Chaîne de mesure


Introduction

On peut diviser la chaîne de mesure en plusieurs étapes. Parfois, il peut être difficile de distinguer aisément leur rôle : d'une part, elles sont intimement liées dans la qualité de l'observation ; d'autre part, leur intégration dans une outil d'observation efficace peut les solidariser intimement. L'ambition de ce chapitre : mettre un peu d'ordre dans cette complexité.

schemaoptique.jpg
Schéma optique d'un spectromètre intégral de champ.
Crédit : ESO

Collecter le signal

Auteur: B. Mosser

Introduction

Collecter le signal, c'est assurer que les photons arrivent nombreux et en bon ordre aux différents foyers d'un télescope. Qualités optique et mécanique se conjuguent pour accomplir cette tâche.

miroirreosc.jpg
Miroir de 8.2 m poli par la société SAGEM/REOSC, pour le télescope VLT de l'ESO.
Crédit : REOSC

Miroirs et collecteurs


Observer

Miroirs

Le miroir primaire est le ... premier miroir vu par les photons. Il présente généralement un profil parabolique. Le deuxième, s'il y en a un, est appelé ... secondaire.

miroirreosc.jpg
Miroir de 8.2 m poli par la société SAGEM/REOSC, pour le télescope VLT de l'ESO.
Crédit : REOSC

Miroirs segmentés

Les 2 télescopes Keck, plus grands collecteurs dans le visible depuis le début des années 1990, ont des miroirs segmentés (càd en plusieurs morceaux), et illuminent les foyers Cassegrain et Nasmyth. Ce dernier, après passage du faisceau sur l'axe en altitude, est découplé du télescope.

keck.png
Miroir segmenté, foyers Cassegrain et Nasmyth d'un des 2 télescopes Keck.
Crédit : Keck

Domaines visible, UV et IR

Une configuration classique est la combinaison de 2 miroirs, l'un parabolique, l'autre hyperbolique convexe, dans la configuration Cassegrain. Les miroirs ne sont plus nécessairement monoblocs ; c'est le cas du télescope optique le plus grand en service actuellement, le télescope Keck.

Domaine radio

Dans le domaine radio, il est nécessaire d'avoir une antenne de grande taille :

radiotel.png
Les éléments de collecte du signal d'un radiotélescope.
Crédit : ASM

Domaine X

Le domaine des courtes longueurs d'onde présente de nombreuses particularités. Entre autres :

xmmsat.jpg
Télescope XMM de l'agence spatiale européenne, lancé fin 1999 pour une mission de 6 ans.
Crédit : ESA
convergencex.gif
Télescope X : principe. Pour assurer un bon coefficient de réflexion dans ce domaine de longueur d'onde, les miroirs sont attaqués en incidence rasante.
Crédit : ESA
xmmmiroir.jpg
Paraboloïdes chargés de recueillir le flux X en incidence quasi rasante ; 58 paires de paraboloïdes et hyperboloïdes associés assurent les possibilités d'imagerie du collecteur du satellite XMM.
Crédit : ESA

Apprendre

prerequisPrérequis

Optique géométrique. Formation d'image au foyer primaire d'un télescope.

objectifsObjectifs

Quelques notions sur les collecteurs de photons en astronomie.

Voir à l'infini

Le signal d'un objet très lointain, non résolu spatialement, est une onde plane. Observer cette onde plane, c'est la focaliser en un point. Une surface mathématique sait faire cette opération : le paraboloïde de révolution (révolution d'une parabole autour de son axe).

La parabole

Mathématiquement, la parabole conjugue l'infini à un point ; optiquement, elle permet de transformer une onde plane en onde sphérique. Ceci n'est rigoureusement vrai que pour un rayon parallèle à l'axe optique. L'aberration de sphéricité apparaît pour les rayons inclinés sur l'axe.

convergence.png
La parabole conjugue l'infini à un point, le foyer. Elle transforme une onde plane en onde sphérique.
Crédit : ASM
aberspher.png
Aberration de sphéricité pour tout objet paraxial, avec un collecteur parabolique.
Crédit : ASM

Propriétés

Les lois de l'optique permettent de caractériser les qualités de la collecte.


Foyers


Observer

Foyer, doux foyer

Les collecteurs de photons s'appuient sur de multiples configurations optiques. On note principalement :

foyerprim.jpg
Caméra grand champ (gros cylindre noir) au foyer primaire du télescope CFH.
Crédit : CFHT
foyercass.jpg
Instrumentation au foyer Cassegrain du télescope CFH. Le télescope est en station. L'instrument est dans une cuve à vide, sous le logement du miroir primaire.
Crédit : CFHT
vimosVLT.jpg
Instrument VIMOS sur l'un des 2 foyers Nasmyth d'un des télescopes du VLT, le long de l'axe en élévation.
Crédit : VLT

Apprendre

prerequisPrérequis

Optique géométrique. Formation d'image au foyer primaire d'un télescope. Montures des télescopes.

objectifsObjectifs

Aperçu des diverses configurations optiques pour un télescope.

cassegrain0.png
Collecte du faisceau au foyer Cassegrain. La parabole conjugue l'infini avec son foyer F_1, transformant une onde plane en onde sphérique. L'hyperbole échange les 2 foyers F_1 et F_2 : l'onde sphérique converge alors en F_2.
Crédit : ASM

Combinaisons optiques

Plusieurs configurations optiques permettent de réaliser pratiquement la convergence d'une onde plane en un foyer. Selon l'usage, astronomie amateur ou professionnelle, elles diffèrent, par leur performances et leurs coûts.

foyerprimaire.png
Foyer primaire.
Crédit : ASM
foyercassegrain.png
Foyer Cassegrain : le miroir secondaire occulte une partie du faisceau. Le miroir primaire doit être évidé.
Crédit : ASM
foyernasmyth.png
Foyer Nasmyth : le miroir tertiaire renvoie le faisceau sur l'axe de hauteur de la monture.
Crédit : ASM
foyercoude.png
Foyer coude : un train de miroirs assure le découplage entre la position du foyer Coudé et le pointage du télescope.
Crédit : ASM

Foyers

Un télescope professionnel, usuellement de type Cassegrain ou Ritchey-Chrétien, présentera plusieurs combinaison de foyers.


Simuler

cassegrain.gif
Collecte du faisceau au foyer Cassegrain. La parabole conjugue l'infini avec son foyer F_1, transformant une onde plane en onde sphérique. L'hyperbole échange les 2 foyers F_1 et F_2 : l'onde sphérique converge alors en F_2.
Crédit : ASM

Convergence au foyer Cassegrain

La transformation d'une onde plane en onde sphérique, puis de l'onde sphérique en une autre onde sphérique convergeant au foyer du télescope, est une application directe des propriétés des coniques.

VLT application.png

Chemins optiques et foyers

Pour un télescope en monture azimutale, telles les 4 unités du VLT, plusieurs trains optiques permettent d'illuminer les différents foyers : Cassegrain, Nasmyth, coudé.

Un observatoire aujourd'hui

L'appliquette ci-dessous décompose différents éléments d'une des unités du VLT.

application.png


S'évaluer

exerciceFocale équivalente

Difficulté :    Temps : 15 min

La figure ci-jointe, proposée en appliquette, montre un montage de type Cassegrain. Le diamètre du miroir primaire vaut 128 cm.

application.png

Question 1)

Positionner graphiquement la lentille équivalente du télescope, et déterminer ensuite sa focale équivalente.

