
en prsence d'un bruit multiplicatif.
La ligure (5.3) donne des ralisations d'un bruit blanc gaussien et un bruit blanc uniformment rparti.
Bruit blanc gaussien
3L.._~~-;:;;;---;;;;;;--=,--;;;;!
50
100
200
300
Figure 5.3
,100
500
www.biblio-scientifique.net
186
l. la convergence en loi
2. la convergence en probabilit
3. la convergence en moyene quadratique
4. la convergence presque srement ou avec une probabilit 1.
Les notions de continuit et de drivabilit d'un signal dpendent du type de
convergence que l'on considre. Nous rappelons ici quelques rsultats lmentaires
relatifs ces notions et pour plus de dtails, on peut se reporter aux rfrences [1]
[5].
www.biblio-scientifique.net
5.2
187
Par dtnition, un signal ergodique au sens large est donc forcment stationnaire
au sens large.
Comme les moments temporels sont gaux aux moments stattsttques de mme
ordre, le signal x(t) est ergodique au sens large. Ce signal est donc stationnaire au
sens large.
www.biblio-scientifique.net
188
et
N
"
mdTJ, ... ,TJc. t) =
"'TI
.
hm
-1 ~
x(t- T;,wnl
N-r::;;; N n=l i=l
(5.25)
Signalons que cette dfinition est difficile mettre en application et dans les problmes pratiques on se limite la notion d'ergodicit au sens large qui correspond
au cas particulier de la dfinition gnrale obtenu pour 11 = 1, T 1 = 0, f(x) =x
puis 11 = 2, T 1 = 0, T2 = T,f(x,y) =x y*.
(5.28)
P[x(tn)~.tniX(tn-J)].
www.biblio-scientifique.net
5.2
189
i (1)
v(li)dli.
ro
Pour connatre i (1). il suftt clone de connatre i (10 ) et v(ll) pour toclict. La connaissance de iU-t) un instant t-l antrieur 10 n'apporte aucune infonnation de plus
lorsque i (to) est connu. Ainsi le signal dtenniniste i (1) est markovien.
Considrons un circuit RLC aux bornes duquel on a une tension instantane v(t).
La charge instantane q (t) du condensateur vrifie !"quation diffrentielle suivanle :
d 2 q(t)
L--,-
dt-
dq(l)
+ R dt
- - +- =
c
v(t).
(5.29)
(5.30)
5. qui reprsente une fontion de la variable x 1 dans laquelle x 2 est un paramtre fix.
8
2
0
-&
www.biblio-scientifique.net
190
Comme dans le cas continu, pour une chane de Markov, si le prsent est connu,
le pass et le futur sont indpendants.
5.3
REPRSENTATION SPECTRALE
i:
Un signal alatoire x(t) est dit harmonisable s'il peut tre crit sous la forme:
x (t) =
ei "'" d X (u)
+l/2
x (11) =
e.ihun d X (u)
-!/2
o d X (u) reprsente l'accroissement d'une mesure X (11) appele distribution spectrale du signal alatoire. Les intgrales ci-dessus sont des intgrales alatoires au
sens de Riemann-Stieltjes dfinies comme limites en m.q, [4]. Dans toute la suite,
nous considrons seulement le cas continue, le cas discret s'en dduit en remplaant
t par 11 et oo par 1/2 dans les intgrales. Dire qu'un signal est harmonisable signifie que ce signal admet une dcomposition sur les signaux dterministes eF2;; 1111 , les
coefficients de la dcomposition tant des V.A. Cette dcomposition existe si l'on
peut passer de x(t) X(v).
Exemple 5.3.1 Signal ayant zm Dirac CO/Ill/le mesure spectrale
Le signal
www.biblio-scientifique.net
5.3
Reprsentation spectrale
191
'~'h(T-I)x(t)dt
= (
}TF.
h(t)e-j2w' dt.
On suppose dans la suite les signaux centrs ce qui n'est pas une restriction si
l'on s'intresse aux signaux vritant: IE[x(l)]l <co. En effet, il suftt d'tudier le
signal x(f)- E[x(I)J. Pour des raisons pratiques, on doit imposer (Hypothse Hl)
aux signaux que l'on veut dcomposer d'tre tels que l'intgrale:
(5.32)
soit convergente en m.q et ceci pour toute fonction G(u) valeurs relles ou complexes vriliant 1G (u) 1 '( 1 . Moyennant des conditions qui permettent d'intervertir
l'ordre des intgrales, on peut dire que Ia(l) est la transforme de x(t) dans un
filtre de gain G(u). Imposer la condition IG(v)l '( 1 quivaut interdire tout phnomne d'amplitcation sur une frquence quelconque. Cela revient dire aussi que
E. le dispositif physique qui ralise le f!tre est un dispositif passif qui ne contient
~ aucune source d'nergie interne. Un tel filtre agit en cran color travers lequel on
{ observe des radiations qui sont plus ou moins absorbes par le filtre et dont l'intensit ne peut jamais dpasser celle de la radiation de dpart. Le lemme de Love [2]
donne une condition suffisante sur X(u) qui assure l'existence de JG(t) quel que
soit 1.
www.biblio-scientifique.net
192
Hypothse d'harmonisabilit (Hl): Un signal vrite l'hypothse 7-12 si sa covariance peut se mettre sous la forme (5.36) o les accroissements dJI._,(u 1,1;2 ) satisfont la condition (5.35).
L'hypothse 7-12 porte uniquement sur la covariance /', (11 .t2) et ne ncessite
aucune hypothse sur la stationnarit de x(t). Elle implique que -rxCtih) est uniformment bome et qu'elle est continue dans tout le plan 11 x 12 . Ceci implique
que Je signal x(l) est continu en m.q.
www.biblio-scientifique.net
5.3
Reprsentation spectrale
193
Si .r 1 (1) ct x 2 (t) sont deux signaux vrifiant J'hypothse 7-12, on peut dduire
partir de l'ingalit de Schwarz que la fonction d'intereorrlation dfinie par (5.9)
peut s'crire sous la forme:
,. _ ... (fi h)
1.\j.\J_
'
dfl,,_,,
. . (IJi
'.tj.t}.
-ex:;
r,,,,
telle que
df,,,_,,
'
IJx)
-
(5.38)
-X
r_,,,,
p._,,_,,
appele distri-
alors la fonction r,,_, 2 est la TF de'!'.,_,,. On doit souvent calculer la fonction 'i_,.,,.,
OLI y 1(1), y 2 (1) sont les sorties de deux fltres attaqus par des signaux x,(t) et
x 2 (!). Ceci peut se faire l'aide de la formule suivante.
Formule des interfrences Soient y 1(tl et )'2(1) les sorties des filtres F, et F2 de
gains H 1 (u) et H 2(u) associes aux entres x 1 (t) et x2 (1). Si x 1 (1) et x2 (1) sont
harmonisables et si .\'1 (1) et }'2(1) existent, alors on a :
(5.40)
'5.
3
0
-6.
"
(5.41)
www.biblio-scientifique.net
194
et pour tout 11 tni, la matrice carre dont les lments sont d f"x (u;, 11i), 1s;i, .i s;n est
dfinie non ngative.
On voit galement d'aprs (5,40) que si F1 el F2 sont deux tltres passe-bande de
largeurs de bande t.u 1 et t.u2 , alors on a
Par abus de notation, dans toute la suite, on dsigne par lx deux fonctions diffrentes qui prennent les mmes valeurs: l'une /".,(1 1.1 1 - T) tant une fonction de
deux variables el l'autre 'f.,.(T) une fonction d'une seule variable. S'il est ncessaire
de faire la distinction entre ces deux fonctions, on prcisera les variables.
www.biblio-scientifique.net
5.3
195
Reprsentation spectrale
Formule des interfrences Soient YI (t) et y 2 (t) les sorties des filtres F 1 et F2 de
gains H 1(1!) et H 2 (IJ) associes aux entres x 1(t) eLr 2 (1). Si x 1(1) et.t 1 (1) sont stationnaires au sens large dans leur ensemble et si y 1 (1) et Y2(1) existent. alors on a:
= [lzJ(Ihlz;(-l)*/.,,x 2(1)](T)
'(,. 1y 2 (T)
rx .r
et si ln densit interspectrale
1 2
(5.42)
existe, on a:
(5.43)
En effet, on a
1,.,,., U1 .t2l =
=
[L:
x1
L: L:
L:
x5 U2 - 01)*
1z; (ll2)dll2 J
L: L:"
1 (8J)h2(02l*ix,
,,(T-el
+ (}2)dlll dOl.
Prenant les transformes de Fourier inverses des deux membres, on obtient ix' (T)
-~:'(T).
Filtrage des signaux vectoriels Le tltrage linaire d'un signal plusieurs composantes est dfini dans le domaine frquentiel par la relation :
dy(IJ)
= G(11)dx(1J)
www.biblio-scientifique.net
(5.44)
196
o G(l/) n'est plus un gain complexe scalaire mais une matrice dont les lments
sont des fonctions scalaires. Dans le cas stationnaire. on a
(5.45)
et h1
= h2.
on obtient ."1
= Y2 ~y
et
(5.47)
r,(u)du, on a:
(5.48)
Si x(t) est un bruit blanc. stationnaire au sens large. i.e., sa densit spectrale rx(l;)
est gale une constante cr~, on obtient:
r,.(uJ
= IH(uJI cr~.
.
2
(5.49)
r,.
H(u) d'un llltre de sorte que r,.(u) vrifie (5.49). Tl est clair que cette relation ne
permet pas de determiner la phase du filtre et donc, lorsqu'il existe. cc filtTe n'est
pas unique.
~r~positif?n.,[Z,fl7l La . ~a~toritibil sp~;t~I~ cJ'un. ~p.e'c,rref:,,(~~) .est possible ssi
e spCtre yrifieTingalit suiydnte.(egndi1iop de:Pijley-Wieller):
.. ..
.
Blanchir un signal x(l) signifie rechercher le tltre linaire qui associe ce signal
une sortie qui est un bruit blanc. L'existence de ce 11ltre dpend de ce que l'on
www.biblio-scientifique.net
5.3
197
Reprsentation spectrale
entend par bruit blanc. Classiquement, le problme est trait dans le cas o le bruit
blanc est un signal stationnaire au sens large ayant une densit spectrale constante
(bruit blanc au sens des statistiques d'ordre deux). Se plaant dans ce cadre et tenant
compte de (5.48), on doit dterminer la fonction H (li) telle que
<T~
r,.(li)\H(u)\ 2 .
