Preuve. En prenant comme point de départ la définition de la distribution passive, basée sur la fonctionde pondération ~ k (u), nous pouvons écrireZ~P (k)X(t; f )=f 2(r+1),q ~ k (u) X (f k (u)) X (f k (,u)) e i2tfk(u) du (4.51)Z= f 2(r+1),q ~k (u) k (u)Z f2(r+1),q=_ k (u)hi k (u) X (f k (u)) X (f k (,u)) e i2tfk(u) du (4.52)h k (u) X (f k (u)) X (f k (,u))ie i2tf k(u) du; (4.53)de telle sorte que cela fasse apparaître la fonction de pondération k (u) de la distribution activeassociée. En utilisant alors le fait que, pour k 0, la fonction k (u) = k (u) , k (,u) est bijectivede R vers R, on peut faire le changement de variable u = ,1k (v) pour exprimer P ~ (k)X(t; f ) commeune transformée de Fourier ordinaire. Nous obtenons alorsZ "f2(r+1),q~P (k)X (t; f k ( ,1)= k (v)) ,_ k ( ,1k (v)) _ k ( X f k ( ,1 (v)) , ,1k (v)) kX f k (, ,1 (v))# ke i2tfv dv=Z= f(4.54)G k (s) P (k)Xt , s f ;f ds (4.55)ZG k (f (t , )) P (k)X(; f) d; (4.56)avecG k (s) ===ZZZ1e_ i2sv dv (4.57)k (k ,1 (v))ddv,,1k (v) e i2sv dv (4.58)e i2s k (u) du; (4.59)d’oùlerésultat.Étant donné une distribution active, sa contrepartie passive apparaît alors comme une version filtréede celle-ci, la réponse impulsionnelle G k du filtre étant dépendant de la fréquence (la “largeur” entemps équivalente de G k variecommel’inversedelafréquence). Dans le cas général (k quelconque),aucune expression analytique n’existe pour G k . Remarquons néanmoins que dans le cas où k = ,1(,1(u) =e u=2 , distribution de Unterberger [14]), nous avons explicitementG,1(s) =Z1q e i2sv dv (4.60)1+ v2 4=4K 0 (4jsj); (4.61)136
où K 0 () est la fonction de Bessel modifiée de deuxième espèce [1], ce qui est en accord avec lesrésultats donnés dans [95].Tous les résultats obtenus jusqu’ici peuvent maintenant être combinés et ce qui mène au résultatcentral :Proposition 8. Étant donné le problème de détection où le signal x(t; 0 ) àdétecter est un chirp enloi de puissance (4.8) de loi de retard de groupe t X (f )=t 0 + c 0 kf k,1 avec les paramètres inconnus 0 =(t 0 ;c 0 ),etoù le bruit additif n(t) est gaussien, centré, stationnaire et de densité spectrale depuissance , n (f ),lastratégie optimale admet la formulation temps-fréquence suivante:Z +1 w (r; t; c) = Rt + ckf k,1 ;f df; (4.62)avecet R (t; f )=C 2 f 2q Z0~P (k)A(k)(t , s; f ) P (s; f ) ds (4.63)A(f )= f,(3r+2)U (f ): (4.64), n (f )Preuve. Supposons d’abord que 0 = (t 0 ;c 0 ) est connu. Dans ce cas, à partir des résultats de laProposition 3 (localisation) et 6 (unitarité étendue), nous obtenons [14] clairement, pour tout signalZ(f ),Z +12ZZ +1Z(f ) X r;k (f ) f 2r+1 df =~P (k)(k)Z(t; f ) PX r;k(t; f ) f 2q dt df (4.65)00= C 2 Z +10R~P (k)Z (t X(f );f) f q,1 df: (4.66)Il s’en suit que le membre de gauche de l’équation ci-dessus s’identifie exactement avec la stratégie(4.24) si Z(f )=R(f )f ,(2r+1) =, n (f ) et X(f ; 0 )=X r;k (f ). En conséquence, le membre dedroite de la même équation nous donne une formulation temps-fréquence alternative pour le problèmede détection de chirps en loi de puissance et, en utilisant les résultats établis en proposition 4 (filtrage),cela nous conduit finalement au résultat énoncé, avec = 0 , i.e., t = t 0 et c = c 0 . Dans le cas réeloù le vecteur de paramètres 0 est inconnu, la même stratégie doit être utilisée en remplaçant 0 parun ensemble de valeurs tests =(t; c).Ladétection est alors effective quandmax(t;c) w (r; t; c) >; (4.67)où est un seuil prescrit, tandis que l’estimation de 0 peut être conduite avec,^t^ 0 = 0 ; ^c 0 = arg max w (r; t; c): (4.68)(t;c)Selon ce résultat, les chirps en loi de puissance noyés dans un bruit gaussien peuvent être détectésde manière optimale via une stratégie d’intégration de chemin dans le plan temps-fréquence. Leurparamètre peuvent être estimés par une transformée de Radon ou Hough généralisée, appliquée à unedistribution bien définie. Une application potentielle de ce résultat va maintenant être discutée.137