Pourquoi la convolution est le cœur du traitement numérique du signal
Convolution : Le moteur mathématique des systèmes LSI
La convolution (y[n] = x[n] * h[n] = Σ x[k]h[n-k]) est l'opération qui calcule la sortie de tout système Linéaire Stationnaire (LSI) connaissant son entrée et sa réponse impulsionnelle. Elle est ubiquitaire car la plupart des systèmes réels de traitement du signal sont modélisés comme LSI.
1. Modélisation systèmes LSI — La raison fondamentale
- Physique : Circuits RLC, résonateurs mécaniques, espaces acoustiques, canaux radio — tous LSI (approximativement).
- Réponse impulsionnelle h[n] caractérise complètement le système.
- Convolution = superposition de réponses impulsionnelles décalées/mises à l'échelle.
- Sans convolution → pas de méthode générale pour calculer sortie pour entrée arbitraire.
2. Filtrage — L'application #1
- Filtres FIR : h[n] = coefficients filtre. Convolution = implémentation forme directe.
- Filtres IIR : Récursifs, mais toujours convolution avec h[n] infini.
- Vue domaine fréquentiel : Y(ω) = X(ω)H(ω). Convolution temporelle = multiplication fréquentielle. FFT → O(N log N) vs O(N²).
- Types filtres : Passe-bas, passe-haut, passe-bande, coupe-bande, Hilbert, dérivateur, filtre adapté.
3. Traitement d'images — Convolution 2D
- Image = signal 2D ; noyau = réponse impulsionnelle 2D.
- Noyaux : Flou gaussien, Sobel/Prewitt (contours), Laplacien (renforcement), gaufrage, personnalisés.
- CNNs : Couches convolutionnelles apprennent noyaux pour extraction caractéristiques (contours → textures → objets).
- Noyaux séparables : 2D → deux passes 1D (O(N) vs O(N²)).
4. Communications
- Formage d'impulsion : Convolution cosinus surélevé racine → ISI nul aux instants d'échantillonnage.
- Égalisation canal : Convolution inverse (déconvolution) pour annuler distorsion canal.
- Filtre adapté : Convolution avec impulsion inversée temporellement → détection max SNR.
- OFDM : Préfixe cyclique transforme convolution linéaire → circulaire → FFT diagonalise.
5. Audio et parole
- Réverbération : Convolution avec réponse impulsionnelle salle (RI) — « convolution reverb ».
- Correction enceinte/ampli : Filtre inverse via convolution.
- Réduction bruit : Soustraction spectrale ≈ convolution domaine fréquentiel.
- Reconnaissance vocale : Filtres bancs frontaux (mel) → couches convolutionnelles.
6. Calcul efficace
| Méthode | Complexité | Cas d'usage |
|---|---|---|
| Directe (domaine temporel) | O(N·M) | Noyaux courts (M < 64), temps réel, faible latence |
| Base FFT (overlap-add/save) | O(N log N) | Noyaux longs, hors-ligne, traitement domaine fréquentiel |
| Winograd / FFT-Winograd | O(N log N) constante inférieure | Inférence CNN (petits noyaux 3×3) |
| Domaine fréquentiel (H fixe) | O(N log N) précalcul H | Filtrage LSI, réverbération |
Propriétés qui rendent la convolution puissante
- Commutative : x*h = h*x — filtre et signal interchangeables.
- Associative : (x*h₁)*h₂ = x*(h₁*h₂) — cascade filtres = convolution noyaux.
- Distributive : x*(h₁+h₂) = x*h₁ + x*h₂ — filtres parallèles.
- Dérivation : d/dt(x*h) = (dx/dt)*h = x*(dh/dt).
Insight central
La convolution n'est pas qu'un tour de maths — c'est la loi physique de la réponse des systèmes LSI. Chaque filtre, chaque canal, chaque processus linéaire est convolution. La maîtriser (domaine temporel, fréquentiel, algorithmes rapides, problèmes numériques) = maîtriser le TNS.