Fiche U.E.

Master PARI Semestre 1

INTITULE DE LU.E. :
Traitement du Signal

RESPONSABLE :
Nom, prnom : Christian Heinrich
Discipline : Thorie du signal
Adresse : ENSPS LSIIT (UMR 7005) E-mail : Christian.Heinrich@ensps.u-strasbg.fr
Bd. S. Brant
BP10413
67412 ILLKIRCH cedex

PROGRAMME :
Travail perso Coeff
Matires enseignes CM CI TD TP CT* CC*
tudiant matire
M1- Probabilits et processus stochastiques 17,5 17,5 53 3,5 x
M2- Statistique 7,5 7 22 1,5 x
M3- Traitement du signal (1) :
Introduction
Signaux analogiques dterministes
Systmes linaires continus 17,5 17,5 53 3,5 x
M4- Traitement du signal (2) :
Signaux numriques et signaux alatoires
Systmes linaires chantillonns 20 21 24 97,5 6,5 x
* CT : contrle terminal, CC contrle continu

COMPETENCES A ACQUERIR :
Les pr-requis ncessaires pour suivre cette UE sont une bonne matrise de lalgbre linaire classique et de lanalyse
fonctionnelle un niveau lmentaire (1er cycle).

LUE Traitement du signal amne ltudiant acqurir les notions de base du traitement des signaux temporels
analogiques/numriques, dterministes/alatoires. Les comptences matrises couvrent en particulier les techniques
de filtrage de Fourier (analogique et numrique), la synthse des filtres, la modulation-dmodulation, lanalyse
spectrale (signaux dterministes et alatoires), la dtection et lestimation des signaux noys dans le bruit.

Cette UE sappuie sur deux modules (probabilits et processus stochastiques, statistique) permettant dapporter les
comptences ncessaires la reprsentation et lanalyse statistique des signaux alatoires.

Les comptences acquises dans cette UE permettent ltudiant daborder, dans le cadre des approfondissements
dispenss en S2 ou S3 les modules suivants : traitement des signaux bi-dimensionnels, traitement du signal et
tlcommunications, ainsi que lensemble des modules de traitement des images, vision par ordinateur,
reconnaissance des formes, rsolution de problmes inverses, dispenss dans la spcialit PARI.

TYPE DENSEIGNEMENT :
CM : 62,5 h prsentielles
TD : 63 h prsentielles
TP : 24 h prsentielles
Autre : (spcifier, exposs, visites ) h prsentielles
Charge horaire totale pour ltudiant : 375 h = 149,5 h prs. + 225,5 h travail personnel
Crdits ECTS : 15

Les enseignements assurs par des intervenants extrieurs :

MUTUALISATION :
1/6
UE obligatoire pour le master : NON Peut constituer une UE optionnelle Peut constituer une UE libre : OUI
pour dautres masters : OUI

2
 UE : M1 Probabilits et processus stochastiques Semestre S1
Traitement du signal

ECTS : COURS TD TP Projet Total dheures

3,5 17,5 h 17,5 h 43,75 h

Enseignant : Module au choix :

Maria-Joana Carvalho-Ostertag non

Matre de confrences (ULP ENSPS), section 61

du CNU, LSIIT (UMR 7005)
Tl : 03 90 24 44 73
Fax : 03 90 24 43 42
E-mail :joana.carvalho-ostertag@ensps.u-strasbg.fr

Pr-requis :
OBJECTIFS DE LENSEIGNEMENT
Acquisition des concepts fondamentaux du calcul des probabilits et des processus stochastiques, afin que
ces notions puissent tre utilises dans ltude de matires o les grandeurs alatoires interviennent.
-----------------------------------------------------------------------------------------------------------------------------------------------
PROGRAMME DETAILLE
Calcul des Probabilits (rappels et complments) : exprience alatoire ;
vnement ; espace probabilis
Indpendance stochastique : probabilit conditionnelle ; indpendance stochastique
Variable alatoire discrte : loi de probabilit et fonction de rpartition ; valeurs et fonctions caractristiques ;
fonction d'une variable alatoire ; distributions usuelles
Variable alatoire continue : densit de probabilit ; distributions continues usuelles : uniforme,
exponentielle, gaussienne.
Systmes de variables alatoires : couple de variables alatoires ; indpendance stochastique ; fonctions
d'un couple de variables alatoires ; caractristiques d'un couple : moments, covariance, coefficient de
corrlation linaire ; loi normale deux dimensions ; somme de deux variables alatoires ; suites de
variables alatoires ; loi normale de dimension n ; stabilit dune loi de probabilit.
Convergences : convergence en loi : thorme limite centrale ; convergence en probabilit : loi faible des
grands nombres ; convergence presque sre : loi forte des grands nombres.
Processus stochastiques : caractristiques statistiques et moyennes temporelles ; stationnarit,
ergodicit ; fonction dautocorrlation ; processus de Markov ; processus gaussien ; exemples de
processus stochastiques spciaux : processus de Poisson, signal tlgraphique, cheminement
alatoire, processus de Wiener-Lvy ; densit spectrale de puissance.
-----------------------------------------------------------------------------------------------------------------------------------------------
APPLICATIONS (TD ou TP)
La majorit des problmes rsolus en TD sont inspirs par des problmes concrets rencontrs dans
le domaine de la statistique, du traitement du signal, de la commande de systmes bruits, des
phnomnes dattente et de la fiabilit
-----------------------------------------------------------------------------------------------------------------------------------------------
COMPETENCES ACQUISES
Celles permettant de faire :
* Le traitement mathmatique de la notion intuitive de hasard :
* Ltude dun processus stochastique, dans le domaine temporel
* Lapplication des notions fondamentales des probabilits ltude de la fiabilit.
-----------------------------------------------------------------------------------------------------------------------------------------------
Dispositif dvaluation des enseignements et modalits d'examen :

