Professional Documents
Culture Documents
Notes de Cours
Densité spectrale de puissance
Olivier Rioul
1
qui porte sur la distribution de probabilité de X n . Cette moyenne est dé-
terministe (non aléatoire), mais dépend en général du temps.
– La moyenne temporelle
1 n=N
X
< X >= lim Xn
N →∞ 2N + 1 n=−N
(moyenne sur le temps, ici temps passé et futur). Cette moyenne est indé-
pendante du temps, mais est en général aléatoire.
On est souvent amené à faire des hypothèses sur le processus pour simplifier
l’utilisation de ces moyennes :
– Pour un processus stationnaire (dont les propriétés aléatoires sont inva-
riantes par translation temporelle), la moyenne d’ensemble µ = E (X n ) ne
dépend pas du temps. Elle n’est cependant pas toujours égale à la moyenne
temporelle < X >.
– Pour un processus i.i.d. (symboles X n indépendants et identiquement dis-
tribués), qui est nécessairement stationnaire, on a la loi (forte) des grands
nombres (Kolmogorov,1928) :
n=N
1
X n −→ µ p.s.
X
2N +1 quand N → ∞
n=−N
x n e −2 j πn f T
X
X (f ) =
n
tonien qui représente l’énergie) et n’est utile que pour des processus stationnaires, où il sert à
établir la loi des grands nombres même pour des symboles dépendants. (Un processus i.i.d. est
« trivialement » stationnaire ergodique par la loi du tout ou rien de Kolmogorov, 1933).
2
où le symbole ( T1 ) désigne un intervalle quelconque de longueur T1 (savoir lequel
n’a pas d’importance puisque la fonction intégrée est T1 -périodique).
La définition mathématique précise de la TFTD est facile pour des réali-
P
sations sommables ( n |x n | < ∞), mais ce n’est certainement pas le cas d’une
réalisation d’un processus même stationnaire (par exemple lorsque les X n = ±1
i.i.d.). La définition générale se fait au sens des distributions pour des suites {x n }
tempérées (à croissance lente).
qui montre que T |X ( f )|2 est une densité spectrale (=fréquentielle) d’énergie
(d.s.e.). Lorsque {x n } est une réalisation d’un processus aléatoire, ces notions
d’énergie et de densité d’énergie sont clairement inadaptées. D’abord, parce
que l’énergie est infinie en général (penser à l’exemple des X n = ±1 i.i.d.), et
ensuite parce que |X ( f )|2 est une quantité aléatoire dont on ne peut pas faire
grand chose.
Pour ces raisons, on préfère caractériser la puissance (énergie par unité de
temps) du processus, et prendre des valeurs moyennes.
On dit souvent que la puissance instantanée de X n est |X n |2 . En fait, lors-
qu’on a une référence temporelle T (période-symbole) cette quantité représente
(par exemple en communications numériques) l’énergie pour un intervalle de
durée = T , et par conséquent, la puissance dans cet intervalle est en fait = T1 |X n |2 .
Comme cette quantité est aléatoire, on étudie sa valeur moyenne. On a vu deux
définitions possibles de la puissance moyenne :
– Moyenne spatiale T1 E (|X n |2 )
X 1
– Moyenne temporelle lim 2N1+1 |X n |2 .
N →∞ |n|≤N T
qui coïncident pour un processus stationnaire ergodique. Dans le cas général,
on peut définir la puissance moyenne comme une double moyenne (spatiale et
temporelle) :
1 1 ³ X ´
P moy = lim E |X n |2
T N →∞ 2N + 1 |n|≤N
Cette puissance moyenne n’est bien définie dans la mesure où cette limite existe.
C’est toujours le cas pour un processus stationnaire car alors E (|X n |2 ) ne dépend
pas du temps n et donc
1
P moy = E (|X n |2 )
T
(On utilise souvent cette formule en supposant (implicitement) la stationnarité.)
