Autocorrélation

L'autocorrélation est un outil mathématique fréquemment utilisé en traitement du signal. C'est la corrélation croisée d'un signal par lui-même.

Catégories :

Statistiques - Théorie du signal - Processus stochastique - Analyse harmonique

Définitions :

fonction mathématique dépendant du temps mesurant la corrélation de la forme d'onde avec elle-même.... (source : dictionnaire.sensagent)

L'autocorrélation est un outil mathématique fréquemment utilisé en traitement du signal. C'est la corrélation croisée d'un signal par lui-même. L'autocorrélation sert à détecter des régularités, des profils répétés dans un signal comme un signal périodique perturbé par énormément de bruit, ou bien une fréquence principale d'un signal qui ne contient pas effectivement cette principale, mais l'implique avec plusieurs de ses harmoniques.

Définitions

Généralités

Note : La confusion est fréquemment faite entre l'autocovariance et l'autocorrélation obtenue en divisant cette dernière par la variance. Ces deux notions généralisent les notions classiques de covariance ayant pour dimension la dimension de la variable élevée au carré et de cœfficient de corrélation compris entre -1 et +1. Les considérations qui suivent utilisent le langage le plus commun chez les praticiens, sans division par la variance. Il existe d'autre part deux définitions principalement différentes.

À un processus stochastique discret ou continu, correspond une «autocorrélation» statistique qui généralise la notion de covariance. Dans le cas d'un processus continu (en toute généralité complexe) $X(t)\,$ , la fonction d'autocorrélation statistique se définit comme :

$R_X(t1,t2) = E[X(t1).Xˆ*(t2)]\,$

Dans le cas d'un signal stationnaire, on peut écrire :

$R_X(\tau) = E[X(t).Xˆ*(t-\tau)]\,$

$\tau\,$ est le décalage temporel et l'espérance mathématique se définit à partir de la densité de probabilité.

À partir d'un signal $x(t)\,$ , on peut définir l'autocorrélation temporelle en remplaçant la moyenne d'ensemble par une moyenne temporelle (voir autocovariance) :

$R_x(\tau) = \overline{x(t) x(t+\tau)}$

Quand le signal est reconnu comme réalisation d'un processus stationnaire ergodique, l'autocorrélation temporelle est semblable à l'autocorrélation statistique. Elle est parfois utilisée pour calculer le contenu en fréquence du signal (voir densité spectrale).

Dans certains problèmes, elle permet d'analyser le signal sans référence à son contenu en fréquences.

Statistiques

En statistique, l'autocorrélation d'une série temporelle discrète ou d'un processus X_t est simplement la corrélation du processus comparé à une version décalée dans le temps de lui-même. Si X_t est un processus Stationnarité d'une série temporelle d'espérance μ alors la définition est

$R(k) = \frac{E[(X_i - \mu)(X_{i+k} - \mu)]}{\sigmaˆ2}$

où E est l'espérance mathématique et k est le décalage temporel, $σ 2$ est la variance (statistiques et probabilités) et $μ$ la moyenne de la série. C'est une fonction à valeur dans l'intervalle [−1, 1] avec 1 indiquant une idéale corrélation (Les signaux se recouvrent précisément lorsque le temps est décalé de k) et −1 indiquant une idéale anti-corrélation. Il est habituel pratique dans de nombreuses disciplines de tracer la normalisation par σ² et d'utiliser le terme autocorrélation sans distinction avec celui d'autocovariance.

Traitement du Signal

En traitement du signal, pour un signal donné f (t), l'autocorrélation continue R_f (τ) est la corrélation croisée continue de f (t) avec elle-même, à l'intervalle de temps τ, et est définie comme :

$R_f(\tau) = fˆ*(\cdot-\tau) \circ f(\cdot) = \int_{-\infty}ˆ{\infty} f(t+\tau)fˆ*(t)\, dt = \int_{-\infty}ˆ{\infty} f(t)fˆ*(t-\tau)\, dt$

où f^* représente le conjugué complexe et le cercle représente l'opération de convolution. Pour une fonction réelle, f^* = f.

