Modélisation et analyse de signaux à échantillonnage non uniforme
Disposer périodiquement des échantillons d'un signal n'est ni toujours possible, ni toujours utile. Certains échantillons peuvent être perdus par suite par exemple d'erreurs de transmission, certaines mesures sont par ailleurs intrinsèquement asynchrones (c'est le cas de leur transmission sur certains types de réseaux (par exemple : à accès aléatoire ou à commutation de paquets), des mesures Doppler, des mesures par comptage de particules ou encore de la vélocimétrie laser). De plus, traiter un échantillon (l'acquérir ou l'émettre) quand il n'amène pas d'information (par exemple quand le signal est complètement prédictible sans cette valeur) est inutile : on utilise alors en pure perte de l'énergie électrique (par exemple : systèmes à alimentation sur piles) ou de la bande passante du support. Dans le contexte général de l'utilisation optimale des ressources de transmission des données (réseaux de terrains, supports de transmission, compression de données…) sont étudiées en conséquence des solutions fondées sur ce type d'échantillonnage, qui aboutissent naturellement à des procédés de compression de données.
Objectifs
Être capable d'appréhender les problèmes de modélisation, de filtrage, d'analyse spectrale et de prédiction de signaux, monodimensionnels ou bidimensionnels, à échantillonnage non uniforme (SENU)
Public concerné
Ingénieurs exerçant leur activité dans tous les secteurs industriels et tertiaires (comme ceux de la banque et de l'assurance)
Connaissances requises
Maîtrise des méthodes et outils classiques du traitement du signal (pouvant être acquise à l'issue de la formation LG03 (page 74))
Méthodes pédagogiques
- conférences
- exemples de mises en œuvre tant académiques que pratiques
- deux séances d'application à l'aide de logiciels de simulation de type Matlab
| PROGRAMME |
Aspects généraux de la modélisation et de l'analyse des SENU
Introduction à la problématique des SENU
Exemples de sensibilisation
|
Échantillonnage
Théorème de Shannon versus celui de Cauchy
Conditions de reconstruction parfaite
|
Méthodes numériques d'interpolation |
Signaux avec pertes
Modélisation
Prédiction
|
SENU 2D
Traitement des images numériques avec pertes
Compression optimale
|
Filtrage des SENU |
Analyse spectrale non paramétrique |
Analyse spectrale paramétrique |
Cette formation à très forte spécificité apporte des connaissances sur les dernières avancées de recherche sur le thème des signaux à échantillonnage aléatoire.
Autres formations traitant de sujets connexes
- LG17 - Le filtrage numérique adaptatif et ses applications
- LG03 - Traitement numérique du signal : méthodes et techniques
Dernière mise à jour le 04/05/2012 par Supélec - Formation Continue