3
1.4 Densité spectrale de puissance
Pour définir la densité spectrale de puissance (d.s.p.) du processus {X n }, on
applique la relation de Plancherel dans la définition de la puissance moyenne :
1 ³Z ´
P moy = lim E |X N ( f )|2 d f
N →∞ 2N + 1 ( T1 )
1
Z
= lim E (|X N ( f )|2 ) d f
1 N →∞ 2N + 1
(T )
où
X n e −2 j πn f T
X
XN ( f ) =
|n|≤N
est la transformée de Fourier du processus tronqué à (−N , N ). Il vient alors na-
turellement la définition suivante de la densité spectrale de puissance (d.s.p.) :
1
S( f ) = lim E (|X N ( f )|2 )
N →∞ 2N + 1
Cette d.s.p. n’est bien définie dans la mesure où cette limite existe. Noter que
dans ce cas, S( f ) est bien positive ≥ 0, et représente bien une densité spec-
trale (=fréquentielle) de puissance puisque qu’il faut l’intégrer sur les fréquences
pour obtenir la puissance moyenne :
Z
P moy = S( f ) d f
( T1 )
Cette formule sera d’un intérêt pratique considérable pour évaluer des puis-
sances moyennes (une fois qu’on saura calculer la d.s.p. grâce au théorème de
Wiener-Khintchine, voir ci-dessous).
La fonction S( f ) s’appelle aussi le spectre du processus (on a utilisé la lettre
« S » comme « spectre »). Il y a une relation forte avec la notion mathématique
de spectre (valeurs propres) d’opérateurs particuliers (comme ceux de noyaux
toeplitziens, liés à la notion de filtrage).
4
∗
La quantité E (X n X m ) est un coefficient de corrélation du processus {X n }. Si le
processus est stationnaire, ce coefficient reste le même par translation (n, m) →
(n+M , m+M ) et donc (faire M = −m) ne dépend que de la différence n−m entre
les deux instants. On dit plus généralement que le processus est stationnaire à
l’ordre 2 (ou faiblement stationnaire) si on a cette propriété.
Notons
∗
r k = E (X n X n−k ) (indépendant de n)
∗
le kième coefficient de corrélation de {X n } de sorte que E (X n X m ) = r n−m . On
peut alors faire le changement de variable (m, n) → (k = n − m, n) dans l’expres-
sion du spectre :
1
r k e −2 j πk f T 1
X X
S( f ) = lim
N →∞ 2N + 1 |k|≤2N n
P
La somme 1 porte sur les indices n tels que |n| ≤ N et |n − k| ≤ N , ce qui fait
un total de 2N + 1 − |k| indices. Cette somme vaut donc 2N + 1 − |k| :
r k 1 − 2N|k|+1 e −2 j πk f T
X ¡ ¢
S( f ) = lim
N →∞ |k|≤2N
P
Lorsque les r k sont sommables ( k |r k | < ∞) on trouve facilement la limite (par
convergence dominée) :
∞
r k e −2 j πk f T
X
S( f ) =
k=−∞
Ce résultat, obtenu par Wiener (1930) et Khintchine (1934) montre que la d.s.p.
S( f ) est la transformée de Fourier de la séquence de corrélation {r k }. Par transfor-
mée de Fourier inverse :
Z
rk = T S( f )e 2 j πk f T d f
( T1 )
1 r0
Z
P moy = E (|X n |2 ) = = S( f )d f
T T ( T1 )
5
Voici un exemple ou on a besoin de la définition générale de S( f ) au sens
des distributions. Supposons que les X n soient de moyenne non nulle :
µ = E (X n )
S c ( f ) = c k e −2 j πk f T
X
k
S( f ) = r k e −2 j πk f T
X
k
= S c ( f ) + |µ|2 e −2 j πk f T
X
k
finition de la TF pour des signaux analogiques x(t )), et on montre que c’est un
peigne de Dirac en fréquence :
1X k
e −2 j πk f T = δ( f − )
X
k T k T
1
(relation de Poisson) qui est bien T -périodique. Finalement
|µ|2 X k
S( f ) = S c ( f ) + δ( f − )
T k T
|µ|2 c 0 + |µ|2 r 0
Z Z
P moy = S( f )d f = S c ( f )d f + = =
( T1 ) ( T1 ) T T T
6
1.7 Formule de filtrage
Lorsqu’un processus stationnaire au second ordre {X n } est filtré par un filtre
de réponse impulsionnelle {h n } (déterministe !), la sortie du filtre est le proces-
sus donné par le produit de convolution
X
Yn = (X ∗ h)n = X m h n−m
m
La sortie {Yn } est aussi stationnaire au second ordre. Pour le voir, on calcule les
coefficients de corrélation :
∗
X m X p∗ h n−m h n−k−p
∗
XX
E (Yn Yn−k ) = E( )
m p
xx ∗
XX
= r m−p h n−m h n−k−p
m p
r lxx ∗
X X
= h m h m+l −k
l m
yy ∗
ce qui montre bien que r k = E (Yn Yn−k ) est indépendant de n.