[2 points]

Question 2)

Calculer le nombre d'ouverture du télescope.

[1 points]


Qualité optique du collecteur


Observer

Forme idéale

La forme des miroirs doit s'approcher au mieux de la forme idéale (parabolique, hyperbolique, plane...). A grande comme à petite échelle, aucun défaut ne doit excéder une limite, dont la valeur dépend des performances souhaitées.

Qualité du miroir
miroir.png
Mise en évidence, fortement exagérée, des défauts de forme d'un miroir parabolique à grande ou à petite échelle.
Crédit : ASM
Miroir primaire du VLT
miroirreosc.jpg
Miroir de 8.2 m poli par la société REOSC pour le VLT. L'échelle est donnée par les ingénieurs figurant sur le cliché.
Crédit : REOSC

Optique active

Plutôt que de confier la forme idéale du collecteur à une position statique et rigide, l'optique active préfère inclure une chaîne de correction commandant la forme idéale du miroir au moyen d'actuateurs positionnant idéalement chaque sous-élément du miroir.

Cette technique est employée p.ex. pour les miroirs de 8.2 m du VLT. Si leur forme idéale devait découler de leur seule rigidité, ces miroirs auraient une épaisseur supérieure à 2 m : solution inadaptée. Les miroirs sont minces (18 cm) ; leur faible épaisseur leur assure une certaine souplesse, et quelle que soit leur position, des actuateurs les repositionnent pour une forme idéale.

Miroir primaire du VLT
active.png
Optique active : miroir mince et actuateurs. Remarquer que la forme du miroir est hyperbolique : les télescopes du VLT sont de type Ritchey-Chrétien.
Crédit : ESO
Miroir du VLT : résidus
miroirresidu.png
En mode actif, les actuateurs assurent un profil idéal. Les écarts à la forme idéale (ici hyperbolique), mesurés par le senseur du front d'onde, ont un écart-type de 43 nm, soit environ 10 fois moins qu'une longueur d'onde dans le visible.
Crédit : ESO

Domaine radio

Dans le domaine radio, caractérisé par des longueurs d'onde relativement grandes, un grillage peut suffire à constituer un bon miroir. Il est vu par l'onde tel une surface pleine, et sa forme rapportée à la longueur d'onde considérée est suffisamment précise.

Miroir du radiotélescope de Nançay
grilleradio.jpg
Le collecteur du radiotélescope de Nançay inclut un miroir sphérique. Aux longueurs d'ondes étudiées (typiquement décimétriques), la surface collectrice grillagée présente les mêmes propriétés de réflexion qu'une surface pleine plane.
Crédit : Observatoire de Paris

Apprendre

objectifsObjectifs

L'étude technologique des qualités optiques des éléments des collecteurs astronomiques s'appuie sur de multiples domaines non ici explorés. On s'intéresse essentiellement à la forme géométrique idéale des collecteurs, en laissant de côté : les aberrations, les propriétés thermomécaniques des miroirs et de leurs supports, les propriétés de réflexion des surfaces ; la transmission dans les verres des lentilles...

miroirsdb1.png
Miroir de "salle de bain". La plaque de verre protège la couche métallique réfléchissante (en bleu).
Crédit : ASM
miroirsdb2.png
Miroir optique. Le substrat de verre supporte le fin dépôt métallique réfléchissant. Sa forme, sa taille et son poli sont essentiels, conférant au miroir ses qualités optiques.
Crédit : ASM

Miroirs

Un miroir optique diffère d'un miroir usuel. Un miroir usuel est constitué d'une plaque de verre protégeant une feuille métallique réfléchissante. Le faisceau optique traverse par 2 fois cette vitre, avant et après la réflexion métallique.

Un miroir astronomique est constitué d'un support vitreux, précisément taillé, recouvert d'une très fine couche métallique réfléchissante (aluminium, argent ou or principalement, selon le domaine de longueurs d'onde utilisé), éventuellement protégée d'une mince couche d'oxyde. Le faisceau optique ne traverse pas le verre.

Le substrat en verre est typiquement du zérodur, verre se caractérisant par un très faible coefficient de dilatation thermique.

Qualité

La qualité des optiques de toute la chaîne de détection est essentielle. Elle se traduit par la fonction d'étalement du point, qui rend compte de l'image d'un objet ponctuel à l'infini.

Cette qualité, pour un miroir, se résume souvent à un paramètre : à grande ou à petit échelle, le miroir ne doit pas s'écarter de sa forme idéale de plus d'une fraction de longueur d'onde (typiquement de \lambda/4 pour un dioptre usuel à \lambda /50 pour une optique d'interféromètre).

Optique active

On appelle optique active un système restituant la forme idéale des surfaces collectrices non de façon statique, avec des miroirs très rigides, mais dynamique, avec des miroirs minces positionnés par des actuateurs. L'optique active corrige les déformations lentes d'origine thermique et mécanique.

Optique adaptative

L'optique adaptative corrige en temps réel les défauts du front d'onde induits par la turbulence. Voir les pages dédiées à l'optique adaptative.


Les très grands télescopes du futur


Observer

celt0.png
Projet du grand télescope CELT (California extremely large telescope). L'échelle est donnée par les personnes sur la plateforme. Ce projet présente les caractéristiques des grands télescopes du futur : monture azimutale, diamètre collecteur segmenté de l'ordre de 30 m, instrumentation aux foyers Nasmyth.
Crédit : CELT
owl.png
Projet du grand télescope OWL de l'ESO (overwhelmingly large telescope ; overwhelming = de façon écrasante), abandonné en 2006. Le miroir primaire (1), de diamètre 100 m, est segmenté et sphérique. Le miroir secondaire (2) est plan. Le système des miroirs 4 et 5 assure la correction de la sphéricité du miroir primaire, ainsi que l'optique adaptative ; ces miroirs ont un diamètre de 8.2 m, càd autant que les miroirs primaires du VLT de l'ESO.
Crédit : ESO

Vers les très grandes surfaces collectrices

Les diamètres collecteurs ont régulièrement augmenté au cours du temps, pour collecter plus, et plus précisément, de photons. Divers projets de télescopes optiques de miroir primaire de 30 à 50 m sont dans les cartons. Des structures de telles dimensions existent déjà, mais dans le domaine radio, avec des longueurs d'onde centimétriques et non submicrométriques.

Le projet CELT illustre les caractéristiques des futurs projets. Le projet OWL de l'ESO, préparant la classe des télescopes de 100 m, n'a pas abouti, car il supposait un trop radical changement d'échelle. Il a été remplacé par un projet de télescope de 39 mètres de diamètre, l'Extremely Large Telescope (ELT) de l'Observatoire Européen Austral, dont la première lumière est prévue en 2024.


Apprendre

objectifsObjectifs

Dévoiler les grandes lignes des projets de grands observatoires.

Pourquoi une grande surface collectrice

Certains besoins scientifiques (pas tous) nécessitent la collecte de flux de plus en plus faible, et donc des collecteurs encore plus grands que ceux de la classe 10 m entrés en action dans les années 1990.

Quelques principes

Les télescope de cette classe 10 m ont montré des changements importants par rapport à leurs prédécesseurs, induits simplement par leur taille.

Ces principes sont conservés pour les projets de télescope de la classe 30 m, avec en plus la généralisation des miroirs segmentés.

