Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

Exercice 1¶

Soit xx un signal pƩriodique de pƩriode TT. VƩrifions que son autocorrƩlation est Ʃgalement pƩriodique de pƩriode TT. On a :

Rx(Ļ„)=∫x(t+Ļ„)x(t)dt⇔Rx(Ļ„+T)=∫x(t+Ļ„+T)x(t)dtR_x(\tau) = \int x(t+\tau) x(t) dt \quad\Leftrightarrow\quad R_x(\tau+T) = \int x(t+\tau+T) x(t) dt

Or puisque x(t+T)=x(t)x(t+T) = x(t) :

Rx(Ļ„+T)=∫x(t+Ļ„)x(t)dt=Rx(Ļ„).R_x(\tau+T) = \int x(t+\tau) x(t) dt = R_x(\tau).

L’intercorrĆ©lation d’un signal pĆ©riodique de pĆ©riode TT est donc Ć©galement pĆ©riodique de pĆ©riode TT.

Exercice 2¶

Par dƩfinition :

Rx(Ļ„)=∫x(t+Ļ„)x(t)dt.R_x(\tau) = \int x(t+\tau) x(t) dt.

Or, le terme x(t+Ļ„)x(t)x(t+\tau) x(t) peut ĆŖtre remplacĆ© par une somme de trois termes qui va nous aider Ć  dĆ©montrer que l’autocorrĆ©lation est maximale en 0. En effet :

[x(t)āˆ’x(t+Ļ„)]2=x(t)2āˆ’2x(t)x(t+Ļ„)+x(t+Ļ„)2\big[x(t) - x(t+\tau) \big]^2 = x(t)^2 - 2x(t)x(t+\tau) + x(t+\tau)^2

et donc :

x(t)x(t+Ļ„)=12x(t)2+12x(t+Ļ„)2āˆ’12[x(t)āˆ’x(t+Ļ„)]2.x(t)x(t+\tau) = \frac{1}{2}x(t)^2 + \frac{1}{2}x(t+\tau)^2 - \frac{1}{2}\big[x(t) - x(t+\tau) \big]^2.

En remplaƧant l’expression de x(t)x(t+Ļ„)x(t)x(t+\tau) dans l’expression de l’autocorrĆ©lation, puis en dĆ©veloppant l’intĆ©grale, on obtient :

Rx(Ļ„)=12∫x(t)2dt+12∫x(t+Ļ„)2dtāˆ’12∫[x(t)āˆ’x(t+Ļ„)]2dtR_x(\tau) = \frac{1}{2}\int x(t)^2 dt + \frac{1}{2}\int x(t+\tau)^2 dt - \frac{1}{2}\int \big[x(t) - x(t+\tau) \big]^2 dt

Or le deuxiĆØme terme est Ć©gal au premier : ∫x(t+Ļ„)2dt=∫x(t)2dt\int x(t+\tau)^2 dt = \int x(t)^2 dt, (il suffit de faire un changement de variable), qui est aussi Rx(0)R_x(0). Cela implique :

Rx(Ļ„)=Rx(0)āˆ’CR_x(\tau) = R_x(0) - C \\

où C=12∫[x(t)āˆ’x(t+Ļ„)]2x(t)dtC = \frac{1}{2}\int \big[x(t) - x(t+\tau) \big]^2 x(t) dt est nĆ©cessairement positif.

En conclusion, on a toujours Rx(Ļ„)≤Rx(0)R_x(\tau) \leq R_x(0), ce qui signifie que Rx(0)R_x(0) est bien le maximum de l’autocorrĆ©lation.

Cela se comprend aisĆ©ment puisque l’autocorrĆ©lation mesure la ressemblance d’un signal avec une version dĆ©calĆ©e de lui-mĆŖme. La ressemblance est forcĆ©ment la plus grande lorsque le dĆ©calage est nul.

Exercice 3¶

Cet exercice est trĆØs similaire Ć  l’Exercice 3 du produit de convolution.