(5.50)
B,q =
, /""' \G(uJI-du.
'
2\G(O)\-,
-oc
On a toujours intrt avoir B,q aussi petit que possible pour limiter les effets du
bruit dans la bande dutltre. On admettra que le lltre qui minimise B,q est celui qui
maximise le rapport signal bruit en sortie.
y(t)
Yi(t)
Filtre idal
Figure 5'.4
n..
00
Nous allons revenir sur le priodogramme P(u) dfini par (5.15). Comme, il est
possible d'introduire plusieurs estimateurs ditfrents pour un mme paramtre,
nous commenons par dfinir les qualits qui permettent de comparer cie tels es timateurs.
'
11 ,p~fiijiti95
s:o(t Y:tn~ gr?n~euJ' ~er'tan~ ~ ra!oife ~t ~~ . g{YJ>,
9 .li: et
.une .fm~ctioh atetril.iil!st La VA" ainsi Cifi~ :st appele,vestimat~ux; ci!". Yi
8.;:_, c~.ns.tniit~ itar!titlq~sn~'shpn\)J\()1)~ 'Y1,~- ;:. ,y,,:
www.biblio-scientifique.net
198
' ln
= ' l-n = E(
' Xm-,.m+n ) et
;:;(I/)
1
= '\"
L....t
2"1Jk.
'!'k"-.i
<-
k=-oo
On admet que le signal est ergodique et on introduit l'un des deux estimateurs suivants pour les coefficients ~~~ :
N-1-n
.-.N
~r'n
= --N
1.'- 11
""'
L....t
0'!
XmXm-l-11
m=O
1
N
-11
Pour estimer la densit spectrale de x,, on peut prendre la T.F d'un estimateur de la
fonction de corrlation de x,. Mais cela peut conduire une fonction pouvant
prendre des valeurs ngatives et ceci n'est pas autoris pour une densit spectrale.
On prfre alors calculer, partir des chantillons xo, . .. ,XN -1, le priodogramme :
P( u) -~
N-l
_1_1 '\"
Lx-11 e -.i""""l 2
N
(5.51)
n=O
et tudier son comportement pour les grandes valeurs de N. On peut dmontrer que
P (IJ) est un estimateur non biais de la densit spectrale du signal x, suppos stationnaire.
Cyclostationnarit Dans un grand nombre d'applications, on suppose que le signal
est stationnaire. Mais pour certaines applications telles que les communications, le
canal est non linaire et les entres sont non stationnaires mais elles possdent
cependant une proprit proche de la stationnarit dnomme cyclostationnarit.
Nous nous limitons pour expliquer cette notion la dfinition suivante et nous donnons ensuite un exemple. Pour plus de dtails, on peut consulter les rfrences sui-
www.biblio-scientifique.net
5.3
Reprsentation spectrale
199
vantes [9]. Un signal temps continu .r(l) est dit cyclostationnaire si sa fonction
d'autoco!Tlation lx peut se mettre sous la forme:
.'x(t.t- T)
=L
')'.\::l)(T)Cj2Irot
(5.52)
nE A
f.~'ti(T) ~
L:
o Test une constante, (Akl une suite de variables alatoires binaires de mme loi
de probabilit pouvant prendre chacune les valeurs .r0 ou .t1 et lz(l) une fonction
dont le support est contenu dans [0, T]. On peut vrifier que, pour tout 1, on a
E[.r(l + T)] = E[x(t)] et 7,(1.1- T) = !xU + T,t +T-T). Ces deux fonctions
sont de priode T par rapport la variable 1 et le signal x(l) n'est donc pas stationnaire. On peut tablir que, sous des hypothses gnrales, pour chaque T fix, la
fonction lx (t ,t - T) admet une dcomposition en srie de Fourier, i.e, lx (1 ,t - T)
peut se mettre sous la fonne (5.52).
2v
www.biblio-scientifique.net
200
= n r5T = --,--'--'-
t,, T
2v
c'est une avance ou un retard selon la valeur de 0. Le signal reu par le capteur n
est donc:
_ ,. (I)JJi'
.\.,/ (l) -_A e,J2;;fi>U+nt."/")H?l -.o
-o
wo =
o-j ;:, T
e.l-". 0
'"(T)=
1.\,
.
1
hm- B
T--,-c:.J_
rB x n (t)x n (1-T)"ct=
. 1 1A 1"-e-"
Jo-;0T
.-IJ
et
r,(uJ
Les vecteurs x, (1) et x,_ 1 (1) se dduisent donc l'un de l'autre dans une rotation
d'angle arg w0 indpendant de II. On peut dtennincr wo partir des N signaux
x,(l).ll = 0 .... . N- 1 en faisant une TFD. On peut retrouver alors la direction 0
y(f)
= Lx;(l)w-i
= exp[j2r.u]
i=O
'~
v(l) = xo(l) ~
i=O
w!1v-'
1- (wo/w)N
= .ro(l)---'-'_:_1- wo/w
et la valeur de u cherche est obtenue en crivant que ly(l)l est maximum (on choisira _r(l) rel). On obtient u = .f{1t,T et on peut dduire la direction 01 . Soit llr =
Arcs in(*).
Comme la DSP du bruit est gale r" = rr 2 , la puissance cie b, est infinie. On
peut limiter la puissance totale de bruit reue par chaque capteur en mettant un 11ltre
dont la rponse en amplitude est la plus proche possible de 1 sur l-J;,".j;, 0 , ] et
nulle ailleurs. Dans la pratique ce liltrc n'existe pas. Le filtre aura une frquence de
coupure
Fe
>
.f;nax
www.biblio-scientifique.net
5.3
Reprsentation spectrale
201
= .r (t) f1 (y)
f-T
t
f-T
/,(T) f1(-)f1(--).
T
T
Afin d'introduire une densit spectrale qui approxime celle de x(l). considrons la
fonction suivante :
:-J
1
')',.(T) =
7j2
-/,.(/,1- T)dt.
T -T/2 .
(5.53)
D'o
.2
1
1
-!',(/)=
r .,( .1 )* ' rt
. .
T 1-n (-J-(fJ=
T 1' . 1-.,( 1 )*Tsmc-(
)
-3
1~
+ b(t)
www.biblio-scientifique.net
(5.54)
202
o b(t) est un bruit blanc de variance u 2 et s(t) un signal indpendant de b(t) dtni
par:
3
s(t) =
Akef(2;;fir+ci;,I
k=I
D'o:
3
rcen = u 2 + L
A~rl(f- fiJ.
k=I
I\(f) = u 2 +
bi
car
1
u-
'1
'
1
[J-
* smc-(T.fl = y:
1.0
Figure 5.5
www.biblio-scientifique.net
5.3
Reprsentation spectrale
203
Signal cyclostationnaire
On a vu dans l'exemple 5.3.6 que le signal
00
x(t) ~
Akh(t- kT)
k=-00
o T est une constante. A" des variables alatoires binaires pouvant prendre les
valeurs x 0 ou x 1 eth (t) la fonction rectangle de support [0, T] n'est pas stationnaire
mais cyclostationnaire. On peut lui associer une pseudo-corrlation en remplaant
7x(t,t- T) par sa moyenne par rapport t sur l'intervalle [O,T]. On obtient alors
une fonction de la seule variable T qui a pour expression :
oo
')7,(T) =
~ n~oo 7A (nT)
1 k~--o
T
oo
~ n~oo 7A (nT)
1
=T
l:
lz(u)h(u- T+ nT)du
00
'fA(nT)g(T-nT),
t>
n=-oo
(5.55)
www.biblio-scientifique.net
204
Atin d'introduire une extension de cette disttibution pour les signaux alatoires non stationnaires et pour des raisons de symtrie, on dfinit la covmiance d'un sign<. .t (t) par:
'(,(t.T)
~
'/, (t
~
+ Tj2,t
- T/2) = E {.r(r
+ ,-j2)x*(l -
T/2) }.
(5.56)
E[L:oo
.r(l
= E[W,(I,u)].
5.4
La modlisation d'un signal joue un rle important dans l'analyse qui permet de
connatre les caractristiques de ce dernier. Pour un sigmll dterministe x (t). souvent entach de bruit, son analyse temporelle fait apparatre la prsence ou l'absence d'informations utiles contenues dans cc signal. L'analyse frquentielle. gnralement fonde sur la transforme de Fourier X (u) de x (r) permet de voir quelles
sont les frquences prsentes dans le signal et quelles sont leurs amplitudes. Pour
un signal alatoire stationnaire. l'analyse est fonde sur l'estimation de la fonction
d' autocorrlation Tc de x(l) ct de l'tude de -ix en tant que signal dterministe. Pour
www.biblio-scientifique.net
5.4
205
5.4.1 Les bruits de fond dans les circuits lectriques : bruits blancs
Les sources gnrattices de bruit sont essentiellement de deux sortes : les sources
extrieures un systme de traitement et les sources internes au systme. Les premires, localises 1 extrieur du systme de traitement, agissent par influence et
peuvent tre naturelles o[J artificielles. Les secondes gnrent des bruits internes"
au systme qui sont indpendants des conditions extrieures. On dispose de peu de
moyens pour lutter contre un bruit ex leme. La principale mthode consiste tltrer
au maximum le signal bruit l'aide d'un lltre adapt qui permet de rduire l'influence du bruit parasite avant de procder au traitement du signal reu. Pour un
bruit interne. il existe des mthodes adaptes, par exemple utiliser des blindages
pour rduire les bruits elus aux commutations, aux couplages, etc.
Dans les circuits lecttiques, on a soit des perturbations de type impulsionnel
engendres par des commutations de courants (interrupteurs lectroniques. circuits
logiques). soit des bruits de fond gnrs dans les cbles et les composants lectroniques. Ceux sont les bruits de fond sur lesquels on ne peul le moins agir car ils
rsultent du dplacement erratique de particules charges en quilibre thermodynamique (movemenl Brownien) ou sous l'influence de champs appliqus. On assimile
ces bruit un signal stationnaire et ergodique et parmi ces bruits les trois principaux
sont: le bruit thermique, le bruit de grenaille et le bruit additionnel de basse frquence.