Difficultés pratiques

Si le principe des très grands télescopes est mûr, leur réalisation pratique pose de nombreux problèmes. Par exemple :

Hypertélescope
hypertel.png
Schéma de principe d'un hypertélescope. Une surface collectrice, ici modélisée par une lentille équivalente, est partiellement reconstituée par divers segments non jointifs pour une focalisation d'un faisceau parallèle au foyer commun F1. Ce foyer est réimagé en F2, chaque voie étant individuellement élargie par un système afocal grossissant : ceci conduit à la densification de la pupille. La taille du système optique entre F1 et F2 a été agrandie pour la clarté du schéma.
Crédit : ASM

Hypertélescope

Une solution alternative aux très grands télescopes pourrait consister à réaliser une surface collectrice avec plusieurs pupilles reconstituant une seule surface collectrice, mais non entièrement pavée ; un système optique apporte la densification de pupilles, et conduit au principe de l'hypertélescope. La réalisation pratique d'un hypertélescope n'est pas prévue dans un futur proche, un certain nombre de points durs techniques subsistant encore.


S'exercer

exerciceHypertélescope

Difficulté : ☆☆☆   Temps : 60 min

fizeau.png
Télescope de Fizeau. Une surface collectrice, ici modélisée par une lentille équivalente, est partiellement reconstituée par divers éléments non jointifs partageant un même foyer F1. a mesure le diamètre d'une sous-pupille, b l'écartement entre 2 sous-pupilles et d le diamètre total.
Crédit : ASM
hypertelexo.png
Schéma de principe d'un hypertélescope. Les morceaux de paraboles collectrices ont été remplacées par leur équivalent lentille. a mesure le diamètre d'une sous-pupille ; b leur écartement.
Crédit : ASM

La première figure donne le schéma de principe d'un hypertélescope. L'équivalent du miroir primaire est constitué de sous-pupilles, reconstituant de façon incomplète une surface collectrice correspondant à une immense parabole. a mesure le diamètre d'une sous-pupille ; b leur écartement.

La deuxième figure présente le montage du densificateur de pupille. Les lentilles L2 et L5 sont supposées identiques, si bien que le grossissement du système constitué de ces lentilles vaut -1 ; le grossissement angulaire du système afocal constitué des lentilles l3 et l4 est noté \gamma\ \mathrm{avec\ :\ } \gamma <1).

Cet exercice est à résoudre sans gros calcul ! Pour simplifier l'approche, on travaille sur une seule dimension, comme le montre la figure (sans chercher à reconstituer la surface collectrice).

Question 1)

On s'intéresse juste à l'optique en amont de F1. Quels paramètres dimensionnent la taille angulaire de la tache image en F1 d'une sous-pupille, de l'ensemble des sous-pupilles ? Mener l'analogie avec un réseau d'interférence composé de fentes de largeur a séparées d'une distance b, s'étalant sur une longueur totale d.

Question 2)

Déterminer l'action du système (l3, l4), en comparant les situations en F1 et F2.

Question 3)

Quel est l'intérêt du système ? Que se passe-t-il lorsque \gamma = a/b ?

Question 4)

Qu'a-t-on gagné, qu'a-t-on perdu avec cette opération ?


Mettre en forme le signal

Auteur: Benoît Mosser

Introduction

L'information recherchée dans un signal s'exprime de diverses façons. Cette section présente les grands principes en oeuvre et les techniques instrumentales associées, pour traiter au mieux les photons selon :

spectro3dfintro.png
Principe de la spectrométrie intégrale de champ.
Crédit : CFHT

Principes


Observer

L'information portée par les photons peut être traitée de diverses façons, ainsi que le montrent les illustrations suivantes.

L'amas des Hyades
hyades.jpg
Le mouvement propre des étoiles de l'amas des Hyades a pu être reconstruit par le satellite Hipparcos.
Crédit : ESA
Cartographie grand champ
grandchamp.jpg
Le ciel profond vu par le télescope spatial. Remarquer la corrélation entre la couleur et la luminosité des objets.
Crédit : HST
bvri.png
Système de filtres BVRI normalisés permettant de mesurer précisément les magnitudesassociées.
Crédit : CFHT
filtrecyrilcavadoreeso.png
Assemblage de filtres pour des mesures dans le système BVRI
Crédit : ESO/Cyril Cavadore
Spectro 2-D
spectroim.png
Chaque point de la fente source est dispersée, dans une direction perpendiculaire à celle de la fente. Une dimension du CCD traduit la variable spatiale, l'autre la variable spectrale.
Crédit : ESO
procyonfts.png
Procyon, aux alentours de 1.08 {\,\mu\mathrm{m}}. Ce domaine spectral est sélectionné par un filtre étroit. Noter l'unité spectrale, inverse de la longueur d'onde.
Crédit : CFHT/ASM

Apprendre

objectifsObjectifs

Distinguer différents principes instrumentaux.

Différents principes

Quels principes, pour quelle mesure ?

La liste qui précède est austère. Les pages qui suivent illustrent comment ces techniques sont mises en pratique, et dans quel but.


Astrométrie


Observer

hd49933image.jpg
Le champ stellaire analysé, autour de l'étoile HD 49933 (abondamment observée par une mission spatiale du CNES).
Crédit : CDS
hd49933carte.png
La carte des étoiles précédemment répertoriées, avec de plus leur mouvement propre.
Crédit : CDS
hd49933liste.png
Le catalogue des étoiles précédemment répertoriées.
Crédit : CDS

Un exemple : environnement d'une étoile

Les données astrométriques permettent une foultitude de choses, comme par exemple de précisément caractériser un champ autour d'un objet. Les figures ci-jointes décrivent de diverses manières l' environnement d'une étoile, une carte, ou par les coordonnées.

gaiapointage.png
Le satellite Gaia, au point de Lagrange L2, est animé d'un mouvement de rotation régulier, avec un axe (spin axis) orienté à 45 deg par rapport à la direction du Soleil. Il observe simultanément 2 régions du ciel (line of sight 1 et 2). Le mouvement de rotation induit le balayage de 2 grands cercles. La précession du mouvement de rotation induit l'évolution de ces grands cercles, pour observer tout le ciel.
Crédit : ESA
gaiaoptique.png
Le montage de Gaia repose sur une structure octogonale très stable, pour la définition de l'angle entre les 2 lignes de visée astrométriques. Une 3ème ligne de visée est utilisée pour des mesures spectrométriques. La collecte du signal sur chaque ligne de visée implique 3 miroirs : les miroirs primaire et tertiaire se situent dans un même plan, et font face au miroir secondaire et au détecteur. Vu le nombre gigantesque de cibles à mesurer, le plan focal est composé d'une mosaïque de plusieurs dizaines de CCD. Le mode de lecture des CCD est original : les lignes du CCD sont positionnées exactement parallèlement au déplacement apparent de l'image suite à la rotation propre du satellite, et la pose et le transfert des charges d'un pixel à l'autre suivent le déplacement de l'image stellaire le long de la ligne du CCD.
Crédit : EADS/Astrium

Le projet Gaia

Le principe de mesure de Gaia repose sur le balayage du ciel simultanément le long de deux lignes de visée. Le scénario de pointage met en oeuvre la rotation propre et la précession du satellite. Le montage optique s'appuie sur une structure stable.


Apprendre

definitionDéfinition

L'astrométrie a pour but de mesurer la position des astres, leur parallaxe et donc leur distance, leur mouvement propre. Elle opère un travail indispensable de repérage et d'arpentage.