Formellement, l'autocorrélation discrète R pour l'intervalle de temps j et le signal x_n est

$R(j) = \sum_n (x_n-m)(x_{n-j}-m) \,$

où m est la valeur moyenne (valeur attendue) de x_n. Fréquemment, les autocorrélations sont calculées pour un signal centré sur zéro. C'est-à-dire un signal dont la valeur moyenne est nulle. L'autocorrélation est alors définie par

$R(j) = \sum_n x_n x_{n-j}.\,$

L'autocorrélation multi-dimensionelle est définie de manière identique. A titre d'exemple, en trois dimensions l'autocorrélation devient

$R(j,k,\ell) = \sum_{n,q,r} (x_{n,q,r}-m)(x_{n-j,q-k,r-\ell}-m).$

Propriétés

Dans ce qui suit, nous décrirons les propriétés d'autocorrélation uni-dimensionnelle seulement, puisque la majorité des propriétés sont aisément étendues du cas à une dimension aux cas multidimensionnels.

Une propriété principale de l'autocorrélation est la symétrie, R (i) = R (−i), ce qui se démontre à partir de la définition. Dans un cas continu, l'autocorrélation est même une fonction paire

$R_f(-\tau) = R_f(\tau)\,$

lorsque f est une fonction réelle, et une fonction Hermitienne

$R_f(-\tau) = R_fˆ*(\tau)\,$

lorsque f est une fonction complexe.

La fonction continue d'autocorrélation atteint son pic à l'origine, où elle prend une valeur réelle. C'est-à-dire que pour tout délai τ, $|R_f(\tau)| \leq R_f(0)$ . C'est une conséquence de l'inégalité de Cauchy-Schwarz. Le même résultat est obtenu pour un cas discret.

L'autocorrélation d'une fonction périodique est , elle-même, périodique avec précisément la même période.

L'autocorrélation de la somme de deux fonctions complètement non-corrélées (la corrélation croisée est zéro pour tout τ) est la somme des autocorrélations de chacune des fonctions.

Puisque l'autocorrélation est un type spécifique de corrélation croisée, elle conserve l'ensemble des propriétés de la corrélation croisée.

L'autocorrélation d'un bruit blanc aura un pic important à τ = 0 et sera proche de 0 pour tout autre τ. Cela montre qu'un enregistrement de bruit blanc à un certain moment n'est pas corrélé statistiquement à un enregistrement du même bruit blanc à un autre moment.

Le théorème de Wiener–Khintchine rapporte la fonction d'autocorrélation à la densité spectrale de puissance par la transformée de Fourier :

$R(\tau) = \int_{-\infty}ˆ\infty S(f) eˆ{j 2 \pi f \tau} \, df$

$S(f) = \int_{-\infty}ˆ\infty R(\tau) eˆ{- j 2 \pi f \tau} \, d\tau.$

Applications

La mesure du spectre optique et la mesure de flash lumineux de très courte durée produit par laser, en utilisant un autocorrélateur optique.

En optique, l'autocorrélation normalisée et la corrélation croisée donnent le degré de cohérence d'un champ électromagnétique.

En traitement du signal, l'autocorrélation peut donner une information sur des événements répétés tels que les battements musicaux ou les fréquences de pulsar, même si cela ne peut pas donner la position dans le temps du battement.

L'exemple suivant montre le signal d'un fichier sonore MIDI Le Beau Danube bleu (à gauche), et son autocorrélation (uniquement les 4 premières secondes).

Signal original, Le Beau Danube bleu.

L'autocorrélation du signal (les quatre premières secondes).

L'autocorrélation, utilisée auparavant comme intermédiaire dans le calcul d'une densité spectrale, est actuellement abandonnée au profit de la transformation de Fourier rapide (voir aussi Analyse spectrale pour des considérations élémentaires).

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/Autocorr%C3%A9lation.
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.