I. Introduction
Approche fréquentielle
Signaux monodimensionnels périodiques
Signaux quelconques
Signaux numériques, discrétisation, échantillonnage
Observation spectrale, TFD et TFD 2D
Systèmes numériques
Filtres numériques
Produits de convolution. Cas 2D
Sur et sous échantillonnage. Bancs de filtres
Traitement des Images.
Approches multi résolution
II. Signaux aléatoires
variables aléatoires
Processus aléatoires. Stationnarité
Processus MA, AR et ARMA
Estimation des paramètres d’un AR
III. Traitement de l’information Application à la compression
codage de source, entropie,
compression sans perte : codages entropiques
par dictionnaire, par prédiction…
Codages par transformée
La DCT et la compression JPEG
Quantifications scalaire et vectorielle
IV. Communications numériques
Modulations numériques
modulation par impulsions codées
transmission du signal numérique
Applications : RDS, NICAM…
Détection et correction d’erreurs
Ce cours est développé dans le cadre de la formation d'ingénieurs en génie des procédés et de l'environnement de la faculté des sciences et techniques de l'université Hassan II de Casablanca.
Je serai ravi d'échanger avec des collègues et étudiants pour son enrichissement.
la mesure des principales caractéristiques des signaux vibratoires a permis l’essor de l’analyse vibratoire. Cette nouvelle forme de diagnostic et de suivi repose sur des outils de traitement de signal comme l’analyse de Fourier (FFT), l’instrumentation et l’électronique. L'analyse vibratoire est indispensable aussi bien dans l’industrie que dans les laboratoires ainsi que dans la réglementation pour la santé publique et celle du travailleur.
The document discusses Fourier series, which represent periodic functions as an infinite series of sines and cosines. Fourier series can be used to represent functions that are discontinuous or non-differentiable. The key formulas for the Fourier series coefficients are presented. Fourier series expansions take different forms depending on whether the function is even, odd, or defined on different intervals. Half-range Fourier series are also discussed as representations of functions defined on half periods.
I. Introduction
Approche fréquentielle
Signaux monodimensionnels périodiques
Signaux quelconques
Signaux numériques, discrétisation, échantillonnage
Observation spectrale, TFD et TFD 2D
Systèmes numériques
Filtres numériques
Produits de convolution. Cas 2D
Sur et sous échantillonnage. Bancs de filtres
Traitement des Images.
Approches multi résolution
II. Signaux aléatoires
variables aléatoires
Processus aléatoires. Stationnarité
Processus MA, AR et ARMA
Estimation des paramètres d’un AR
III. Traitement de l’information Application à la compression
codage de source, entropie,
compression sans perte : codages entropiques
par dictionnaire, par prédiction…
Codages par transformée
La DCT et la compression JPEG
Quantifications scalaire et vectorielle
IV. Communications numériques
Modulations numériques
modulation par impulsions codées
transmission du signal numérique
Applications : RDS, NICAM…
Détection et correction d’erreurs
Ce cours est développé dans le cadre de la formation d'ingénieurs en génie des procédés et de l'environnement de la faculté des sciences et techniques de l'université Hassan II de Casablanca.
Je serai ravi d'échanger avec des collègues et étudiants pour son enrichissement.
la mesure des principales caractéristiques des signaux vibratoires a permis l’essor de l’analyse vibratoire. Cette nouvelle forme de diagnostic et de suivi repose sur des outils de traitement de signal comme l’analyse de Fourier (FFT), l’instrumentation et l’électronique. L'analyse vibratoire est indispensable aussi bien dans l’industrie que dans les laboratoires ainsi que dans la réglementation pour la santé publique et celle du travailleur.
The document discusses Fourier series, which represent periodic functions as an infinite series of sines and cosines. Fourier series can be used to represent functions that are discontinuous or non-differentiable. The key formulas for the Fourier series coefficients are presented. Fourier series expansions take different forms depending on whether the function is even, odd, or defined on different intervals. Half-range Fourier series are also discussed as representations of functions defined on half periods.
Slides de présentation de dédramathisons. (colloque mathématique)
Retrouvez l'intégralité du travail à l'adresse suivante :
http://uclouvain.be/cps/ucl/doc/fsa/documents/Travail_Complet.pdf
The document discusses Fourier series and two of their applications. Fourier series can be used to represent periodic functions as an infinite series of sines and cosines. This allows approximating functions that are not smooth using trigonometric polynomials. Two key applications are representing forced oscillations, where a periodic driving force can be modeled as a Fourier series, and solving the heat equation, where the method of separation of variables results in a Fourier series representation of temperature over space and time.
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Laurent Speyser
(Conférence dessinée)
Vous êtes certainement à l’origine, ou impliqué, dans un changement au sein de votre organisation. Et peut être que cela ne se passe pas aussi bien qu’attendu…
Depuis plusieurs années, je fais régulièrement le constat de l’échec de l’adoption de l’Agilité, et plus globalement de grands changements, dans les organisations. Je vais tenter de vous expliquer pourquoi ils suscitent peu d'adhésion, peu d’engagement, et ils ne tiennent pas dans le temps.
