signaux et images - telecom paris
TRANSCRIPT
TSI
Master IAD/IMAModule PS (Parole et Sons)
Introduction au traitement du signal
Gaël RICHARD
(Yves GRENIER)
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Organisation du module PS
Date Horaire Cours Enseignant03/02/12 8h30 à 10h30 introduction au traitement du signal Yves GrenierDB002 11h00 à 13h00 introduction au traitement du signal Yves Grenier10/02/12 8h30 à 10h30 production et perception Yves GrenierDB002 11h00 à 13h00 compression de signaux musicaux Yves Grenier17/02/12 8h30 à 10h30 synthèse sonore Yves GrenierDB002 11h00 à 13h00 TP, synthèse sonore Yves Grenier24/02/12 8h30 à 10h30 indexation audio Gaël RichardDB002 11h00 à 13h00 indexation audio Gaël Richard02/03/12 8h30 à 10h30 reconnaissance de la parole Gaël RichardDB002 11h00 à 13h00 reconnaissance de la parole Gaël Richard09/03/12 8h30 à 10h30 synthèse de parole Gaël RichardDB002 11h00 à 13h00 TP, reconnaissance de parole Gaël Richard23/03/12 8h30 à 13h00 contrôle de connaissance (oral)
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Plan
Introduction et définitions Représentation de Fourier Echantillonnage Transformée de Fourier à Temps Discret Transformée en Z / TFD
Filtres numériques Filtres à Réponse Impulsionnelle Finie (RIF ou FIR en anglais) Filtres à Réponse Impulsionnelle Infinie(RII ou IIR en anglais) Stabilité Transformée en Z et Réponse en fréquence Interprétation géométrique Un exemple de filtre numérique
Modélisation AR / Analyse par prédiction linéaire
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Représentation des signaux
Qu’est-ce qu’un signal ?
Signal déterministe:
Signal aléatoire
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Représentation de Fourier
Séries de FourierTout signal périodique x(t) de période T peut être
décomposé sous la forme d’une série de Fourier :
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Formule de ParsevalSoit x(t) et y(t) deux signaux périodiques de période T
Soit Alors
En faisant n=0, on obtient
En faisant x(t) = y(t) on obtient
Interprétation: La puissance d’un signal est égale à la somme des puissances élémentaires de chacune de ses composantes.
Composante = signal « sinusoidal »
(TD)
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Représentation de Fourier (temps continu)
Soit x(t) appartenant à , la transformée de Fourier existe et appartient à
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Propriétés
Parseval
Spectre (ou densité spectrale d’énergie):
(TD)
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Exemple: Spectre d’un segment de /i/
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Système linéaire invariant dans le temps
Soit x(t) un signal à énergie finie:
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Échantillonnage
Soit x(n) la version échantillonnée de xa(t) :
Peut-on reconstruire xa(t) à partir de x(n) ?
En prenant la Transformée de Fourier
où
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Échantillonnage (2)
Or est périodique:
et est donc développable en série de Fourier
avec
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Échantillonnage (3)
Or
Posons t=nT
posons
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Échantillonnage: formule de Poisson
Interprétation: Echantillonnage périodisation du spectre
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Reconstruction
2 situations:
-B +B
1/T 2/T
1/T 2/T
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Reconstruction (2)
Sans perte d’information possible uniquement si
En choisissant
Formule de reconstruction
-B +B
(TD)
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Reconstruction pratique
Bloqueur d’ordre zéro
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Échantillonnage d’un signal à bande illimitée
Nécessité de filtrer le signal analogique pour obtenir un signal à bande limitée avant échantillonnage
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Transformée en Z / TFTD
La transformée en Z d’un signal x(n) est donnée par:
avec
La Transformée de Fourier à Temps Discret (TFTD) est donnée par:
est périodique de période 1
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Quelques propriétés Linéarité
Symétrie hermitienne
Convolution
Décalage fréquentiel
Décalage temporel (retard)
(TD)
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Transformée de Fourier Discrète (TFD)
Par définition, la TFTD est une fonction périodique de période 1.
En pratique, nous prenons N échantillons, et on discrétise l’intervalle de fréquences [0-1] en L valeurs telles que:
On obtient:
La TFD est alors définie par les formules directe et inverse:
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Relation TZ <-> TFD
Cela correspond à un échantillonnage de la transformée en z en N points régulièrement espacés autour du cercle unité
TD: Exo 1.8
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage
Système linéaire invariant dans le temps
R[]x(nT) y(nT)
Entrée =ExcitationSortie
Filtre est caractérisé par sa réponse impulsionnelle et sa fonction de transfert
Y(nT) = R[x(nT)] où T est la période d’échantillonnage.
En choisissant T=1, on a: Y(n) = R[x(n)]
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage: définitions
Linéarité:
Invariance dans le temps
Causalité
- Pour tout vérifiant
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage: convolution
• La convolution permet de caractériser la transformation entrée/sortie réalisée par un filtre linéaire invariant.
La réponse impulsionnelle est aussi la réponse à l’échantillon unité à n=0:
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage: convolution
Filtre à Réponse Impulsionnelle Finie (RIF ou FIR en anglais)
Filtre à Réponse Impulsionnelle Infinie (RII ou IIR en anglais)
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage
Equation récurrente entrée/sortie
Filtres récursifs causaux (RII)
Filtres non-récursifs causaux (RIF)
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage: stabilité
Un système stable est un système qui à toute entrée bornée retourne une sortie bornée
Les filtres RIF sont-ils toujours stables ?
Les filtres RII sont-ils toujours stables ?
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage: transformée en Z
La transformée en Z de X(z) d’une séquence x(n) est donnée par:
Fonction de transfert du filtre:
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage: transformée en Z (2)
Fonction de transfert H(Z) :
où les sont les zéros de H(z)
et les sont les pôles de H(z)
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtres: condition de stabilité
• Le filtre est stable s’il n’y a aucun pôle sur le cercle unité • Si le système est causal, alors le domaine de
convergence est l’extérieur d’un cercle passant par le pôle de plus grand module de H(Z).
• Ainsi, un filtre causal et stable a tous ses pôles à l’intérieur du cercle unité.
Région de stabilité
Re(z)
Im(z)
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage: réponse en fréquence
Réponse en fréquence:
Module Phase
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage: réponse en fréquence
Interprétation géométrique
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage: réponse en fréquence
Interprétation géométrique
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage
Filtre du second ordre
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtre du second ordre
Représentation dans le plan Z
Gain en fréquence
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage
Autre exemple
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Filtrage
Filtre de préaccentuation
Re(z)
Im(z)
z1
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Notions de prédiction linéaire
• Prédire la valeur à partir des valeurs passées
• Soit la valeur prédite. Nous posons:
• est ainsi l’erreur de prédiction
+-
+
filtre
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Notions de prédiction linéaire (2)
Minimisation au sens des moindres carrés• Minimisation de l’énergie de
Résolution matricielle
• Qui se réécrit:• Avec et
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Notions de prédiction linéaire (3)
Recherche du vecteur de coefficients optimal• Le vecteur est le vecteur qui minimise l’erreur
au sens des moindres carrés:
• Nous avons
• En annulant la dérivée par rapport à
• On obtient:
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
+-
+
Notions de prédiction linéaire (4)
filtre
Après transformée en Z
• où le « filtre blanchissant » est donné par:
Master IMA/IAD, module PS, G.Richard, Y.Grenier TSI
Prédiction linéaire, un exemple