Nous vivons dans un monde analogique, cependant
nous traitons les données de manière numérique grâce nos ordinateurs.
Cette transformation d'un signal analogique (en temps continu) en un
signal numérique (en temps discret) est appelée échantillonnage.
La plupart des convertisseurs analogique-numérique (enregistrement
musical, communication mobile...) basent leur échantillonnage sur le
théorème de Shannon-Nyquist. Ce dernier stipule que la fréquence
d'échantillonnage d'un signal doit être égale ou supérieure au double de
la fréquence maximale contenue dans ce signal.
Ainsi, plus la bande
passante (différence entre la plus haute et la plus basse fréquence) du
signal est large, plus le taux d'échantillonnage doit être élevé pour ne
pas perdre d'information, ce qui soulève un certains nombre de
problèmes :
- Il en résulte un besoin en de coûteux convertisseurs à large bande qui
requièrent des solutions matérielles sophistiquées et consomment de
grandes quantités d'énergie,
- les systèmes informatiques utilisés nécessitent une importante
capacité de stockage et de puissance de calcul afin de traiter les
données ainsi échantillonnées. Dans de nombreux cas, l'information doit
être compressée et réduite lors des dernières étapes du traitement.
Les professeurs Moshe Mishali et Yonina Eldar, du département de génie electrique du Technion, ont récemment proposé une méthode permettant de résoudre ces problèmes, appelée "Xampling". Le "Xampling", ou échantillonnage sous-Nyquist, offre une nouvelle approche pour l'échantillonnage de signaux à large bande en effectuant un pré-traitement analogique antérieur à l'échantillonnage.
L'idée est de
modéliser le signal comme une union de sous-espaces spécifiques à un
domaine fréquentiel afin de réduire de manière drastique le taux
d'échantillonnage et d'échantillonner uniquement l'information qui est
requise. Ainsi, au lieu d'échantillonner à une fréquence élevée et de
compresser les données, il est possible d'échantillonner directement le
signal à une fréquence bien plus faible. Ce faible taux
d'échantillonnage permet également un traitement numérique en bas débit
et réduit les besoins en mémoire et en puissance de calcul.
Cette technologie possède de nombreuses applications potentielles dans
divers secteurs : communication (récepteurs large bande), systèmes radar
(en particulier radar haute résolution), imagerie médicale, systèmes
optiques, microscopie haute résolution entre autres. Ces recherches ont
fait l'objet d'une publication dans le journal IEEE Transactions on
Signal Processing.
Source: BE