Examen m1 informatique bases du traitement du signal session
Télécharger PDFLes Fondamentaux du Traitement du Signal en Informatique
Ce contenu explore les bases du traitement du signal, un domaine fondamental en informatique. Il couvre des concepts clés tels que l'analyse spectrale, les filtres numériques et l'échantillonnage, essentiels pour comprendre comment les signaux sont traités et interprétés dans les systèmes modernes. Les questions et exercices abordent des aspects théoriques et pratiques de la discipline.
Questions de cours
Ces questions appellent des réponses concises, mais clairement justifiées, couvrant les principes fondamentaux du traitement du signal.
Association signal temporel et spectre
Associez chaque spectre à un signal temporel, en expliquant vos choix. Les signaux temporels et leurs densités spectrales de puissance présentent des caractéristiques distinctes. Par exemple, un signal périodique dans le domaine temporel correspondra à des pics discrets (raies) dans son spectre de puissance, tandis qu'un signal apériodique ou à large bande aura un spectre plus étalé. La fréquence fondamentale et la présence d'harmoniques influencent la répartition de l'énergie dans le spectre.
Signification physique de la corrélation maximale
Soient deux signaux x(t) et y(t) apériodiques d’énergie finie. On note Γxy(τ) la corrélation entre x et y. Si Γxy(τ) est maximal en τ = 1 s, cela signifie physiquement que le signal y(t) est une version décalée dans le temps du signal x(t) d'une seconde. Plus précisément, x(t) ressemble le plus à y(t - 1s). La corrélation mesure la similarité entre deux signaux en fonction d'un décalage temporel.
Définition d'un processus stationnaire
Qu’est-ce qu’un processus stationnaire ? Un processus stationnaire est un processus stochastique dont les propriétés statistiques (comme la moyenne, la variance et l'autocorrélation) ne changent pas au cours du temps. En d'autres termes, sa distribution de probabilité reste constante ou indépendante du temps. Cette propriété est cruciale pour l'analyse et la modélisation de nombreux signaux réels.
Reconstruction causale et formule de Shannon
Un convertisseur numérique-analogique doit généralement fonctionner en temps réel et de manière causale, c’est-à-dire que la sortie à un instant t0 ne doit pas dépendre des échantillons postérieurs à t0. La formule de reconstruction parfaite d’un signal analogique x(t) à partir de sa version échantillonnée utilise la fonction de sinc, qui est non causale (elle s'étend à l'infini dans le passé et le futur). Par conséquent, cette formule n'est pas directement utilisable dans un système en temps réel et causal. Des approximations causales doivent être employées, introduisant des compromis en termes de fidélité.
Qu'est-ce que la réponse impulsionnelle d’un filtre ?
La réponse impulsionnelle d’un filtre est sa sortie lorsque l'entrée est une impulsion de Dirac (un signal très court et intense). C'est une caractéristique fondamentale qui décrit comment le filtre réagit à des entrées transitoires. Pour un filtre linéaire et invariant dans le temps, la réponse impulsionnelle permet de caractériser entièrement son comportement en fréquence et en phase, et de prédire sa sortie pour toute entrée via la convolution.
Phénomène de Gibbs et bande de transition des filtres RIF
La synthèse d’un filtre RIF (Réponse Impulsionnelle Finie) par la méthode du fenêtrage induit d’une part le phénomène de Gibbs (ondulations de la réponse fréquentielle) et d’autre part une bande de transition entre la bande passante et la bande atténuée. Ces deux phénomènes sont respectivement liés à la transformation de Fourier du signal carré (idéal) et aux caractéristiques de la fenêtre utilisée. Le phénomène de Gibbs est lié à l'atténuation du lobe secondaire de la fenêtre dans le domaine fréquentiel, tandis que la largeur de la bande de transition est liée à la largeur du lobe principal de la fenêtre. Une meilleure atténuation des lobes secondaires réduit le phénomène de Gibbs, et un lobe principal plus étroit réduit la bande de transition, mais ces deux caractéristiques sont souvent antagonistes.
Risque de la méthode d'échantillonnage fréquentiel pour les filtres RIF
La méthode de l’échantillonnage fréquentiel permet de synthétiser des filtres RIF de longueur aussi petite que souhaité. Quel risque cette méthode présente-t-elle si la longueur choisie est trop faible ? Si la longueur du filtre RIF choisie est trop faible, la méthode d'échantillonnage fréquentiel peut conduire à une approximation très grossière de la réponse fréquentielle désirée. Cela résulte en une performance de filtrage médiocre, avec une bande de transition trop large ou une atténuation insuffisante dans la bande coupée, car il n'y a pas assez de degrés de liberté (coefficients du filtre) pour représenter la complexité de la réponse fréquentielle cible.