On en déduit facilement le spectre S y y ( f ) de la sortie en fonction de celui
∗
S xx ( f ) de l’entrée. Notons h̃ n = h −n (de transformée de Fourier = H ∗ ( f )). Alors :
yy
r k = r lxx (h ∗ h̃)k−l = (r xx ∗ h ∗ h̃)k
X
l
S y y ( f ) = |H ( f )|2 S xx ( f )
Cette formule est d’un intérêt pratique considérable pour évaluer la puissance
moyenne en sortie d’un filtre par la relation
Z
Py = |H ( f )|2 S xx ( f ) d f .
( T1 )
7
2 Processus aléatoire à temps continu
Un processus aléatoire (=stochastique) à temps continu est une fonction
aléatoire X (t ) (variable aléatoire pour chaque t ∈ R) qui représente un signal
analogique, par exemple un signal transmis sur un canal en communications
numériques. L’indice t représente évidemment le temps (continu). L’étude spec-
trale d’un tel processus se calque aisément sur le cas discret traité ci-dessus. Je
reprends brièvement les notions essentielles :
Deux définitions de la moyenne sont possibles :
– La moyenne d’ensemble (spatiale) :
Z
E (X (t )) = x dP X t (x)
qui montre que |X ( f )|2 est une densité spectrale (=fréquentielle) d’énergie (d.s.e.).
Lorsque x(t ) est une réalisation d’un processus aléatoire, ces notions d’énergie
8
et de densité d’énergie sont inadaptées, parce que l’énergie est infinie en gé-
néral, et parce que |X ( f )|2 est une quantité aléatoire dont on ne peut pas faire
grand chose. On préfère donc caractériser la puissance (énergie par unité de
temps) du processus, et prendre des valeurs moyennes.
La puissance instantanée de x(t ) est |x(t )|2 . Comme cette quantité est aléa-
toire, on étudie sa valeur moyenne :
– Moyenne spatiale E (|x(t )|2 )
Z A
– Moyenne temporelle lim 2A 1
|x(t )|2 d t .
A→∞ −A
qui coïncident pour un processus stationnaire ergodique. Dans le cas général,
on peut définir la puissance moyenne comme une double moyenne (spatiale et
temporelle) :
1 ³ A
Z ´
P moy = lim E |x(t )|2 d t
A→∞ 2A −A
Cette puissance moyenne (en Watts) n’est bien définie dans la mesure où cette li-
mite existe. C’est toujours le cas pour un processus stationnaire car alors E (|x(t )|2 )
ne dépend pas du temps t et donc
1
S( f ) = lim E (|X A ( f )|2 )
A→∞ 2A
Cette d.s.p. n’est bien définie dans la mesure où cette limite existe. Noter que
dans ce cas, S( f ) est bien positive ≥ 0, et représente bien une densité spec-
trale (=fréquentielle) de puissance puisque qu’il faut l’intégrer sur les fréquences
pour obtenir la puissance moyenne :
Z ∞
P moy = S( f ) d f
−∞
9
Cette formule sera d’un intérêt pratique considérable pour évaluer des puis-
sances moyennes. La fonction S( f ) s’appelle aussi le spectre du processus (on
a utilisé la lettre « S » comme « spectre »).
1 ¯Z A ¯2
S( f ) = lim E (¯ x(t )e −2 j π f t d t ¯ )
¯ ¯
A→∞ 2A −A
Z AZ A
1
= lim E( x(t )x ∗ (u)e −2 j π f t e 2 j π f u d t d u)
A→∞ 2A −A −A
Z AZ A
1
= lim E (x(t )x ∗ (u))e −2 j π f (t −u) d t d u
A→∞ 2A −A −A
Ce résultat, obtenu par Wiener (1930) et Khintchine (1934) montre que la d.s.p.
S( f ) est la transformée de Fourier de la fonction de corrélation r (τ). Par transfor-
mée de Fourier inverse :
Z ∞
r (τ) = S( f )e 2 j π f τ d f
−∞
10
Noter qu’on retrouve bien pour τ = 0 :
Z
2
P moy = E (|x(t )| ) = r (0) = S( f )d f
Exercice : Montrer sur un exemple que S( f ) peut présenter des raies spectrales
(diracs en fréquence) pour un processus de moyenne non nulle.
