Aller au contenu
ELECTRONICS ENGINEERINGelectronics-engineering.com
Théorie du signal

Processus aléatoires, densité spectrale de puissance et bruit thermique

Stationnarité et ergodicité, densité spectrale de puissance, passage dans un filtre avec démonstration, bruit blanc, bruit thermique, bruit kT/C avec démonstration, bruit de grenaille et en 1/f.

https://www.electronics-engineering.com/fr/processus-aleatoires-densite-spectrale-de-puissance-bruit-thermique/

Pas encore de vote : soyez le premier à noter cette page.

Une variable aléatoire décrit un nombre incertain ; un processus aléatoire décrit un signal entier incertain, une valeur aléatoire à chaque instant. Le bruit d’un circuit, la parole, les données transmises sont des processus aléatoires. On ne peut pas prédire leur forme d’onde, mais on peut calculer leur puissance, comment elle se répartit en fréquence et comment un filtre la modifie. Dans cette leçon, nous traitons ces outils et les appliquons au bruit thermique.

Processus aléatoires

On peut penser un processus X(t) comme l’ensemble de toutes les formes d’onde qu’une expérience pourrait produire (les réalisations). À un instant fixé, X(t_1) est une variable aléatoire. Les grandeurs principales sont

    \[ \mu_X(t) = E[X(t)],\qquad R_X(t_1, t_2) = E[X(t_1)\,X(t_2)] \]

la moyenne et l’autocorrélation, qui dit à quel point les valeurs à deux instants différents sont liées.

Stationnarité. Un processus est stationnaire au sens large si sa moyenne est constante et si son autocorrélation ne dépend que de la distance entre les instants : R_X(t + \tau, t) = R_X(\tau). Ses propriétés statistiques ne changent pas au cours du temps. R_X(0) = E[X^2] est la puissance moyenne.

Ergodicité. Un processus est ergodique si les moyennes temporelles sur une seule longue réalisation coïncident avec les moyennes d’ensemble. C’est l’hypothèse toujours faite en pratique : on mesure le bruit d’un amplificateur pendant longtemps, pas celui de mille amplificateurs au même instant.

Densité spectrale de puissance

Définition (Wiener-Khintchine). Pour un processus stationnaire, la densité spectrale de puissance est la transformée de Fourier de l’autocorrélation :

    \[ S_X(f) = \int_{-\infty}^{+\infty} R_X(\tau)\,e^{-j2\pi f\tau}\,d\tau \]

En inversant en \tau = 0 : E[X^2] = R_X(0) = \int S_X(f)\,df. La puissance totale est l’aire sous S_X, et la puissance dans une bande est l’aire sur cette bande : S_X se mesure en W/Hz (ou V²/Hz).

Passage dans un filtre

Théorème. Si un processus stationnaire X traverse un système LTI stable de réponse en fréquence H(f), la sortie Y est stationnaire et

    \[ S_Y(f) = |H(f)|^2\,S_X(f) \]

Démonstration. La sortie est Y(t) = \int h(\alpha)X(t - \alpha)\,d\alpha. Alors

    \[ R_Y(\tau) = E[Y(t + \tau)Y(t)] = \iint h(\alpha)h(\beta)\,E[X(t + \tau - \alpha)X(t - \beta)]\,d\alpha\,d\beta = \iint h(\alpha)h(\beta)\,R_X(\tau - \alpha + \beta)\,d\alpha\,d\beta \]

qui ne dépend que de \tau. L’expression est la convolution de R_X avec h(\tau) et avec h(-\tau). En transformant, la convolution devient un produit et la transformée de h(-\tau) est H^*(f) (réponse réelle) : S_Y = H\,H^*\,S_X = |H|^2 S_X. ∎

La phase du filtre n’importe pas : pour la puissance, seul le module compte.