Exercices
Analyse d'un filtre numérique
L'analyse d'un filtre numérique implique de déterminer son équation aux différences, sa fonction de transfert, ses pôles et zéros, et ses conditions de stabilité.
Équation aux différences et type de filtre
Donnez l’équation aux différences d'un filtre numérique. Un filtre à réponse impulsionnelle finie (RIF) possède une réponse qui se stabilise à zéro après un nombre fini d'échantillons, tandis qu'un filtre à réponse impulsionnelle infinie (RII) a une réponse qui ne s'annule jamais complètement, souvent caractérisée par des boucles de rétroaction dans son diagramme.
Fonction de transfert H(z)
Calculez la fonction de transfert H(z) du filtre. La fonction de transfert H(z) est la transformée en Z de la réponse impulsionnelle du filtre. Elle caractérise le comportement du filtre dans le domaine Z, qui est l'équivalent du domaine fréquentiel pour les signaux discrets. Elle est obtenue en appliquant la transformée en Z à l'équation aux différences du filtre.
Pôles, zéros et stabilité
Quels sont les pôles et les zéros du filtre ? À quelle condition le filtre est-il stable ? Les pôles et les zéros sont les racines du dénominateur et du numérateur de la fonction de transfert H(z), respectivement. Ils sont cruciaux pour comprendre le comportement en fréquence et en phase du filtre. Pour qu'un filtre numérique soit stable, tous ses pôles doivent se situer à l'intérieur du cercle unité dans le plan Z. Si un pôle se trouve en dehors du cercle unité, le filtre est instable et sa sortie peut diverger.
Module de la réponse fréquentielle
Le module de la réponse fréquentielle représente le gain du filtre en fonction de la fréquence. Il est obtenu en évaluant H(z) sur le cercle unité (z = e^(jω)). Son tracé permet de visualiser quelles fréquences sont amplifiées ou atténuées par le filtre, révélant s'il s'agit d'un filtre passe-bas, passe-haut, passe-bande ou coupe-bande.
Analyse spectrale
L'analyse spectrale permet de décomposer un signal en ses composantes fréquentielles pour en comprendre la composition.
Soit un signal constitué de 3 sinusoïdes, dont le spectre théorique contient des fréquences positives uniquement. Ces sinusoïdes ont pour fréquences respectives ν1 = 5000 Hz, ν2 = 5150 Hz et ν3 = 5300 Hz. Le signal est échantillonné pendant 35 ms, à 16 kHz. Pour connaître le nombre d'échantillons, multipliez la fréquence d'échantillonnage par la durée d'échantillonnage (16 000 échantillons/s * 0,035 s = 560 échantillons). Pour visualiser son spectre à partir de cette séquence par FFT (Transformée de Fourier Rapide) avec une résolution suffisante en amplitude et en fréquence, il est nécessaire de choisir une durée d'échantillonnage et une fréquence d'échantillonnage appropriées. La résolution fréquentielle de la FFT est inversement proportionnelle à la durée totale de l'échantillon (T = N/Fe, où N est le nombre d'échantillons et Fe la fréquence d'échantillonnage). Pour distinguer des fréquences proches (comme 5000 Hz et 5150 Hz), il faut une résolution fréquentielle suffisamment fine. Cela peut impliquer d'augmenter la durée d'acquisition ou d'ajouter des zéros (zero-padding) à la séquence pour augmenter la taille de la FFT, bien que le zero-padding n'améliore pas la résolution intrinsèque du signal mais seulement la densité des points du spectre.
Échantillonnage
L'échantillonnage est une étape fondamentale dans la conversion de signaux analogiques en numériques. La sous-quantification est une technique de réduction de la résolution.
Dans un fichier son au format .wav, les échantillons sont généralement codés sur 16 bits, offrant 2^16 valeurs possibles, des entiers entre -2^15 et 2^15 - 1. La sous-quantification d’un facteur K de ce signal consiste à diviser par K le nombre de valeurs possibles, réduisant le nombre de bits de codage de log2(K). Pour cela, toutes les valeurs d'un intervalle sont arrondies à un multiple de K. L'histogramme du signal sous-quantifié représente la distribution des valeurs après cette opération. Une "fonction caractéristique" d'un signal est la transformée de Fourier de son histogramme. Dans le domaine fréquentiel, la sous-quantification d'un facteur K se traduit par une réplication K fois de la fonction caractéristique, avec une périodicité de 1/K.
Condition de récupération de l'histogramme original
À quelle condition peut-on retrouver l’histogramme du signal original à partir de celui du signal sous-quantifié ? Pour retrouver l'histogramme du signal original à partir de celui du signal sous-quantifié, il faut que le spectre de l'histogramme original (sa fonction caractéristique) soit suffisamment "bande-limité" de manière à ce que les répliques spectrales créées par la sous-quantification ne se chevauchent pas (phénomène d'aliasing). Si les répliques se chevauchent, une perte d'information irréversible se produit, rendant la récupération impossible.
