TRAITEMENT NUMÉRIQUE DU SIGNAL _____________________________________________________________________________________________________
— on appelle puissance la quantité P définie par : ■ On appelle processus harmonique un signal aléatoire dont les
trajectoires sont définies par l’expression :
P = R (0) + m 2 ; (67)
P
comme on envisagera souvent des processus centrés, la puissance
est alors la valeur à l’origine de la fonction d’autocovariance ;
X (n) = ∑ As cos ( 2π f s n + Φ s ) (75)
s=1
— on appelle spectre ou densité spectrale de puissance (dsp)
d’un processus aléatoire SSL la TFtd de la suite R (k). où {As } désigne une suite de P variables aléatoires centrées, non
corrélées de variance σ s2 , {Φs } une suite de P variables aléatoires
+∞ indépendantes des {As }, de loi uniforme sur (0, 2π), et {fs } une suite
S (f ) = ∑ R ( k ) exp ( Ð 2πj fk ) (68) de P fréquences. On montre que X (n ) est SSL, centré et que sa
k=Ð∞ fonction d’autocovariance a pour expression :
P
1
4.3.2 Ergodicité E [ X ( n + k ) X ( n ) ] = ---
2 ∑ σ s2 cos ( 2π fs k ) (76)
s=1
Un processus aléatoire peut être vu comme une infinité de trajec- Sa dsp est donnée au sens des distributions par :
toires correspondant à une infinité d’épreuves. Cependant, dans un
P P
grand nombre de cas pratiques, une seule réalisation du processus 1 1
est accessible à la mesure. C’est pourquoi la classe des processus S (f ) = ---
4 ∑ σk2 δ f Ð fk + ---
4 ∑ σk2 δ f + fk (77)
stationnaires pour lesquels les moments peuvent être obtenus en k=1 k=1
effectuant une moyenne temporelle sur une seule trajectoire, joue Elle est constituée de raies situées aux fréquences ± fk , qui tradui-
un rôle important en pratique. L’ergodicité précise cette notion. sent la présence de composantes « périodiques » dans le signal.
Un processus stationnaire X (n ) est ergodique au second ordre si
sa moyenne et sa fonction d’autocovariance peuvent être obtenues ■ De façon semblable au cas déterministe avec l’énergie, le spectre
en effectuant une moyenne temporelle sur une seule trajectoire et représente la répartition (on dit aussi la localisation) de la puissance
sur un intervalle de temps qui tend vers l’infini. En pratique, pour N le long de l’axe des fréquences et la puissance est donnée par :
suffisamment grand, on a : +1 ⁄ 2
1
m ≈ ------
n = NÐ1
∑ x (n) (69)
P = R (0) + m 2 =
∫ Ð1 ⁄ 2
S (f ) df + m 2 (78)
N L’étude des méthodes qui permettent d’estimer le spectre d’un
n=0
processus aléatoire SSL est un domaine important du traitement du
n = NÐ1Ðk signal. Nous y reviendrons dans la suite.
1
R ( k ) ≈ -------------
NÐk ∑ x ( n + k ) x* ( n ) Ð m 2 (70) Quand un processus aléatoire centré a une fonction d’autocova-
n=0 riance R (k ) identique à 0 pour k ≠ 0 , sa dsp est une constante. Par
Dans la suite, sauf indication contraire, nous supposerons que les analogie avec la lumière blanche, dont le spectre est constant tout le
processus sont ergodiques. long de l’axe des fréquences optiques, on dit que ce processus est
blanc. Le bruit blanc est l’archétype des modèles de bruit rencontrés
en pratique. Ainsi, dans les systèmes de communication, il modélise
4.3.3 Propriétés l’ensemble des bruits d’origine thermique qui interviennent dans la
chaîne de transmission depuis l’émetteur jusqu’au récepteur.
■ Un autre exemple de bruit blanc est le « bruit » introduit par l’opé-
∀k , 0 < R (k) < R (0) (71)
ration de quantification. Considérons la quantification uniforme sur
■ La fonction d’autocovariance est positive. Cela signifie que, quel N bits. Elle consiste à diviser l’intervalle crête-crête (– Ac , + Ac ) du
signal (supposé centré) en 2N intervalles de même longueur
que soit M, la matrice hermitienne (R = RT ) : q = 2Ac /2N et d’associer à l’échantillon Xn le numéro, codé sur
N bits, de l’intervalle auquel il appartient. A la restitution on rem-
R ( 0 ) R ( 1 ) … R (M ) place ce code par la valeur médiane de l’intervalle. Si on note Xn
R = R ( Ð1 ) R ( 0 ) : (72)
l’échantillon à quantifier et Yn la valeur restituée, on a Yn = kq si
: R(1) kq Ð q ⁄ 2 < X n < kq + q ⁄ 2 . On peut alors écrire Yn = Xn + en où en
représente l’erreur. en est appelé le bruit de quantification.
R ( ÐM ) … R ( Ð1 ) R ( 0 )
Dans les calculs pratiques, on fait l’hypothèse que les erreurs en
est une matrice positive. On note que R est une matrice de Toëplitz. sont des variables aléatoires non corrélées dont la loi est uniforme
Nota : Les lignes parallèles à la diagonale principale sont constituées de termes cons-
sur (– q/2, q/2). On en déduit que E (en ) = 0 et que E ( e n2 ) = q 2 ⁄ 12 .
tants. En l’absence d’écrêtage, l’opération de quantification est donc
■ La dsp est une fonction positive : considérée comme équivalente à l’addition d’un bruit SSL centré,
blanc de puissance Bq = q 2/12 :
∀f , S (f ) > 0 (73)
ε
■ Si le processus est de moyenne non nulle, on adjoint au spectre
une raie à l’origine (f = 0) d’amplitude |m|2. Cette raie à l’origine, qui X Y X
+
Y
traduit simplement la présence d’une moyenne non nulle, porte le Q équivalent à
nom de composante continue du processus. Si on utilise la distribu- +
tion de Dirac cela revient à prendre pour définition du spectre la En pratique on ne peut pas garantir l’absence d’écrêtage. Par con-
transformée de Fourier du moment du second ordre. On a effet : tre on peut faire en sorte que les amplitudes supérieures à Ac soient
de probabilité négligeable.
E ( X ( n + k ) X *( n ) ) = R ( k ) + m 2 (74)
Dans le cas où Xn et un signe aléatoire, SSL, centré, de puissance
qui a pour transformée de Fourier S (f ) + |m|2 δ (f ). σ 2 = R (0),on pose Ac = Fσ où F est appelé facteur de crête. Ainsi, si
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
E 3 087 − 18 © Techniques de l’Ingénieur, traité Électronique