Pourquoi l'astrométrie ?

Repérer précisément les astres, c'est avoir accès à leur distance, par l'étude de la parallaxe. Repérer leur mouvement propre, c'est avoir accès aux causes dynamiques du mouvement, et donc mesurer des masses.

Précision et performance des relevés astrométriques
date observationnombre d'objetsprécision (")
-150 Hipparque 1000 1100
1590 Tycho 1000 60
1690 Flamsteed 4000 10
1850 Argelander26000 1
1975 US Naval Observatory 58\,10^60.04
1995 Hipparcos 120000 0.001
2012Gaia10^9 10^{-5}

Comment ?

L'agence spatiale européenne a exploité le satellite Hipparcos durant les années 1990, et lancé la mission Gaia fin 2013. Ces 2 missions ont pour but principal l'arpentage de l'Univers, obtenu par une très grande précision astrométrique.

Hipparcos comme Gaia sont des missions spatiales. L'écran de l'atmosphère terrestre est évité, la déviation d'un rayon lumineux au travers des couches atmosphériques étant bien trop importante par rapport à la précision recherchée, de l'ordre de la milliseconde d'arc. La précision des missions Hipparcos et Gaia s'appuie sur le principe de l'observation simultanée de 2 champs stellaires, dans 2 directions faisant entre elles un angle fixé et stable (106.5 deg). Comme un compas sert à repérer des distances (linéaires ou angulaires), de proche en proche les positions relatives des objets sont fixées les unes par rapport aux autres.

Gaia doit mesurer la précision d'un milliard d'objets dans la galaxies (soit 1% de son contenu stellaire), avec une précision de quelques millionièmes secondes d'arc pour les cibles les plus brillantes.

Performances attendues avec Gaia, pour une étoile de type G2
magnitude 10 15 20
parallaxe (mas) 0.007 0.027 0.3

Simuler

Positions et mouvements

La simulation ci-dessous permet de lire les positions et mouvements repérés par le satellite européen Hipparcos dans l'amas ouvert des Hyades. Noter que la précision des positions effectivement repérées par Hipparcos est infiniment meilleure que celle restituée par l'appliquette.

application.png


S'évaluer

exercicePrécision astrométrique et inégalité de Heisenberg

Difficulté : ☆☆☆   Temps : 45 min

Cet exercice se propose de montrer que la précision astrométrique d'un satellite tel Hipparcos ou Gaia peut être estimée par l'application des inégalités de Heisenberg. On s'intéresse pour ceci à la propagation d'un photon, issu d'un objet ponctuel à l'infini, dont la trajectoire intercepte le miroir primaire de détection (!). On munit l'espace d'un repère orthonormé 0xyz telle que le plan 0xy corresponde au miroir primaire de la détection. La quantité de mouvement du photon incident est quasiment parallèle à 0z. On suppose que la formation d'image suit parfaitement les lois de l'optique géométrique.

Question 1)

On s'intéresse à l'interception du photon selon la direction 0x. Peut-on connaître la position de l'impact et de la réflexion du photon sur le miroir? En déduire que le front d'onde incident est découpé en tranche de largeur la dimension du miroir, que la position selon l'axe Ox est inconnue, et que donc elle est affublée d'une incertitude de position \delta x.

[2 points]

Question 2)

On rappelle qu'un échantillonnage par valeur entière correspond à un bruit de numérisation de 1/\sqrt{12}. En déduire l'incertitude de mesure de la composant selon 0y de la quantité de mouvement du photon.

[1 points]

Question 3)

Par inégalité de Heisenberg, les incertitudes de position et quantité de mouvement doivent vérifier :

\delta x \ \delta p_x \ge {h \over 4 \pi}

avec la quantité de mouvement totale p = h\nu / c = h / \lambda. En déduire que l'incertitude de repérage de l'angle d'incidence du photon vaut : \delta\theta \ge {\sqrt{3} \over 2 \pi} {\lambda \over a_x}

[3 points]

Question 4)

Faire l'application numérique pour Gaia, observant à la longueur d'onde moyenne de 600 nm, avec a_x = 1.4 \,\hbox{m}. Cela est-il compatible avec les performances annoncées, de l'ordre de 25\, \mu\hbox{as} à la magnitude m=15? Pourquoi ?

[1 points]

Question 5)

La question précédente dimensionne l'incertitude pour 1 photon. On montre plus loin dans le cours que pour N photons effectivement détectés, l'incertitude est divisée par \sqrt{N}. Combien de photons doivent être détectés pour aboutir à la performance annoncée.

[1 points]


Photométrie


Observer

megacam-filtre.png
Le système de filtres de la caméra MEGACAM du télescope CFH
Crédit : CFHT

Mesure de flux dans un système de filtres

Toute mesure photométrique doit s'appuyer sur un système de filtres précis, calibrés par rapport aux filtres des autres systèmes utilisés. Le projet MEGACAM au télescope CFH utilise le système ci-joint, couvrant du très proche UV au proche IR.

occultationsat.png
Courbe d'occultation : éclipse de l'étoile GSC5249-01240 par Saturne.
Crédit : NASA/IRTF

Mesure de variations de flux

Les occultations, qui réunissent sur un même axe un objet du système solaire et une étoile, comme une éclipse réunit la Lune et le Soleil, ne sont pas que de simples événements fortuits : leur observation est riche en enseignement (métrologie, sondage atmosphérique...).

serietemporellemost.png
Échantillon de la série temporelle de la variabilité d'une étoile observée par le micro-satellite canadien MOST. L'échelle des ordonnées représente les variations relatives comptée en pourmille. La courbe rouge donne une estimation des variations observées : elle s'interprète comme les battements entre différents modes de pulsation stellaire.
Crédit : MOST
corotexo7b.png
Transit de la planète CoRoT-exo-7b, détectée par le satellite CoRoT.
Crédit : CoRoT/CNES
pg1325_lc.png
Courbe de variabilité d'une naine blanche. Les oscillation stellaires modulent le signal. Le rapport signal à bruit est suffisant pour mettre en évidence directement les oscillations. Plusieurs (9 en fait) observatoires ont été mis à contribution pour éviter au mieux - aléa météorologique mis à part - les interruptions diurnes sur les 25 jours & nuits d'observation.
Crédit : WET
pg1325_as.png
Spectre de Fourier des variabilités photométriques d'une naine blanche.
Crédit : WET

Microvariabilité

Les mesures photométriques recherchent souvent des variabilités, dont l'étude ouvre de multiples champs d'investigation. Plusieurs satellites passent actuellement leur temps à mesurer des flux stellaires avec une précision de plus en plus grande. Le satellite CoRoT a ainsi découvert une très petite planète. La microvariabilité d'une naine blanche (PG1159) est étudiée pour l'analyse de ses oscillations : la série temporelle enregistrée sur 8 nuits aboutit au spectre de Fourier.


Apprendre

definitionDéfinition

Photométrie : étude de la magnitude d'un astre dans un système de bandes spectrales.

Pourquoi la photométrie ?

Connaître précisément le nombre de photons de couleur donnée qui arrivent en un intervalle de temps donné permet de remonter à des considérations énergétiques.

Le problème est très souvent complexe, car il nécessite de tenir compte précisément de la transparence atmosphérique, de la fonction de transfert du collecteur et de l'instrument, de la réponse spectrale du détecteur...

Comment ?

