TD TNS v2

TRAITEMENT NUMERIQUE DU SIGNAL - TD N°1 -
EXERCICE N°1
EXERCICE N°3
Soit un signal analogique à temps continu x a (t ) dont la
Transformée de Fourier (TF) X a ( f ) est à support Un ingénieur du son enregistre un concert avec 2
micros. Il filtre les signaux aux fréquences supérieures à
borné dans l'intervalle [− F ,+ F ] . On échantillonne 22 kHz, puis il échantillonne les signaux de ses micros
1 et quantifie les valeurs sur 16 bits. Il désire stocker les
x a (t ) à la fréquence Fe = avec Fe = 5 F . Cet
Te signaux numérisés sur un CD-ROM. On suppose qu'il
échantillonnage, supposé idéal, s'écrit à l'aide d'un n'effectue aucun autre traitement sur ses données (pas
peigne de dirac : x e (t ) = x a (t ).WTe (t ) . On considère de codage contre les éventuelles erreurs par exemple).
Quelle doit être la capacité de son CD pour 70 minutes
l'allure suivante pour la TF de x a (t ) : de concert.
EXERCICE N°4
Xa( f )
En pratique, l'échantillonnage d'un signal à temps
continu est suivi d'un codage de chaque échantillon x en
une valeur Q (x ) représentée sous forme numérique
(conversion analogique-numérique). Cette opération
constitue une discrétisation du signal avec un pas de
f quantification ∆ que l'on supposera constant. Pour
-F +F i∆ ≤ x ≤ (i + 1)∆ , le procédé de quantification retenu
1) Représentez graphiquement Xe( f ) pour ∆
dans cet exercice est un arrondi de la valeur de x à ± .
2
f ∈ [− 30 F ,+30 F ]
Si on utilise un code binaire sur b bits, la plage de
On échantillonne maintenant un signal à temps continu codage vaut A = 2 b ∆ .

On définit l'erreur de quantification par e( x ) = Q ( x ) − x
de la forme : x a (t ) = A cos(2πf 0 t ) + B . On obtient ainsi
le signal échantillonné x (nTe ) = x a (nTe ) .
1) Déterminez l'expression de l'erreur de quantification
2) Déterminez l'expression de x (nTe ) , calculez et pour x situé dans le iième intervalle de quantification et
représentez sa TF tracez l'allure du graphe correspondant.
Application numérique : 2) On admet que l'erreur de quantification e, encore
A = 1, B = 1, f0 = 1 kHz, Fe = 5 kHz appelée bruit de quantification, est une variable
aléatoire continue non corrélée à x et dont la densité de
probabilité (DDP) est uniforme. Montrez que e est
EXERCICE N°2
centrée et exprimez sa variance σ e2 en fonction de ∆.
Soit un signal analogique à temps continu x a (t ) dont la 3) On définit le rapport signal à bruit de quantification
Transformée de Fourier (TF) X a ( f ) est à support en dB par :
borné, de largeur 25 MHz et centrée sur 112.5 MHz..  σ2 
ΓdB = 10 log 10  x 
 σ2 
|Xa(f)| 25 MHz
 e
Dans cette expression, σ 2x représente la variance de x.
f La dynamique de x est supposée ne pas dépasser la
−A A
112.5 MHz plage de codage, soit ≤ x < . Déterminez
2 2
Un ingénieur propose d'échantillonner ce signal à une l'expression de Γ en fonction de σ x , du nombre b de
fréquence Fe = 90 MHz . La plupart des ingénieurs bits et de l'amplitude A de la plage de codage. Quel est
l'apport en dB d'un bit supplémentaire.
auxquels il soumet cette proposition prétendent qu'il ne
4) Calculez la valeur maximum de Γ avant saturation
respecte pas le théorème de Shannon et ne voient pas
pour un codage sur 16 bits avec les signaux suivants
l'intérêt de cette solution.
supposés centrés :
- Présentez un argumentaire pour défendre la
- un signal sinusoïdal
solution de cet ingénieur.
- un signal gaussien dont la valeur crête sera estimée
- Représentez le spectre du signal échantillonné
- La solution est elle encore valable si le signal est à 4σ x
centré sur 100 MHz et Fe=50 MHz, pouvez vous
exprimer une condition suffisante pour que le sous
échantillonnage fonctionne convenablement.
Signal
x(nTe)
EXERCICE N°1 1
Soit un signal numérique réel x(nTe ) dont le spectre est 0.5 0.5
représenté ci-dessous :
0.2 0.2
|Xe(f)|
t
8 kHz Te 4 Te
• La Transformée de Fourier discrète de ce signal est-
elle réelle ?
f
f0=Fe/4 • Calculez les valeurs de la Transformée de Fourier
discrète de ce signal pour des fréquences multiples
On multiplie terme à terme les échantillons de ce signal F
de e
par une porteuse pure de fréquence normalisée N
f1n = 0.0125 pour former un nouveau signal y (nTe ) Quel échantillon pourrait-on ajouter pour résoudre le
• Quelle est la valeur de f1 problème ?
• Exprimez y (nTe ) en fonction de x(nTe ) EXERCICE N°3
• Représentez le spectre de y (nTe ) (on supposera la On considère une image que l'on notera I et qui
bande du signal faible devant la valeur de la comporte N lignes et M colonnes. On note I (n, m ) , le
fréquence f 1 ) pixel de la ligne n colonne m.
• Ecrivez la Transformée de Fourier de l'image en
EXERCICE N°2
fonction de deux variables p et q
On considère un signal analogique Π (t ) défini de la On conjugue cette Transformée et on effectue la
manière suivante : Transformée inverse on obtient
− τ τ • le négatif de l'image ?
Π (t ) = 1, t ∈  ,  • l'image d'origine ?
 2 2
• l'image d'origine avec une symétrie par rapport à un
− τ τ
Π (t ) = 0, t ∉  ,  axe vertical ?
 2 2 • l'image d'origine avec une double symétrie verticale
On numérise ce signal avec une fréquence horizontale ?
d'échantillonnage Fe • n'importe quoi ?
• Quelle condition doit respecter Fe pour respecter le EXERCICE N°4
théorème de Shannon ?
On considère un burst radio comportant 100 symboles
On considère maintenant la porte numérisée de M
8PSK dont 16 symboles de référence placés au début du
échantillons :
burst. Ce burst provient d'un satellite animé d'une vitesse
Π (nTe ) = 1 , n ∈ [0, N − 1] radiale de 5 km/s par rapport au récepteur. La fréquence
Π (nTe ) = 0 , n ∈ [N , M − 1] porteuse de la liaison est égale à 14 GHz. Le débit brut
• Calculez la Transformée de Fourier discrète de cette est égal à 24 Mbits/sec. On estime l'écart de fréquence
porte numérique et tracez le spectre de 0 à Fe en doppler au moyen d'une FFT sur le préambule.
précisant les valeurs des passages par 0. • Quelle est la valeur du Doppler
• Quelle précision peut-on obtenir sur l'estimation de
On introduit la Transformée en cosinus discrète fréquence
suivante : • Quelle rotation de phase maximale sera induite sur
+∞ chaque symbole du fait de cette imprécision
C( f ) = ∑ x(nTe ) cos(2πfnTe ) • Quelle rotation de phase sur l'ensemble du burst.
n = −∞ • Quelle valeur de zéro padding faut-il choisir pour
• Exprimez C ( f ) en fonction de la Transformée de interpoler la FFT afin d'obtenir une imprécision
Fourier discrète X ( f ) (le signal temporel est réel) fréquentielle conduisant au maximum à une rotation
• Quelle condition faut-il avoir sur le signal π
de sur l'ensemble du burst.
numérique temporel x(nTe ) pour avoir 8
C( f ) = X ( f )
• Soient les N échantillons du signal suivant :
Signal
EXERCICE N°1 EXERCICE N°4