:::;
~
0
-~
-~
c
0
-5.
Au-dessus du zro absolu. les lectrons libres d'un matriau conducteur sont soumis des vibrations alatoires (agitation thermique). L'ensemble de ces mouvements erratiques provoque, mme en l'absence de diffrence de potentiel aux
bornes du conducteur. une tluctuation alatoire de la valeur instantane de la tension observable. En l'absence de champ lectrique appliqu, la valeur moyenne de
la ddp e(t) est nulle. Par ailleurs, si l'on observe la valeur quadratique moyenne de
e(l) l'aide d'un appareil de grande sensibilit, on constate que celle-ci est une
fonction croissante de la temprature. Cette tension e(t) est un signal alatoire
appel bruit thermique et parfois Johnson Noise qui est prsent dans tout composant
passif ou actif opposant une certaine rsistance lectrique R au passage d'un courant. On peut modliser ce bruit par un signal stationnaire ergodique du second
ordre. centr et de spectre constant. Le bruit thermique constitue l'exemple le plus
important du bruit blanc. La densit spectrale de puissance de ce signal est donne
par la formule suivante, connue en thermodynamique sous la dnomination de
Formule de Nyquist :
l'c(l/)
2h lui
lhul
exp(-)- 1
kT
www.biblio-scientifique.net
206
La puissance lectrique active dlivre par e(t), dans une rsistance adapte R, est
donne par P(t) = e1 ' j4R.
=L
eO(t -tkl
o les
tk
= !Jt(u) + efo,
fo
= eo:
o fo dsigne le courant moyen (composante continue), Le premier terme correspond la distribution spectrale de la composante continue et le deuxime celle des
fluctuations de courant dues l'effet grenaille. Le bruit de grenaille est donc un
bruit blanc de puissance
rJ.
www.biblio-scientifique.net
5.4
207
composants est essentiellement un bruit blanc. Ce bmit. appel bruit de fond additionnel, rsulte surtout de l'effet thennique et de l'effet de grenaille. Aux frquences
infrieures. on observe que la densit spectrale de puissance dcrot en fonction de la
frquence. Il n'existe pas de modle prcis permettant d'tablir une expression thorique de la DSP d'un bruit additionnel. On constate que cette densit varie approximativement comme l'inverse de la frquence. On introduit la loi empirique suivante:
Ua
1IJ l"
(5.57)
La validit de cette loi t vrifie jusqu' des frquences trs basses, de l'ordre
de 10- 6 Hz et le rel ct est souvent proche de 1, d'o le nom de bruit en 1fu. Si l'on
admet que le bruit est stationnaire, lorsque la frquence tend vers zro la puissance
devient intnie et r on doit imposer des limitations thoriques. On suppose que le
bruit n'est pas stationnaire et que le pass a une grande int1uence sur l'tat prsent.
Le bruit en 1/IJ impose des limitations importantes l'amplification directe de
signaux constants ou de trs basses frquences. Pour certaines applications critiques. on a recourt une technique d'amplitcation indirecte fonde sur la modulation-dmodulation synchrone.
De nombreux signaux alatoires, n'ayant aucun rapport avec les problmes de
conduction, ont des fluctuations dont le spectre est aussi dtni par la loi empirique
(5.60). On peut citer par exemple, la frquence des oscillateurs quartz, certaines
grandeurs conomiques el biologiques, des phnomnes musicaux ... Ces constatations permettent de penser que le modle non stationnaire du bruit en 1/u est susceptible de s'appliquer de nombreux phnomnes naturels.
5.4.2
On considre dans cette section des signaux temps discret dfinis par des rcurrences sur la variable instant.
.3
f..
j
o le signalu, est un bruit blanc. Cette relation peut s'crire sous la forme condense:
www.biblio-scientifique.net
208
terme de filtrage, le signal x, se dduit de u, par le passage dans un filtre dit rcursif dont la fonction de transfert est donne par
H(~)
1
=
"''
--;.
1 - L......i=l 0 t~
On peut tablir que si la fonction H (~) cllnit un tltre causal et stable. i.e .. tous les
ples de H (~) sont l'intrieur du cercle unit, alors x, est un signal elu second
ordre. Dans la majorit des applications, le signalu, est un bruit blanc au sens large
et centr, i.e., les
l/ 11
les (pas forcment indpendantes). Sous cette hypothse on peut dduire que. pour
tout 11 tx, l'espace vectoriel engendr par Xn-1, Xn-2, ... , x_,Xl est identique
celui engendr par Un-I lln-2, .. . , ll_o:_,. Par consquent. chaque V.A H 11 est orthogonale toutes les V.A Xn-1, X11 -2, .. . , X-x ct ceci pour 11 quelconque. On a donc
E[x,u,] = 0 et ceci conduit au systme suivant:
qui relie le vecteur de corrlation c, le vecteur de rgression a et la matrice de covariance ., de x,. Ce systme. appel quation normale (ou quation de Yule-Walker)
permet de calculer a partir des p + 1 premires valeurs de la fonction de corrlation du signal X 11
ii '"
200
"
<Il
150 -
wo
'"
Figure 5.6
,.J\~~~Jit~
'"
'"
000
000
-100
150
coo
www.biblio-scientifique.net
5.4
209
o "" est un bruit blanc. La relation ci-dessus dtnit un tltre appel tltre
moyenne ajuste (moving average) d'ordre q que l'on note MA(q). C'est un filtre
de Rponse lmpulsionnelle Finie (RrF) : b 0 .... , b,1 Le calcul de cette rponse
impulsionnelle partir de la fonction de corrlation de la sortie x, est plus dlicat
que dans le cas des signaux autorgressifs. En effet la fonction de conlation de x11
qui vrifie -~x(-k) =-y.. (le) est donne par x(k) = 0 pour k > q el:
/,(k)
pour 0'(k'(q.
On voit donc que la connaissance de la suite des -f.. (k) ne permet pas de dterminer
simplement les b; puisque le systme d'quations rsoudre et non linaire et on
peut vrifier qu'il n'admet pas une solution unique. Ceci signite que plusieurs
signaux MA(q) distincts peuvent avoir la mme fonction de corrlation. On peut
en tin noter que si le bruit gnrateur ll 11 est blanc au sens fort. alors X 11 et .-. :11 -k sont
indpendants ds que lkl > '1
E 50
l40
Figure 5.7
g
.2
~c
~
~
c) Modle ARMA(p.q)
Un signal ARMA(p,q) est une combinaison linaire des deux types prcdents. Il
est dl1ni par la rcmTence:
q
fi
Xn- LaiXn-i
i=l
Lbilln-i,
bo = l.
i=O
www.biblio-scientifique.net
(5.58)
210
Un tel signal correspond au passage d'un bruit blanc dans un filtre dont la fonction
de transfert est une fraction rationnelle :
H(z)=
"V'I
bL...,i=O '--i
"VP
__ ,
l - L.._...f=l Oi.t.. 1
Ces signaux n'ont aucune des proprits voques prcdemment pour les signaux
AR(p) et MA(q) mais ils jouent un rle important dans la pratique,
0
0
0
0
0
50
..11
100
l.
1:>0
Figure 5,8
200
2.50
300
350
J ~.
400
450
:>00
www.biblio-scientifique.net
211
Par exemple, si l'on ne cannait x(t) qu'aux instants t et t-T, on peut prendre
comme fonction X(l + D.t) = ax(t) + bx(t- T),
Dans certaines applications, on connat le signal x(l) et sa drive; on peut
construire le modle :
x(l
+ D.t)
= ax(t)
+ bx'(t).
Dans les deux cas considrs, le problme revient dterminer les paramtres a et
b au sens d'un critre appropri.
+ b(l)
o b(l) est un bruit de perturbation du au canal, a une grandeur non alatoire dfinissant une modulation d'amplitude contenant l'information transmettre ets(t) un
signal dterministe connu. On suppose que le bruit parasite est un bruit blanc centr. On se propose d'estimer l'amplitude inconnue a partir de l'observation deN
chantillons du signal x(t). On introduit la forme vectorielle :
x= as+ b
o x est le vecteur dont les composantes sont les N chantillons observs, s un vecteur connu, a l'amplitude dterminer et b un vecteur alatoire dcrivant la perturbation. Toutes les quantits considres sont relles. On appelle estimateur
linaire de a tome V.A note dtnie par :
"
-~
0
'5
-&
L'objectif est de donner seulement quelques exemples de critres classiques qui sont
la base de l'estimation des paramtres d'un modle.
Estimateur au sens des moindres carrs Soient x( l),x(2), ... ,x(11) un ensemble
= ax(k) + e(k).
pour k
1,2 ...
www.biblio-scientifique.net
.,Il
212
qui traduise au mieux le lien entre les observations et les rfrences. La mthode
des moindres cans consiste dterminer le coefficient a pour lequel la ronction :
C(a)
2:::"
y(k)- ax(k) 12
k=l
L:;;_ 1 x(k)v(k)
'""'I!
L-k=l
.,
1x(k) 1-
Cette technique peut se gnraliser au cas vectoriel, c'est--dire au cas oi:I le paramtre scalaire a est remplac par un vecteur a. La mme dmarche que dans le cas
scalaire conduit au systme suivant [!] :
Ra = r
avec
R ~ XWXT
et
"
r = XWy
o Ret r sont les matrices d"autocorrlation et d'intercanlation avec facteur d'oubli, di1nies partir des moyennes temporelles pondres des observations
et des rtrences.
Estimateur du maximum de vraissemblance On veut estimer une variable scalaire ou vectorielle certaine X l'aide d'une suite d'chantillons Y1, .... Y,v. On
introduit la densit de probabilit conjointe f( Y1, .... Y,v ,X) qui dpend de la
variable estimer X. La densit ainsi dl1nie est appele vraisemblance. La
mthode du maximum de vraisemblance (MV) consiste prendre comme estimateur de X la VA X qui maximise la vraisemblance. En J'ait, cela quivaut prendre
la solution de l'quation de vraisemblance dl1nie par:
(5.59)
www.biblio-scientifique.net
(5.60)
5.4
213
Dans ce cas. important dans les problmes pratiques. 1" quation de vraisemblance
devient :
- ( y - m,.) r
DX
-l
(5.6 1)
"
Y= g(XJ = AX
+B
(5.62)
11
et B un vecteur gaussien
.( )
-~ly-Ax[ 1 r,-,'rr-Ax[
.rY=oet
-l
A rB Ax,,, =A
rB-l Y.