Les effets mentionnés ci-dessus illustrent la complexité, voire l'impossibilité, d'une mesure photométrique absolue. Les mesures effectuées sont des mesures relatives, où la luminosité de l'objet, intégrée ou spectrale, est comparée à une référence.

Cette référence peut être une cible stellaire (telle l'étoile Véga p.ex, qui définit la magnitude apparente visuelle 0). Les mesures bolométriques, dans l'IR ou le submillimétrique, comparent le flux étudié à celui d'un corps noir calibré.

Variation photométrique

L'étude de la variabilité et de la microvariabilité est très fructueuse, pour observer des phénomènes à haute fréquence, associés à des variations intrinsèquement rapides ou bien dues à des phénomènes transitoires.


Simuler

application.png

Techniques

Mesurer un flux nécessite de la méthode, et cette dernière dépend du signal étudié. On peut pratiquer :


Imagerie


Observer

orionpillars.jpg
Nuage moléculaire sculpté par le rayonnement ultraviolet ionisant de jeune étoiles en formation. Les doigts de matière qui résistent à l'érosion UV sont dans l'ombre portée par des régions plus denses. Ces dernières sont les plus violemment illuminées, et apparaissent les plus brillantes.
Crédit : HST

Résolution spatiale, structures et détails

Imager permet de tracer la distribution de matière qui rayonne, qui absorbe... Une image en fausse couleur résulte de la superposition de 3 images prises dans 3 filtres différents.

application.png

Autrefois, avant l'introduction de la photographie à usage astronomique, à la fin du XIXe siècle, imager signifiait dessiner !

sextractor.gif
Champ stellaire, et identification des étoiles (points noirs) et des galaxies, via un logiciel de reconnaissance automatique de forme.
Crédit : IAP

Identification

L'imagerie permet d'identifier les objets, pour les classer, pour faire le lien entre diverses observations à diverses longueurs d'onde... Un problème courant est de distinguer les sources stellaires des sources galactiques.

kuiper.gif
Déplacement d'un objet de Kuiper au cours d'une nuit. C'est justement son mouvement propre qui permet d'identifier un tel objet, de magnitude typique supérieure à 20.
Crédit : CFHT
eros.gif
Rotation propre de l'astéroïde Eros, observée par la sonde NEAR.
Crédit : NEAR/Nasa

Mouvements

L'imagerie, répétée sur un même champ, permet la découverte des petits corps du système solaire, en mouvement apparent sur fond d'étoiles fixes. C'est p.ex. ainsi qu'ont été découverts les objets de Kuiper, éléments du système solaire situés au-delà des planètes géantes, en deçà des comètes, et s'en distinguant par des orbites relativement proche de l'écliptique et d'excentricité modérée.

rotjupi.gif
Rotation de Jupiter. Suivi des impacts des fragments de la comète SL9 sur Jupiter, en juillet 1994.
Crédit : ESO

Evolutions temporelles

Les séries temporelles d'images donnent accès aux cartes des objets enrotation, et à leurs variations

tachejup.jpgjupitertimmi.jpg
Observation d'une nouvelle tache sur Jupiter, par Cassini, en mars 1684. Et chute, observée en direct, d'un fragment cométaire sur Jupiter 3 siècles plus tard (juillet 1994, observation dans l'IR thermique à l'ESO) ; un fragment précédent a provoqué la tache à la même latitude que l'impact.
Crédit : Bibliothèque de l'Observatoire de Paris / ESO

Événements

L'imagerie permet aussi de repérer des événements particuliers, comme p.ex. l'apparition de taches sur Jupiter.


Apprendre

objectifsObjectifs

Tentative, désespérée, de classification des divers et nombreux champs d'application de l'imagerie en astrophysique

definitionDéfinition 😁

Imagerie : fournir des images dans des systèmes de filtres standards, ou au-moins précisément référencés.

Pourquoi l'imagerie ?

L'imagerie fournit des images. Pour obtenir une image, il faut au préalable avoir reçu 10 bons points. On peut échanger 10 images contre un petit livre.

Les images en astrophysique apportent l'information spatiale, qui permet le traçage et l'identification de la matière lumineuse. Cette information dépend essentiellement de la longueur d'onde d'observation.

La résolution spatiale, couplée avec une faible résolution spectrale, donne par exemple accès à des informations de température ; avec une forte résolution spectrale : traçage fin d'un élément, mesures Doppler...

Comment ?

Obtenir une image est relativement trivial dans certains cas, pas du tout dans d'autres.

Ceci peut être dû à la mise en forme du signal. Dans les domaines X et surtout \gamma, la capacité d'imagerie des détecteurs est très limitée, et il est souvent difficile de bien localiser une source même intense. Du côté des très grandes longueurs d'onde, la tache d'Airy due à la diffraction peut atteindre une extension angulaire très grande ce qui limite la résolution spatiale.

La capacité d'imagerie dépend aussi de la technologie des détecteurs. Si en lumière visible les mosaïques CCD atteignent 2k x 4k, les performances sont bien plus limitées dans les longueurs d'onde infrarouges. En submillimétrique et radio, les détecteurs étant monopixels, les images sont construites par juxtaposition d'images élémentaires.

Systèmes de filtres

L'imagerie est le plus souvent menée dans des systèmes de filtres si possible référencées, afin de pouvoir mener des comparaisons entre diverses observations. Ces filtres couvrent continûment le spectre, en bande large.


Imagerie multispectrale


Observer

Spectrohéliogrammes
halphasolaire.png
Le disque solaire, dans diverses bandes spectrales : raie Halpha à 656.3 nm ; et raie K du calcium à 393.4 nm (K3 dans le minimum de la raie ; K1v dans l'aile de la raie côté violet). La morphologie des structures dépend intimement de la longueur d'onde d'observation.
Crédit : Observatoire de Paris
jupiterioeso328mu.jpg
Le disque jovien est quasiment éteint à la longueur d'onde 3.28 {\,\mu\mathrm{m}}, alors que Io apparaît bien plus brillant à cette longueur d'onde.
Crédit : ESO
titannaos.jpg
Titan observé en optique adaptative dans différentes domaines de longueur d'onde du proche infrarouge. Lorsque le domaine spectral est sensible à un élément dans la stratosphère, le limbe apparaît plus brillant.
Crédit : ESO

Objets brillants

L'imagerie multispectrale, gourmande en photons, est menée sur des objets brillants, comme typiquement les objets du système solaire. Selon la longueur d'onde d'observation, les disques solaire, jovien ou de Titan présentent différents aspects. Les domaines spectraux sont ici adaptés au phénomène étudié.

application.png

L'intérêt de l'imagerie multi-spectrale est de permettre une modélisation précise de l'objet observé. Par application de code de transfert de rayonnement, cette modélisation permet typiquement de contraindre la température et la composition de l'objet. Le diaporama ci-contre illustre une application sur la calotte martienne sud, observée par l'instrument OMEGA à bord de la sonde Mars Express.

La Voie Lactée
mwmg.jpg
Images reconstruites de la Voie Lactée en différentes bandes spectrales.
Crédit : NASA

La Voie Lactée

Selon la longueur d'onde d'observation, la Voie Lactée se présente sous différents aspects : chaque longueur d'onde apporte des informations complémentaires sur sa structure.


Apprendre

Imagerie spectrale

L'imagerie spectrale, comme son nom l'indique, fournit des images enregistrées dans un domaine spectral bien précis, défini par un filtre adapté aux propriétés de l'objet. Cela permet de tracer la distribution de matière contribuant à une signature spectrale donnée.

