Bruit blanc

Un bruit blanc est une réalisation d'un processus aléatoire dans lequel la densité spectrale de puissance est la même pour l'ensemble des fréquences.



Catégories :

Acoustique - Bruit

Définitions :

  • (audio) bruit aléatoire, utilisé en mesure, délivrant la même énergie à l'ensemble des fréquences. Son énergie croît à raison de 3db par Octave. (source : camerascola)
Échantillon de bruit blanc

Un bruit blanc est une réalisation d'un processus aléatoire dans lequel la densité spectrale de puissance est la même pour l'ensemble des fréquences.

On parle fréquemment de bruit blanc gaussien, c'est un bruit blanc qui suit une loi normale de moyenne et variance données.

En synthèse et traitement du son, on ne considère que les fréquences comprises entre 20 Hz et 20 kHz puisque l'oreille humaine n'est sensible qu'à cette bande de fréquences (la sensibilité fluctue cependant selon les personnes). L'impression obtenue est celle d'un souffle. Le son produit lors de l'effet de «neige» sur un téléviseur déréglé est un bon exemple de bruit blanc.

Spectre plat d'un bruit blanc (sur l'abscisse, la longueur d'onde ; en ordonnée, l'intensité

Bruit blanc sonore

Le bruit blanc, à l'instar de la lumière blanche qui est un mélange de l'ensemble des couleurs, se compose de l'ensemble des fréquences, chaque fréquence ayant la même énergie. Le nombre de fréquences doublant d'une octave à l'autre, l'énergie croît linéairement de 3 dB par octave [1].

Notion de bruit blanc

Par ressemblance avec la lumière blanche qui contient l'ensemble des fréquences lumineuses avec la même intensité, un bruit blanc est un processus stochastique qui possède la même densité spectrale de puissance à l'ensemble des fréquences. Ceci correspond à une autocorrélation nulle en tout point sauf à l'origine : le processus est décorrélé. S'il est gaussien, cette décorrélation entraîne l'indépendance.

La décorrélation conduit à une puissance moyenne ou variance illimitée. Le processus correspondant ne peut par conséquent exister mais c'est une approximation commode pour le calcul de la réponse d'un dispositif peu amorti.

Plus concrètement, un bruit blanc filtré à la fréquence fc correspond à un processus échantillonné à 1 / 2fc, ce résultat étant utilisé dans les simulations.

Bruit blanc et solutions analytiques d'équations différentielles

Approximation dune excitation aleatoire par un bruit blanc.png

En toute rigueur un bruit blanc ne peut exister car une densité spectrale semblable pour l'ensemble des fréquences conduirait à une variance, mesurée par l'aire sous la courbe, illimitée (et par conséquent une puissance illimitée).

Cette solution est néanmoins intéressante dans certains problèmes pratiques car, quoiqu'il ne puisse exister, on montre que la réponse à un bruit blanc d'un dispositif amorti reste finie. Le remplacement d'une excitation quelconque par un bruit blanc apporte par conséquent, en simplifiant énormément les calculs, une approximation d'autant meilleure que l'amortissement du dispositif est plus faible.

Bruit blanc et simulations

Un bruit blanc de densité spectrale (voir analyse spectrale) S0 échantillonné au pas T contient des fréquences inférieures à 1/2T (voir Théorème de Shannon). C'est un bruit blanc filtré qui possède une variance finie. Celle-ci s'écrit, si la densité spectrale est exprimée sur une échelle en fréquences positives, σ2 = S0/2T.

Un bruit blanc peut être génèré par une séquence de nombres au hasard qui correspond à une densité de probabilité uniforme sur un intervalle de largeur unité. Pour obtenir des nombres sur un intervalle de largeur a, il suffit de multiplier le résultat par a.

Conséquence du théorème de la limite centrale, le bruit blanc gaussien est spécifiquement utile. Pour le créer, on peut utiliser la formule de Rice

X = A \cos \Phi \,

Φ est une séquence de variables uniformes sur un intervalle de largeur 2π.

A est une séquence de variables de Rayleigh dont la fonction de répartition s'écrit, σ2 étant la variance cherchée pour la variable de Gauss :

{F_A}(a) = 1 - eˆ{-{{aˆ2}\over{2 \sigmaˆ2}}}

En égalant cette fonction de répartition à celle d'un nombre au hasard noté r, on obtient une réalisation de la variable de Rayleigh :

a = \sigma \sqrt{-2 \ln (1-r)}

À partir de là, on construit une réalisation d'un bruit blanc gaussien. On peut alors obtenir une réalisation d'un processus gaussien quelconque en prenant sa transformée de Fourier, en la multipliant par la racine carrée de la densité spectrale et en inversant la transformée.

Bruit blanc et statistique

Dans l'étude des séries temporelles en statistique, il est fréquemment utile de définir un processus de bruit blanc aussi dans le domaine temporel (tandis que les définitions plus haut sont dans le domaine des fréquences). Les définitions présentées ici sont faites pour des processus à temps discret ainsi qu'à valeurs continues. Selon Hamilton (1994, p 47) [2] :


Définition — Un processus εt est qualifié de bruit blanc si :

  •  E[\epsilon_t]=0 \,
  •  E[\epsilon_{t}ˆ{2}]=\sigma ˆ2
  •  E[\epsilon_t \epsilon_{\tau}]=0  \qquad \forall t \ne \tau

Un processus de bruit blanc est par conséquent par définition stationnaire de second ordre. La troisième condition, E[εtετ] = 0, (ou \text{Cov}[\epsilon_t, \, \epsilon_{\tau}] = 0), veut dire que l'autocovariance est nulle.

Définition — Un processus εt est qualifié de bruit blanc indépendant si :

  •  E[\epsilon_t]=0 \,
  •  E[\epsilon_{t}ˆ{2}]=\sigma ˆ2
  •  \epsilon_t\, et  \epsilon_{\tau} \, sont indépendants  \forall t \ne \tau

On remarquera que la troisième condition de la définition du bruit blanc indépendant, celle d'indépendance, implique la condition d'autocovariance nulle du bruit blanc, alors que la réciproque n'est pas nécessairement vraie. Cette deuxième définition est par conséquent plus stricte que la première.

Définition — Un processus εt est qualifié de bruit blanc gaussien si

  • εt est un bruit blanc indépendant
  •  \epsilon_t  \sim \mathcal {N} (0,\sigma ˆ2) \,

Références

  1. Christian Hugonnet et Pierre Walder, Théorie et pratique de la prise de son stéréophonique, éditions Eyrolles, Paris, deuxième édition 1998, p.  32
  2. Hamilton, Time Series Analysis, Princeton University Press, 1994

Voir aussi

Recherche sur Amazon (livres) :



Ce texte est issu de l'encyclopédie Wikipedia. Vous pouvez consulter sa version originale dans cette encyclopédie à l'adresse http://fr.wikipedia.org/wiki/Bruit_blanc.
Voir la liste des contributeurs.
La version présentée ici à été extraite depuis cette source le 07/04/2010.
Ce texte est disponible sous les termes de la licence de documentation libre GNU (GFDL).
La liste des définitions proposées en tête de page est une sélection parmi les résultats obtenus à l'aide de la commande "define:" de Google.
Cette page fait partie du projet Wikibis.
Accueil Recherche Aller au contenuDébut page
ContactContact ImprimerImprimer liens d'évitement et raccourcis clavierAccessibilité
Aller au menu