Si la matrice ATr8 1A est inversible, le vecteur x,, est donn de manire unique
par:
Xmv
-:;
[A Tr-IA]-IATr-ly
B
IJ
.
(5.63)
Estimateur du maximum a posteriori Pour expliquer le principe de cet estimateur. nous allons nous placer directement dans le cas du modle linaire introduit
par (5.65) o !"on suppose X gaussien d'esprance mx et de matrice de covariance
www.biblio-scientifique.net
214
X qui maxi-
.
hr(x.y)
.fx;r~,(x) =
.f"y(y) .
(5.64)
>
_lo(x.vl
f;e 2-
densit.fx;Y~.v
prend la forme:
_lQ(x))
-~(le 2
. }"y
[A Tr-1A
B
+ r-1]
x - Xmap =
ATr-1y
B
+ r-1
x nlx.
Si la matrice ATf8 1A+ r_;- 1 est inversible, x,,i' est dtermin de manire unique
par:
x=sb
o s est un rel positif et b un vecteur gaussien, centr et de matrice de covariance
r. On cherche estimer le nombre s partir du vecteur observation x. On pose
cr= s-.
'
1. Exprimer la densit de probabilit Px du vecteur observation en fonction de x,
CT et f.
www.biblio-scientifique.net
,,,, de CT.
215
5.1
0
0
0
5._
8
3
0
"5.
.5
.,;
0
0
w(t)
= x(t)cos(ol) + sin(ctl)y(t)
(5.65)
o x(t) et y(t) sont deux fonctions alatoires relles, centres et stationnaires dans
www.biblio-scientifique.net
216
T)
2. En dduire une condition ncessaire et suftsante pour que w(t) soit stationnaires
au sens large.
3. Donner alors l'expression de "/w clans le cas stationnaire.
5.2
+ rjJ)
o A et , sont deux variables alatoires statistiquement indpendantes, .fo une frquence positive donne ct t une variable reprsentant le temps. On suppose que A
est uniforme sur [0,11 et gue r/! est aussi uniforme sur [O.:?r.]. Pour chaque t fix,
x (t) est donc une variable alatoire.
1. Calculer l'esprance E[x(l)].
2. Calculer la fonction de corrlation
'iUt .l2l
E[.tCtt )x(12)J.
5.3
,,
s(t) =
eil2;-cJit+,),
_;2 = - l
k=l
o les .h sont des frquences positives et les 1'k des variables alatoires statistiquement indpendantes et unifom1mcnt rparties sur [0,2r.].
1. Calculer E[s(l)] pour 1 fix.
2. Dterminer la covariance des deux V.A Xt = s(t1) et X2 = s(t2).
3. On prend q = 2 et on dsigne par Re(.t) la partie rcl!e de x. Exprimer sous
forme d'une intgrale la densit de probabilit, .fr. de la V.A Y= Re(s(O)).
4. Donner la valeur de l"intgmle
J'':"'. yfy(y)dy.
5. On pose maintenant x(l) = s(t) + b(t) o b(l) est un bruit blanc centr. de
variance cr2 indpendant des cj'k Calculer E[x(l)] et dterminer la fonction de corrlation lx
6. Que peut-on dire de la stationnarit de x(t) ?
www.biblio-scientifique.net
5.5
5.4
/,[p]
E[ukllk-p)
1. Le signal
uk
= rY
217
llk
=0
pour p
=ft 0 et <l(O) = 1.
a"
u,
6. On suppose maintenant que les variables alatoires llk sont indpendantes entre
elles. Montrer que si Xk est connu, alors Xk_ 1_1, est indpendant des valeurs antrieures
5.5
Xk-q'l
"
x,=L_a.iu,_.i,
iEI\l
.f=O
o les Ui, j
-~
5
0
-E.
=f
net E(U,71 )
= a-2
www.biblio-scientifique.net
218
4. On fait passer le signal x(t) dans un filtre linaire dont la sortie est dtnie par
Yn =
Toujours dans le cas a
C.Yn-!
+ Xn.
sance
E( v 2 )
5.6
Il
o uo est un nombre positif certain et 1'.1/ un nombre petit devant vu. Le signal reu
aprs transmission et rflexion double s'crit:
y(t) = x(t)
+ x(t- fi)
dex(l).
2. Calculer la puissance E[y(t) 2 ] du signal y(t) ainsi que sa densit spectrale r,(v).
3. Justifier que y(t) s'obtient par filtrage linaire de x(t), donner la rponse en frquence du filtre et retrouver l'expression de r,,.(u) en utilisant la formule des interfrences.
4. Est-ce que y(l) est quasimonochromatique?
5. On suppose que x(t) est gal la partie relle du signal complexe dfini par
o cp(t) est un signal alatoire, reL Exprimer E[~(t)] et donner une condition sur
la fonction caractristique de cp(t) pour que ::(t) soit centr.
6. Calculer la fonction de conlation -(, (1 1 ,t2 ) dans chacun des cas suivants et tudier la stationnarit de
~(t).
www.biblio-scientifique.net
219
5.7
E(lw(t)l 2 ) en sup-
= Aw12"<.ht+<>, 1nT(I)
o .f est une frquence relle dterministe, A 1 une amplitude relle alatoire cen1
ai.
SOUS
-~
dants.
(v).
www.biblio-scientifique.net
220
grandes valeurs de T. On suppose que .fide f(1J) pour les grandes valeurs de T?
(e) En dduire une rgie sur le choix de T. fi et .fi si l" on veut discerner deux
composantes frquentielles.
On veut chantillonner le signal x(t). Sachant que seule la frquence .fi nous
intresse. que peut-on proposer comme solution ?
(f)
5.8
On considre le signal
C0
x(t)
= I>k(tl + b(t) ~
y(l)
+ b(t)
k=I
o f1 (t) dsigne la fonction rectangle de support [-l /2. l/2] et les 'Pk des V. A indpendantes, uniformment distribues sur [0,1] et b(l) un bruit blanc complexe centr de variance 2cr2 indpendant de y(l). On suppose
1i1 = T.
Tk+l -
T, > T et on pose
1. Calculer E[x(lo)].
5.9
Signal cyclostationnaire
x(t)
A,h(t
-tkl + b(t).
t, E Z
(5.66)
k=-co
o b(l) est un bruit blanc de puissance O"l, Ak une suite de V.A binaires, indpendantes de b(l), pouvant prendre chacune les valeurs 0 ou 1 et h(l) une fonction dont
le support est contenu dans [O,T], T constante positive. Le signal x(t) est un
www.biblio-scientifique.net
221
h (t)
2. Pour tenir compte de l'incertitude sur l'origine des temps, on dfinit les tk par
tk =kT+ E o c dsigne une V.A uniforme sur [0, T] indpendante des Ak et de b(t).
(a) On suppose que les
A; forment un signal
temps discret centr et stationnaire de fonction de co!Tlation lA (11 T).
(c)
h(t) = f1
"-
1. Calculer le signal reu par chaque capteur, sa fonction d' autocorrlation puis sa
DSP.
2. Comment peut-on partir des N signaux x,(/),11 = 0, ... . N- 1, retrouver la
direction de la source. Y-a-t-il des directions favorises?
www.biblio-scientifique.net
222
6. En ne retenant que M chantillons numriss de s,(t),n = 0, ... ,M- 1, comment peut-on encore augmenter le rapport signal sur bruit p, ?
7. Faire un schma fonctionnel du traitement global pour estimer la direction de la
source en faisant d'abord un traitement par capteur pour augmenter le rapport signal
sur bruit. Indiquer quelles sont les valeurs de N et de M prfrables et pourquoi.
= x(t
+ 6.1).
+ tl.t) = ax(t).
x(t
(a) Calculer le biais de cet estimateur et exprimer l" erreur quadratique moyenne
+ tl.t)l 2 )
lx(tl.t)
"lx (0)
(ao).
www.biblio-scientifique.net
223
+ L'.t)x(t)]
et commenter le rsultat.
(d) Que devient cet estimateur pour un bruit blanc ou un signal faiblement corrl.
2. On considre maintenant le modle :
x(t + M) =
+ bx'(t)
ax(t)
et on suppose dans toute la suite que la fonction de corrlation du signal x(t) est
drivable deux fois.
(a) Calculer E[x'(l)].
(b) Utilisant la fom1Ule des interfrences, tablir les rsultats suivants :
E[.t(l)x'(l- 7)]
-'(;(7)
E[x'(t)x'(t- 7)]
-'(~(7).
et calculer E(ao.bo).
(g) Calculer les produits scalaires E[x(t
commenter le rsultat.
+ L>l)x(t)]
et E[x(t
+ L'.t)x'(t)]
et
3. Comparer les deux estimateurs tudis ci-dessus en considrant les biais et les
EQM associs. Discuter le cas o t>t tend vers zro.
4. Le signal x(t) est une sinusode:
x(/)=
0
-~
c
A cos(2r.}(JI
+ ip)
(5.67)
www.biblio-scientifique.net
224
x(t + tl.t)
permet de dterminer
+ tl.t)
SOLUTIONS
5.1
2. Une condition ncessaire ct suffisante pour que x(t) soit centre est donne par
E(cos(B)) = E(sin(B)) =O. Ce qui quivaut
E[cos(B) + jsin(B)] = E[ejli] ~ <1> 8 (1) =O.
3. On a:
-y_,(t.t- r) = E[cos(at + B)cos(ct(t- r) + B)]
=
=
E[cos(ctr)]-
2
2
~cos(nr)- cos[(n(2t- r)]E[cos(2B)] +
sin[a(2t- r)]E[sin(2B)]
Comme le signal est centr, il est stationnaire si 'x est indpendante de t. Ceci est vrit si
et seulement si E(cos(2B)) = E(sin(2B)) =O. Cela quivaut <1> 8 (2) = 0 et dans ce cas,
on a 7x(l,t- r) = 1cos(nr).