On considère un filtre RIF symétrique réel pair dont les On considère une chaîne de traitement constituée par la
coefficients sont : mise en cascade des 4 filtres numériques suivants :
h2 = 0.1 = h3 7 4
h1 = 0.3 = h4
u ( n) = ∑ a i x(n − i ) , v ( n) = ∑ b j u (n − j )
i =0 j =0
h0 = 0.6 = h5 6 5
1) Calculer la réponse de ce filtre à la fréquence 0 w(n) = ∑ c m v ( n − m) , y ( n) = ∑ d k w(n − k )
2) Calculer la réponse de ce filtre à la fréquence 0.5 m =0 k =0
3) On inverse le signe des coefficients d'indice impair, Soit x(n ) le signal en entrée et y (n ) le signal en sortie.
quelle est la réponse du nouveau filtre obtenu à la 1) Ecrire y (n ) en fonction de x(n ) ?
fréquence 0.5
4) Donnez un schéma de réalisation du filtre. Combien 2) Quel coefficient affecte x(n − 21) ?
faut-il de multiplications par valeur de sortie
EXERCICE N°5
EXERCICE N°2 On considère le filtre numérique RIF A(z ) à 64
Un filtre numérique à réponse impulsionnelle finie est coefficients tous égaux à 1. Soit x(n) le signal à l'entrée
défini par l'équation suivante :
du filtre et y (n) le signal à la sortie du filtre. On se
N −1
y ( n) = ∑ a k x (n − k ) place à l'instant n.
k =0 1) Serait-il possible d'obtenir la sortie parmi les valeurs
Les coefficients a k ont été calculés de telle sorte que ce délivrées par une FFT du signal d'entrée.
2) Tracez la fonction de transfert en fréquence du filtre.
filtre soit de type passe bas avec une fréquence de
On multiplie terme à terme les coefficients du filtre par
coupure f c égale à Fe / 20 . ( Fe représentant la
j 2π
(i×1)
fréquence d'échantillonnage). N
e
1) Que devient ce filtre si ses coefficients a k sont
3) Tracez la fonction de transfert en fréquence du
remplacés par a k cos(2 π f 0 k Te ) avec f 0 = Fe / 5 . nouveau filtre ainsi obtenu.
4) Serait-il possible d'obtenir la sortie à l'instant n au
moyen d'une FFT.
EXERCICE N°3 5) On cherche à décomposer un signal au moyen d'un
Soit le filtre défini par l'équation : banc de 64 filtres fréquentiels équidistants. Proposez
y (n) = x(n) + 0.7 x(n − 1) + 0.9 x(n − 2) une solution en utilisant une FFT.
la fréquence d'échantillonnage est égale à 10 MHz, les
signaux sont réels. EXERCICE N°6
1) Quelle puissance de calcul minimale faut-il prévoir
pour réaliser ce filtre ? On considère l'interpolation de facteur 2 la plus simple
qui consiste à insérer entre chaque valeur du signal
numérique d'origine la demi somme des échantillons
encadrant cette nouvelle valeur. Ecrire le filtre
interpolateur, exprimez sa réponse en fréquence.
Signal
1) De quel type de filtre s'agit-il (RII, RIF) et quel est

EXERCICE N°1
son ordre ?
Une boucle à verrouillage de phase est modélisée par le 2) Calculez la réponse en fréquence de ce filtre.
circuit suivant : N (Z )
3) On pose H ( Z ) = et on introduit
D( Z )
+ x(n)-y(n)=e(n)
+ ϕ D (ω ) comme étant la réponse en phase du
x(n) dénominateur D( Z ) , exprimez la réponse en phase de
-
H ( Z ) en fonction de ω et de ϕ D (ω ) .
y(n) +
+ EXERCICE N°4
+
On considère le filtre RII suivant :
Z-1 y (n) = x(n) − b1 y (n − 1) − b2 y (n − 2)
- Quel signal d'entrée x(n) conduit à y (n) = δ(n) ,
discutez ce résultat.
1) Ecrire la relation entre la suite d'entrée x(n) et la - On rappelle qu'une condition nécessaire et suffisante
sortie y(n). En déduire la fonction de transfert en Z n = +∞
du système.
2) Quelle est la réponse à l'échelon unité. Vérifier
de stabilité pour un filtre numérique est d'avoir ∑ hn
n = −∞
qu'elle correspond bien à un asservissement de y(n) bornée. Expression dans laquelle hn représente la nième
sur x(n), c'est à dire qu'elle tend vers l'unité quand n
valeur de la réponse impulsionnelle du filtre.
tend vers l'infini.
3) Le coefficient K représente le gain de On se place dans le cas où b1 et b2 sont tels que la
l'asservissement. Dans quelle plage doit on choisir 1
fraction a deux pôles complexes
−1
ses valeurs pour garantir la stabilité. 1 + b1 Z + b2 Z − 2
conjugués P et P *
EXERCICE N°2 - calculez la réponse impulsionnelle du filtre
Soit le filtre numérique défini par ses :zéros : - montrez que la condition de stabilité revient à avoir
Z1 = 0.09 ± j 0.99 le pôle à l'intérieur du cercle unité
(On pourra décomposer la fraction en éléments simples
Z 2 = 0.58 ± j 0.81
et effectuer la division. L'écriture du pôle en
et par ses pôles : coordonnées polaires peut être avantageuse pour le
P1 = 0.62 ± j 0.26 calcul)
P2 = 0.70 ± j 0.58
EXERCICE N°5
1) De quel type de filtre s'agit-il (RIF, RII, ?)
2) Quel est son ordre On vous demande de réaliser un filtre numérique
3) Quelle est sa fonction de transfert (passe haut, passe agissant sur un signal numérisé à 10 MHz. La bande
bas, passe bande ?) passante s'étend de 0 à 100 Hz et la bande atténuée de
200 Hz à 5 MHz.
Quelle puissance de calcul faut-il grossièrement prévoir
EXERCICE N°3 pour réaliser ce filtre avec
On considère un filtre numérique dont la fonction de - un filtre RIF
transfert en Z s'écrit : - un filtre RII
Que pensez vous du problème posé et auriez vous
quelques recommandations à faire pour le simplifier.
b2 + b1 Z −1 + Z −2
H(Z ) =
1 + b1 Z −1 + b2 Z − 2
Signal
EXERCICE N°1 On considère le cas d'un signal s (t ) obtenu au moyen