N0
S( f ) =
2
ce qui est en accord avec le fait que la puissance moyenne r (0) est infinie, et
montre que deux échantillons de bruit à des instants différents sont toujours
décorrélés : E (b(t )b(u)) = 0 pour t 6= u.
2 La convention est différente dans le cas d’un bruit blanc complexe, si celui-ci est défini
comme la représentation en bande de base (enveloppe complexe) d’un bruit à bande étroite.
11
2.5 Formule de filtrage
Lorsqu’un processus stationnaire au second ordre x(t ) est filtré par un filtre
de réponse impulsionnelle h(t ) (déterministe !), la sortie du filtre est le processus
donné par le produit de convolution
Z
y(t ) = (x ∗ h)(t ) = x(u)h(t − u) d u
La sortie y(t ) est aussi stationnaire au second ordre. Pour le voir, on calcule la
corrélation :
Z Z
E (y(t )y ∗ (t − τ)) = E ( x(u)x ∗ (v)h(t − u)h ∗ (t − τ − v) d u d v)
Z Z
= r xx (u − v)h(t − u)h ∗ (t − τ − v) d u d v
où r xx (τ) est la fonction de corrélation de l’entrée {x(t )}. On peut faire le chan-
gement de variable θ = u − v :
Z Z
xx
E (y(t )y (t − τ)) = r (θ) h(t − u)h ∗ (t − u + θ − τ) d u d θ
∗
Z Z
= r xx (θ) h(u)h ∗ (u + θ − τ) d u d θ
S y y ( f ) = S xx ( f )H ( f ) H̃ ( f ) = S xx ( f )H ( f )H ∗ ( f )
S y y ( f ) = |H ( f )|2 S xx ( f )
Cette formule est d’un intérêt pratique considérable pour évaluer la puissance
moyenne en sortie d’un filtre par la relation
Z
P y = |H ( f )|2 S xx ( f ) d f .
12
3 Processus aléatoire cyclostationnaire
Un processus aléatoire {x(t )} est cyclostationnaire si ses propriétés aléatoires
se répètent périodiquement au cours du temps. A l’ordre 2, cela signifie que la
corrélation
r (τ, t ) = E (x(t )x ∗ (t − τ))
est périodique en t : r (τ, t ) = r (τ, t + T ). Un exemple important (voir ci-dessous)
est le signal modulé par une modulation linéaire, T est alors la période-symbole.
On a vu que la puissance moyenne du processus est définie par
1 ³
Z A ´ 1
Z nT
2
P moy = lim E |x(t )| d t = lim E (|x(t )|2 )d t
A→∞ 2A −A n→∞ 2nT −nT
1 1
S( f ) = lim E (|X nT ( f )|2 ) = lim E (|X nT ( f )|2 )
A→∞ 2A n→∞ 2nT
1
Z nT Z nT
S( f ) = lim E (x(t )x ∗ (u))e −2 j π f (t −u) d t d u
n→∞ 2nT −nT −nT
1
Z 2nT Z
S( f ) = lim e −2 j π f τ r (τ, t )d t d τ
n→∞ 2nT −2nT I
L’intégrale en t porte sur un intervalle de longueur 2nT − |τ|. Si (k − 1)T ≤ |τ| <
kT , cet intervalle contient 2n − k périodes (mais pas 2n − k + 1) et on peut écrire
Z Z
r (τ, t )d t = (2n − k) r (τ, t )d t + R
I (T )
13
où le reste R est borné par :
Z
|R| ≤ |r (τ, t )|d t .
(T )
1 1
Z Z
r (τ) = r (τ, t )d t = E (x(t )x ∗ (t − τ))d t
T (T ) T (T )
14
qui ne dépend que de τ. Ainsi la fonction de corrélation du processus {x θ (t )} =
{x(t + θ)} s’identifie à la définition précédente de r (τ) obtenue en moyennant
E (x(t )x ∗ (t − τ)) sur une période.
Ce procédé de déphasage aléatoire est un peu artificiel, mais pratique. Par
exemple, il est clair, par le théorème de Wiener-Khintchine, que le spectre du
processus stationnarisé {x θ (t )} est la transformée de Fourier de la fonction d’au-
tocorrélation moyenne r (τ). Cependant cette approche seule ne permet pas de
montrer que ce spectre s’identifie au spectre du processus cyclostationnaire {x n }
suivant la définition générale qu’on a donnée. Cela ressort du calcul fait dans le
paragraphe précédent.
où a(t ) = n a n δ(t −nT ) est un train d’impulsions de Dirac portant les symboles.
