Bruit de mesureEn 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.
Densité spectrale de puissanceOn définit la densité spectrale de puissance (DSP en abrégé, Power Spectral Density ou PSD en anglais) comme étant le carré du module de la transformée de Fourier, divisé par le temps d'intégration, (ou, plus rigoureusement, la limite quand tend vers l'infini de l'espérance mathématique du carré du module de la transformée de Fourier du signal - on parle alors de densité spectrale de puissance moyenne).
Bruits colorésBien que le bruit soit un signal aléatoire, il possède des propriétés statiques caractéristiques. La densité spectrale de puissance en est une, et peut être utilisée pour distinguer les différents types de bruit. Cette classification par la densité spectrale donne une terminologie de « couleurs ». Chaque type est défini par une couleur. Ces définitions sont, en principe, communes aux différentes disciplines pour lesquelles le bruit est un facteur important (comme l'acoustique, la musique, l'électrotechnique et la physique).
Processus stochastiqueUn processus ou processus aléatoire (voir Calcul stochastique) ou fonction aléatoire (voir Probabilité) représente une évolution, discrète ou à temps continu, d'une variable aléatoire. Celle-ci intervient dans le calcul classique des probabilités, où elle mesure chaque résultat possible (ou réalisation) d'une épreuve. Cette notion se généralise à plusieurs dimensions. Un cas particulier important, le champ aléatoire de Markov, est utilisé en analyse spatiale.
Bruit thermiqueLe bruit thermique, également nommé bruit de résistance, bruit Johnson ou bruit de Johnson-Nyquist, est le bruit généré par l'agitation thermique des porteurs de charges, c'est-à-dire des électrons dans une résistance électrique en équilibre thermique. Ce phénomène a lieu indépendamment de toute tension appliquée. Le bruit thermique aux bornes d'une résistance est exprimée par la relation de Nyquist : où est la variance de la tension aux bornes de la résistance, est la constante de Boltzmann, qui vaut kB = 1,3806 × 10-23 J.
Carrier-to-noise ratioIn telecommunications, the carrier-to-noise ratio, often written CNR or C/N, is the signal-to-noise ratio (SNR) of a modulated signal. The term is used to distinguish the CNR of the radio frequency passband signal from the SNR of an analog base band message signal after demodulation. For example, with FM radio, the strength of the 100 MHz carrier with modulations would be considered for CNR, whereas the audio frequency analogue message signal would be for SNR; in each case, compared to the apparent noise.
Noise (signal processing)In signal processing, noise is a general term for unwanted (and, in general, unknown) modifications that a signal may suffer during capture, storage, transmission, processing, or conversion. Sometimes the word is also used to mean signals that are random (unpredictable) and carry no useful information; even if they are not interfering with other signals or may have been introduced intentionally, as in comfort noise. Noise reduction, the recovery of the original signal from the noise-corrupted one, is a very common goal in the design of signal processing systems, especially filters.
Détection de neutronsvignette|Structure des quarks neutroniques (forme annulaire) La détection de neutrons est la détection effective de neutrons entrant dans un détecteur. Il existe deux aspects de la détection effective de neutrons : l'aspect matériel (hardware) et l'aspect logiciel (software). Le matériel de détection désigne le genre de détecteur utilisé (le plus souvent, un détecteur à scintillation) et l'électronique qui y est liée. D'autre part, le montage du matériel définit aussi les paramètres expérimentaux, tels que la distance entre source et détecteur ou l'angle solide du détecteur.
Barre de contrôle (nucléaire)thumb|Barres de contrôle (2006) Une barre de contrôle ou barre de commande est une « pièce mobile » de matériau neutrophage servant à diminuer le facteur de multiplication des neutrons par capture stérile de neutrons ; ces absorbants neutroniques permettent ainsi de contrôler des réactions en chaîne dans l'industrie nucléaire.
Estimation spectraleL'estimation spectrale regroupe toutes les techniques d'estimation de la densité spectrale de puissance (DSP). Les méthodes d'estimation spectrale paramétriques utilisent un modèle pour obtenir une estimation du spectre. Ces modèles reposent sur une connaissance a priori du processus et peuvent être classées en trois grandes catégories : Modèles autorégressif (AR) Modèles à moyenne ajustée (MA) Modèles autorégressif à moyenne ajustée (ARMA). L'approche paramétrique se décompose en trois étapes : Choisir un modèle décrivant le processus de manière appropriée.