On considère un signal aléatoire numérique x(nTe ) . de deux capteurs. Sur le premier capteur le signal est
Pour simplifier les écritures on suppose Te = 1 et l'on reçu avec une variable de bruit additive b1 (t ) et avec
écrit la réalisation du signal à l'instant Te sous la forme une variable b2 (t ) sur le deuxième capteur. Ces deux
x(n) . Le signal x(n) a été obtenu en filtrant, au moyen variables de bruit sont supposées indépendantes,
d'un filtre à réponse impulsionnelle finie, un bruit blanc gaussiennes, centrées et de même variance égale à σ 2 .
b(n) gaussien centré de variance σ 2 . L'équation de Le signal s(t ) est supposé être centré et normalisé, c'est
filtrage est la suivante :
x(n) = 2.b(n) + 0.5.b(n − 1) − 0.2.b(n − 2) + 0.1.b(n − 3)
[ ]
à dire E [s (t )] = 0 et E s 2 (t ) = 1
- Exprimez le rapport signal sur bruit sur chaque
- Calculez, en fonction de σ 2 , les coefficients capteur. On notera x1 (t ) et x 2 (t ) les signaux
d'autocorrélation d'ordre 0,1,2,3 du signal x(n) . On capteurs.
notera rxx (0), rxx (1), rxx (2), rxx (3) ces coefficients. Afin d’améliorer ce rapport signal sur bruit on décide de
- Le signal x(n) est-il blanc ? sommer les signaux issus des deux capteurs et de
former un nouveau signal y (t ) = x1 (t ) + x 2 (t ) .
- La répartition des niveaux d'amplitude du signal
x(n) est elle gaussienne (sans justifier)? - Exprimez le nouveau rapport signal sur bruit sur
chaque capteur
- Formez la matrice d'autocorrélation d'ordre 3 que
On considère maintenant que le deuxième capteur
l'on notera R3 fonctionne moins bien que le premier et que le signal
On suppose maintenant que l'on dispose d'un autre qu’il reçoit s’écrit :
signal noté y (n) , lui aussi obtenu par filtrage du bruit x 2 (t ) = α s(t ) + b2 (t )
b(n) , mais s'écrivant cette fois ci : Expression dans laquelle α représente un coefficient
y ( n ) = b ( n ) − b( n − 2 ) d’affaiblissement réel compris entre 0 et 1.
- Donnez la transformée en Z de la réponse - Donnez le rapport signal à bruit de combinaison
impulsionnelle du filtre qui a permis d'obtenir y (n) obtenu par simple sommation en tenant compte de
ce coefficient α .
à partir de b(n) . - Tracez ce rapport pour α variant entre 0 et 1 et
- Placez les zéros de ce filtre sur un cercle unité, discutez sur l’efficacité de la sommation.
quelles sont la ou les fréquence(s) coupées par ce On propose maintenant d’introduire un coefficient
filtre ? Tracez à main levée l'allure de sa réponse en multiplicatif réel a sur la deuxième antenne.
fréquence.
- Exprimez, en fonction de α et de σ 2 , la valeur
- Le signal y (n) est il blanc ?
optimale que doit prendre ce coefficients a afin de
On considère maintenant le coefficient d'intercorrélation
maximiser le rapport signal sur bruit en sortie de
entre les signaux x(n) et y (n) . On note rxy ( p) ce combinaison.
coefficient et il est défini par :
[
rxy ( p) = E x(n) y (n − p) *
] EXERCICE N°4
On considère le signal x(nTe ) suivant :
- Calculez rxy (0 ), rxy (1), rxy (2)
x1
EXERCICE N°2 x0 x2
On considère un filtre avec uniquement des zéros :
π π
j −j
*
Z0 = e , Z0 = e
4 4
On fait passer un bruit b(n) uniformément réparti entre - Montrez sur ce signal simple :
2
[0,1] à travers ce filtre. On note x(n) la sortie du filtre. N −1 N −1  N −1 
- Exprimez x(n) en fonction du signal d'entrée.
∑ ∑ x(n) x(n − p) =  ∑ x(n) 
p = − ( N −1) n = p  n =0 
- Calculez les coefficients d'autocorrélation d'ordre 0 - Proposez une méthode pour généraliser ce résultat à
et 1 de x(n) . On notera rxx (0), rxx (1) ces toute observation d'un signal sur N points
coefficients.
EXERCICE N°3
Signal
EXERCICE N°1 - Le signal x(n) a été obtenu par filtrage d'un bruit
On considère l'observation tronquée de 6 échantillons
blanc gaussien de variance σ 2 par un filtre à
d'un signal aléatoire x(n) :
réponse impulsionnelle finie de fonction de
0.23 −0.1 0.12 −0.4 −0.3 0.1
transfert en Z H ( Z ) = 1 + αZ −1 + βZ −2 , en déduire
On suppose le signal nul en dehors de ces valeurs. On
choisit d'estimer, à partir d'une observation de N les valeurs de α et β
valeurs, le coefficient d'autocorrélation du signal x(n)
au moyen de la formule : EXERCICE N°3
On considère un problème de transmission dans lequel
1 N −1
rxx ( p) = ∑ x ( n) x ( n − p ) *
N n= p
un émetteur envoie un signal s (t ) . Le récepteur reçoit
ce signal augmenté d'une variable de bruit additive, que
- Calculez les valeurs de rxx ( p) , pour l'on notera b(t ) . Le signal reçu sera noté
p ∈ [−∞ +∞ ] x(t ) = s (t ) + b(t ) . On suppose que le signal émis s (t )
- Donnez la valeur du périodogramme de x(n) pour est centré et de puissance normalisée et que les
f =0 échantillons sont indépendants. Le bruit b(t ) sera
- Donnez la valeur du corrélogramme de x(n) pour supposé gaussien blanc de variance σ 2 . Le bruit additif
f =0 et le signal émis peuvent être considérés comme deux
variables aléatoires indépendantes.
EXERCICE N°2 - Calculez le rapport de puissance entre le signal
On considère un signal aléatoire stationnaire x(n) et utile et le bruit dans le signal reçu (ce rapport dit
l'on suppose connu ses coefficients d'autocorrélation : signal sur bruit se note S/B).
r (0) = 3σ 2 , r (1) = 2σ 2 , r (2) = σ 2 , r (3) = 0
Avant d'être reçu, le signal émis traverse un canal de
On cherche le filtre de prédiction linéaire d'ordre 3 de
propagation avec des échos multiples (canal dit
ce signal.
multitrajets). On considère que la réponse de ce canal
- Utilisez l'algorithme de Levinson pour identifier s'écrit C ( Z ) = 1 + αZ −1 . Le terme de bruit additif est
successivement, en fonction des coefficients sommé après le canal multitrajets.
d'autocorrélation, les filtres prédicteurs d'ordre 1, 2
et 3. On notera : a11 , a12 a 22 , a13 a 23 a 33 - Exprimez le nouveau signal reçu y (t ) en fonction
ces trois filtres. de x(t ) et de b(t )
- Tracez l'énergie de prédiction en fonction de l'ordre - Exprimez le nouveau rapport signal à bruit
du prédicteur pour σ 2 = 1 . Que pouvez vous dire
sur l'évolution de cette énergie de prédiction. On choisit de mettre en réception un filtre de prédiction
- On suppose que les autres coefficients linéaire à réponse impulsionnelle finie afin de
d'autocorrélation r (i ) sont nuls pour i ≥ 3 . "reblanchir le signal reçu". Exprimez le ou les
coefficients de ce filtre blanchisseur dans le cas où il
Calculez l'énergie de prédiction à l'ordre 4. Pensez
aurait un ou deux coefficients.
vous que l'énergie de prédiction va beaucoup
évoluer si l'on poursuit la prédiction à des ordres
supérieurs. Justifiez votre réponse.
Signal
EXERCICE N°1 - Formez la matrice d'autocorrélation d'ordre