Cette technique est coûteuse en photons, et l'utilisation de filtres étroits nécessite une source brillante (dans le cas du soleil, ce genre de problème ne se pose bien sûr pas).

Clair obscur

L'imagerie multispectrale combine les avantages de l'imagerie et de la spectrométrie. Comme le nombre de photons est divisé et spatialement et spectralement, la source se doit d'être lumineuse pour des observations avec un rapport signal à bruit suffisant.


S'exercer

qcmQCM

1)  Pourquoi l'imagerie spectrale est-elle une technique coûteuse en photons ?




S'évaluer

exerciceLa Voie Lactée en couleurs

Difficulté : ☆☆   Temps : 20 min

Exercice de synthèse, basé sur les images multi-spectrales de la Voie Lactée, en \gamma, X, visible, proche, moyen et lointain infrarouge, raie de \textrm{H}_2, H atomique, et radio.

Question 1)

Dans quel système de coordonnées ces cartes sont-elles représentées ?

[1 points]

Question 2)

Quels domaines spectraux sont dominés par, respectivement, des sources ponctuelles intenses, une émission de type corps noir, l'absorption par des molécules ou des poussières, la réémission de ces derniers ?

[3 points]


Spectrométrie à haute résolution


Observer

Spectre du Soleil à haute résolution
solarspectrum.jpg
Le spectre solaire à haute résolution spectrale, observée avec un spectromètre à dispersion croisée. Les différents ordres d'interférence du spectromètre à haute dispersion ont été désenchevêtrés par la dispersion croisée.
Crédit : NOAO
Dispersion croisée
specres.png
Schéma de principe : une double dispersion permet l'enregistrement du spectre entier sur une caméra CCD. Un réseau blazé disperse la lumière à haute résolution ; une dispersion à plus basse résolution, réalisée à l'aide d'un prisme, permet de distinguer les ordres entre eux. Le détecteur enregistre le signal dans les ordres élevés : chacun porte l'information spectrale, à haute résolution, dans un domaine de couleur différent. L'ensemble des ordres ainsi collectés permet de reconstituer le spectre entier. Le réseau est blazé de façon à optimiser le rendement énergétique instrumental.
Crédit : ASM
Réseau blazé
reseaublaze.png
Profil d'un réseau blazé. Le profil en crête permet de réfléchir l'énergie dans un ordre d'interférence non nul.
Crédit : ASM

Du bon usage des progrès technologiques

Les spectromètres pour la haute résolution spectrale ne datent pas d'hier. Mais l'avènement des caméras CCD, qui permettent d'enregistrer un signal sur 2 dimensions, a renouvelé le principe instrumental de la spectrométrie à haute résolution, en ajoutant à la dispersion principale une dispersion croisée, qui permet l'enregistrement simultané de tout le domaine spectral sur une caméra CCD.

Un spectromètre à réseau disperse la lumière dans ses ordres élevés, et les différents ordres sont séparés par une dispersion croisée obtenue à plus basse résolution. L'avantage d'une telle instrumentation est d'aboutir à un enregistrement simultané de tout le spectre, comme p.ex. ce spectre solaire.

Le spectromètre HARPS
harps1.jpg
Le spectromètre HARPS (High Accuracy Radial velocity Planet Searcher) est dédié à la recherche d'exoplanètes, par la méthode de mesure des vitesses radiales.
Crédit : ESO/HARPS
Spectre obtenu par HARPS
spectreharps.png
Image d'un spectre-échelle à haute résolution spectrale obtenu avec une caméra CCD. Le spectre de l'étoile apparaît ici sous l'aspect de bandes sombres. L'étalonnage en longueur d'onde est apporté par les raies en émission d'une lampe spectrale (Thorium Argon), dont le spectre est intercalé avec celui de l'étoile, et enregistré simultanément.
Crédit : ESO/HARPS
harpsblaze.png
Spectre blazé obtenu avec le spectromètre Harps : la diffraction par chaque trait du réseau est responsable du profil d'étalement du flux.
Crédit : ESO/HARPS

Le spectromètre HARPS

Le spectromètre HARPS dédié à la recherche d'exoplanètes est à l'heure actuelle le meilleur instrument de sa catégorie. Il atteint la résolution \mathcal{R} = 120\,000, en proposant une excellente stabilité. Les mesures sont stables et reproductibles, sur une durée de plusieurs années, à mieux que le milliardième près. Les spectres de HARPS sont obtenus avec les différents ordres d'interférences repliés sur une image ; l'image, traitée, conduit au spectre.


Apprendre

definitionDéfinition

Spectrométrie : étude des spectres.

iso-saturne3.png
Spectre IR thermique de Saturne observé par le satellite ISO de l'Agence Spatiale Européenne, et interprétation des raies dues aux hydrocarbures présents dans la troposphère.
Crédit : ESA

Pourquoi la spectrométrie à haute résolution ?

Bien distinguer l'identité spectrale des photons permet de remonter à la nature des éléments construisant le rayonnement, par absorption ou par émission. La spectrométrie à haute résolution permet aussi, via l'analyse Doppler, des mesures très précises de vitesses radiales, comme p.ex. celles qui ont conduit à la découverte des planètes extrasolaires.

Comment ?

Parmi les disperseurs efficaces, l'instrumentation astrophysique s'appuie couramment sur les spectromètres à réseau ou par transformée de Fourier.


Simuler

Le principe

Le principe du spectromètre HARPS (ESO/Observatoire de Genève) est expliqué ci-joint.

Principe du spectromètre HARPS application.png


S'exercer

exerciceLe spectromètre HARPS

Difficulté : ☆☆☆   Temps : 45 min

Le spectromètre HARPS, mis en service au printemps 2003 à La Silla, l'un des sites chiliens de l'ESO, a pour but la recherche des exoplanètes. On se propose ici de retrouver quelques-unes des qualités qui lui permettent d'atteindre les objectifs scientifiques fixés.

Question 1)

Le spectromètre est installé derrière le télescope de 3.6 m de l'ESO. Sa pièce principale, le réseau, présente une hauteur h de 20 cm. Déterminer le grossissement G du montage afocal permettant un éclairement optimum du réseau, en supposant un faisceau non divergent.

Question 2)

Montrer qu'une déviation i_0 dans le champ objet se traduit par une variation G\ i_0 de l'angle dispersé.

Question 3)

Rappeler l'expression donnant les variations {\mathrm{d}} i' de l'angle de dispersion i' en fonction des variations de longueur d'onde {\mathrm{d}} \lambda, du pas p du réseau, et selon l'ordre d'interférence m.

Question 4)

On cherche à déterminer le champ objet maximal, qui permette d'atteindre un pouvoir de résolution \mathcal{R} = 120\,000. Montrer que cette performance nécessite un faisceau émergeant du spectromètre de taille angulaire limitée à

{\delta i'} \ = \ {m\over p}\ {\lambda \over \mathcal{R} } {1\over \cos i'}

et conclure. On fera l'application numérique avec les données :

p = 31.6 {\,\mu\mathrm{m}}, \tan i'=4 et un ordre d'interférence m=110 à \lambda = 0.5 {\,\mu\mathrm{m}} :

Question 5)

Justifier a posteriori l'hypothèse de non-divergence du faisceau. On pourra considérer un faisceau optique de longueur 8 m dans l'instrument.


