5.2. Filtrage adapté#

5.2.1. Définition#

L’objectif du filtre adapté (matched filter en Anglais) est de débruiter un signal déterministe connu noyé dans un bruit additif. On suppose donc qu’on observe le signal \(x(t)\) défini par

\[ x(t)=s(t)+n(t),\qquad t\in \left[ 0,T\right] \]

\(s(t)\) est un signal déterministe à énergie finie connu et \(n(t)\) est un signal aléatoire stationnaire de moyenne nulle et de densité spectrale de puissance \(s_n(f)\). On cherche à débruiter le signal \(x(t)\) à l’aide d’un filtre de réponse impulsionnelle \(h(t)\) et de transmittance \(H(f)\). La sortie de ce filtre est définie par

\[ y(t) =y_{s}(t)+y_{n}(t) =s(t)\ast h(t)+n(t)\ast h(t). \]

Le filtre adapté (au signal \(s(t)\) connu) est obtenu en maximisant le rapport signal sur bruit

\[ \text{SNR}(t_{0})=\frac{y_{s}^{2}(t_{0})}{E\left[ y_{n}^{2}(t_{0})\right] } \]

qui est le rapport des puissances du signal \(y_s\) et du signal \(y_n\) à l’instant de décision \(t_0\) (le choix de \(t_0\) sera discuté plus tard).

5.2.2. Expression du filtre#

Des calculs élémentaires permettent d’obtenir l’expression suivante du rapport signal sur bruit

\[ \text{SNR}(t_{0})=\frac{y_{s}^{2}(t_{0})}{E\left[ y_{n}^{2}(t_{0})\right] }=\frac{% \left| \int_{\Bbb{R}}H(f)S(f)e^{j2\pi ft_{0}}df\right| ^{2}}{\int_{\Bbb{R}% }\left| H(f)\right| ^{2}s_{n}(f)df} \]

En effet

  • Numérateur

\[ y_{s}(t)=\text{TF}^{-1}\left[ S(f)H(f)\right] =\int_{\Bbb{R}}H(f)S(f)e^{j2\pi ft}df \]
  • Dénominateur

\[ P_{y_{n}} =E\left[ y_{n}^{2}(t_{0})\right] =R_{y_{n}}\left( 0\right) =\int_{\Bbb{R}}s_{n}(f)\left| H(f)\right| ^{2}df \]

En introduisant les notations \(a(f)=\sqrt{s_{n}(f)}H(f)\) et \(b(f)=\frac{S^{\ast }(f)}{\sqrt{s_{n}(f)}}e^{-j2\pi ft_{0}}\), on obtient

\[ \text{SNR}(t_{0})=\frac{\left| \int_{\Bbb{R}}a(f)b^{\ast }(f)df\right| ^{2}}{\int_{\Bbb{R} }a(f)a^{\ast }(f)df} \]

et donc en utilisant l’inégalité de Cauchy-Schwartz, on obtient

\[ \text{SNR}(t_{0}) \le \int_{\Bbb{R}}b(f)b^{\ast }(f)df \]

avec égalité lorsque

\[ a(f)= k b(f) \Leftrightarrow H(f)=k\dfrac{S^{\ast }(f)}{s_{n}(f)}e^{-j2\pi ft_{0}}. \]

Dans le cas particulier d’un \textcolor{red}{bruit blanc}, on obtient

\[ H(f)=KS^{\ast }(f)e^{-j2\pi ft_{0}} \Leftrightarrow \boxed{ h(t)=Ks^{\ast }\left( t_{0}-t\right)} \]

ce qui correspond à une symétrie par rapport à l’axe oy de \(s(t)\) suivi d’une translation de \(t_0\).

5.2.3. SNR maximum#

Le rapport signal sur bruit maximum est défini par

\[ \text{SNR}(t_{0})^{\max } =\int_{\Bbb{R}}b(f)b^{\ast }(f)df =\int_{\Bbb{R}}\frac{2}{N_{0}}\left| S(f)\right| ^{2}df=\frac{2E}{N_{0}} \]

\(E\) est l’énergie du signal. On voit donc que le le rapport signal à bruit maximal ne dépend pas de la forme du signal mais uniquement de son énergie.

5.2.4. Applications#

Le filtre adapté est utilisé dans tout récepteur d’un système de communication numérique. Dans cette application, on connait les signaux \(s_0(t)\) et \(s_1(t)\) qui sont utilisés pour la mise en forme des bits ‘0’ et ‘1’. Lorsqu’on a \(s_1(t)=-s_0(t)\) (ce qui est le cas par exemple pour la mise en forme du signal biphase), le filtre adapté à \(s_0(t)\) est aussi adapté à \(s_1(t)\). Cette application est illustrée sur la figure ci-dessous issue de la page wikipedia sur le filtre adapté (matched filter en Anglais)

matched_filter

5.2.5. Référence#

Pour plus de détails concernant le filtre adapté, le lecteur pourra consulter le livre de Picinbono [Picinbono, 1993].