4. On suppose que B est uniformment rpartie sur ] _On a q, (u) = J" ejub db = sin(7ru)
B
-1T
271
71, T].
/Tu
f'yx
et donc:
= hxy(r)
+ 2('fx(r) +
.
1
'l'y(r))]cosctr+ 2hx(T)- -ly(r))]cosa(t- r)
2. Une condition ncessaire et suftsante pour que w(t) soit stationnaires est "lx =l'y
3. Dans le cas stationnaire, on a
fw
= ["fxy(T)
+ l'x(T)]cos O:T.
5.2 1. On a E[x(t)] = E[A]E[sin(2rrj0t + qJ)] = 0 car les variables A et r/J sont indpendantes et cf; est unifom1e sur [0,2Tt].
www.biblio-scientifique.net
225
{ g(u)g(y -u)du.
}Fi.
JH
+ E(Y2 )
= E[cos(qJ 1)]
+ E[cos(</J,)] =O.
5. On a
E[.t(I)J =
"
www.biblio-scientifique.net
226
:.J
'"'lx(P) =
E( L {[
00
111
11(k- 111)
m=O
00
L a''u(k- p -n))
n=O
00
E( L
m=O n=O
Il
a2aP
oo
r(u) =
'"l
rr
"" ---"la1Pie-;2;ru
L.. 1- ap=-x
{)
(aej 2"")-l'
p=-oo
'
00
~-a, ( L
+ L(ae-j 2"'Y)
1
00
rr'
= -,-----,---------:c---=1 + a2 - 2acos(27Tu)
On peut aussi appliquer la l'annule des interfrences. r(u) = lh(uJI'a-2 pour obtenir le
rsultat ci-dessus.
5. On a:
'X!
xk+l
00
aPllf.:+J-p
lfk+l
Uk-+1
+L
aPuk+l-p
p=l
p::o;{)
+ ax~;_
www.biblio-scientifique.net
227
~ 11
et poser k =
111
-n;?: O. On obtient
/ '111 11
j=O
f!
i=O
= LLaj+iE(Um-jUn-i).
jdl i=O
Comme les Uk sont deux deux orthogonales et toutes de mme variance o-2 on obtient
"'lm,n = 0 pour k > p et pour k ~ p :
f!
= rr2
"'r'm,u
p-k
[!
L La.i+i()((m-
j ) - (n-i))
= a2
j=O i=O
L c/+2i.
i=O
y(k)
3. Pour a
l et p
La densit spectrale
1 - a2p-2k+'2
=rra
"
1- a-
l, on a
r'(11)
o H(u) = 1/(l- cej 2"'') dsigne le gain complexe du filtre. La puissance E(y~) a pour
expression E(y,7) = .C;~ 2 ry(u)du.
5.6 1. On a
E(y(t)
=O.
-a0
5
0
3. On a
E(ly(t)l
= 2"(,.(0) + T,(li)
et
r,.(u)
= 2~1,(u)[l + cos(2m;(!)]
www.biblio-scientifique.net
228
et
ej2;rYnT
+ B. on a
l': (tl ,11) = eF2<ruor e~a;1 UI-1!) /1.
2
ai, = 2-y,_;(O) -
21'~,-JT) et on a
7. On a
l
E(iw(l)i 2 )
"tJt.t- 0)
5.8
+ "ib(T)
"iy(t,T) =
avec
Comme les 4'1:: sont indpendants et les eF "'i'~ sont centres, on obtient
2
ly(t.T) =
LT,, (I,T).
k
www.biblio-scientifique.net
229
Soit
'(,(t,T) =
'
3. Le signal x(t) n'est donc pas stationnaire au sens large.
On a
Ijl;+T
". (T) = T
J..t',
1.
l_t,
!.,_,_
T
(t,T)dt = -el-''''TI(t)
* TI(t)[T].
D'o
1
r,., (T) = -6(u__
T
uk)
'
* ITI(u)j-.
Pour 'x(t,T), on doit calculer l'intgrale sur un ensemble qui contient la runion des supports des f1 (t - Tk - T /2). Dans ce cas, la contribution Je b(f) est infinie. il faut Jonc une
porte pour fitrer le bruit.
www.biblio-scientifique.net
Chapitre 6
Reprsentations, ralisations
et synthses d"un filtre
6.1
6.1.1
Dans le cas d'un signal temps discret, on obtient le mme rsultat en remplaant
(1.8) par une quation aux diffrences et en prenant la T.Z. Un filtre dynamique est
donc un filtre dont la fonction de transfert est une fraction rationnelle. Nous allons
donner les principaux rsultats concernant ces filtres en commenant, tout d'abord,
par les dfinitions suivantes.
Le filtre quivalent deux filtres en parallles a pour rponse impulsionnelle
h(l)
= h](l) + h2(1).
www.biblio-scientifique.net
232
"="1*"2
Si l'on dcompose la transmittance d'un filtre sous la t'orme d'un produit de
transmittances lmentaires (souvent du premier ou du second ordre) :
q
H(z) =
f1 H;(Z)
(6.2)
i=O
H(z)
=L
H;(z)
(6.3)
id)
Figure 6.1
L"
[h(t)[dt <+co.
www.biblio-scientifique.net
(6.4)
6.1
233
En effet, si la rponse impulsionnelle vrite (6.4) et si x(t) est un signal born tel
que lx(l)l ~A, alors la sortie y(t) vrifie:
ly(IJI
i:
lh(IIJIIx(t -li)ldli
oo.
L:
ly(O)I = 1
h(li)x(-li)diil =
i:
Un filtre stable au sens large peut tre instable au sens strict et rciproquement En
effet, si h(t) est gal l'chelon unit tt(/), le filtre est stable au sens large mais
instable au sens strict et si h (t) = o(t), le filtre est stable au sens strict mais instable
au sens large.
Un l1ltre temps continu est dil phase minimale s'il est stable et si tous ses
zros sont partie relle ngative.
Un filtre est phase linaire si l'argument de sa fonction de transfert est une
fonction linaire (i.e. A(li) = Arg[H(z)] =ali).
Ce rsultat se traduit par ht = Ehn~i pour i = 0,1 , ... ,il avec 1 1= 1, les coefficients ho,/1 1 , ,h, tant les termes non nuls de la rponse impulsionnelle du tltre
RIF.
Il existe des critres qui permettent de tester la stabilit des l1ltres linaires. Panni
0. les plus connus, on peut noncer le critre de stabilit de Routh et ses extensions
[8]. L'tude de la stabilit se ramne celle de la position des racines d'un poly'
o. n me par rapport l'axe des imaginaires. On appellera polynme de Hurwitz tout
polynme n'ayant que des racines partie relle ngative. Les algorithmes qui permettent de tester la stabilit calculent de manire rcursive, partir d'un polynme
donn de degr ft, une suite de ft paramtres dont le simple examen pern1et de dire
www.biblio-scientifique.net
234
+ r,(s).
111
<
(6.5)
11
11
et
111,
une suite de
p et !"identit suivante :
fi,(-s)
= (-l)~'.f~(s)
Vs.
Cette identit signile que.fi,(s) ne comporte que des monmes de mme parit que
p et pour celle raison. tout polynme vrifiant cette proprit sera appel polynme
(6.6)
defi+! (s) parf,(s) selon une rgle qui sera prcise dans la suite. On peut vrifier
que rq(s) est un polynme p.i dont le degr q est de mme parit que p + 1. On
commence par le cas, dit rgulier. o 111 = 11 - 1 et q = p - 1 chaque tape de
l'algorithme. Dans ce cas, on a J,_ 1
d'ordre trois suivante, p
= 11-
= rq
l.n- 2, ... ,1 :
(6.7)
= 11,11-
rm(.S')
O:n-1
(6.8)
.fi,(s)
.fi>-J(S)
Ctp+l
(6.9)
+ J;,(s)
www.biblio-scientifique.net
11
= 4.
on
6.1
235
Nous allons donner diffrents noncs du critre de stabilit d'un filtre linaire. chacun tant fond sur des concepts adapts une application spcifique. Pour les
dmonstrations et pour plus de dtails, on peut consulter les rfrences [8], Posons
J;,(s) = a{;sP +a:;_ 1sP- 2+ ,,,, p = 11,11- 1, ... ,0, et associons chaque polynme f 1,, la ligne
(6.10)
1 et d e meme
'
a 11 , a n-1
_ , . . . ,a
sont tous
non nus
signe,
I.e,
11
O:p
11
p-l
appl ap-l
1
> 0 pour p = n,n- 1, .....
Une fraction rationnelle H(s) est dite sans perte" si elle satisfait les 3 proprits suivantes :
H (s) est iiTductible
Re[H (jw)] = 0
Vw
(6.11)
!PL
(6.12)
(6.13)
+ r,(s)
est de Hurwitz.
'O
www.biblio-scientifique.net
236
des polynmes r" (s) et r, (s) sont simples, distinctes, situes sur l'axe imaginaire
et lorsqu'on parcourt cet axet on rencontre ces racines de faon alternative.
Associons au polynme :
"
. ~
(
gs)=Lais
n~i
6.
.oo=-
(6. 14)
i=O
sa matrice compagnon :
~ (~
()
()
(6. 15)
111
(6.16)
admet au moins une solution P dtnie positive. Cette solution est alors unique.
3. Il existe une matrice P dlnie positive vritant l'quation :
P
+ P =
-!.
(6.17)
www.biblio-scientifique.net
6.1
Si rq
=ft 0 et
237
rq eth le nombre des premires colonnes de A formes par des zros. On construit
la ligne
Rp-1
comme suit.
Dcaler les lments de ( -1 l" A de h positions vers la gauche pour obtenir une
ligne intermdiaire B :
p-1
( - l) " ap-h-1
11
p-1
(- l ) ap-h-2
Cet algorithme, plus simple que la procdure classique de Rou th. associe un polynme quelconque de degr 11 un tableau ayant 11 + l lignes R,, 1?,_ 1, . , R0 tout
polynme g, on peut associer une suite :
'5.
80
-g_
a;:, a;;=
1
1
ag et on a le rsultat suivant.