Calcul stochastiqueLe calcul est l’étude des phénomènes aléatoires dépendant du temps. À ce titre, c'est une extension de la théorie des probabilités. Ne pas confondre avec la technique des calculateurs stochastiques. Le domaine d’application du calcul stochastique comprend la mécanique quantique, le traitement du signal, la chimie, les mathématiques financières, la météorologie et même la musique. Un processus aléatoire est une famille de variables aléatoires indexée par un sous-ensemble de ou , souvent assimilé au temps (voir aussi Processus stochastique).
Équation différentielle stochastiqueUne équation différentielle stochastique (EDS) est une généralisation de la notion d'équation différentielle prenant en compte un terme de bruit blanc. Les EDS permettent de modéliser des trajectoires aléatoires, tels des cours de bourse ou les mouvements de particules soumises à des phénomènes de diffusion. Elles permettent aussi de traiter théoriquement ou numériquement des problèmes issus de la théorie des équations aux dérivées partielles.
Chaîne de Markovvignette|Exemple élémentaire de chaîne de Markov, à deux états A et E. Les flèches indiquent les probabilités de transition d'un état à un autre. En mathématiques, une chaîne de Markov est un processus de Markov à temps discret, ou à temps continu et à espace d'états discret. Un processus de Markov est un processus stochastique possédant la propriété de Markov : l'information utile pour la prédiction du futur est entièrement contenue dans l'état présent du processus et n'est pas dépendante des états antérieurs (le système n'a pas de « mémoire »).
NeutronLe neutron est une particule subatomique de charge électrique nulle. Les neutrons sont présents dans le noyau des atomes, liés avec des protons par l'interaction forte. Alors que le nombre de protons d'un noyau détermine son élément chimique, le nombre de neutrons détermine son isotope. Les neutrons liés dans un noyau atomique sont en général stables mais les neutrons libres sont instables : ils se désintègrent en un peu moins de 15 minutes (880,3 secondes). Les neutrons libres sont produits dans les opérations de fission et de fusion nucléaires.
Intégrale de StratonovichEn calcul stochastique, l'intégrale de Stratonovich (aussi intégrale de Fisk-Stratonovich) est un type d'intégrale stochastique. Contrairement à l'intégrale d'Itô, où seul le point final gauche de l'intervalle de décomposition est nécessaire pour la construction dans l'intégrale de Stratonovich, on utilise la moyenne arithmétique des extrémités gauche et droite L'avantage de l'intégrale de Stratonovich sur l'intégrale d'Itô est que la formule d'Itô n'a que des différentiels du premier ordre.
Geometric Brownian motionA geometric Brownian motion (GBM) (also known as exponential Brownian motion) is a continuous-time stochastic process in which the logarithm of the randomly varying quantity follows a Brownian motion (also called a Wiener process) with drift. It is an important example of stochastic processes satisfying a stochastic differential equation (SDE); in particular, it is used in mathematical finance to model stock prices in the Black–Scholes model.
Stochastic controlStochastic control or stochastic optimal control is a sub field of control theory that deals with the existence of uncertainty either in observations or in the noise that drives the evolution of the system. The system designer assumes, in a Bayesian probability-driven fashion, that random noise with known probability distribution affects the evolution and observation of the state variables. Stochastic control aims to design the time path of the controlled variables that performs the desired control task with minimum cost, somehow defined, despite the presence of this noise.
Analyse par activation neutroniqueL’activation neutronique est une méthode analytique, sensible et précise, permettant l’identification ainsi que la quantification des éléments présents dans un échantillon. En effet, cette technique permet une analyse des rayons gamma caractéristiques qui ont été émis pendant la désintégration après que ces derniers s’irradient dans un réacteur nucléaire. Ces signatures énergétiques vont pouvoir permettre l’identification des composés présents ciblés alors que leur taux de comptage sera proportionnel à leur concentration dans l’échantillon.
Propriété de Markovvignette|Exemple de processus stochastique vérifiant la propriété de Markov: un mouvement Brownien (ici représenté en 3D) d'une particule dont la position à un instant t+1 ne dépend que de la position précédente à l'instant t. En probabilité, un processus stochastique vérifie la propriété de Markov si et seulement si la distribution conditionnelle de probabilité des états futurs, étant donnés les états passés et l'état présent, ne dépend en fait que de l'état présent et non pas des états passés (absence de « mémoire »).
Bruit de phasedroite|vignette|250x250px| Bruit de phase mesuré par un analyseur de source de signal. L'analyseur montre la partie positive du bruit de phase. Sur cette image, on voit le bruit de phase de la porteuse principale, trois autres signaux et une "colline de bruit". droite|vignette|250x250px| Un signal faible disparaît dans le bruit de phase d'un signal plus fort Dans le traitement du signal, le bruit de phase est la représentation dans le domaine fréquentiel des fluctuations aléatoires de la phase d'une forme d'onde.
