INTRODUCTION 1. Une représentation du signal où le bruit est isolé

Présentation au sujet: "INTRODUCTION 1. Une représentation du signal où le bruit est isolé"— Transcription de la présentation:

1 INTRODUCTION 1. Une représentation du signal où le bruit est isolé
Améliorer la qualité d’un son , d’une image : Enregistrement bruité que l’on cherche à débruiter (illustration 1) (ou Image que l’on veut rendre plus nette : illustration 2) 1. Une représentation du signal où le bruit est isolé 2. Un outil qui permet de supprimer le bruit Pour 1 : L’analyse de Fourier ou Analyse spectrale : séries ou intégrales Pour 2 : La convolution modélisation des filtres linéaires ( intégrale) illustration 1 Mathematica illustration 2 Mathematica

2 Organigramme Filtrage Echantillonnage Analyse spectrale La convolution
Transformée de Fourier Séries de Fourier Fonctions périodiques Fonctions L2 Fonctions L1 Distributions

3 INTRODUCTION Bases mathématiques pour le traitement du signal.
Un signal peut être défini comme une quantité mesurable, dépendant du temps ou de l’espace. Un son : Une image :

4 INTRODUCTION Un signal est modélisé par une fonction d’une ou de plusieurs variables (temps, espace,…) f(x,y) : intensité lumineuse ou nuances de gris en fonction des variables d’espace f(t) : amplitude en fonction du temps

5 INTRODUCTION Modèle plus général les distributions
Signal d’intensité infini sur un temps très bref : Distribution ou impulsion de Dirac : d

6 Pour un son : fréquence = hauteur
INTRODUCTION Notion de fréquence En grattant une pièce dentelée à une cadence lente : on obtient un son grave On obtient un son aigu si la cadence est rapide : Son obtenu en grattant une plaque de plastique dentelée avec un cadence qui s’accélère. Pour un son : fréquence = hauteur Sons aigus  hautes fréquences Sons graves  basses fréquences

7 Sons purs Un son pur ne contient qu’une seule fréquence :
Il est représenté par une fonction sinusoïdale : l est la fréquence du son elle correspond à sa hauteur l =440 HZ correspond au la medium.

8 Superposition de sons purs
On additionne des sons purs de fréquences multiples : l , 2l, 3l ,... cliquez ici

9 Superposition de sons purs
On obtient un son de fréquence l Le son résultant n ’est plus pur.

10 Le théorème de Fourier Les sons que l’on trouve dans la nature ne
sont pas purs,mais sont des superpositions de sons purs : Ils contiennent une fréquence l qui détermine leur hauteur et toutes les fréquences l, 2l, 3l,....,nl,...

11 Le théorème de Fourier On peut alors les modéliser en somme (infinie) du type : qu’on appelle série trigonométrique.

12 Le contexte mathématique
Pour modéliser un son d ’une fréquence l, on doit disposer d’une fonction périodique f de période : associée à la pulsation :

13 Le contexte mathématique
Si cette fonction est de classe C1 , elle est alors la somme d ’une série trigonométrique

14 Calcul des coefficients
Les coefficients : et ne sont pas quelconques ils sont définis par des formules intégrales ils mesurent la ressemblance de f avec la fréquence pure n l Leur module définit l’amplitude de cette fréquence

15 Calcul des coefficients
Pour calculer les coefficients : et On multiplie f par et Puis on calcule les intégrales : et en remplaçant f par la série : (en se plaçant dans un cas idéal, cela revient à calculer la série des intégrales)

16 Calcul des coefficients
On obtient : et

17 Calcul des coefficients
On utilise des propriétés intégrales des fonctions trigonométriques : et

18 Calcul des coefficients
Dans chaque série, tous les termes sont nuls sauf pour p=n, on a (pour la première intégrale) : soit

19 Calcul des coefficients
On obtient ainsi successivement : et pour : et

20 Calcul des coefficients
Vérifiez ces calculs, c ’est un très bon exercice pour vous remettre dans « le bain »!

21 Série de Fourier Une série de Fourier est une série du type: avec :
et pour : et Les nombres an et bn sont appelés coefficients de Fourier

22 Théorème 1(Lejeune-Dirichlet)
Toute fonction f, T périodique, C1 par morceaux est décomposable en série de Fourier. On a : si f est continue au point t. Et plus généralement :

23 Analyse harmonique ou spectrale
composition fréquentielle du signal a0 représente la moyenne f sur une période :

24 Analyse harmonique est le fondamental :
c ’est l ’harmonique le plus important : il donne le rythme du signal.

25 Analyse harmonique Et pour sont les harmoniques de rang n.
Ils représentent les détails du signal et sont de moins en moins importants, au fur que n augmente.

26 Synthèse harmonique La somme de la moyenne, du fondamental et de toutes les harmoniques reconstituent le signal :

27 Représentation spectrale
On représente la composition spectrale du signal par un diagramme en bâton qui matérialise l ’amplitude de chaque harmonique :

28 Propriétés des coefficients
Dans certains cas on saura, sans faire les calculs, que des coefficients s ’annulent. Cas où f est paire : tous les bn sont nuls. avec et pour

29 Propriétés des coefficients
Cas où f est impaire : tous les an sont nuls. . avec pour

30 Propriétés des coefficients
Si f est impari-symétrique, elle ne contient que des fréquences impaires : et

31 Propriétés des coefficients
L’amplitude des hautes fréquences diminue de plus en plus

32 EXEMPLE sur f paire, périodique

33 EXEMPLE f paire : et pour

34 EXEMPLE

35 EXEMPLE On a donc : et comme f est continue sur IR :

36 Ecriture complexe des séries de Fourier
En utilisant les formules d’Euler on obtient: Où :

37 L’égalité de Parseval On montre que l’énergie du signal est
égale à la somme des énergies des harmoniques et de la valeur moyenne au carré