3
On dispose de N observations xi - Quelle sera l'énergie de l'erreur de
indépendantes de même moyenne et de même prédiction dans le cas d'une prédiction
variance σ 2 d'un processus aléatoire. linéaire à l'ordre 4 (on répondra
1 N uniquement pour les deux cas extrêmes du
On estime m par m̂ =
N
∑ xi rapport signal à bruit)
i =1
- m̂ est-il biaisé ?
- Quelle est la variance de m̂ EXERCICE N°3
- Représentez cette estimation par un filtre et On se place dans le cas d'un filtre prédicteur
une décimation réel agissant sur un signal réel.
On note A = (a1 , a 2 ,..., a N ) T les coefficients du
EXERCICE N°2 filtre et R = (ri, j ) la matrice d'autocorrélation du
On considère le signal x(nTe ) = α 0 sin (2πf 0 nTe ) signal. Montrez que la dérivée en fonction du
- Montrez qu'il s'agit d'un signal vecteur a de la forme AT RA est égale à 2 RA .
autorégressif d'ordre 2 dont la variance de
l'erreur d'estimation est nulle.
EXERCICE N°4
- Calculez la fonction rxx (τ) pour
τ = 0, Te ,2Te ,..., pTe On reçoit un bloc de données via une interface
- Quel est le rang de la matrice radio. On dispose ainsi de 500 échantillons qui
d'autocorrélation du signal x(nTe ) sont des symboles BPSK auxquels s'est
superposé un bruit additif blanc gaussien de
On ajoute une deuxième sinusoïde :
variance σ 2 .
x(nTe ) = α 0 sin (2 πf 0 nTe ) + α 1 sin (2πf 1 nTe ) avec
Les échantillons ont été échantillonnés à 10
f 0 ≠ f 1 et α i ≠ 0 et réels.
MHz. On dispose de 40 symboles non modulés
- Peut-on trouver un filtre RIF qui annule sur lesquels on effectue une FFT afin d'estimer
totalement ce signal ? un écart de fréquence. Quelle est la résolution
- Quel est le plus petit ordre de ce filtre ? fréquentielle que l'on obtient en sortie de FFT.
On ajoute un terme de bruit :
x(nTe ) = α 0 sin (2 πf 0 nTe ) + α 1 sin (2πf 1 nTe ) + b(nTe )
b(nTe ) représente un échantillon de bruit blanc
de variance σ 2
Signal
TRAITEMENT NUMERIQUE DU SIGNAL - CORRIGE DU TD N°1 -
CORRIGE EXERCICE N°1 CORRIGE EXERCICE N°3

+∞ freq max 22 kHz donc freq d'échantillonnage minimale
X e ( f ) = Fe ∑ Xa(f − kFe ) 44 kHz. 2 voies à 44 kHz et 16 bits donne 1.408
k = −∞ Mbits/s. Pour 70 minutes cela donne en octets : 739.2
Moctets
Xe( f )
CORRIGE EXERCICE N°4
1)
e(x)
-10F -5F -F +F +5F +10F
∆/2
x
Le signal échantillonné s'écrit : -∆/2 i∆ (i+1) ∆
x( nTe ) = A cos(2πf 0 nTe ) + B
La Transformée du signal analogique s'écrit :
A
X a ( f ) = [δ( f − f 0 ) + δ( f + f 0 )] + Bδ( f ) 2) Moyenne :
2
∆
La Transformée du signal numérisé s'écrit alors : +
+∞ 2
A
2
[ ]
X e ( f ) = W Fe ( f − f 0 ) + W Fe ( f + f 0 ) + BW Fe ( f ) me = ∫ p e (u)udu = ∫
∆
1
∆
udu = 0
−∞ −
2
Variance
∆ ∆
1 + +
0.5 [ ]
σ e2 = E e 2 = ∫
2
p e (u )u 2 du = ∫
2 1 2
∆
u du =
∆2
12
∆ ∆
− −
-Fe Fe/5 Fe 2 2
4) Rapport signal à bruit de quantif :

 12σ 2x 2 2b 
Shannon respecté car Fe > 2 B ( 90 MHz > 50 MHz ) Γ = 10 log10  , d'où
 A2 
 
