- Enseignant-e: Jean-Baptiste Delisle
- Enseignant-e: Anne Verhamme
Le traitement du signal est une discipline récente qui est née à la fin des années 1940 avec l'invention des radars et des ordinateurs, et la naissance de la théorie de l'information. Elle est à cheval sur plusieurs disciplines : les mathématiques (pour les modèles et les preuves), la physique (pour la modélisation des lois naturelles et les applications) et l'informatique et l'électronique (pour la mise en 'uvre des méthodes développées). Etant donné le caractère pluri-disciplinaire de nos étudiants, nous allons présenter dans ce cours les concepts généraux du traitement du signal, applicables au plus grand nombre de domaines.
Les traitements qu'on peut faire sur un signal sont nombreux : on peut le détecter, le mesurer, l'analyser, le filtrer, le synthétiser, le coder, le stocker, etc. L'essort rapide de l'intelligence artificielle ouvre de nouvelles perspectives pour l'automatisation de certaines de ces taches, adaptée à un grand volume de données. Nous présenterons les méthodes classiques de traitement du signal (théorie de l'information, modélisations mathématiques et traitements statistiques), ainsi que les nouvelles, issues du machine learning et de la data science (e.g. réseaux de neuronnes, théorie des graphes), et discuterons des champs d'application, et des avantages et limitations de ces approches, afin de donner aux étudiants le baggage théorique nécéssaire pour traiter les signaux de leurs disciplines respectives avec les outils modernes les plus adaptés.
Les traitements qu'on peut faire sur un signal sont nombreux : on peut le détecter, le mesurer, l'analyser, le filtrer, le synthétiser, le coder, le stocker, etc. L'essort rapide de l'intelligence artificielle ouvre de nouvelles perspectives pour l'automatisation de certaines de ces taches, adaptée à un grand volume de données. Nous présenterons les méthodes classiques de traitement du signal (théorie de l'information, modélisations mathématiques et traitements statistiques), ainsi que les nouvelles, issues du machine learning et de la data science (e.g. réseaux de neuronnes, théorie des graphes), et discuterons des champs d'application, et des avantages et limitations de ces approches, afin de donner aux étudiants le baggage théorique nécéssaire pour traiter les signaux de leurs disciplines respectives avec les outils modernes les plus adaptés.
Descriptif
1. Notions élémentaires et définition du traitement du signal
2. Rappels mathématiques: Convolution, intercorrélation, représentation vectorielle
3. Analyse de Fourier
4. Numérisation
5. Filtrage
6. Traitement statistique du signal
7. Traitement du signal avec l'IA