1111
+ 3s 4 + 3s 2 + 1) + (s 5 + 3s 3 + 2s)
1
l
0
-1
-1
3
1
0
2
l
3
3
l
-1
0
3
1
3
2
1
polynme singulier
se construit
Onaiz=l
Obtenue en dcalant - A 5 d' une position
Obtenue en calculant A 5 + Bs
Prendre la drive de R 2
www.biblio-scientifique.net
238
R,(z)
+ (1- z.)Rm(Z.)
(6.20)
"P'
Yk
Xk
+ a.''k-1,
www.biblio-scientifique.net
(6.22)
(6.23)
6.2
239
Le premier est un filtre MA stable et phase minimale. Dans ces conditions, le second est un lltre AR stable qui est l'inverse du premier. Les gains 1 H 1 (ei 2"") 1 et
1 H2(ei 2"") 1
,,r~,o~--------------------,
0.0
'0
0.0
0.7
0
o.o
0.0
0.3
0.2
0.,
-~~------------~0~--------~0.0
6.2
~.~
..-------~~0~--------~0.0
On se place dans le cas o les observations sont scalaires. Le modle d'tat s'crit:
x'(t)
A(l)x(l)
(6.24)
(6.25)
dont l'volution dynamique est modlise par l'quation d'tat o les diffrentes
grandeurs sont dfinies comme suit :
x(t) E IR:" est le vecteur qui d!nit l'tat du systme l'instant t
0
= x(t) E !R:P est l'observation ou sortie du systme l'instant t
A(t) est la matrice d'volution (11,11) dpendant en gnral de l'instant t
C(t) est la matrice d'volution (p,11) dpendant en gnral de l'instant t (systme
non stationnaire). Dans le cas d'une observation y scalaire, la solution gnrale du
systme (6.24) est donne par:
X(l) = q;(t ,t0 )x(to)
+ ['
d;(l ,T)B(T)U(T)dT
(6.26)
to
o q;(t,t0 ) est une matrice du type (n,n), appele matrice de transition. Si la matrice
A ne dpend pas du temps, le systme est dit invariant, dans le cas contraire, il est
www.biblio-scientifique.net
240
dit variable. Dans le cas d'un systme invariant, la matrice 'f\(t ,T) ne dpend que de
la diffrence t - Tet elle est donne par :
(6.27)
La matrice de transition rjJ(t,T), o rest considr comme paramtre arbitraire mais
fix et t comme variable, est inversible et vrifie les proprits suivantes:
ci<!>(!, T)
dt
</!(11,12)
A(t)m(t ,T)
'
r/;(II.IJ)r,&(/3,12)
Soit x,(l), 1 ,;; i,;; 11. 11 solutions linairement indpendantes de l'quation d'tat
libre, i.e., les x 1(1) sont solution de
x 1 (1) = A(t)x(t)
et soit X (1) une matrice ayant pour colonnes les 11 vecteurs x 1(1):
~ X(t)X- 1(t).
BU(s)
et
Y(s)
= CX(s)
= AX(s) + BU(s).
www.biblio-scientifique.net
(6.28)
6.2
241
et qui relie Y(s) et U(s) est appele matrice de transfert du systme. Cest l'extension de la fonction de transfert au cas vectoriel. Pour rester dans le cas gnral, nous
parlerons toujours de matrice de transfert. la fonction de transfert tant considre
comme matrice de type ( 1. 1). La sortie d'un systme linaire est relie son entre
par la relation
Y(s) = H(s)U(sl
(6.29)
o H(s) est la matrice de transfert dfinie par (6.28). Si au lieu du vecteur d'tat
.r(t), on considre Je vecteur q(t) dfini par:
.r(l)
Pq(t)
o Pest une matrice inversible. La reprsentation d'tat l'aide des variables q est
donne par:
q(t)' =p-l APq(l) +p-l Bu(!): quation d'tat
y(!)= C Pq(l): quation d'observation
=.Loo
u(ll)dfl
y(lo)
1.'
ll([))d[).
"5...
20
-6.
Commandabi!it Aux matrices A et B, on associe la matrice dlinie par
(6.30)
www.biblio-scientifique.net
242
!Re"
= lm(C) EB Ec.
(6.31)
L'espace lm(C) est appel sous-espace commandable de IR" et le systme est dit
commandable si lm(C) =IR". De plus, comme le thorme de Cayley-Hamilton
permet d'crire A" comme combinaison linaire des Ak pour k ,; 11 - l , on a
ex.p(l A)[lm(C)] C lm(C).
(6.32)
plus simple
lm(C) = lm().
On peut vriter que les oprations linaires sur les colonnes d'une matrice C qui
consistent, soit intervertir l'ordre des colonnes, soit remplacer une colonne par
une colonne proportionnelle, soit ajouter une colonne une combinaison linaire
des autres colonnes, ne moditent pas l'image de C. Comme ces oprations reviennent multiplier droite la matrice C par une matrice inversible M, on peut donc
remplacer C par
(6.33)
(6.34)
Ker(O) ={x
Ox = 0]
www.biblio-scientifique.net
(6.35)
6.2
243
(6.36)
L"espace Ker(O) est appel sous-espace non observable de IR" et le systme est dit
observable si le noyau de sa matrice d'observabilit est rduit au seul vecteur nul,
i.e., Ker(O) = {0). De plus, comme le thorme de Cayley-Hamilton permet
d'crire An comn1e combinaison linaire des Ak pour k ~
Ker(O) C Ker(C).
11-
1, on a
(6.37)
(6.38)
Il est simple de vrifier que les oprations linaires sur les lignes d'une matrice 0
qui consistent, soit intervertir 1' ordre des lignes, soit remplacer une ligne par une
ligne proportionnelle, soit ajouter une ligne une combinaison linaire des autres
lignes, ne modifient pas Ker( 0). Comme ces oprations se traduisent par des multiplications gauche de la matrice 0 par une matrice inversible M, on peut donc
remplacer 0 par
(6.39)
o les Mk reprsentent des oprations lmentaires dcrites ci-dessus sur les lignes
de 0 et conduisant une matrice triangulaire. Le rang de la matrice ainsi obtenue est gal la dimension de l'espace Ker(O) et une base de Ker(O) est donne
par une base de Ker( ) d'aprs (6.39).
Dcomposition de Kalman Soient C et 0 les matrices de commandabilit et d'ob-
-g
dans cette base une nouvelle reprsentation d'tat pour laquelle seules les variables
8" correspondant l'espace IE 1 jouent un rle important.
'"'-'
www.biblio-scientifique.net
244
1
0
()
"')
'j'. p-'B=
()
( 0)
~
(6.40)
an
:P-l'i>osit~i--s'b!turi"sysi!lle~?flif'itict~~i~~et):l~c~l'nlp"Ii~ne
ae!a rrn!trfc ;
1
inverse de sa rimtrice de comf)laQda):lilt (().;iO), J;\lgr~)lfn1atric~
" X':z=a
1
6.
<l(l
= -1
(6.42)
i=O
(6.43)
Supposons que les matrices A.B satisfont (6.40) et que la matrice C est une matrice
ligne dfinie par :
6.
C = (co,c 1 , ...
,c,_, ).
(6.45)
www.biblio-scientifique.net
6.3
245
(6.46)
La fonction de transfert du systme est donc une fraction rationnelle. [] est clair
d'aprs (6.43) que les valeurs propres de la matrice A apparaissant dans une reprsentation d'tal quelconque sont les ples de la fonction de transfert du systme.
6.3
6.3.1
Soit x(t) un signal bande limite ( -/3. B). Alors la sortie d'un tltre il (1) associe
. - ( - B , B) .
a x (1J est aussi. a' b an d e 1mutee
" ( -)
' et .Yk =y
" ( -k ),
=x
x,
211
213
" g(
gk =
k!3) avec
" il(t)
g(t) =
* sinc(2!31).
(6.47)
Le gain complexe GT(JJ) elu filtre numrique est obtenu par repliement de celui du
filtre analogique associ GT(u) selon la relation:
1 +x
GT(l!) = - ' \ ' G(u-
TL,
-C
'.!._ ).
(6.48)
La ralisation de ce filtre peul se faire cie plusieurs manires. Une fonne dite directe
s'obtient en considrant le diagramme qui lraduilloul simplement la relation entresortie o l'on dsigne par :- 1 l'oprateur de retard. Celle structure est trs sensible
www.biblio-scientifique.net
246
la prcision des coelcients lorsque les ples sont proches les uns des autres ou
proches du cercle unit. On peut aussi dcomposer la fonction de transfert sous la
forme:
;:,.
1
H 1 (7)- - - - Q(z),
et introduire le signal lie tif l!Jk qui est la smtie du filtre H 1 Si l'on dsigne par W (.::)
la T.Z de Wk. on a les relations suivantes :
Q(z)W(.::) =V(.::)
et
X(;:)= P(.::)W(.::)
,,
Wk = llk-
:z=aiWk~i
i=l
et
Xk =
Lbiwk-i
i=O
Ces relations conduisent la structure dite canonique qui minimise le nombre d'lments de retard, i.e., la taille mmoire. Les ralisations de ces deux structures sont
donnes par la tgure 6.3.1. (Afin de simplifier la figure, les coettcients de pondration a1 et b; n'apparaissent pas.)
Figure 6.3
www.biblio-scientifique.net
6.3
247
o x(k) est le signal d'entre. Prenant les T.Z, on obtient pour fonction de transfert
la fraction H (z.) = !-;:;:;+(. On a donc un filtre ARMA( 1,2) dont le diagramme
qui synthtise la transmittanee est donn par la figure 6.3.1 o l'on prend p = 1 et
q = 2.
6.3.2 Filtre rponse impulsionnelle finie (RIF)
Les avantages des tltres RIF sont la synthse aise, la stabilit assure ella possibilit d'tre phase linaire. L'inconvnient majeur est la ralisation plus complexe
et un ordre plus lev que celui du iltre RII pour des performances gales.
Technique de fentre On peut imposer !"identit des rponses frquentielles du
tltre idal et du filtre synthtis. Par T.Z inverse, on calcule la rponse impulsionnelle hk. Le problme est qu'on arrive un filtre RI! non causal. On prend alors seulement N termes de la rponse impulsionnelle. Ceci revient multiplier la rponse
impulsionnelle du tltre idal par une fentre rectangulaire et donc convoluer la
rponse frquentielle par un sinus cardinal. On a vu que cela introduit des lobes
secondaires parasites et conduit donc des bandes de transition plus larges. Pour
limiter ces effet parasites, on introduit des fentres de pondration appropries.
chantillonnage de la rponse frquentielle On considre N point G 1, . , G N
de la rponse frquentielle et par TFD inverse, on dtennine N points g 1.... ,gN.