σ 
|Xe(f)| Γ = 6.02b + 20 log 10  x  + 10.8
25 MHz  A 
6.02 dB par bit supplémentaire
f
5) Pour un signal sinusoïdal, la valeur crête vaut 2σ x
A
45 67.5 112.5 MHz et la condition de non saturation s'écrit : 2 σ x < ce
22.5 MHz MHz 2
90
MHz qui donne Γ < 97.8 dB . Pour un signal gaussien dont la
MHz
A
La solution n'est plus valable pour 100 MHz et Fe=50 valeur crête est estimée à 4σ x , on obtient : 4 σ x < ,
2
MHz. Une solution suffisante dans un cas de sous-
qui donne Γ < 88.7 dB .
F
échantillonage serait Fe > 2 B et f = kFe + e
4
Fe/2
kFe (k+1)Fe
f=kFe+Fe/4
Signal
CORRIGE EXERCICE N°1  k  4 nk

− j 2 π Te  − j 2π
4k 
 = ∑ xn e  
X  5 = x0  1 + e 5

Fe 5 T
 e  n =0 
= 8 kHz d'où Fe = 16 kHz  
2
 − j 2π k
− j 2π
3 k  − j 2π
2k
d'où f1 = f1n × Fe = 200 Hz  
+ x1  e 5 +e 5
 + x2 e
5
y (nTe ) = x(nTe ) cos(2πf1nTe ) 
 
 πn  résultat non réel.
y (nTe ) = x(nTe ) cos 
 40  avec un zéro devant,
Si la bande est assez faible et si on filtre le morceau à x0 = 0 , x1 = x5 = 0.2 , x2 = x4 = 0.5 , x3 = 1
3.8 kHz, on obtiendra : nk
 k  5 − j 2 π Te
|Xe(f)| X   = ∑ xn e 6 = x0 + x3
8 kHz
 6Te  n =0
  2πk     4 πk  
+ x1  2 cos   + x2  2 cos  
f   6    6 
4.2 kHz
résultat réel.
Le signal analogique a un spectre non borné (sinus
cardinal) donc il est impossible de respecter Shannon. N −1 M −1 pn qm
− j 2π − j 2π
1 N −1 I ( p, q ) = ∑ ∑ I (n, m)e N e M
TF (Π ) = ∑ e − j 2π f iTe
M i =0 n =0 m =0
l'image d'origine avec une double symétrie verticale
1 1 − e − j 2 π f NTe horizontale
=
M 1 − e − j 2 π f Te CORRIGE EXERCICE N°4
1 e − jπ f NTe e jπ f NTe − e − jπ f NTe v
= 14 GHz. , 5 km/s Æ Doppler = f × = 233 kHz
M e − jπ f Te e jπ f Te − e − jπ f Te c
1 − jπ f ( N −1)Te sin π f NTe 24 Mbits/sec Æ débit symbole 8 Msymb/sec
TF (Π ) = e 1
M sin π f Te Temps symbole : Ts = = 125 ns
8.10 6
1
16
0.9
Durée préambule NTs = = 2µs
0.8
0.7
1/NTe 8.10 6
0.6 Réso FFT sur N = 16 valeurs :
0.5
1
0.4 ∆f = = 500 kHz
0.3 NTs
2π π
0.2
0.1
Rotation par symbole : 2π ∆f Ts = =
0
0 20 40 60 80 100 120 140 N 8
Fe Rotation sur burst de M = 100 symboles :
M 2π
M 2π ∆f Ts = = 6.25 × 2π
C( f ) =
1
2 2
(
( X ( f ) + X (− f ) ) = 1 X ( f ) + X ( f ) * ) N
Démodulation impossible. Pour améliorer la précision
C ( f ) = Re{X ( f )} on peut interpoler la FFT pour avoir une rotation sur
Il faut X ( f ) réel, donc x(nTe ) symétrique l'ensemble du burst inférieure à
π
, d'où
La première réponse (fausse) serait de dire que la TF est 8
réelle car le signal "paraît" symétrique π 1
M 2π ∆f Ts < d'où ∆f < = 5 kHz
On a : x0 = x4 = 0.2 , x1 = x3 = 0.5 , x2 = 1 , N = 5 8 16 MTs
1
= 5 kHz ⇒ N ' = 1600 ⇒ N ' = 2048
N ' Ts
zéro padding sur 2048 valeurs.
Signal
Pour chaque donnée d'entrée réelle x (n) , le calcul de la

sortie y (n) du filtre demande 2 additions et deux
La fonction de transfert du filtre numérique s'écrit : multiplications. Le filtre va donc demander en
N −1
confondant les opérations d'additions et de
H( f ) = ∑ h( kTe )e − j 2 π f k Te multiplications et sans considérer une parallélisation de
k =0
ces dernières, au minimum 40 Mops.
En général on considère la fréquence normalisée par
f
rapport à la fréquence d'échantillonnage : f n = et CORRIGE EXERCICE N°4
Fe
lorsqu'on parle de fréquence 0 ou 0.5 c'est en fréquence 5 6 4 7
normalisée. y ( n) = ∑ ∑ ∑ ∑ d k c m b j a i x(n − k − m − j − i )
N −1 k =0 m =0 j =0 i =0
H( f n ) = ∑ hk e − j2π fn k
écrire en Z
k =0 7 4 6 5
N −1 Y (Z ) = ∑ a i Z −i ∑ b j Z − j ∑ c m Z − m ∑ d k Z − k
H (0 ) = ∑ hk =2 i =0 j =0 m =0 k =0
k =0 −21
N −1 Le terme de degré Z est
H (0.5) = ∑ hk e −jk π (a6 b4 c6 d 5 + a7 b3 c6 d 5 + a7 b4 c 5 d 5 + a7 b4 c6 d 4 )
k =0
= h0 − h1 + h2 − h3 + h4 − h5 = 0
Après inversion du signe des termes impairs : 1) Oui c'est la première sortie (raie de fréquence 0) de la
N −1 FFT du signal {x(n), x(n − 1),...x(n − 63)}
H ' (0.5) = ∑ hk e − j k π sin π f NTe
k =0 2) cf TD n°2
= h0 − ( − h1 ) + h2 − ( − h3 ) + h4 − ( − h5 ) = 2 N sin π f Te
3 multiplications 18
-1 -1
Z Z
16
x(n) 14
12 1/(NTe)
-1 -1 -1 10
Z Z Z 8
+ + + 2
0
0 100 200 300 400 500 600
h0 h1 h3 3) Oui même FFT que précédemment mais deuxième