Contrle terminal

3
 UE : M2 - statistique Semestre S1
Traitement du signal

ECTS : COURS TD TP Projet Total dheures

1,5 7,5 h 7h 18,25 h

Enseignant : Module au choix :

Maria-Joana Carvalho-Ostertag
non
Matre de confrences (ULP ENSPS), section 61
du CNU, LSIIT (UMR 7005)
Tl : 03 90 24 44 73
Fax : 03 90 24 43 42
E-mail :joana.carvalho-ostertag@ensps.u-strasbg.fr

Pr-requis : Probabilits et processus stochastiques

OBJECTIFS DE LENSEIGNEMENT
Etude de quelques mthodes de la statistique mathmatique de faon illustrer par la rsolution de
problmes concrets (valuation dune probabilit, dtermination dune loi de probabilit) les connaissance
acquises sous un aspect plus thorique en calcul des probabilits.
-----------------------------------------------------------------------------------------------------------------------------------------------
PROGRAMME DETAILLE
Echantillonnage
Statistique et calcul des probabilits ; chantillon empirique et alatoire ; distribution dchantillonnage ;
infrence mathmatique
Estimation ponctuelle
Estimateur ; dtermination d'un estimateur : approche classique (mthode du maximum de vraisemblance ;
mthode des moments ; mthode des moindres carrs), approche baysienne (minimum de lEQM de
Bayes ; maximum de la ddp a posteriori)
Estimation par intervalle de confiance
Estimation de la moyenne et de la variance d'une loi normale ; comparaison de deux moyennes ; estimation
d'une probabilit ; chantillons de taille leve
Tests dhypothses ou statistiques
Principe d'un test ; hypothse nulle et hypothse alternative ; niveau ou seuil de signification ; erreurs de
1re et 2me espce.
Tests paramtriques : processus gnral d'un test paramtrique ; comparaison entre test paramtrique et
intervalle de confiance
Tests d'ajustement : test du khi-deux
Tests dindpendance : indpendance de deux caractres, de deux vnements, de deux variables
alatoires de distribution conjointe normale
-----------------------------------------------------------------------------------------------------------------------------------------------
APPLICATIONS (TD ou TP)
La majorit des exemples utiliss dans les cours et les problmes rsolus en TD sont inspirs par des
problmes concrets (valuer une grandeur, dterminer dune loi de probabilit, tester une hypothse
dindpendance, ), utilisant des donnes empiriques.
-----------------------------------------------------------------------------------------------------------------------------------------------
COMPETENCES ACQUISES
Comprhension de la signification relative des donnes empiriques et des grandeurs alatoires utilises
dans ce contexte. Prise de connaissance de lopration estimation dune grandeur. Etude des proprits dun
estimateur et connaissance de diffrentes mthodes pour aboutir une estimation. Le principe dun test
dhypothses en gnral et ltude dtaille de trois types de tests dobjectif trs diffrents : paramtrique,
dajustement et dindpendance.
-----------------------------------------------------------------------------------------------------------------------------------------------
Dispositif dvaluation des enseignements et modalits d'examen :

Contrle terminal.

4
 UE : M3 traitement du signal (1) : introduction, signaux Semestre S1
Traitement du signal analogiques et dterministes, systmes linaires continus

ECTS : COURS TD TP Projet Total dheures

3,5 17,5 h 17,5 h 43,75 h

Enseignant : Module au choix :

Fabrice Heitz
Professeur (ULP ENSPS), section 61 du CNU, non
LSIIT (UMR 7005)
Tl : 03 90 24 44 87
Fax : 03 90 24 43 42
E-mail : fabrice.heitz@ensps.u-strasbg.fr

Et Christian Heinrich (MCF 61)