Réponse fréquentielle du filtre de récupération
Décrivez la réponse fréquentielle (en module) du filtre permettant de retrouver l’histogramme original. Le filtre permettant de retrouver l'histogramme original, si les conditions de non-chevauchement spectral sont remplies, serait un filtre passe-bas idéal. Ce filtre devrait avoir une bande passante qui englobe le spectre original sans inclure les répliques créées par la sous-quantification, et une bande coupée qui élimine toutes ces répliques. Le module de sa réponse fréquentielle serait donc plat (gain unitaire) dans la bande passante et nul dans la bande coupée.
Analogie avec le théorème de Shannon
La sous-quantification se traduit par un sous-échantillonnage de l'histogramme. En faisant l’analogie avec le théorème de Shannon, comment pourrait-on appeler 1/K ? En quoi ce sous-échantillonnage diffère-t-il de l’échantillonnage temporel ? Dans l'analogie avec le théorème de Shannon, 1/K pourrait être appelé la "fréquence d'échantillonnage de l'histogramme" ou la "densité d'échantillonnage des niveaux de quantification". Le théorème de Shannon stipule que pour reconstruire parfaitement un signal temporel, la fréquence d'échantillonnage doit être au moins le double de la fréquence maximale du signal. Ici, la notion de "fréquence" s'applique aux variations de l'histogramme. Ce sous-échantillonnage diffère de l'échantillonnage temporel car il s'applique aux valeurs d'amplitude du signal plutôt qu'à sa progression dans le temps. Il affecte la précision de la représentation des amplitudes (résolution verticale) plutôt que la continuité temporelle (résolution horizontale).
Annexe : Caractéristiques des principales fenêtres
Lors de la conception de filtres RIF par la méthode du fenêtrage, le choix de la fenêtre est crucial et implique un compromis entre l'atténuation des lobes secondaires et la largeur du lobe principal. Une meilleure atténuation des lobes secondaires réduit le phénomène de Gibbs, tandis qu'un lobe principal plus étroit permet une bande de transition plus abrupte. Par exemple, la fenêtre Rectangulaire offre le lobe principal le plus étroit (2/N) mais la plus faible atténuation des lobes secondaires (-13 dB). À l'inverse, la fenêtre Blackman atténue fortement les lobes secondaires (-57 dB) au détriment d'un lobe principal plus large (6/N). Les fenêtres Triangle (Bartlett), Hanning et Hamming offrent des compromis intermédiaires, avec une atténuation croissante des lobes secondaires et une largeur de lobe principal égale (4/N) pour les fenêtres Hanning et Hamming.
FAQ sur le Traitement du Signal
Qu'est-ce que le phénomène de Gibbs en traitement du signal ?
Le phénomène de Gibbs est un effet indésirable qui apparaît lors de l'approximation d'une fonction discontinue (comme la réponse fréquentielle idéale d'un filtre passe-bas) par une série de Fourier tronquée ou un filtre RIF conçu par fenêtrage. Il se manifeste par des oscillations (ondulations) près des discontinuités, qui ne disparaissent pas même en augmentant le nombre de termes de la série ou la longueur du filtre, bien que leur largeur diminue. L'amplitude des ondulations reste constante, environ 9% de la hauteur de la discontinuité.
Pourquoi la causalité est-elle importante dans la reconstruction de signaux ?
La causalité est un principe fondamental qui stipule que la sortie d'un système à un instant donné ne peut dépendre que des entrées passées ou présentes, et non des entrées futures. Dans la reconstruction de signaux en temps réel, un système doit être causal pour être physiquement réalisable. Si un système non causal était utilisé, il aurait besoin de "connaître" les valeurs futures du signal, ce qui est impossible dans une application en direct. C'est pourquoi des compromis doivent être faits pour approximer les filtres idéaux non causaux avec des filtres réalisables causaux.
Quel est l'impact de l'échantillonnage sur la résolution spectrale d'un signal ?
L'échantillonnage d'un signal temporel a un impact direct sur la résolution spectrale obtenue par la Transformée de Fourier Rapide (FFT). Plus la durée totale d'échantillonnage est longue, plus la résolution fréquentielle est fine. C'est parce que la résolution fréquentielle (la plus petite différence de fréquence que l'on peut distinguer) est inversement proportionnelle à la durée d'observation du signal. Une durée d'échantillonnage trop courte peut masquer la présence de composantes fréquentielles très proches ou donner une image imprécise du spectre du signal.