y(n)
sortie.
+ +
4) On fait une FFT 64 tous les Te. C'est à dire avec une
fenêtre glissante de 64 valeurs qui se décale d'un
échantillon à chaque coup d'horloge..
La multiplication temporelle des coefficients du filtre se CORRIGE EXERCICE N°6
traduit dans le domaine fréquentiel par une convolution
par δ( f + f 0 ) et δ( f − f 0 ) 1 1
Réponse impulsionnelle du filtre  ,1, 
Le filtre passe bas étroit devient alors un filtre passe 2 2
bande centré sur f 0 Transformée en Z: H ( Z ) = 0.5 + Z −1 + 0.5 Z −2
Puissances
Réponse en fréquence :
H ( f ) = (1 + cos(2 πfTe ))e − j 2 πfTe
La coupure en cosinus sera donc assez "molle", il

restera des composantes au voisinage de Fe/2. Ces
fréquences
fc=Fe/20 f0=Fe/5 Fe/2 Fe-Fe/5 Fe composantes fréquentielles s'expliquent par le caractère
"grossier" de l'interpolation temporelle proposée.
Signal
Ce signal x(n) n'est autre que δ(n) passé à travers le

RIF G ( Z ) = 1 + b1 Z −1 + b2 Z −2 qui est justement le
1) y (n) = K[ x (n − 1) − y (n − 1)] + y (n − 1)
filtre inverse de H ( Z ) . Donc résultat normal car
Y (Z ) KZ −1 G ( Z ).H ( Z ) = 1
H(Z ) = =
X ( Z ) 1 + ( K − 1) Z −1
1 1
2) Réponse à l'échelon unité

H (Z ) =
1 − b1 Z −1
− b2 Z −2
=
(1 − PZ )(1 − P Z )
−1 * −1
1 − (1 − K ) n A B
y ( n) = K = 1 − (1 − K ) n H (Z ) = +
−1
1 − (1 − K ) 1 − PZ 1 − P * Z −1
P P*
En identifiant, A = et B =
3) Domaine de stabilité P − P* P* − P
K −1 < 1 ; 0 < K < 2
En effectuant la division :
 P  ∞ n −n  P *  ∞ * n −n
 ∑ P Z+  P Z
 P* − P  ∑
CORRIGE EXERCICE N°2 H ( Z ) = 
Il s'agit d'un filtre à réponse impulsionnelle infinie (RII)  P − P* n =0   n =0
car il possède à la fois des pôles et des zéros. ∞   PP n   P * P *  
n
H (Z ) = ∑   +  −n
 *   *  Z
La fonction de transfert en Z s'écrit : n =0  P − P  P − P 
  
H(Z ) =
(Z − Z )(Z − Z )(Z − Z )(Z − Z ) .
1
*
1 2
*
2  PP n   P * P * 
n
(Z − P )(Z − P )(Z − P )(Z − P )

Le d'où hn =  +
* *  P − P*   P * − P 
1 1 2 2    
numérateur et le dénominateur sont tous deux d'ordre 4.
En écrivant maintenant P = ρ.e jθ , il vient :
Pôles et zéros du filtre RII d'ordre
sin (n + 1)θ
hn = ρ n
1
sin θ
0.8
0.6
0.4
0.2
si le pôle n'est pas à l'intérieur du cercle unité la série
0 diverge
-0.2
-0.4
-0.6
Fe 10.10 6
-0.8
Solution RIF : N≈ = = 10 5 !!! (valeur

-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
La position des pôles et des zéros laisse apparaître qu'il ∆f 100

s'agit d'un filtre passe bas. énorme) et puissance de calcul 10 5 multiplications
additions en 0.1 µs totalement irréaliste.
CORRIGE EXERCICE N°3 F 
Solution RII : N ≈ log 10  e  = 5 , filtre avec un
1) Filtre RII d'ordre 2  ∆f 
2) Déphaseur pur, H (ω ) = 1 ∀ω numérateur et un dénominateur d'ordre 5. Soit donc
environ 10 multiplications additions en 0.1 µs ce qui
N ( Z ) Z −2 D( Z −1 )
3) H ( Z ) = = donne environ 100 Mops. Très important mais faisable.
D( Z ) D( Z )
Cependant le problème doit sans doute être abordé en
⇒ ϕ ( ω ) = 2 ϕ D (ω ) − 2 ω essayant si possible de descendre la fréquence
d'échantillonnage par décimations et filtrages successifs,
car cela ne sert à rien d'avoir 10 MHz pour une bande
utile de 100 Hz
x(n < 0 ) = 0, x(0) = 1, x(1) = b1 , x(2) = b2 , x(n > 2) = 0
Signal
CORRIGE EXERCICE N°1 S 1

= sur chaque capteur
B σ2
rxx (0) = 4.3σ 2 , rxx (1) = 0.88σ 2 y (t ) = 2 s (t ) + b1 (t ) + b2 (t )
rxx (2) = −0.35σ 2 , rxx (3) = 0.2σ 2 S 2
= sur le signal y (t )
Le signal x(n) n'est plus blanc car il a été filtré. On B σ2
constate bien que son autocorrélation n'est pas un dirac. Avec un coefficient α :
Le signal reste gaussien car c'est une combinaison
S (1 + α )2
linéaire de loi gaussienne (cf résultat de proba) = sur le signal y (t )
 4.3 0.88 − 0.35  B 2σ 2
 
R3 = σ 2  0.88 4.3 0.88  2
 − 0.35 0.88 α = 0 , perte de 3 dB

 4.3  α ≈ 0.414 , gain de 0 dB
( )( )
1.5
H (Z ) = 1 − Z 2 = 1 − Z −1 1 + Z −1 α = 1 , gain de 3 dB
Fe 1
Z 0 = 1 , Z 0 = −1 , fréq supprimées 0 et
2
0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Coefficient a sur capteur n°2

0 Fe/2
S (1 + aα )2 , en annulant la dérivée par rapport à
Le signal y (n) n'est pas blanc
=
(
B 1+ a 2 σ2 )
2 2
rxy (0 ) = 2.2σ , rxy (1) = 0.4 σ , rxy (2) = −0.2σ 2 a:
S
EXERCICE N°2 ∂ 
 B  2σ (1 + aα )(α − a )
2
ATTENTION dans cet exercice le bruit b(n) n'est pas =
blanc car il n'est pas centré, il possède donc une raie en ∂a
(
σ4 1 + a 2
2
)
0 plus importante que pour les autres fréquences. En −1
temporel son autocorrélation ne sera pas un dirac. la solution a = minimise le S/B en supprimant le
( )(
H ( Z ) = 1 − Z 0 Z −1 1 − Z 0* Z −1 ) α
signal. La solution recherchée est a = α qui maximise
= 1 − 2 Z −1 + Z − 2 le S/B. Elle porte aussi le nom de filtre adapté.
x(n) = b(n) − 2b(n − 1) + b(n − 2) EXERCICE N°4

