Université Frères Mentouri, Constantine 1
Faculté des Sciences de la Technologie
Département d’Electronique
1ère année Master Instrumentations
Unité : TP-Traitement Avancé du Signal 02
TP 1 : SIGNAUX ALEATOIRES
(Corrélation et Densité Spectrale de Puissance)
1. Objectif du TP
L’objectif de ce TP est d’utiliser le logiciel MATLAB pour :
Générer des signaux aléatoires.
Déterminer les fonctions de corrélation (auto-corrélation et inter-corrélation).
Déterminer la Densité Spectrale de Puissance.
2. DEFINITIONS
2.1. Signal aléatoire
Un signal X(t) est aléatoire s’il dépend d’une certaine manière des lois du hasard. De tels signaux, dont la
valeur instantanée est imprévisible, ne possèdent évidemment pas de représentations temporelles
analytiques. Ils peuvent toutefois être caractérisés par leurs propriétés statistiques.
Un signal aléatoire observé doit être considéré comme une réalisation particulière d’un ensemble de
signaux similaires qui sont susceptibles d’être produites par le même phénomène (processus) aléatoire.
2.2. Espérance mathématique (moyenne statistique)
La valeur moyenne statistique, l’espérance mathématique ou le moment du 1er degré est donnée par:
+∞
𝑚𝑥 (𝑡) = 𝐸[𝑋(𝑡)] = ∫ 𝑥𝑓𝑋 (𝑥; 𝑡)𝑑𝑥
−∞
2.3. Fonction d’auto-corrélation
L'auto-corrélation est la du degré de ressemblance entre un signal est sa version décalée. Elle est donnée
par :
𝑅𝑥𝑥 (𝑡1 , 𝑡2 ) = 𝐸[𝑋(𝑡1 )𝑋(𝑡2 )] = 𝐸[𝑋(𝑡 + 𝜏)𝑋(𝑡)]
2.4. Fonction d’inter-corrélation
L'inter-corrélation est la mesure de la similarité entre deux signaux. Elle est donnée par :
𝑅𝑥𝑦 (𝑡1 , 𝑡2 ) = 𝐸[𝑋(𝑡1 )𝑌(𝑡2 )] = 𝐸[𝑋(𝑡 + 𝜏)𝑌(𝑡)]
[Link]é spectrale de puissance (DSP)
Selon le théorme de Wiener-Khintchine, la densité spectrale de puissance d'un processus aléatoire
stationnaire au sens large est la transformée de Fourier de sa fonction d'autocorrélation 𝑅𝑥𝑥 (𝜏).
Traitement avancé du signal 02 [Link] Page1
∞
𝑆𝑥𝑥 (𝑓) = 𝐹{𝑅𝑥𝑥 (𝜏)} = ∫ 𝑅𝑥𝑥 (𝜏)𝑒 −𝑗2𝜋𝑓𝜏 𝑑𝜏
−∞
3. MANIPULATIONS
3.1.Génération d’un signal aléatoire
Soit les deux signaux suivants :
𝑋(𝑡) = 𝐴𝑐𝑜𝑠(2𝜋𝑓𝑥 𝑡 + φx ) ; 𝑌(𝑡) = 𝐵𝑐𝑜𝑠(2𝜋𝑓𝑦 𝑡 + φy )
Représenter en utilisant Matlab, les deux signaux dans les différents cas suivants :
Les phases nulles.
Les amplitudes A et/ou B sont des variables aléatoires normales.
Les fréquences 𝑓𝑥 et/ou 𝑓𝑦 sont des variables aléatoires normales.
Les phases φx et/ou φy sont des variables aléatoires uniformément distribuée sur
l’intervalle [0,2𝜋].
On prend :
𝐴 = 2, B=3, 𝑓𝑥 = 50 𝐻𝑧 , 𝑓𝑦 = 10𝐻𝑧,
Nombre d’échantillons N=200, la fréquence d’échantillonnage 𝑓𝑒 = 1000.
3.2.Génération d’un signal bruité
Soit le signal sinusoïdale 𝑋(𝑡) suivant :
𝑋(𝑡) = 𝐴𝑠𝑖𝑛(2𝜋𝑓𝑡);
On définit le signal bruité 𝑌(𝑡) suivant :
𝑌(𝑡) = 𝑋(𝑡) + 𝑏
Tel que :
b : est un bruit blanc gaussien de puissance 3.
On prend :
𝐴 = 2, nombre d’échantillons N=200, 𝑓 = 50 𝐻𝑧, la fréquence d’échantillonnage 𝑓𝑒 = 1000,
Ecrire un programme qui permet de :
Générer et visualiser X(𝑡).
Générer et visualiser le bruit.
Générer et visualiser Y(t).
Visualise les trois signaux simultanément.
Comparer les deux processus X(t), Y(t).
Calculer le SNR.
[Link] d’auto et d’inter-corrélation et de la DSP
E utilisant l’instruction xcorr du Matlab,
Calculer et tracer la fonction d’auto-corrélation du :
Signal X(t).
Signal Y(t).
Calculer et tracer la fonction d’inter-corrélation entre chaque deux signaux générés dans la partie
3.1.
Commenter les résultats de corrélation obtenus.
Calculer et visualiser la densité spectrale de puissance.
Traitement avancé du signal 02 [Link] Page2
