Xavier
Godivier, François
Chapeau-Blondeau
Laboratoire
d'Ingénierie des Systèmes Automatisés, Université
d'Angers.
Steeve Zozor, Pierre-Olivier Amblard
Laboratoire des bildoj
et des Signaux, Institut National Polytechnique de Grenoble.
Résumé :
Nous présentons le phénomene de la résonance stochastique quiContributions au LISA (X. Godivier, F. Chapeau-Blondeau)
consite en la possibilite d'améliorer la transmission ou la détection
de signaux dans certains systèmes non linéaires au moyen d'un ajout
de bruit dans le système (intéraction signal/bruit).
Après une présentation générale du phénomène, nous détaillons nos
contributions propres.
Théorie générale du phénomène pour la RS périodique.Contributions au LIS (S. Zozor, P.-O Amblard) (non présenté ici)
Explorations de la RS apériodique.
Applications aux neurones.
Etude de la RS dans des systèmes autoregressif à temps discret.Conclusion.
Modélisations théoriques.
Résultats de simulations.
Consiste en l'amélioration de la transmission/détection d'un signal par l'ajout de bruit.
On considère:
La résonance stochastique permet d'augmenter R
en augmentant le niveau du bruit.
Première observation en 1981,
en dynamique des climats,
Benzi et al., J. Phys. A (1981).
Mis en évidence pour :
Lasers,
McNamara et al., Phys. Rev. Lett. (1988).
Circuits électroniques,
Fauve et al., Phys. Lett. A (1983).
Systèmes magnétiques,
Gammaitoni et al., Phys. Rev. Lett. (1991).
Réactions chimiques,
Dykman et al., J. Chem. Phys. (1995).
Neurones,
Bulsara et al., J. Theor. Biol. (1991).
Pour une bibliographie complete sur la résonance
stochastique :
Stochastic Resonance
Home Page in Perugia (italy).
-> c'est dans ce type de système que la RS a été mise en évidence pour la première fois.
On calcule la fonction d'autocorrélation en sortie.
-> Densité spectrale de puissance:
le spectre est constitué d'une fond continu, dont
l'amplitude dépend de l'influence du bruit, sur lequel se superposent
des raies spectrales aux harmoniques de la fréquence du signal utile
périodique.
La RS se caractérise à ce niveau par la
possibilité d'observer des raies qui se détachent de façon
plus prononcée par rapport au fond continu.
-> Le rapport signal sur bruit RSB=S/B permet de
quantifier le phénomène,
S étant l'amplitude d'une raie, B
l'amplitude du fond continu autour de la raie.
En présence de résonance stochastique, le
raport signal sur bruit commence par augmenter au fur et à mesure
qu'on augmente le niveau de bruit à partir de 0 et ce jusqu'à
un niveau optimal du bruit au delà duquel le RSB diminue:
/ kramlog.ps
Nos contributions au LISA :
1. Résonance stochastique périodique
dans les systèmes décomposables en :
une non-linéarité statique, suivie d'un
système dynamique linéaire.
Chapeau-Blondeau
& Godivier, Phys. Rev. E (1997).
Dans ce type de système la RS est apportée par la non-linéarité statique,
-> analyse statistique directe,
-> calcul explicite de la méthode générale: (autocorrélation, DSP, RSB).
-> Densité spectrale de puissance :
Pyy(nu)=moy(var(y))+somme(de n=-infty à +infty) moy(|Yn|²delta (nu-n/Ts)
avec :
-pour toute distribution de bruit fn(u),
-toute entrée périodique s(t) de
période
Ts et
-toute fonction g représentant la non-linéarité
statique.
/rscirc02.ps
Si s(t)+n(t)>Vth alors y(t)=+Vsat;
sinon y(t)= -Vsat
pour s(t)<Vth le signal ne peut être transmis
seul
par l'ajout du bruit n(t), la coopération
de s(t) et n(t) permet de franchir le seuil Vth et
d'obtenir un signal en sortie.