Spectro-imagerie


Observer

Plusieurs techniques permettent de réaliser la spectro-imagerie, càd une information spectrales pour plusieurs objets, plusieurs points du champ ou bien tout un champ.

spectrofente.png
La fente sélectionne les objets du champ. La mosaïque CCD enregistre un spectre de chaque objet du champ.
Crédit : ASM

Spectrométrie à longue fente

La fente du spectromètre sélectionne les objets du champ. La dispersion, perpendiculaire à la fente, apporte un spectre pour chacun de ses objets .

Découpe d'image
decoupe.png
Le découpeur d'image permet, à partir d'une source étendue, d'illuminer la fente du spectromètre. Le champ entier est préservé, à un réarrangement près. Le découpeur correspond simplement à une collage de prismes, avec l'équivalent de 2 prismes croisés par tranche découpée. L'étape intermédiaire (avec les tiretés) a été représentée uniquement à des fins didactiques.
Crédit : ASM

Découpage d'image

L'image est optiquement découpée en tranches, afin de couvrir la fente d'entrée du spectro. L'analyse des images monochromatiques de la fente d'entrée permettra de reconstituer chacune des régions initiales.

anamorphose.png
Sélection des objets par le faisceau de fibres, et alimentation de la fente d'entrée.
Crédit : ASM
meduse.jpg
Une image intermédiaire est formée au niveau du système ici visualisé. Les têtes de fibre, chacune positionnable à l'extrémité d'un bras mobile, peuvent aller chercher le flux de tout point du champ. L'instrument doit également fonctionner en imageur, pour repérer très précisément au préalable les positions des objets sélectionnés.
Crédit : ESO
uves7galaxies.png
Les 7 cibles sélectionnés sont 7 galaxies d'un amas : les décalages des spectres donnent la dispersion des vitesses des différentes galaxies.
Crédit : ESO

Spectrométrie multi-objets

La fente du spectromètre est alimentée par un faisceau de fibres. Ces fibres sélectionnent les objets du champ à étudier, qui donc n'ont pas besoin d'être alignés.

Les champs sélectionnés peuvent être imagés sur un petit nombre de pixels à l'aide de galettes de microlentilles alimentant des fibres optiques.

spectroflames.jpg
Spectroscopie multi-objet avec l'instrument FLAMES au VLT.
Crédit : ESO
spectroflamesmicro.jpg
Concept optique pour la spectroscopie multi-objets : les 20 microlentilles irriguent 20 fibres optiques.
Crédit : ESO

Apprendre

definitionDéfinition

Spectro-imagerie : spectrométrie sur un champ non limité à un seul point source.

Spectrométrie à fente longue

La spectrométrie à fente longue a pour objet l'enregistrement simultané de spectres à basse résolution pour les différentes sources sélectionnées par la fente. Le flux issu de chaque sous-région de la fente est dispersé. La dispersion étant perpendiculaire à la fente, l'image bidimensionnelle finale résulte du produit de 2 dimensions : l'une est spectrale, l'autre est spatiale.

Spectrométrie multi-objets

La spectrométrie multi-objets réalise l'enregistrement simultané de spectres à basse résolution pour plusieurs régions d'une image. Les flux de ces régions sont collectés via des fibres, qui organisent une anamorphose de l'image. En entrée, les sources sont réparties indifféremment dans le champ ; en sortie, leurs images par les fibres, sources pour le spectromètre, sont alignées le long de la fente.

Le flux issu de chaque fibre est dispersé. Comme pour la spectrométrie à fente longue, l'image bidimensionnelle finale résulte du produit de 2 dimensions : l'une spectrale, l'autre spatiale. Mais la correspondance entre les pixels et le champ est à considérer selon l'anamorphose effectuée.

Par rapport à la spectrométrie à longue fente, la souplesse des fibres permet de sélectionner plus pertinemment les sources.

Spectrométrie intégrale de champ

La spectrométrie intégrale de champ propose l'enregistrement simultané de spectres à basse résolution de tout un champ objet. L'objet est découpé en un certain nombre de régions, chacune étant alors considérée comme une source ponctuelle, ensuite dispersée.

L'espace entre les images de chacune de ces sources ponctuelles est suffisant pour permettre d'enregistrer, pour chacune, un spectre à basse résolution.


Simuler

Spectrométrie multi-objets

La fente du spectromètre UVES de l'ESO, fonctionnant en spectrométrie multi-objets, est illuminée par 8 fibres. Sept d'entre elles visent 7 cibles, la 8ème est réservée à la référence spectrale (une lampe à vapeur spectrale, dont on voit les raies en émission).

Spectrométrie multi-objets application.png

Spectrométrie intégrale de champ application.png

Spectrométrie intégrale de champ

La résolution spatiale est dégradée, pour permettre l'enregistrement de spectre sur une grille de régions du champ. Le réseau de microlentilles découpe le faisceau, et crée autant d'images ponctuelles qu'il y a de microlentilles. Ces images ponctuelles sont ensuite autant de sources pour un spectrographe. On récupère en sortie un spectre de résolution moyenne pour chaque région de l'objet découpée par la microlentille (cf instrument CFHT/Observatoire de Lyon).


S'exercer

exerciceSpectrométrie intégrale de champ : résolutions spatiale et spectrale

Difficulté : ☆☆   Temps : 20 min

Cet exercice a pour but d'estimer l'ordre de grandeur des performances d'un spectromètre intégral de champ, qui donne des images sur un CCD de 2k \times 2k (2000 fois 2000 pixels). On note \mathcal{R} le pouvoir de résolution spectrale visé, \mathcal{N} _{\mathrm{spec}} le nombre d'éléments spectraux correspondant, \mathcal{N} _{\mathrm{spa}} le nombre d'informations spatiales souhaité.

Question 1)

Montrer que, si l'intervalle spectral est large, alors en ordre de grandeur \mathcal{N} _{\mathrm{spec}} \simeq \mathcal{R}. On se place par la suite dans le cadre de cette hypothèse.

Question 2)

Montrer que le produit \mathcal{N} _{\mathrm{spa}} \mathcal{R} est nécessairement borné.

Question 3)

On considère pour la suite qu'entre le codage, l'étalonnage, la séparation des spectres..., une information élémentaire nécessite 20 pixels. On souhaite une résolution spectrale de 200. En déduire le nombre d'informations spatiales maximal.