Heureusement, il existe un autre chemin. Pour l'emprunter il s'agira de cultiver l'invitation, l'intelligence collective , la mécanique des jeux, les rites de passages, .... afin que l'agilité prenne racine.
Vous repartirez de cette conférence en ayant pris du recul sur le changement tel qu‘il est généralement opéré aujourd’hui, et en ayant découvert (ou redécouvert) le seul guide valable à suivre, à mon sens, pour un changement authentique, durable, et respectueux des individus! Et en bonus, 2 ou 3 trucs pratiques!
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...OCTO Technology
Par Nicolas Bordier (Consultant numérique responsable @OCTO Technology) et Alaric Rougnon-Glasson (Sustainable Tech Consultant @OCTO Technology)
Sur un exemple très concret d’audit d’éco-conception de l’outil de bilan carbone C’Bilan développé par ICDC (Caisse des dépôts et consignations) nous allons expliquer en quoi l’ACV (analyse de cycle de vie) a été déterminante pour identifier les pistes d’actions pour réduire jusqu'à 82% de l’empreinte environnementale du service.
Vidéo Youtube : https://www.youtube.com/watch?v=7R8oL2P_DkU
Compte-rendu :
MongoDB in a scale-up: how to get away from a monolithic hell — MongoDB Paris...Horgix
This is the slide deck of a talk by Alexis "Horgix" Chotard and Laurentiu Capatina presented at the MongoDB Paris User Group in June 2024 about the feedback on how PayFit move away from a monolithic hell of a self-hosted MongoDB cluster to managed alternatives. Pitch below.
March 15, 2023, 6:59 AM: a MongoDB cluster collapses. Tough luck, this cluster contains 95% of user data and is absolutely vital for even minimal operation of our application. To worsen matters, this cluster is 7 years behind on versions, is not scalable, and barely observable. Furthermore, even the data model would quickly raise eyebrows: applications communicating with each other by reading/writing in the same MongoDB documents, documents reaching the maximum limit of 16MiB with hundreds of levels of nesting, and so forth. The incident will last several days and result in the loss of many users. We've seen better scenarios.
Let's explore how PayFit found itself in this hellish situation and, more importantly, how we managed to overcome it!
On the agenda: technical stabilization, untangling data models, breaking apart a Single Point of Failure (SPOF) into several elements with a more restricted blast radius, transitioning to managed services, improving internal accesses, regaining control over risky operations, and ultimately, approaching a technical migration when it impacts all development teams.
L'IA connaît une croissance rapide et son intégration dans le domaine éducatif soulève de nombreuses questions. Aujourd'hui, nous explorerons comment les étudiants utilisent l'IA, les perceptions des enseignants à ce sujet, et les mesures possibles pour encadrer ces usages.
Constat Actuel
L'IA est de plus en plus présente dans notre quotidien, y compris dans l'éducation. Certaines universités, comme Science Po en janvier 2023, ont interdit l'utilisation de l'IA, tandis que d'autres, comme l'Université de Prague, la considèrent comme du plagiat. Cette diversité de positions souligne la nécessité urgente d'une réponse institutionnelle pour encadrer ces usages et prévenir les risques de triche et de plagiat.
Enquête Nationale
Pour mieux comprendre ces dynamiques, une enquête nationale intitulée "L'IA dans l'enseignement" a été réalisée. Les auteurs de cette enquête sont Le Sphynx (sondage) et Compilatio (fraude académique). Elle a été diffusée dans les universités de Lyon et d'Aix-Marseille entre le 21 juin et le 15 août 2023, touchant 1242 enseignants et 4443 étudiants. Les questionnaires, conçus pour étudier les usages de l'IA et les représentations de ces usages, abordaient des thèmes comme les craintes, les opportunités et l'acceptabilité.
Résultats de l'Enquête
Les résultats montrent que 55 % des étudiants utilisent l'IA de manière occasionnelle ou fréquente, contre 34 % des enseignants. Cependant, 88 % des enseignants pensent que leurs étudiants utilisent l'IA, ce qui pourrait indiquer une surestimation des usages. Les usages identifiés incluent la recherche d'informations et la rédaction de textes, bien que ces réponses ne puissent pas être cumulées dans les choix proposés.
Analyse Critique
Une analyse plus approfondie révèle que les enseignants peinent à percevoir les bénéfices de l'IA pour l'apprentissage, contrairement aux étudiants. La question de savoir si l'IA améliore les notes sans développer les compétences reste débattue. Est-ce un dopage académique ou une opportunité pour un apprentissage plus efficace ?
Acceptabilité et Éthique
L'enquête révèle que beaucoup d'étudiants jugent acceptable d'utiliser l'IA pour rédiger leurs devoirs, et même un quart des enseignants partagent cet avis. Cela pose des questions éthiques cruciales : copier-coller est-il tricher ? Utiliser l'IA sous supervision ou pour des traductions est-il acceptable ? La réponse n'est pas simple et nécessite un débat ouvert.
Propositions et Solutions
Pour encadrer ces usages, plusieurs solutions sont proposées. Plutôt que d'interdire l'IA, il est suggéré de fixer des règles pour une utilisation responsable. Des innovations pédagogiques peuvent également être explorées, comme la création de situations de concurrence professionnelle ou l'utilisation de détecteurs d'IA.