Comme xx est Ć  support limitĆ© (il est nul en dehors de {āˆ’N,…,N}\{-N,\dots,N\}), et Ć©gal Ć  1 dans l’intervalle, alors sont autocorrĆ©lation s’écrit :

Rx[m]=āˆ‘n=āˆ’āˆž+āˆžx[n+m]x[n]=āˆ‘n=āˆ’NNx[n+m]R_{x}[m] = \sum_{n=-\infty}^{+\infty} x[n+m] x[n] = \sum_{n=-N}^{N} x[n+m]

où

x[n+m]={1siĀ n∈{āˆ’Nāˆ’m,…,Nāˆ’m}0sinon.x[n+m] = \begin{cases} 1 \quad&\text{si } n \in \{-N-m,\dots,N-m\} \\ 0 \quad&\text{sinon}. \\ \end{cases}

Donc le signal Ć  sommer est non nul dans {āˆ’Nāˆ’m,…,Nāˆ’m}\{-N-m,\dots,N-m\} mais la somme se fait uniquement sur {āˆ’N,…,N}\{-N,\dots,N\}. Donc le rĆ©sultat dĆ©pend de la valeur de mm.

Finalement, l’autocorrĆ©lation est un signal triangle :

Rx[m]={0siĀ m>2N,2Nāˆ’m+1siĀ 0<m≤2N,2N+m+1siĀ āˆ’2N≤m≤0,0siĀ m<āˆ’2N.R_{x}[m] = \begin{cases} 0 \quad&\text{si } m>2N, \\ 2N-m+1 \quad&\text{si } 0 < m \leq 2N, \\ 2N+m+1 \quad&\text{si } -2N \leq m \leq 0, \\ 0 \quad&\text{si } m<-2N. \end{cases}

Exercice 4¶

Rx(Ļ„)=∫x(t+Ļ„)x(t)dt=∫[s(t+Ļ„)+a s(t+Ļ„āˆ’d)][s(t)+a s(tāˆ’d)]dt=∫s(t+Ļ„)s(t)dt+a∫s(t+Ļ„)s(tāˆ’d)]dt+a∫s(t+Ļ„āˆ’d)s(t)dt+a2∫s(t+Ļ„āˆ’d)s(tāˆ’d)]dt=∫s(t+Ļ„)s(t)dt+a∫s(u+d+Ļ„)s(u)]du+a∫s(t+Ļ„āˆ’d)s(t)dt+a2∫s(u+Ļ„)s(u)]du=Rs(Ļ„)dt+aRs(Ļ„+d)+aRs(Ļ„āˆ’d)+a2Rs(Ļ„)=(1+a2)Rs(Ļ„)dt+aRs(Ļ„+d)+aRs(Ļ„āˆ’d)\begin{align*} R_x(\tau) &= \int x(t+\tau) x(t) dt \\ &= \int \big[s(t+\tau) + a\,s(t+\tau-d)\big] \big[s(t) + a\,s(t-d)\big] dt \\ &= \int s(t+\tau) s(t) dt + a \int s(t+\tau) s(t-d)\big] dt + a \int s(t+\tau-d) s(t) dt + a^2 \int s(t+\tau-d) s(t-d)\big] dt \\ &= \int s(t+\tau) s(t) dt + a \int s(u+d+\tau) s(u)\big] du + a \int s(t+\tau-d) s(t) dt + a^2 \int s(u+\tau) s(u)\big] du \\ &= R_s(\tau) dt + a R_s(\tau+d) + a R_s(\tau-d) + a^2 R_s(\tau) \\ &= (1+a^2) R_s(\tau) dt + a R_s(\tau+d) + a R_s(\tau-d) \\ \end{align*}

Comme l’autocorrĆ©lation est maximale en 0, alors :

Donc Rx(Ļ„)R_x(\tau) prĆ©sente des pics en āˆ’d-d, 0 et dd, respectivement d’amplitudes 1+a21+a^2, aa et aa, ce qui permet de trouver dd et aa par lecture du graphique de l’autocorrĆ©lation.