Filtres à réponse impulsionnelle finie (RIF)

Slides:



Advertisements
Présentations similaires
Traitement de signal.
Advertisements

TRANSFORMEE DE FOURIER DISCRETE
Analyse Spectrale de Fourier
notes de cours Filtrage Numérique
Numérisation du signal principes
1 Jean-Paul Stromboni, mars 2005, Révision des cinq premières séances S.S.I. Jean-Paul Stromboni, mars 2005, ESSI1 Elève : ______________________ groupe.
Comment créer des filtres d’ordre 1 et 2
Comment on filtre un signal audio
1 Jean-Paul Stromboni, mars 2005, Révision des cinq premières séances S.S.I. Jean-Paul Stromboni, mars 2005, ESSI1 Elève : ______________________ groupe.
Du signal continu au numérique
Mesures dans le domaine fréquentiel
Modulation numérique.
MODULE - METHODES POTENTIELLES I. Introduction Générale – J.B. Edel II. Champs de potentiel (gravimétrique, magnétique, …) – P. Sailhac III. Sources (densité
MODULE - METHODES POTENTIELLES Contenu du cours (par J.B. Edel & P. Sailhac) : I. Propriétés physiques des roches : densités, aimantations induites et.
Colloque GRETSI, Paris, 8-11 septembre 2003 Sur la Décomposition Modale Empirique P. Flandrin (Cnrs - Éns Lyon) et P. Gonçalvès (Inrialpes)
2. Echantillonnage et interpolation des signaux vidéo


4 Les Lois discrètes.
Comment créer des filtres « simples »
Cours S.S.I., SI1, avril 2007 – Comment utiliser les outils déjà présentés. Page 1 Comment utiliser les outils déjà présentés dans le cours S.S.I. et pourquoi.
METHODES DE SIMULATION DE LA VITESSE DU VENT
Introduction à limagerie numérique Acquisition, Caractéristiques, Espaces couleurs, Résolution.
Cours d’Automatique MASTER OIV
Le filtrage au cours des âges Du filtre de Kalman au filtrage particulaire André Monin.
Les système linéaires Stéphane Paris.
3. Systèmes L.I.T Systèmes LIT, introduction
1. Introduction 1.1. Modélisation des signaux
Traitement Numérique du Signal
Filtrage-Analyse Spectrale des Images
Traitement Numérique du Signal
Calcul et implantation des filtres numériques RIF et RII dans un DSP
5. Echantillonnage Introduction
Howell, Chap. 1 Position générale
Signaux aléatoires.
AUTOMATIQUE NUMERIQUE
S.S.I.I., , n°6, Créer des filtres sur mesure pour compresser S.S.I.I., , n°6, : Créer des filtres sur mesure pour compresser 1 Créer un.
Filtrer le signal audio numérique
Méthodes de prévision (STT-3220) Section 4 Concepts fondamentaux de séries chronologiques Version: 8 novembre 2004.
1 Introduction au module S.S.I. Signaux et Systèmes pour lInformatique le thème et les motivations du module S.S.I. les connaissances et le savoir faire.
Prédiction multi-step de la volatilité : le modèle ARIMA-GARCH appliqué aux séries temporelles d’affaiblissement par la pluie sur les liaisons Terre-Satellite.
Traitement Numérique du Signal
ISPG l’école d’ingénieurs de l’Institut Galilée Université Paris 13
Traitement Numérique du Signal
Cours H Filtres à réponse impulsionnelle infinie (RII)
Traitement Numérique du Signal
Transformées de Fourier des signaux continus
Approches non intrusives des éléments finis stochastiques
I S E N 2006 COURS DE DSP (Digital Signal Processor) Partie 3: Filtres Alain Fruleux Une idée intéressante soumise par un étudiant est le combat de robots,
FILTRAGE - R.WEBER - POLYTECH'ORLEANS
Déroulement du projet Projet composé de 5 étapes permettant de simuler une chaîne de transmission. De la transmission idéale à la transmission réelle.
Dans cet article, une nouvelle approche relative à l’indexation de la bande sonore de documents audiovisuels est proposée, son but est de détecter les.
Algorithmes sur les sons
DU TRAITEMENT DU SIGNAL
Application à la Radio Logicielle Restreinte
Traitement d’images Prétraitements.
TNS et Analyse Spectrale
LOIS DE PROBABILITE Variables aléatoires Lois discrètes Lois continues
TNS et Analyse Spectrale
Rappels sur les fonctions et les suites aléatoires
La transformée de Fourier discrète dans le numérique Des algorithmes de base aux déploiements à grande échelle Maurice Bellanger CNAM Formation BTS.
DU TRAITEMENT DU SIGNAL
Rappel de statistiques
ANALYSE DES SERIES CHRONOLOGIQUES METHODES ET APPLICATIONS EN HYDROLOGIE Danièle VALDES-LAO
Séries chronologiques univariées (STT-6615)
I - Rappels en théorie du Signal
L3 Instrumentation Pétrolière S6
SSII, séance n°13, bilan du cours 15 décembre 2015 Dernière séance 2015 Résumé des chapitres et notions abordées en 2015.
Introduction au traitement numérique du signal
Processus ponctuels Caractéristiques et Modèles de répartitions spatiales.
Transcription de la présentation:

Filtres à réponse impulsionnelle finie (RIF) 1/ Une application le débruitage Comment modéliser l’expérience de débruitage ? Qu’est-ce que un bruit blanc ? Que mesure le rapport signal sur bruit 2/ Synthèse d’un filtre numérique A quoi sert une fenêtre ? Qu’est-ce qui fait qu’un gabarit est difficile à synthétiser Quelles sont les étapes ? 3/ Discrétisation d’un filtre analogique par invariant impulsionnel 2010-2011 Traitement Numérique du Signal

Traitement Numérique du Signal 1/ 2010-2011 Traitement Numérique du Signal

Filtre à moyenne mobile : Application au débruitage de signaux Bruit bn signal pure xn yn=xn+bn filtre moyenneur + analyseur de spectre analyseur de spectre modélisation 2010-2011 Traitement Numérique du Signal

Exemple de signal sonore : musique de Bach (1920) bruit/signal utile échelles de temps 10^-4 2010-2011 Traitement Numérique du Signal

Traitement Numérique du Signal Qu’est-ce que le bruit Physiquement bruit de fond microphone violon+piano Le bruit est l’ensemble des perturbations sur le canal, la source ou le destinataire. Ce qu’on appelle le bruit dépend de l’objectif recherché. Simulation Modélisation du bruit : Bruit lié à un algorithme : 2010-2011 Traitement Numérique du Signal

Rapport signal sur bruit Propriétés s’(t)=2s(t) et b’(t)=b(t) => RSB’=RSB+6dB s’(t)=s(t) et b’(t)=10b(t) => RSB’=RSB-20dB Propriétés stochastiques d’un bruit blanc gaussien centré et de variance unitaire (à temps continu X(t) ou à temps discret X[n]) La moyenne et la variance restent identiques avec un retard. L’amplification de X entraîne l’amplification de moyenne et variance. Les moyennes s’ajoutent pour former une nouvelle moyenne. Si deux variables sont indépendantes alors les variances s’ajoutent. La moyenne et la variance sont indépendantes vis-à-vis d’une modification de l’échelle des temps. 2010-2011 Traitement Numérique du Signal

Modélisation stochastiques des signaux bruités bn est une réalisation d’un processus aléatoire, ici un bruit blanc gaussien Définition de l’espérance : zn est la réalisation d’un processus aléatoire 2010-2011 Traitement Numérique du Signal

2/ Synthèse de filtre : méthodologie TFTD inverse Troncature Produit par une fenêtre Décalage 2010-2011 Traitement Numérique du Signal

Exemple de synthèse d’un passe-haut On aurait aussi pu faire dès le début : TF-1 d’un passe-haut Problème : Synthèse d’un passe-haut de fc=fe/4 Si c’était un passe-bas : C’est un passe-haut : A temps continu, on aurait : Troncature : A temps discret, on aurait alors : Fenêtre+Décalage : En effet l’échantillonnage de la TF-1 est la TFTD-1 2010-2011 Traitement Numérique du Signal

Traitement Numérique du Signal 2010-2011 Traitement Numérique du Signal

Traitement Numérique du Signal 2010-2011 Traitement Numérique du Signal

Traitement Numérique du Signal Fenêtre de Hanning et Bartlett 2010-2011 Traitement Numérique du Signal

Traitement Numérique du Signal 2010-2011 Traitement Numérique du Signal

Traitement Numérique du Signal 2010-2011 Traitement Numérique du Signal

3/ L’invariant impulsionnel : une idée naturelle 2010-2011 Traitement Numérique du Signal

Traitement Numérique du Signal xTe Te 2010-2011 Traitement Numérique du Signal