P
15
{x(t )} ne sont stationnaires. En effet, la corrélation
E (x(t )x ∗ (t − τ)) = E
X ∗ ∗
h (t − mT − τ)
¡X ¢
a n h(t − nT ) a m
n m
E (a n a m )h(t − nT )h ∗ (t − mT − τ)
∗
XX
=
n m
= r kaa h(t − nT )h ∗ (t − nT + kT − τ)
X X
k n
1
Z
r (τ) = E (x(t )x ∗ (t − τ)) d t
T (T )
1 X aa X T
Z
= rk h(t − nT )h ∗ (t − nT + kT − τ) d t
T k n 0
1 X aa X (n+1)T
Z
= rk h(t )h ∗ (t + kT − τ) d t
T k n nT
1 X aa ∞
Z
= r h(t )h ∗ (t + kT − τ) d t
T k k −∞
1 X aa
r (τ) = r · (h ∗ h̃)(τ − kT )
T k k
1 X aa
Z
S xx ( f ) = r · (h ∗ h̃)(τ − kT )e −2 j π f τ d τ
T k k
1 X aa −2 j πk f T
Z
= r e (h ∗ h̃)(τ − kT )e −2 j π f (τ−kT ) d τ
T k k
1 X aa −2 j πk f T
Z
= rk e · (h ∗ h̃)(t )e −2 j π f t d t
T k
r kaa e −2 j πk f T
X
S aa ( f ) =
k
16
et le deuxième facteur est la transformée de Fourier du produit de convolution
h ∗ h̃(t ), c’est à dire le produit H ( f )H ∗ ( f ) = |H ( f )|2 . Finalement le spectre du
signal modulé est donné par la formule :
S xx ( f ) = 1
T |H ( f )|2 S aa ( f )
Si, comme c’est souvent le cas, on suppose les symboles A n i.i.d. centrés de
σ2a E (|A n |2 )
puissance moyenne T = T , alors on a immédiatement S aa ( f ) = E (|A n |2 )
et
E (|A n |2 ) E (|A n |2 )
Z Z
P moy = |H ( f )|2 d f = |h(t )|2 d t
T T
par la relation de Plancherel. Cela revient à dire que la puissance moyenne émise
est égale à l’énergie moyenne de la forme d’onde A n h(t −nT ) qui porte un sym-
bole, rapportée à la période T :
1
Z
P moy = E |A n h(t − nT )|2 d t
T
On retient souvent cette règle pour calculer simplement la puissance moyenne
émise.
Si les symboles sont i.i.d. mais de moyenne µ 6= 0, alors S caa ( f ) = σ2a = E (|A n |2 )−
2
|µ| et la formule de Bennett donne
17
|µ|2 E (|A n |2 )
Une partie T de la puissance moyenne T par symbole est redistribuée sur
des raies spectrales. En intégrant :
trer que
k
|H ( )|2 = T r (kT )
X X
k T k
E (|A n |2 ) |µ|2 X
Z
P moy = |h(t )|2 d t + r (kT )
T T k6=0
18
Cadre privé } sans modifications
Par le téléchargement ou la consultation de ce document, l’utilisateur accepte la licence d’utilisation qui y est
attachée, telle que détaillée dans les dispositions suivantes, et s’engage à la respecter intégralement.
La licence confère à l’utilisateur un droit d’usage sur le document consulté ou téléchargé, totalement ou en partie, dans
les conditions définies ci-après, et à l’exclusion de toute utilisation commerciale.
Le droit d’usage défini par la licence est limité à un usage dans un cadre exclusivement privé. Ce droit comprend :
– le droit de reproduire le document pour stockage aux fins de représentation sur un terminal informatique unique,
– le droit de reproduire le document en un exemplaire, pour copie de sauvegarde ou impression papier.
Aucune modification du document dans son contenu, sa forme ou sa présentation, ni aucune redistribution en tout ou
partie, sous quelque forme et support que ce soit et notamment par mise en réseau, ne sont autorisées.
Les mentions relatives à la source du document et/ou à son auteur doivent être conservées dans leur intégralité.
Le droit d’usage défini par la licence est personnel, non exclusif et non transmissible. Tout autre usage que ceux pré-
vus par la licence est soumis à autorisation préalable et expresse de l’auteur : sitepedago@enst.fr