Ces points dterminent la rponse impulsionnelle d'un filtre RIF d'ordre N. On a
donc une mthode simple mais qui ncessite le calcul d'une TFD inverse. Cette
mthode conduit une rponse frquentielle qui ne concide avec celle du tltre
cherch que pour les N points considrs.
6.3.3 Filtre rponse impulsionnelle infinie (Rll)
On s'intresse des mthodes fondes sur les techniques classiques dans la synthse des tltres analogiques.
-5..
'.
~"
8,-,
www.biblio-scientifique.net
48
H(p)
'1
'\'
A,
= L...-.
i=O p-p 1
lz(t) =
L Ate~'''
i=O
H( ~-).. -
L'
oo
_-k-
lk~.
k=O
..
I:A1 I: (;,p,kl,_-k,,
k=O
i=O
h (kT,). La fonction de
tf
'1\ ''
.:..........~
i=O
'
l _
.. .,- 1 .
.T
eP~~
...
)n voit donc que H(:) s'obtient en substituant dans l'expression de H(p) chacun
les tennes p - Pt par l - e"J, :- 1 Le problme majeur provient de l'chantillonlage de il (t) qui peut conduire des effets de repliement de spectres et ceci peut
Jiminuer considrablement l'attnuation du filtre numrique pour les frquences
1ors bande. Le phnomne de recouvrement des spectres se traduit dans le plan des
Jles de H (p) par le fait que 2 ples ayant la mme partie relle et des parties ima~inaires distantes de 2}{ auront la mme image dans le plan des :::. Cette technique
1'est alors utilise que pour les filtres analogiques bande limite.
/-/(z)U(:)
00
H(z)
H(JJ)
:..=__z[C 1 ( - - )(kT,.)].
z
p
www.biblio-scientifique.net
(6.49)
6.3
249
'7( X(~).
On associe au
remplaant dans H(p) la variable p par 1 -:~-'- On obtient un tltre numrique dont
le domaine de stabilit est le disque de centre 1/2 et de rayon l/2.
Transformation homographique Cette technique permet d'viter l'erreur clue au
repliement du spectre rencontre dans la mthode de "l'invariance impulsionnelle " La mthode est fonde sur l'approximation d'une intgrale par la mthode
~ }~
+7;:''-~'- 1
00
A-(w)
1
.,
= -M-(w)
= k(OJ[
l + K(w-)]
1
o K(w 2 ) est une fonction mesurant la qualit dulltre appele fonction caractristique. La bande passante d'un tltre rel est la valeur de la frquence pour laquelle
www.biblio-scientifique.net
250
l'attnuation est gale 3dB. Le Jltre idal (passe-bas) transmet toutes les composantes spectrales du signal appartenant la bande passante [f;,, fi,] sans attnuation
ni dphasage et limine toutes les autres (Bande coupe). Cependant un tel tltre est
non causal et n'est donc pas ralisable physiquement. Dans la pratique, on considre des filtres ralisables. De tels filtres sont caractriss par ce que l'on appelle
un gabarit. Pour un filtre passe bande, ce gabarit est dfini par la donne des 5
paramtres: Gm;n. Gmax.fp./n et_{!, vrifiant les conditions suivantes.
[O,f~,],
/p jf,
f~,oo],
et la bande
Gmax-
[f~ ,Jp]
bande de transition du filtre. Le tltre est dit bande troite si B ~ _fi, - l, < 0.1
et bande large si B > O.S. La ligure ci-dessous donne une courbe qui approxime
la fonction de transfert d'un filtre idal en faisant rentrer le module de cette fonction dans un gabarit donn.
G rnn><
'"
La synthse consiste souvent partir d'un tltre analogique dont le gain complexe
est dtni par une fonction connue mais dpendant d'un certain nombre de paramtres. Il s'agit ensuite de dterminer ces paramtres afin de satisfaire les conditions imposes au tltre. En gnral, on dispose de trois principales classes de tltres
analogiques passe bas : les tltres de Butterworth, les filtres de Chebyshev et les
filtres elliptiques. On utilise ensuite des transformations qui conduisent des filtres
passe bande ou passe haut. Les gains complexes des filtres de Butterworth, G,, et
de Chebyshev, H,. sont donns par
1
G,(jw)
- - - - ,w-,--
+ (- )2"
et
H,(jw)
2 10
1
--,==1 + E-T,~(w)
Wc
www.biblio-scientifique.net
6.3
251
IG,(vJI-' =6
v
.
!+(-)'"
v,
Ce lltre doit maintenir dans la bande passante une rponse plate optimale avec une
attnuation de -3dB pour IJ = f,. et une pente asymptotique d'attnuation de
-20ndB par dcade (ou -611dB par octave) pour v> fe Le cas 11 = 1 correspond
au circuit RC. La tgure (6.4) donne des exemples de gains complexes en fonction
du paramtre 11 gui intervient dans la dlnition.
-'
~
~L_--~~--~--~~----~--~o----7--~~~~
0
0
0
D
,
Figure 6.4
www.biblio-scientifique.net
252
ou
ou
.w
+.Iwo
,'";
'-'-'O
<< 1 el
'";
(..L;o
r~el.
w-
+ --,).
w-u
= 20LogK
pour -
<<
U....'o
et
IH(.iwll<iii
w
wo
= 20LogK- 20Log-
= w0 .
w
>> 1.
u.-o
pour
IH(.iwo)ldn = 20LogK- 3
IH(.iw0 /2)1,w = 20LogK- 1
IH(.i2woJI<iB = 20LogKwu- 20Log2wo- 1.
Pour !"argument A(w) = -Arctg(wjw0 ), on a:
A(w) = -Arg(K)
pour w << wo
[(
= -Arg(-.--) = -r/2
.tw/wo
pour
U.)
[(
www.biblio-scientifique.net
>> l.v'o
6.3
253
Fonction du second ordre Soit H (p) une fonction admettant deux ples conjugus. On a. pour H(jw) ayant un numrateur K = 1 :
IH(jw)l,w
= 0 et
IH(jw)!,w
=-40Log(-)
et
A(wo)=-TC/2
pour w>>Wo
i..v'O
IH(Jwo)ldn
= -20 Log2a
et A(wo) = -TC/2.
Le terme du second degr provient de la prsence de deux ples conjugus. Pour les
termes polynomiaux, les courbes reprsentant les amplitudes se dduisent de celles
traces par symtrie par rapport l'axe horizontal 20 LogK et les courbes reprsentant les arguments se dduisent de celles traces par symtrie par rapport l'axe des
abscisses.
Cas gnral Tenant compte des proprits lmentaires des nombres complexes,
pour construire le trac dans le cas gnral o H(jw) comporte plusieurs facteurs
lmentaires, on doit ffectuer les oprations suivantes.
Wf+l
>> w pour k = i
+ 1, ... ,n.
Wk
www.biblio-scientifique.net
254
6.1
6.2
Jz, =
a'
1. Donner la condition sur a pour que le filtre soit stable. On suppose que a vrif1e
=tl
llk
pour 0,; k ,; N- 1 et
dfinie par :
ltk
=0
ailleurs
et on appelle )'k sa sortie associe au signal Xk. Prciser les bornes p 1 et p2 pour lesquelles le filtre ainsi dfini est causal.
5. Donner la fonction de transfert H(z) du filtre causal7-i qui associe "k la sortie
Yk
www.biblio-scientifique.net
255
6. Dterminer la condition sur b pour que 1-i soit stable au sens strict. On suppose
cette condition vrilie dans la suite du problme.
7. Dterminer la rponse impulsionnelle de 1-l.
Yk
en
6.3
Filtres quivalents
= cos(27fl + 7r/2)
pour t >O.
et 0
sinon
Zk
xk
* ""
6.4
On considre un liltre causal temps discret dont la fonction de transfert est donne par
H(z)
:~
= ----,-
1-az.-1'
1.
-,;
~
'5.
0
-'._
.s
Ht (z)
64
et
H2(z)
67-b
www.biblio-scientifique.net
256
6.5
On considre le 11ltre causal temps discret qui admet comme fonction de transfert:
H(;.)
1
-1- (/--ol,.
-::a-
5. On prend Xn = A 1e 2 jrrftn + A 2 e 2 jrrfon o les A; et .D sont des constantes positives. Peut-on choisir.f1 et A 2 pour que la sortie Yn soit identiquement nulle?
6. Calculer le module de la T.F de Yn dans le cas A 1 A,
6.6
=f
0 pour a
1/2.
On considre le signal x(t) = s(l) + b(t) o s(t) et b(t) sont des signaux alatoires
temps continu. rels, centrs, indpendants et de DSP ,, (u) et b(u). Le systme
F dont!' entre est x (t) et la sortie y(!) est un 11ltre linaire de rponse en frquence
G(v).
2. Calculer la densit interspectrale r,.,,(T) de x(t) el s(l) puis celle. rL,(T), de y(t)
ets(t).
3. Calculer la fonction d'autocorrlation /',(T) de l'erreur e(t)
que la DSP ,(u).
= y(t)- s(t)
ainsi
4. Montrer que minimiser /',(0) quivaut minimiser r,.(u) pour chaque frquence
u txe.
5. Montrer que le filtre qui minimise r,.(u) a ncessairement une rponse en frquence G(u) relle.
6. Dterminer en fonction de r,(u) et rl>(u) la rponse en frquence G(IJ) minimisant la variance de l'erreur e(t) et donner l'expression rr 2 de cette v<triance.
7. Dtenniner les DSP .,(u) et r"('') telles que la variance rr 2 soit nulle. Calculer
le tiltre G(u) correspondant et discuter son effet sur le bruit.
www.biblio-scientifique.net
257
avec
.
1
x;(/)= sm(2r.-.-.
t7 e
+ '?;)
(i
1.2)
o les Yi dsignenl eux phases alatoires uniformment rparties sur [0,271[, les
A; (t) des signaux stationnaires. centrs de DSP rA, (u) el b(l) un bruit blanc centr
3. Chaque rcepteur R; met en uvre un filtre linaire F; dont la sortie est dlnie
par:
y;(/)= u,.r(l)
+ jJ1.dl- T,),
(i
1.2).
