Auteur: Arnaud Beck
Un plasma est un gaz dont les constituants, au lieu d'être neutres, sont électriquement chargés. Cela en fait un milieu bien plus complexe qu'un fluide traditionnel.
Dans un gaz normal, toutes les perturbations se propagent de la même manière et à la même vitesse. Ainsi, si quelqu'un fait vibrer un gaz à un point A, cette vibration va se propager jusqu'au point B à la vitesse du son, indépendamment de la fréquence de la vibration. Ce sont les ondes sonores.
Dans un plasma, les interactions entre particules chargées permettent à un grand nombre d'ondes différentes d'exister. Chacune de ces ondes propage des perturbations qui peuvent être de natures différentes (charge, pression, champ électrique, champ magnétique ...) et ont des vitesses différentes qui dépendent, entre autres, de la fréquence de la perturbation.
Dans cet exercice, on propose de retrouver la relation de dispersion d'une de ces ondes de plasma appelée "Onde de Langmuir". De telles ondes sont créées lorsqu'on écarte localement le plasma de la neutralité de charge. On cherche donc à savoir comment cet écart à la neutralité va se propager dans le plasma.
Difficulté : ☆☆ Temps : 1h
Un plasma est constitué d'ions et d'électrons. Les ions étant largement plus lourds, nous allons les supposer immobiles dans le développement qui suit. Considérons qu'ils sont répartis uniformément dans l'espace avec une densité .
L'onde de Langmuir étant la propagation d'une perturbation électrostatique (écart à la neutralité mais sans création de courant électrique à grande échelle), nous pouvons, pour simplifier le problème, supposer l'absence de champ magnétique.
A l'équilibre, les électrons sont eux aussi immobiles et uniformément répartis avec une densité . Mais, que se passe t-il si on perturbe cet équilibre en posant que , où est un petit terme perturbatif qui dépend de la position et du temps ?
Dans ce cas, un champ électrique se crée et met les électrons en mouvement à une vitesse .
Les équations qui gouvernent ensuite l'évolution de ces trois grandeurs (perturbation de densité, champ électrique et vitesse des électrons) sont l'équation de continuité, l'équation de conservation du moment dynamique et l'équation de Poisson:
où est la température moyenne des électrons, leur masse, leur charge, et la permittivité du vide.
Les équations ont été ici écrites à une dimension, dans la direction x. On suppose que les perturbations vont se propager dans cette direction sous la forme d'onde plane et donc que l'on peut écrire:
où est la pulsation de l'onde et l'amplitude de son vecteur d'onde selon .
Écrire le système linéaire vérifié par les inconnues , et et ayant et comme paramètres.
Trouver la relation de dispersion de l'onde, c'est à dire une expression de en fonction de .
Si on prend le mouvement des ions en compte, le système d'équation change et on trouve une nouvelle relation de dispersion qui correspond cette fois à une onde acoustique ionique.
En utilisant la même méthode que précédemment, retrouver la fonction de dispersion d'une onde acoustique ionique à partir du système d'équations ci dessous. Les indices et indiquent l'espèce (électron ou ion).
où les sont des constantes (rapports des chaleurs spécifiques de chaque espèce).
Auteur: Jérôme Thiébaut
En astrophysique, les photos de galaxies sont prises par des caméras CCD fixées derrière un télescope. L'instrument d'observation, ici le télescope, laisse son empreinte sur l'image. A cela s'ajoute le bruit de mesure c'est à dire un signal autre que l'image elle même qui s'ajoute à celle-ci. Ce bruit est dû à la caméra.... On se propose dans cet exercice de montrer comment retrouver l'image la plus proche de l'image initiale, c'est à dire de déconvoluer et de filtrer l'image reçue afin de s'affranchir au maximum des effets de l'instrument d'observation et du bruit.
Difficulté : ☆☆ Temps : 40mn
L'image reçue par le CCD est une collection de pixels que l'on rassemble sous la forme d'un vecteur . Ce vecteur resulte de l'image initiale, , qui a été convoluée par le télescope auquel s'ajoute un vecteur bruit noté . La convolution se modélise par l'application d'une matrice sur le vecteur . Ainsi on a: . Dans l'espace de Fourier, cette relation s'ecrit: où représente la fréquence spatiale en deux dimensions. Dans cet espace, la matrice est diagonale de valeur propre . Le spectre de puissance de l'image suit souvent une loi de puissance, c'est à dire et le bruit est souvent un bruit blanc c'est à dire qu'il à la même intensité quelquesoit la fréquence spatiale, , où et sont des constantes. Montrer que l'inversion simple de cette relation (qui consiste à appliquer la matrice sur les données afin de retrouver ) conduit, au delà d'une certaine fréquence, à une amplification du bruit.
On cherche donc maintenant à déconvoluer l'image mais aussi à filtrer le bruit. Pour cela, on va chercher le filtre à appliquer sur les données qui va minimiser l'écart quadratique moyen entre la vraie image et l'image filtrée . On cherche donc à minimiser la quantité par rapport à . En postulant que le bruit et le signal sont décorrélés et que le bruit est non biaisé (pas d'erreur systématique), montrer que ,où et sont les matrices de variance-covariance du signal et du bruit.
Dans l'espace de Fourier, les matrices de variance-covariance sont diagonales également et se réduisent aux spectres de puissances. Montrer que le filtre de Wiener inverse les basses fréquences et coupe les plus grandes où le bruit domine.
pages_spectre/exo-determinant.html
On pourra ramener le système à seulement 3 équations à 3 inconnues en éliminant les 2 inconnues de vitesse. De plus, pour simplifier on peut faire l'hypothèse que la masse des électrons est négligeable devant celle des ions.
Le système s'écrit avec:
et
Le système admet une solution non triviale si et seulement si son déterminant est nul. L'équation donne la relation de dispersion suivante:
pages_spectre/exo-wiener.html
En inversant on obtient . Comme le spectre de puissance de l'image decroit quand augmente et que celui du bruit reste constant, il existe une fréquence limite à partir delaquelle et donc le bruit est amplifié et domine la reconstruction de l'image.
Si le bruit et le signal sont décorrélés, ou tout autre produit de ce genre. Si les données sont non biaisées, .
. Minimiser par rapport à revient à resoudre . Ceci conduit à
donc à petit , et et à grand , et . Les très hautes fréquences dominées par le bruit sont coupées, l'image est donc filtrée.