Bruit blanc

Un processus de densité spectrale constante,

    \[ S_N(f) = \frac{N_0}{2} \]

s’appelle bruit blanc, par analogie avec la lumière blanche, qui contient toutes les couleurs. Son autocorrélation est \frac{N_0}{2}\delta(\tau) : deux valeurs à des instants différents, même très proches, sont non corrélées. C’est une idéalisation (il aurait une puissance infinie), mais un excellent modèle tant que la bande du bruit est bien plus large que celle du système qui le reçoit. S’il est en outre gaussien, on l’appelle bruit blanc gaussien additif (AWGN), le modèle standard des canaux de communication.

Bruit blanc filtré : densité spectrale d'entrée, réponse du filtre et densité spectrale de sortie
À gauche la densité spectrale constante du bruit blanc. Au centre le module au carré de la réponse d’un filtre passe-bas. À droite leur produit, la densité spectrale du bruit de sortie : la puissance est maintenant finie et concentrée dans la bande du filtre.

À la sortie d’un filtre, la puissance du bruit est \frac{N_0}{2}\int|H(f)|^2\,df. La bande équivalente de bruit B_N se définit comme la largeur de bande du filtre idéal de même gain maximal qui laisse passer la même puissance : pour un passe-bas RC, B_N = \frac{\pi}{2}f_{-3dB}.

Bruit thermique

Les électrons d’une résistance s’agitent sous l’effet de la température, et une tension de bruit apparaît à ses bornes. Le résultat de Johnson et Nyquist (1928) est que, jusqu’à de très hautes fréquences, c’est un bruit blanc gaussien avec

    \[ \overline{v_n^2} = 4kTRB \]

dans une bande B, où k = 1.38\cdot 10^{-23} J/K est la constante de Boltzmann et T la température absolue.

Exemple. Une résistance de 1 kΩ à 300 K, sur la bande audio de 20 kHz : v_n = \sqrt{4\cdot 1.38\cdot 10^{-23}\cdot 300\cdot 1000\cdot 20\,000} \approx 0.58 µV. Cela paraît petit, mais c’est le plancher en dessous duquel aucun microphone ni capteur connecté à cette résistance ne peut être amplifié sans bruit.

Théorème (bruit kT/C). La tension de bruit aux bornes du condensateur d’un circuit RC a pour puissance

    \[ \overline{v_C^2} = \frac{kT}{C} \]

indépendante de R.

Démonstration. Le bruit de la résistance, de densité 4kTR sur les seules fréquences positives, passe dans le diviseur RC : |H(f)|^2 = 1/(1 + (2\pi fRC)^2). En intégrant :

    \[ \overline{v_C^2} = \int_0^\infty \frac{4kTR}{1 + (2\pi fRC)^2}\,df = 4kTR\cdot\frac{1}{2\pi RC}\cdot\frac{\pi}{2} = \frac{kT}{C} \]

en utilisant \int_0^\infty \frac{du}{1 + u^2} = \frac{\pi}{2}. ∎

Une résistance plus grande fait plus de bruit, mais elle réduit aussi la bande passante dans la même proportion. Avec C = 1 pF, \sqrt{kT/C} \approx 64 µV : c’est le bruit fondamental des circuits à capacités commutées et des pixels des capteurs d’image, et la raison pour laquelle les condensateurs d’échantillonnage des convertisseurs de précision ne peuvent pas être trop petits.

Autres bruits

  • Bruit de grenaille : le courant dans une jonction est fait de charges discrètes qui la traversent au hasard ; il est blanc, avec \overline{i_n^2} = 2qIB.
  • Bruit en 1/f (flicker) : une densité spectrale qui croît aux basses fréquences, due aux défauts des matériaux ; il domine dans les MOSFET en dessous de quelques kilohertz.
  • Processus de Markov : dans de nombreux systèmes (files d’attente de paquets, canaux à erreurs en rafales), le futur ne dépend que de l’état présent ; les chaînes de Markov sont le modèle de base pour les décrire.
S’abonner
Notifier de
guest
1 commentaire
Le plus ancien
Plus récent Les plus votés
1
0
Vous avez apprécié cet article ? Merci de laisser un commentaire.x