1 / 16

Filtres à réponse impulsionnelle finie (RIF)

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 ?

keith-norris
Download Presentation

Filtres à réponse impulsionnelle finie (RIF)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 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 Traitement Numérique du Signal

  2. 1/ Traitement Numérique du Signal

  3. 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 Traitement Numérique du Signal

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

  5. 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 : Traitement Numérique du Signal

  6. 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. Traitement Numérique du Signal

  7. 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 Traitement Numérique du Signal

  8. 2/ Synthèse de filtre : méthodologie • TFTD inverse • Troncature • Produit par une fenêtre • Décalage Traitement Numérique du Signal

  9. 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 C’est un passe-haut : Si c’était un passe-bas : 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 Traitement Numérique du Signal

  10. Traitement Numérique du Signal

  11. Traitement Numérique du Signal

  12. Fenêtre de Hanning et Bartlett Traitement Numérique du Signal

  13. Traitement Numérique du Signal

  14. Traitement Numérique du Signal

  15. 3/ L’invariant impulsionnel : une idée naturelle Traitement Numérique du Signal

  16. xTe Te Traitement Numérique du Signal

More Related