Résumé
Le bruit additif blanc gaussien est un modèle élémentaire de bruit utilisé en théorie de l'information pour imiter de nombreux processus aléatoires qui se produisent dans la nature. Les adjectifs indiquent qu'il est : additif il s'ajoute au bruit intrinsèque du système d'information ; blanc sa puissance est uniforme sur toute la largeur de bande de fréquences du système, par opposition avec un bruit coloré qui privilégie une bande de fréquences par analogie avec une lumière colorée dans le spectre visible ; gaussien il a une distribution normale dans le domaine temporel avec une moyenne nulle (voir bruit gaussien). De nombreuses sources naturelles produisent un bruit à large bande : les vibrations thermiques des atomes (bruit thermique dans les conducteurs, rayonnement de corps noir de la terre et des autres objets chauds, y compris les sources célestes comme le Soleil), bruit de grenaille. Le théorème central limite de la théorie des probabilités indique qu'une somme de nombreux processus stochastiques tend vers une distribution gaussienne (normale). Le bruit additif blanc gaussien produit des modèles mathématiques relativement simples utiles pour caractériser le comportement du système avant que d'autres phénomènes ne soient considérés. Ces modèles s'appliquent aux canaux de communication à condition que le seul obstacle significatif à la communication soit une interférence linéaire assimilable à un bruit blanc avec une densité spectrale, exprimée en watts par hertz, constante et une distribution gaussienne de l'amplitude. Le modèle ne tient pas compte des atténuations, de la sélectivité du canal en fréquence, des non-linéarités ou de la dispersion. Le modèle avec bruit additif blanc gaussien convient pour simuler le bruit de fond du canal étudié. Il est suffisant pour beaucoup de liaisons par satellite et spatiales. Pour la plupart des liaisons radio terrestres, il est médiocre à moins d'être complété par des modèles des trajets multiples, des effets de sol, de l'autobrouillage (self-interference). Catégorie:B
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Publications associées (16)
Concepts associés (14)
Bruit additif blanc gaussien
Le bruit additif blanc gaussien est un modèle élémentaire de bruit utilisé en théorie de l'information pour imiter de nombreux processus aléatoires qui se produisent dans la nature. Les adjectifs indiquent qu'il est : additif il s'ajoute au bruit intrinsèque du système d'information ; blanc sa puissance est uniforme sur toute la largeur de bande de fréquences du système, par opposition avec un bruit coloré qui privilégie une bande de fréquences par analogie avec une lumière colorée dans le spectre visible ; gaussien il a une distribution normale dans le domaine temporel avec une moyenne nulle (voir bruit gaussien).
Bruit de mesure
En métrologie, le bruit de mesure est l'ensemble des signaux parasites qui se superposent au signal que l'on cherche à obtenir au moyen d'une mesure d'un phénomène physique. Ces signaux sont une gêne pour la compréhension de l'information que le signal transporte. La métrologie vise donc notamment à connaître leurs origines et à les caractériser, afin de les éliminer et d'obtenir le signal d'origine aussi distinctement que possible. La source du bruit d'origine externe est externe au système physique générant le signal utile et agit par influence sur celui-ci.
Bruit gaussien
En traitement du signal, un bruit gaussien est un bruit dont la densité de probabilité est une distribution gaussienne (loi normale). L'adjectif gaussien fait référence au mathématicien, astronome et physicien allemand Carl Friedrich Gauss. La densité de probabilité d'une variable aléatoire gaussienne est la fonction : où représente le niveau de gris, la valeur de gris moyenne et son écart type. Un cas particulier est le bruit blanc gaussien, dans lequel les valeurs à toute paire de temps sont identiquement distribuées et statistiquement indépendantes (et donc ).
Afficher plus
Cours associés (18)
COM-302: Principles of digital communications
This course is on the foundations of digital communication. The focus is on the transmission problem (rather than being on source coding).
COM-500: Statistical signal and data processing through applications
Building up on the basic concepts of sampling, filtering and Fourier transforms, we address stochastic modeling, spectral analysis, estimation and prediction, classification, and adaptive filtering, w
EE-442: Wireless receivers: algorithms and architectures
The students will learn about the basic principles of wireless communication systems, including transmission and modulation schemes as well as the basic components and algorithms of a wireless receive
Afficher plus
MOOCs associés (4)
Advanced statistical physics
We explore statistical physics in both classical and open quantum systems. Additionally, we will cover probabilistic data analysis that is extremely useful in many applications.
Advanced statistical physics
We explore statistical physics in both classical and open quantum systems. Additionally, we will cover probabilistic data analysis that is extremely useful in many applications.
Neuronal Dynamics - Computational Neuroscience of Single Neurons
The activity of neurons in the brain and the code used by these neurons is described by mathematical neuron models at different levels of detail.
Afficher plus