T, > 0
5. On suppose que les DSP re~, sont des Dirac l'origine. soit
re~, (u) = v(u). Expliciter la DSP de YI (1).
r,~,
(u) =
7. Comment doit-on choisir les coefficients o: 2 et 6 2 pour avoir un lltre F2 qui agit
de la mme faon que F1 sur le signal qui n a pas t supprim '?
"
www.biblio-scientifique.net
258
SOLUTIONS
6.1
1: \
1.0na
P; =
donc
B =
6.2
, /'
\ G,(O) \-, -oo
1. Le filtre est stable si, et seulement si, L~o.: ]lz;l < oo. Cette condition quivaut
\a\< l.
2. La fonction de transfert est: H 1 (z)
N 1
-a).
H(~)
dans
8. La DSP fy(I;) du signal Yk en fonction de celle de uk est donne par la formule des interfrences. Soit: r,.(v) = \H(ej'"'')\'r,(v).
Z.k =
L:=-x h 11 Xk~n =
Xk-
Xk~I. Donc
Z.k
Yk
D'o par identification, hk = 0 pour k < 0 et hk = ak pour k ~O. Cc filtre est donc causal.
www.biblio-scientifique.net
259
z1 -a~.-
="'\'ai
.,.-i-t-3
~
~
= "'
~
c/+L-k
~-
k=-3
i=O
D'o hk = (/+ 3 pour k;:?; -.3 eth; = 0 ailleurs. Le filtre est donc non causal mais peut par
un simple changement de 1' origine des temps devenir causal. Par contre le dveloppement
en srie de Laurent de H 2 (-::.) sur son domaine conduit une rponse impulsionnelle h; pour
laquelle il n'existe pas de translation i 0 telle que hi = 0 pour i < io. Le filtre ainsi dtini ne
peut pas tre causal.
6.5 1. Comme le tltre est causal, il est stable si, et seulement si, les ples -a et a de H(:)
sont de module <1. D'o la condition Jal< 1.
2. La rponse impulsionnelle hk du tltre causal et stable est donne par les tem1es du dveloppement suivant de H (c) :
' -'a-;:.
H(c) =
On obtient:
h2k
1 -a::.::
= -a 2k et h::./.:+1
= 0 pour k
:::;; O.
X 11
et y11 , on a:
Xu
et )'11
00
_A 1 ~
'\'11/.:<-0 j2~Jdn-k)
.
\' - '\'1
~ 1k1 n-k -
11 -
\' H(oj2~fl)
-- n
<-
Une sortie nulle signitle que xu est une fonction propre du filtre et que le gain du filtre vrifie G(.j',) = H(ej'"f') =O. Ceci n'est pas possible car H(c) n'admet pas de zro. Si
A 1 A2 =F 0, une sortie nulle signifie que chaque composante de X 11 esl une fonction propre
du tltre et que J'on a G(/1) = G(f,) =O. Cela n'est pas possible d'aprs l'expression de
H(c).
,;0
6. On a
www.biblio-scientifique.net
260
''yj.
+ }y().
D'o
2Mcosrj;r, + f,.
a-=
~b =
; r,(1J)f,(u)
du.
. r;(u) + r,(")
6.7
2Kt
E[sin(-.1~.
+ <p)sm(
2rt(t - T)
ITc
+ <p) =
l
27iT
-).
0- cos(-.
f~,
D'o
1
1
l
r,,(IJ) = -[o(u- -.-) +o(r;+ -.-JJ.
4
tT,
ITe
2. Comme les signaux sont centrs et tous indpendants, on obtient
et donc
Finalement
2
1
l
1
r,(IJ) =- _L)rA,(IJ- -.-) + r",(u+ -'"-11 +
4 1
1Te
tTc
www.biblio-scientifique.net
rT .
261
3. On sait que la rponse impulsionnelle est la sortie associe une impulsion de Dirac.
D'o
h,(t) = o,<l(l)
+ ;J,c)(l- T,).
r,(u) = rl(u)
1.
1
.
1
1 ..
l
.
1 .
= -[(l/- - ) + (JJ+ -)] + -](l/- - ) + <l(u+ - ) ] + 0".
~'
27;_.
2~.
Comme. le signal filtr y 1 est la convolution de x(!) par la rponse impu!sionnelle h 1 la formule des interfrences donne :
r,., (1/)
= 4 sin(rruT,) 2 r,(u).
On obtient
c
l l+.sm_7iY(u
< ' +-)
1
rv1)
(11 =sm
)-l)(u- :-~
,i--,5
1_
.7r1.
1
--,.
1
+sm(- )c (1/- -)+sm(- )(u + - ) + O"sm(rrJJT,.)-
2~
2~
l
l
1 .
1
= S(u- - ) + cl(u+ - ) + crsm(rri,T,)-.
2J:.
2Te
6. Le signal .r 1 (t) est annul la sortie du filtre G 1 Le rcepteur F 1 ne reoit donc que le
signal x2(!) et le bruit.
7. On peut faire le mme traitement en choisissant un G 2 qui s'annule en
het- h. Il suf-
fit de choisir pour cela et 2 = ;J2 = 1. Le rcepteur ainsi dtemn ne reoit que x 1(t) et le
bruit. On peut vrifier que les nitres G 1 et G 2 ainsi construits sont en quadrature puisque
8. Si
rr, (u)
= 0 pour
11 ~
www.biblio-scientifique.net
Bibliographie
[l]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[ l 0]
[Il]
[ 12]
[ 13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
www.biblio-scientifique.net
Index
A
cosinus surlev, 80
bande de convergence, 53
bruit
additionnel, 205
blanc temps discret, 168
blanc complexe, 185
blanc gaussien, 185
blanc thorique, 184
blanc uniformment rparti, 185
de grenaille, 205
thermique, 205
Bu tterworth, 7 3
dcroissance rapide, 17
densit
de probabilit, 109
de probabilit conjointe, 124
spectrale, 4 7
spectrale de puissance, 48, 178, 195
dtection synchrone. 71
diagramme des phases, 71
Dirac (distribution), 19,32
distribution
de Dirac, 7
spectrale, 190
tempre, 18
dure moyenne, 70
causalit, 232
coefficients de Fourier, l 0
chelon unit, 20
commandabilit, 241
condition
de Nyquist, 79
de Shannon-Nyquist, 70
ensemble fondamental. 98
enveloppe complexe, 77
convergence
quation
en loi, 145
en moyenne quadratique, 144
corrlation. 4 7
de Yule-Walker, 208
normale, 208
espace
probabilisable, 97
probabilis, 99, 101
www.biblio-scientifique.net
264
Index
produit, l 02
esprance
conditionnelle. 133
mathmatique, Ill, 126
totale. 133
estimateur
(prcision d'un), 198
convergent, 198
propre, 32
formule
d'chantillonnage, 70, 71, 84
de Bayes, l 03
de Nyquist, 205
des interfrences, 50, 193. 195
sommatoire de Poisson. 24. 79, 84
marginale, 122
partielles, 122
G
gain complexe, 8
Hamming, 16
Hanning. 16
heaviside. 20
factorisation
d'un spectre, 196
spectrale, 196
ti ltrage, 50, 51
lltre(s), 5
adapt, 51
antirepliement. 73
drivateur, 51
de Butterworth, 250
de Chebyshev, 250
dynamique, 8
elliptiques, 250
linaire, 7
RI!, 247
RIF, 247
ingalit
de Bessel, l 0
de Schwarz, 32, 130
intercorrlation. 4 7. 48
interfrences entre symboles, 79
interspectre symbolique. 61
fonction
alatoire, 168
caractristique, 114, 132, 137
d'autocorrlation, 171, 172
d'intercorrlation, 172
de corrlation, 171, I 72
de rpartition, 107, 123, 136
www.biblio-scientifique.net
265
Index
de probabilit. 106
exponentielle, 1:20
marginale, 125
multinomiale, 118
porteuse, 75
prdiction, 21 0
probabilit(s). 100. 101
conditionnelle. 103
uniforme. 99
conditionnelles. 122
processus de Poisson, l 81
produit scalaire, 13
promenade alatoire, 178
pseudo-spectre, 201
nonnalc. 120
temporelle, 168
uniforme. 117
M
matrice
compagnon, 244
de covariance, 138
de transfert, 241
de transition. 239
df-inie non ngative, 138
Q
quantiiication, 74
maximum
a posteriori, 213
Je vraisemblance. 212
modulation. 75, 82
d'amplitude. 76. 77
de frquence, 76
de phase, 76
moment(s), 114
centr. 115
factoriels. 117
statistiques, 171
moyenne. 105
multiplexage(s), 75
en quadrature, 71
0
observabilit. 242
p
Paley-Wiener (proposition), 71
pas de quantitication, 74
Peigne de Dirac, 22
priodogramme, 179
moyenn, 179
phase minimale, 232
polynme
de Chebyshev, 251
de Hurwitz. 233
www.biblio-scientifique.net
266
Index
numrique, 7 4
priodique, 22
spectre, 47
d'un signal priodique, 11
de puissance, 178
de raies, Il, 47
symbolique, 62
stabilit, 232
stationnarit
au sens large, 175
stricte, 174
statistiques 2 dimensions, 121
structure canonique, 246
support compact, 17
systme
analogique, 4
causal, 4
complet, 102
instantan et systme mmoire, 5
invariant, 5
orthonormal, 10
T
T.F et convolution cycliques, 30
table de Rou th, 235
thorme d'chantillonnage, 70
transforme
de Fourier, 12
de Fourier Discrte, 26
de Fourier Rapide, 28, 29
de Hilbert, 21
de Laplace, 53
enZ, 53, 57
transmittance 231, 232
tribu,99, 101
de Bernoulli, 101
fine, 101
grossire, 101
v
valeurs principales, 20
variable
alatoire, 105
alatoire continue. 108
alatoire discrte, 108
certaine, 106
variance, 105, Ill, 113
conditionnelle, 133
totale, 133
vecteur
alatoire, 136
gaussien, 140
vraisemblance. 212
www.biblio-scientifique.net