1
E (b(n) ) =
2
et E b(n) 2 =(1
3
) Simple calcul:
p ≤ −3 → 0
4 1 p = −2 → x(2) x(0 )
rxx (0) = + − 2 = 0.419
3 2 p = −1 → x(0) x(1) + x(1) x(2)
3 2 2 p = 0 → x(0) 2 + x(1) 2 + x(2) 2
rxx (1) = − − 2 ≈ −0.137
2 2 3 p = 2 → x (2) x(0 )
EXERCICE N°3 p = 1 → x(0 ) x (1) + x(1) x(2)
Exprimez le rapport signal sur bruit sur chaque capteur.
On notera x1 (t ) et x 2 (t ) les signaux capteurs. finalement → (x (0) + x(1) + x(2) )2
x1 (t ) = s (t ) + b1 (t ) Généralisation par récurrence
(Résultat utile pour le parallèle périodogramme
x 2 (t ) = s (t ) + b2 (t )
corrélogramme)
Signal
3

2.5
rxx (0) = 0.0562 , rxx (1) = rxx (−1) = 0.0012 ,

rxx (2) = rxx (−2) = −0.0014
2
rxx (3) = rxx (−3) = −0.0083 , 1.5

1 1.5 2 2.5 3 3.5 4
rxx (4 ) = rxx (−4) = −0.0132 , rxx (5) = rxx (−5) = 0.0038

rxx ( p) = rxx (− p ) = 0, ∀p > 5 L'énergie de prédiction ne va plus beaucoup évoluer. Les
2
nouveaux termes que l'on introduira dans le filtre n'étant
1 6  pas corrélés à l'échantillon que l'on souhaite prédire.
Pper (0) =  ∑ x(i )  = 0.0204

6  i =0 
 (
rxx (0) = 1 + α 2 + β 2 σ 2 = 3σ 2 )
 6  rxx (1) = (α + αβ )σ = 2σ 2 2
Pcor (0) =  ∑ rxx (i )  = 0.0204
  rxx (2) = (β)σ 2 = σ 2
 i = −6 
On constate bien que les deux estimateurs donnent le D'où α = β = 1
même résultat. EXERCICE N°3
CORRIGE EXERCICE N°2 S 1
=
r (0) = 3σ 2 , r (1) = 2σ 2 , r (2) = σ 2 , r (3) = 0 B σ2
E 0 = r (0) = 3σ 2 y (t ) = s (t ) + αs (t − 1) + b(t )
j =1 S
=
1+ α2 ( )
r (1) 2 B σ2
k1 = =
E0 3 Blanchisseur à un coefficient :
2 On essaye de prédire y (t ) à partir de y (t − 1)
a11 =
3 On utilise encore Levinson, r yy (0 ) = 1 + α 2 + σ 2 ,
( )  4 5
E 1 = E 0 1 − k 12 = 3σ 2  1 −  = σ 2 = 1.66 σ 2
 9 3
r yy (1) = α
r yy (1) α
j=2 k 1 = a1,1 = =
r yy (0 ) 1+ α + σ2 2
1
( ) 3  2 2 2  −1
( )
k2 = r (2) − a11 r (1) = 2 2
 σ − 2σ  = r yy (0) − r yy (1)
E1 5σ 2  3  5 E 1 = E 0 1 − k 12 =
r yy (0)
−1
a 22 =
5
=
(1 + α 2
)(
+ σ2 − α 1+ α2 + σ2 + α )
2  −1 2 4 2 2
1+ α + σ
a12 = a11 − k 2 a11 = −   =
3  5 3 5 Blanchisseur à deux coefficients :
On utilise directement l'équation matricielle de Yule
( )
E 2 = E 1 1 − k 22 =
5 2
3
1  8
σ  1 −  = σ 2 = 1.6 σ 2
 25  5
Walker avant :
 a1   r yy (0) r yy (1)  −1  r yy (1) 
j=3 A2 =  2 =   
 a2   r yy (1) r yy (0 )   r yy (2) 
 2     
k3 =
1
E2
(
r (3) − a12 r (2) − a 22 r (1) ) 1  1 + α 2 + σ 2 −α  α 
A2 =  
∆  2 2  0 
5  4 2 1 2  −1 −α 1 + α + σ  
=  0 − σ + 2σ  =
8σ 2  5 5  4 1  α 1 + α + σ
A2 =
( 2 2
)
−1 ∆ − α2 
a 33 =  
4
Pour α petit devant 1 et en négligeant le facteur
4  −1 −1 3
a13 = a12 − k 3 a 22 = −   = d'échelle ∆ , on obtient α et − α 2 , ce qui conduirait à
5  4  5 4
une erreur de prédiction de la forme :
−1  −1 4 x(t ) + αx(t − 1) + b(t )
a 23 = a 22 − k 3 a12 = −  =0
5  4 5 − αx(t − 1) − α 2 x(t − 2) − αb(t − 1)
(
E 3 = E 2 1 − k 32 =) 8 2
5
1  3
σ  1 −  = σ 2 = 1.5σ 2
 16  2
+ α 2 x(t − 2) + α 3 x(t − 3) + α 2 b(t − 2)
Æ x(t ) + α 3 x(t − 3) + b(t ) − αb(t − 1) + α 2 b(t − 2)
Signal
Si les sinusoïdes sont beaucoup plus puissantes que le bruit,

le prédicteur va les supprimer avec les 4 coefficients de la
1 N  1 N 1 N question précédente . En sortie on aura donc :
E [mˆ ] = E  ∑ x i  = ∑ E [x i ] = ∑ m = m 4 4
N i =1  N i =1 N i =1 e( n ) = x ( n ) − ∑ a i x ( n − i ) = b ( n ) − ∑ a i b ( n − i )
donc l'estimateur est sans biais i =1 i =1
 N La puissance de l'erreur de prédiction sera alors égale à

 
2
 ∑ (x − m )    4  4
σ 2  1 + ∑ a i2  . En intégrant le coeff a0 = 1 Æ σ 2 ∑ a i2 ,
2 ˆ[ ˆ ˆ ] [
σ mˆ = E (m − E [m]) = E (m − m ) = E 
2 2
 i =1 i
 N
 
