a la physique de l'information - Lisa - Université d'Angers
a la physique de l'information - Lisa - Université d'Angers
a la physique de l'information - Lisa - Université d'Angers
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
quantifieur, le niveau <strong>de</strong> saturation, . . . ). Si on a <strong>la</strong> possibilité <strong>de</strong> répliquer les non-linéarités<br />
en réseaux comme dans <strong>la</strong> Fig. 3.1, alors une injection volontaire <strong>de</strong> bruit peut permettre <strong>de</strong><br />
façonner <strong>la</strong> caractéristique entrée–sortie du composant déterministe équivalent dans un sens qui<br />
améliore le rapport RSB comme je l’ai montré dans les étu<strong>de</strong>s [36, 26, 32, 14] (voir [14]).<br />
3.3.2 Utilisation <strong>de</strong> gain RSB supérieur à un<br />
Une question naturelle une fois que l’on a établi <strong>la</strong> possibilité <strong>de</strong> gain en RSB porte sur l’utilité<br />
<strong>de</strong> ces gains dans <strong>de</strong>s contextes applicatifs déterminés. Le rapport signal sur bruit tel que défini<br />
dans <strong>la</strong> sous-section précé<strong>de</strong>nte est un paramètre important en particulier parce qu’il est facilement<br />
mesurable en sciences expérimentales au moyen d’analyseurs <strong>de</strong> spectres. Pour autant,<br />
les mesures <strong>de</strong> performance en traitement <strong>de</strong> l’information ne s’expriment pas directement en<br />
terme <strong>de</strong> RSB. Ainsi, ma démarche a été <strong>de</strong> considérer <strong>de</strong>s tâches c<strong>la</strong>ssiques <strong>de</strong> traitement <strong>de</strong><br />
l’information évaluées par <strong>de</strong>s mesures <strong>de</strong> performances adaptées à ces tâches dans les conditions<br />
où j’avais démontré <strong>la</strong> possibilité <strong>de</strong> gains RSB supérieurs à un.<br />
• L’étu<strong>de</strong> [11] a été réalisée lors du stage <strong>de</strong> master <strong>de</strong> Rohit BHAT que j’ai encadré lors <strong>de</strong><br />
mon séjour à l’Indian Institute of Sciences <strong>de</strong> Bangalore (In<strong>de</strong>). Ce travail analyse un problème<br />
d’estimation bayésienne liée à <strong>la</strong> forme d’un signal noyé dans un bruit non-gaussien (du type <strong>de</strong><br />
ceux <strong>de</strong> <strong>la</strong> Fig. 3.6). En présence <strong>de</strong> bruit gaussien, l’estimateur bayesien minimisant l’erreur<br />
quadratique moyenne d’estimation est le filtre <strong>de</strong> Wiener qui présente l’avantage d’être linéaire.<br />
Quand l’environnement <strong>de</strong> bruit est non-gaussien, l’estimateur optimal est souvent non linéaire<br />
et donc plus difficile à imp<strong>la</strong>nter et même parfois à déterminer explicitement. Nous analysons<br />
dans [11] comment un quantifieur symétrique à 3 niveaux comme celui <strong>de</strong> l’ Éq. (3.17) p<strong>la</strong>cé<br />
en pré-traitement <strong>de</strong> l’estimateur optimal permet via une amplification du RSB d’améliorer les<br />
performances d’estimation du filtre <strong>de</strong> Wiener.<br />
• L’étu<strong>de</strong> [117] traite quant à elle d’une tâche <strong>de</strong> détection d’un sinus noyé dans un bruit<br />
non gaussien. Là aussi, les détecteurs optimaux, linéaires en milieu gaussien, sont souvent non<br />
linéaires en présence <strong>de</strong> bruit non gaussien. Une approche c<strong>la</strong>ssique pour le <strong>de</strong>sign <strong>de</strong> détecteurs<br />
sous-optimaux [92] peut être <strong>de</strong> conserver le détecteur linéaire en appliquant un prétraitement<br />
non linéaire. Dans [117], le prétraitement est un réseau <strong>de</strong> comparateur avec <strong>de</strong>s bruits volontairement<br />
injectés comme dans <strong>la</strong> Fig. 3.1. On montre comment le bruit, en façonnant <strong>la</strong> caractéristique<br />
<strong>de</strong>s comparateurs, peut améliorer <strong>la</strong> performance <strong>de</strong> détection du détecteur linéaire<br />
pour une <strong>la</strong>rge gamme <strong>de</strong> bruits non gaussien.<br />
Ainsi, nous avons montré <strong>la</strong> possibilité d’utiliser en pratique les gains RSB supérieurs à un pour<br />
<strong>de</strong> l’estimation ou <strong>de</strong> <strong>la</strong> détection sous-optimale <strong>de</strong> signaux noyés dans <strong>de</strong>s bruits non-gaussiens.<br />
Pour le cas important d’un sinus en présence <strong>de</strong> bruit b<strong>la</strong>nc additif gaussien il n’en n’est pas<br />
<strong>de</strong> même. Prenons comme exemple <strong>la</strong> détection. Le détecteur optimal qui permet d’atteindre<br />
<strong>la</strong> plus petite probabilité d’erreur <strong>de</strong> détection d’un sinus dans du bruit b<strong>la</strong>nc additif gaussien<br />
est le filtre adapté. Aucun traitement déterministe p<strong>la</strong>cé avant ce filtre ne peut améliorer les<br />
performances <strong>de</strong> <strong>la</strong> détection. Les performances du filtre adapté sont pourtant directement<br />
déterminées par le RSB. Néanmoins, après un prétraitement pour amplifier le rapport signal sur<br />
bruit, on est en présence d’un mé<strong>la</strong>nge non linéaire du sinus avec le bruit. Pour <strong>la</strong> détection du<br />
sinus à partir <strong>de</strong> ce mé<strong>la</strong>nge non linéaire, le détecteur optimal n’est plus le filtre adapté et <strong>la</strong><br />
performance du détecteur optimal n’est plus forcément déterminée par le RSB. De cette façon, il<br />
est possible en présence <strong>de</strong> mé<strong>la</strong>nge signal-bruit non linéaire d’enregistrer une amplification du<br />
30/197