Pr-requis :
OBJECTIFS DE LENSEIGNEMENT
Donner ltudiant les notions lmentaires de reprsentation et de traitement des signaux analogiques (
temps continu) et dterministes. Introduction des reprsentations temporelles et frquentielles. Filtrage des
signaux et applications.
-----------------------------------------------------------------------------------------------------------------------------------------------
PROGRAMME DETAILLE
Introduction : notion de signal et systme.
Reprsentation et classification des signaux.
Analyse harmonique des signaux analogiques : sries de Fourier et transformes de Fourier. Corrlation.
Spectres dnergie et de puissance.
Systmes linaires, invariants dans le temps : rponse impulsionnelle, rponse en frquence. Systmes
inverses.
Filtrage des signaux analogiques.
Modulation Dmodulation analogique (AM FM).
Corrlateurs et analyseurs de spectre.
Echantillonnage et reconstruction
-----------------------------------------------------------------------------------------------------------------------------------------------
APPLICATIONS (TD ou TP)
Circuit drivateur
Systme RADAR
Annulation dcho
Filtres de Butterworth
Systme de brouillage de la parole
Filtrage adapt et reconnaissance des formes
-----------------------------------------------------------------------------------------------------------------------------------------------
COMPETENCES ACQUISES
Matrise des techniques classiques de filtrage et danalyse spectrale (par transforme de Fourier).
Comptences partielles en communications analogiques.
-----------------------------------------------------------------------------------------------------------------------------------------------
Dispositif dvaluation des enseignements et modalits d'examen :
Contrle terminal

5
 UE : M4 Traitement du signal (2) : signaux numriques et Semestre S1
Traitement du signal signaux alatoires systmes linaires chantillonns

ECTS : COURS TD TP Projet Total dheures

6,5 20 h 21 h 24 h 67 h

Enseignant : Module au choix :

Fabrice Heitz non
Professeur (ULP ENSPS), section 61 du CNU,
LSIIT (UMR 7005)
Tl : 03 90 24 44 87
Fax : 03 90 24 43 42
E-mail : fabrice.heitz@ensps.u-strasbg.fr

Et : Maria-Joana Carvalho-Ostertag (MCF 61),

Pierre Pfeiffer (MCF 63) et Yoshitate Takakura
(MCF 63)

Pr-requis : traitement du signal (1), probabilits et processus stochastiques, statistique

OBJECTIFS DE LENSEIGNEMENT
Donner ltudiant les notions lmentaires de reprsentation et traitement des signaux
numriques (quantifis et temps discret) ainsi que des signaux alatoires.
Introduction des reprsentations temporelles et frquentielles. Filtrage des signaux et
applications.
-----------------------------------------------------------------------------------------------------------------------------------------------
PROGRAMME DETAILLE
Traitement numrique du signal : Echantillonnage, reconstruction, quantification : rappels Transforme
de Fourier dun signal chantillonn. Transforme de Fourier discrte : rsolution frquentielle, dualit,
inversion, insertions de zros, convolution circulaire, convolution linaire, applications Filtres numriques :
filtres idaux, stabilit, causalit, notion de gabarit numrique. Filtres rponse impulsionnelle finie : filtre
phase linaire, mthode des fentres, synthse par optimisation. Filtres rponse impulsionnelle infinie :
filtres rationnels, chantillonnage de la rponse impulsionnelle, transformation bilinaire. Reprsentation des
filtres numriques.
Traitement des signaux alatoires : Rappel sur les processus alatoires. Fonction dautocorrlation.
Stationnarit, ergodicit. Densit spectrale de puissance. Bruit blanc, processus de Poisson et processus
gaussien. Echantillonnage des signaux alatoires. Filtrage des signaux alatoires. Filtre adapt, filtre de
Wiener. Estimation statistique et estimation spectrale. Priodogramme, corrlogramme, priodogramme
moyenn, priodogramme liss.
-----------------------------------------------------------------------------------------------------------------------------------------------
APPLICATIONS (TD ou TP)
(TD)Ondelettes de Haar. Construction dune loi de quantification pour la tlphonie numrique. Transforme
de Fourier rapide. Les fentres. Gnration et dcodage de signaux DTMF. Synthse dun filtre RII.
Analyseur banc de filtres.Signal sinusodal phase alatoire. Interprtation de la corrlation comme
mesure de similarit. Effet Doppler statistique. Filtrage dun bruit blanc. Filtres moyenneurs. Estimation au
sens du maximum de vraisemblance de la vitesse dun mobile.
(TP) 1. Echantillonnage et quantification. 2. Transforme de Fourier discrte. 3. Estimation statistique et
analyse spectrale. 4. Dtection et extraction de signaux noys dans le bruit. 5. Filtres numriques. 6.
Initiation aux processeurs numriques de signaux.
-----------------------------------------------------------------------------------------------------------------------------------------------
COMPETENCES ACQUISES
Matrise des techniques de traitement numrique, de dtection et dextraction de signaux noys dans le
bruit. Estimation de spectres de signaux bruits.
-----------------------------------------------------------------------------------------------------------------------------------------------
Dispositif dvaluation des enseignements et modalits d'examen :

Contrle terminal.