  ] 
 i =1 

i =0
  on peut utiliser Parseval, on obtient que la puissance de
  
   N −1  F 
2
l'erreur de prédiction est égale à σ 2 ∑ A k e  . En
=
1 N
N 2 i =1
[
∑ E ( x i − m )2 + ] 1
∑ E [(xi − m)]E x j − m
N 2 i, j
[( )] k =0  N 
=0 2
i≠ j =0 signal analogique on trouverait σ 2 ∫ H ( f ) df ce qui est
1 N σ2
σ 2mˆ = ∑ σ2 = , m̂ est consistant ( lim σ 2mˆ = 0 ) normal, le bruit ayant traversé le filtre. Si la puissance de
N 2 i =1 N N →∞
bruit est très supérieure à la puissance du signal, il faudra
CORRIGE EXERCICE N°2 pour minimiser la puissance de l'erreur de prédiction choisir
a i = 0 ∀i , la puissance de l'erreur de prédiction sera alors
Pour simplifier on écrit x(n) = sin( nω) , On a alors
égale à σ 2
sin( n)ω = sin((n − 1) + 1)ω = cos(ω) sin( n − 1)ω
+ sin(ω) cos((n − 1)ω) CORRIGE EXERCICE N°3
On s'intéresse au deuxième terme   a0 
= sin(ω) cos((n − 2) + 1)ω   
u = (a0 … a N −1 ) ri, j  
= sin(ω) cos(n − 2)ω cos(ω) − sin(ω) sin( n − 2)ω sin(ω)   a 
= sin(ω) cos(n − 2)ω cos(ω) − sin( n − 2)ω 1 − cos 2 (ω) ( ) 


 N −1 
= cos(ω)(sin(ω) cos(n − 2)ω + cos(ω) sin( n − 2)ω) − sin( n − 2)ω  

 
= cos(ω) sin( n − 1)ω − sin( n − 2)ω u = (a0 … a N −1 ) ∑ rk , j a j 
Avec le premier terme Æ x(n) = 2 cos(ω) x(n − 1) − x(n − 2)  j 
 
donc signal totalement prédictible linéairement avec erreur
de prédiction nulle.  
u = ∑ a k  ∑ rk , j a j  Æ u = ∑ ∑ a k a j rk , j
α 02 α 02 α 02  
rxx (0) = , rxx (1) = cos(ω) , rxx ( p) = cos( pω) k  j  k j
2 2 2
u = ∑ ∑ a k a j rk , j + ∑ a p a j r p, j
(on a intérêt à calculer en complexe x(n) = Re e jnω et { } k≠ p j j
rxx ( p) = Re e { jnω − j ( n − p ) ω
e } u= ∑ a k a p rk , p + ∑ ∑ a k a j rk , j + ∑ a p a j r p, j + a 2p r p, p
x(n) étant prédictible à partir de x(n − 1) et x(n − 2) si on k≠ p k ≠ p j≠ p j≠ p
forme la matrice d'ordre 3, la colonne 3 est combinaison

linéaire des colonnes 1 et 2 (Col3=2 cos(ω) Col2-Col(1)). ∂u
= ∑ a k rk , p + ∑ a j r p, j + 2a p r p, p
Matrice de rang 2. ∂p k ≠ p j≠ p
Il suffit de prendre un filtre ayant des zéros sur f 0 , f 1
R = R T donc rk , p = r p,k d’où :
(1 − Z 0Z
−1
)( 1 − Z 0* Z −1 )(1 − Z Z )(
1
−1
1 − Z 1* Z −1 ) ∂u
j 2 πf0Te j 2 πf1Te = 2 a p r p, p + 2 ∑ a j r p, j
avec Z 0 = e et Z 1 = e ∂a p j≠ p
4
Donc x(n) − ∑ a i x(n − i ) = 0 donc x(n) peut être prédit  
    
  
i =1  ∂u  = 2… r p , j … a j 
parfaitement, c'est un AR d'ordre 4 avec une erreur de  ∂p    
prédiction nulle. Avec le terme de bruit, on a un signal     
 
parfaitement prédictible (le mélange des deux sinusoïdes) et Donc :
un signal non prédictible (le bruit). L'énergie de l'erreur de
∂ T
prédiction va dépendre du rapport signal sur bruit du signal A RA = 2 RA
d'origine. ∂A
Signal
10 MHz
Résol
40
Signal

TD TNS v2

Transféré par

Droits d'auteur :

Formats disponibles

TD TNS v2

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TD TNS v2

Transféré par

Droits d'auteur :

Formats disponibles

TRAITEMENT NUMERIQUE DU SIGNAL - TD N°1 -

On échantillonne maintenant un signal à temps continu codage vaut A = 2 b ∆ .

EXERCICE N°1 EXERCICE N°4

1) De quel type de filtre s'agit-il (RII, RIF) et quel est

EXERCICE N°1 On considère le cas d'un signal s (t ) obtenu au moyen

EXERCICE N°1 - Formez la matrice d'autocorrélation d'ordre

CORRIGE EXERCICE N°1 CORRIGE EXERCICE N°3

4) Rapport signal à bruit de quantif :

CORRIGE EXERCICE N°2

CORRIGE EXERCICE N°1  k  4 nk

Pour chaque donnée d'entrée réelle x (n) , le calcul de la

h0 h1 h3 3) Oui même FFT que précédemment mais deuxième

La coupure en cosinus sera donc assez "molle", il

Ce signal x(n) n'est autre que δ(n) passé à travers le

2) Réponse à l'échelon unité

(Z − P )(Z − P )(Z − P )(Z − P )

Solution RIF : N≈ = = 10 5 !!! (valeur

La position des pôles et des zéros laisse apparaître qu'il ∆f 100

CORRIGE EXERCICE N°1 S 1

 − 0.35 0.88 α = 0 , perte de 3 dB

Coefficient a sur capteur n°2

x(n) = b(n) − 2b(n − 1) + b(n − 2) EXERCICE N°4

CORRIGE EXERCICE N°1

rxx (0) = 0.0562 , rxx (1) = rxx (−1) = 0.0012 ,

rxx (3) = rxx (−3) = −0.0083 , 1.5

rxx (4 ) = rxx (−4) = −0.0132 , rxx (5) = rxx (−5) = 0.0038

Si les sinusoïdes sont beaucoup plus puissantes que le bruit,

 N La puissance de l'erreur de prédiction sera alors égale à

= cos(ω)(sin(ω) cos(n − 2)ω + cos(ω) sin( n − 2)ω) − sin( n − 2)ω  

forme la matrice d'ordre 3, la colonne 3 est combinaison

Vous aimerez peut-être aussi