Ce signal est corrélé avec s(t)
de façon optimale pour une amplitude optimale du niveau de bruit.
s(t) signal utile apériodique.
Nouvelles mesures :
*Mesures d'intercorrélation,
Collins et al., Phys. Rev. E (1995).
Vaudelle,
Gazengel, Rivoire, Godivier, Chapeau-Blondeau., J. Opt. Soc. Am.
(1998).
*Mesures issues de la théorie de l'information,
Bulsara et al., Phys. Today, (1996) ;
Chapeau-Blondeau, Phys. Rev. E (1997).
Nous avons réalisé deux illustrations :
*Système non linéaire statique.
Chapeau-Blondeau, Phys. Rev. E (1997).
*Système non linéaire dynamique.
Godivier
& Chapeau-Blondeau, Int. J. of Bif. & Chaos. (1998).
Non-linéarité statique à deux
seuils
Chapeau-Blondeau, Phys. Rev. E (1997).
Godivier & Chapeau-Blondeau, AGIS(1997).
X, variable aléatoire discrète, X=+1 ou
-1,
N variable aléatoire continue, de fonction de
répartition F(u)= Pr{N< Y=-1},
-theta < X+N < theta -> Y=0,
X+N > theta -> Y=1.
Calcul des probabilités de transfert entrée-sortie
:
P(Y=1|X=1)=1-F(theta-1)
P(Y=-1|X=-1)=F(-theta+1) etc...
-> information transmise par le canal : I(X,Y)=H(Y)-H(Y|X).
-> capacité informationnelle du canal : C=maxI(X,Y).
expressions calculées explicitement, en fonction des propriétés du bruit.
-> résonance de C.
avec un bruit N gaussien
-> deux régimes de fonctionnement :
theta<1
-> C décroît avec le niveau de bruit.
theta>1
-> C peut être augmentée par une élévation
du niveau de bruit.
/capa9.ps (courbes pour theta=0.8 à 1).
3. Résonance stochastique chez le neurone
Transmission d'un stimulus analogique (sinusoïde),
superposé à un bruit :
Bulsara et al., J. Theor. Biol. (1991).
Douglass et al., Nature (1993).
Transmission des trains de potentiels d'action :
Neurone intègre-et-tire,
Chapeau-Blondeau,
Godivier, Chambet, Phys. Rev. E (1996).
Neurone plus réaliste à dynamique des conductances,
Godivier
& Chapeau-Blondeau, Europhys. Lett. (1996).
Avec bruit membranaire,
Chapeau-Blondeau
& Godivier, Int. J. Bifurcation & Chaos (1996).
Neurone intègre-et-tire avec bruit externe.
Chapeau-Blondeau, Godivier, Chambet, Phys. Rev. E
(1996).
En entrée :
un train de PA périodique s(t)=somme(sur
n) delta(t-nTs)
et un train de PA de bruit n(t)=somme(sur k) delta(t-tk)
avec les temps tk poissonniens.
Le neurone intègre alors les deux signaux :
Tm dV/dt=-V(t)+w*s(t)+w*n(t). (w poids
synaptiques)
En sortie :
Si V(t)=Vth alors y(t)=delta(t'-t), V(t)=0
sinon y(t)=0.
On observe une coopération entre PA cohérents et PA de bruit pour tirer en sortie.
Calcul de l'autocorrélation du signal y(t) en sortie
du système :
Cyy(tau)=E[y(t) y(t-tau)].
->Densité spectrale de puissance :
-> RSB en fonction de la puissance du bruit :
augmentation du RSB en augmentant
la puissance du bruit jusqu'à une valeur optimale
-> mise en évidence de la résonance stochastique.
* Possibilité d'extraire de l'ordre hors du désordre.
* Rôle dans le traitement non linéaire du signal réalisé par les neurones.
* Applications technologiques, pour la détection de faibles signaux bruités.
Vous pouvez lire aussi le texte d'une publication au colloque Agis 97