Israël Technologies

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