Conclusion
En conclusion, bien que l'étude présente des limites, elle souligne un besoin urgent de régulation. Une charte institutionnelle pourrait fournir un cadre pour une utilisation éthique.
1. University Cadi Ayyad
Faculty of Sciences & techniques-
Marrakech
Master 2: Génie électrique
Encadré par :
M.GHEMAZ
Réalisé par:
LAMINI Asmae
FARSANE Ahmed
2014 / 2015
Traitement de signal
Analogique & Numérique
4. 4
Définition d'un signal
Représentation physique d'une information à transmettre
Entité qui sert à véhiculer une information.
Exemples
Onde acoustique : courant délivrer par un microphone (parole,
musique,…)
Signaux biologiques
Tension aux bornes d'un condensateur en charge
Signaux géophysiques : vibrations sismiques
Images
Vidéos
etc.
.
5. 5
Traitement de signale
Ensemble de techniques permettant de créer, d'analyser, de
transformer les signaux en vue de leur exploitation.
Extraction du maximum d'information utile d'un signal perturbé par le
bruit.
Domaine d’application :
Télécommunication
Reconnaissance de la parole, synthèse de son
Aide à la décision (au diagnostic), à la commande
Analyse d’images (médicale, satellitaire …)
6. 6
Les fonctions du traitement du signal:
Créer: Élaboration de signaux
Synthèse : création de signaux par combinaison de signaux
élémentaires
7. 7
Les fonctions du traitement du signal:
Modulation : adaptation du signal au canal de transmission
8. 8
Les fonctions du traitement du signal:
Analyser : Interprétation des signaux
Détection : isoler les composantes utiles d'un signal complexe
,extraction du signal d'un bruit de fond
Identification : classement du signal (identification d'une pathologie
sur un signal ECG, reconnaissance de la parole, etc.)
Transformer : adapter un signal aux besoins
Filtrage : élimination de certaines composantes
– Détection de craquements sur un enregistrement,
– Détection de bruit sur une image,
– Annulation d'écho, etc.
Codage/compression (mp3, mpeg4, etc.)
10. 10
La fréquence: est le nombre de fois qu'un phénomène
périodique se reproduit pendant une durée déterminée
C'est donc l'inverse de la période f = 1/T
La fréquence est mesurée en hertz (= 1/seconde)
Dans un son:
Représentation fréquentielle des signaux Analogique:
• Sons graves = basses fréquences
• Sons aigus = hautes fréquences
=> La fréquence permet de
caractériser un certain type
d'information
11. 11
• La notion de fréquence est présente dans :
La voix, un téléphone portable, la radio, l'ADSL, les
horaires de passage d'un train, la musique
électronique, un radar, etc.
• Toute ces applications véhiculent ou analysent le
contenu fréquentiel de l'information
• Une représentation fréquentielle de l'information
est souvent plus facile à interpréter que la
représentation temporelle
Représentation fréquentielle des signaux Analogique:
12. 1212
Vers une représentation fréquentielle ...
La notion de fréquence est intéressante, mais comment connaitre
les fréquences que contient un signal ?
13. Vers une représentation fréquentielle ...
Il est donc possible d'obtenir des signaux périodiques complexes
par une simple combinaison linéaire de signaux élémentaires
C'est le principe inverse de la décomposition en série de
Fourier
27. 2727
De l’analogique vers le numérique
Les signaux usuels( images, musique, données issu de capteurs…)sont des
grandeurs analogiques difficile de stocker ou de transmettre sans
dégradation.
C’est pour cet raison on doit passer par la numérisation avec des avantages
certains
29. 2929
Les avantages du numérique :
Le passage au traitement numérique de signal présente des
avantages certains.
30. 3030
Echantillonnage d’un signal analogique :
Pour échantillonner un signal analogique continu x(t) et le
transformer en une suite discrète d’échantillons x*(t).On prélève
périodiquement à des intervalles de temps Te la valeur de signal à
l’aide d’un échantillonneurs.
Mathématiquement on peut décrire
l’échantillonnage comme une multiplication:
31. 3131
Spectre d’un signal échantillonné :
Si on échantillonne un signal de forme quelconque x(t)
on démontre que son spectre a une forme plus
particulier
32. 3232
Choix de fréquence d’échantillonnage:
L’opération de l’échantillonnage ne doit pas amener a une perte
d’information
Utiliser un en-tête de section pour chacun des sujets afin de définir une transition claire pour l’audience.
Utiliser un en-tête de section pour chacun des sujets afin de définir une transition claire pour l’audience.
Alors comment passons d’ un signal numerique a n signal analoqiqu
On appele f max la frequence la plus éleve du spedtre du signal analogique
Le spectre d un signal echantillonne s’obtient en reproduissant la forme de spectre de signal analigique autour de chaque multiple de la frequence fe 2fe 3fe
Cad l operation doit etre reversible on peut restituer le signal initial a traver le signal le spectre de signal echatillone
Voici un autre exemple de diapositives de vue d’ensemble utilisant des transitions.