Interférométrie


Observer

Antenne millimétrique
irambure.jpginterfbure.jpg
Réseau des 6 antennes millimétriques de l'observatoire du Pic de Bure de l'IRAM. L'extension maximale de l'interféromètre atteint 408 m sur la branche Est-Ouest, et 232 m en Nord-Sud.
Crédit : IRAM
VLA
vla2nrao.jpg
Réseau d'antenne VLA (Very Large Array) du NRAO (National Radio Astronomy Observatory), travaillant aux longueurs d'onde de 1.2, 2, 6 et 21 cm. 27 antennes sont disposées sur 3 branches en Y, s'étendant sur 19 \times 21 km
Crédit : NRAO

Dans les domaines radio et submillimétrique

Aux grandes longueurs d'onde, submillimétriques ou radio, les techniques interférométriques s'imposent pour un gain en résolution angulaire (voir l'exercice correspondant).

resolution.jpg
Séquence illustrant le gain en résolution spatiale entre une image non corrigée par optique adaptative, corrigée, ou enregistrée en mode interférométrique.
Crédit : ESO/Max Planck Society
vlti.jpg
Les 4 télescopes du VLT. La configuration VLTI, interférométrique, s'obtient en recombinant les faisceaux via les galeries enterrées qui apparaissent sur la photo.
Crédit : ESO
Ligne à retard du VLTI
vltidelay.jpg
Le faisceau issu du collecteur le plus proche de la source doit être rallongé, pour interférer avec l'autre faisceau à différence de marche quasi-nulle. Cela nécessite des lignes à retard de grande longueur (extension maximale de 60 m, pour un retard double après un aller-retour), dans le tunnel interférométrique.
Crédit : ESO
rayonstel.png
Schéma à l'échelle du rayon de différentes étoiles naines de la séquence principale. Rayons mesurés avec le VLTI.
Crédit : ASM

Le VLTI

On nomme VLTI la configuration interférométrique des télescopes du VLT. La longueur de cohérence pour une source astronomique étant limitée, l'obtention de franges d'interférence nécessite des lignes à retard pour mélanger les faisceaux des différents collecteurs. Une des premières opérations du VLTI a consisté en la mesure de diamètres stellaires d'étoiles de la séquence principale. La mesure de ces diamètres angulaires est impossible sans la haute résolution apportée par l'interférométrie.

frangesmidi.png
Enregistrement de franges d'interférence. La cohérence spatiale est limitée par la taille angulaire de la source.
Crédit : ESO
coherencealphaboo.png
La mesure du diamètre angulaire de l'étoile \alpha du Bouvier (Arcturus) résulte de la visibilité des franges d'interférence obtenues par interférométrie.
Crédit : ESO

Interférométrie visible : principe

Les mesures effectuées sont des mesures de visibilité de franges d'interférence. Plus la source est étendue, moins la visibilité des franges est marquée.


Apprendre

objectifsObjectifs

Augmenter la résolution angulaire, ultimement limitée par la diffraction d'un collecteur, en faisant interférer les faisceaux de plusieurs collecteurs.

prerequisPrérequis

Diffraction, interférence ; la notion de cohérence spatiale est nécessaire pour justifier les techniques d'interférométrie.

Recombinaison
diffracinterf2.png
La tache de diffraction d'un seul télescope de diamètre collecteur a est en 1/a ; la tache image résultant de l'interférence sur la base b est en 1/b.
Crédit : ASM
Configuration de Fizeau
fizeau.png
Interféromètre dans la configuration de Fizeau. Les différentes surfaces collectrices sont des sous-parties d'une unique surface. Les faisceau convergent en phase au foyer commun.
Crédit : ASM
Configuration de Michelson
michelson.png
Interféromètre dans la configuration de Michelson. Une ligne à retard doit assurer le cophasage des faisceaux recombinés.
Crédit : ASM

Le principe

Les faisceaux issus de 2 collecteurs pointant le même objet sont recombinés, de manière cohérente, pour interférer.

definitionDéfinition

La ligne de base entre 2 collecteurs étant notée b, la résolution angulaire de la tache image des faisceaux interférant à la longueur d'onde \lambda vaut \lambda /b.

Exemple de valeur numérique : dans le proche infrarouge, pour une base de 100 m : \lambda / b = 10^{-6}/100 = 10^{-8} {\,\mathrm{rad}} = 0.002".

Exemple de recombinaison : interféromètre de type Michelson, ou bien Fizeau. Dans ce dernier cas, les surfaces collectrices sont des éléments disjoints d'une surface collectrice unique.

Vers la haute résolution angulaire

L'interférométrie s'est développée dans un premier temps dans le domaine radio. Dans ce domaine de fréquence, la détection cohérente permet une recombinaison du signal plus aisément qu'aux fréquences optiques. La phase du signal étant enregistrée, cette recombinaison n'a même pas à être nécessairement menée en temps réel. L'interférométrie dans le domaine des grandes longueurs d'onde apparaît par ailleurs le plus souvent indispensable, la taille de la tache de diffraction dans ce domaine conduisant, malgré les grands diamètres collecteurs, à une résolution angulaire médiocre. L'interférométrie est aujourd'hui développée jusque dans le domaine visible : en l'absence de pupille de grande taille, c'est la seule technique donnant accès à la haute résolution angulaire.

Technique d'observation

On s'intéresse aux interférences construites entre paires de collecteurs. Le problème se ramène à une situation de type trous d'Young, avec l'analogie entre les trous d'Young et les collecteurs.

La longueur de cohérence du faisceau stellaire est limitée. Réaliser des interférences ne se limite pas à une sommation des intensités lumineuses : observer des franges d'interférence nécessite d'égaler les chemins optiques des 2 voies à quelques longueurs d'onde près avant leur recombinaison. Des lignes à retard optiques permettent de réaliser ceci.

De la même façon que le paramètre pertinent pour visualiser les franges d'interférences issus des trous d'Young est l'écart angulaire u par rapport à l'image géométrique, il est utile de faire la correspondance entre la projection des lignes de bases de l'interféromètre, projetées sur le plan d'onde. Une configuration donnée, à une date donnée, va conduire à la mesure de la visibilité des franges d'interférences pour un vecteur angulaire donné (u, v).

La courbe de visibilité dépend de la taille angulaire de la source, dès lors que celle-ci est résolue par l'interféromètre. Plus la source sera étendue, plus les franges d'interférence apparaîtront brouillées dès lors que l'on s'éloigne angulairement de la direction de l'optique géométrique.


Simuler

Base

La ligne de base correspond à la projection sur le plan du ciel, donc orthogonale à la ligne de visée, de la position des télescopes. Du fait de la rotation de la Terre, elle varie au cours de l'observation.

planuv4.gif
La ligne de base, en rouge, varie en cours de la nuit. Le trajet supplémentaire de la lumière sur l'un des voies est à compenser par une ligne à retard.
Crédit : ASM

Synthèse d'ouverture

Les animations ci-jointes montrent comment évoluent, au cours d'une séquence d'observation, les lignes de base d'un site avec 3 télescopes interférant, avec les fréquences spatiales sur le plan du ciel.

Si l'objet ne varie pas rapidement dans le temps, il est possible de prendre le temps de nombreuses configurations interférométriques, au besoin avec des changements de positions des télescopes (lorsque cela est possible), pour reconstituer suffisamment de fréquences spatiales et imager en détail l'objet.

planuv2.gif
Au cours d'une nuit d'observation, une source donnée voit le plan de 3 télescopes d'un interféromètre sous un angle variable. A 3, ils construisent 2 lignes de base indépendantes, et donnent accès à 2 fréquences spatiales différentes (croix orange).
Crédit : ASM

S'exercer

qcmQCM

1)  Que vaut le diamètre angulaire de l'étoile \alpha-Cen, située à 4.2 AL du Soleil, de rayon linéaire voisin de celui du soleil (750 000 km)?



2)  Quelle base b est nécessaire pour mesurer le diamètre d'une étoile de type analogue à \alpha-Cen mais située à 10 pc, en faisant la mesure à une longueur d'onde de 1 micron ?



3)  La résolution maximale d'un interféromètre constitué de 2 collecteurs de diamètre D sur une base b est définie par :



4)  Le champ de vue du même interféromètre dépend de :



exerciceL'interféromètre du plateau de Bure

Difficulté :    Temps : 10 min

Les antennes de l'IRAM du plateau de Bure ont un diamètre de 15 m.

Question 1)

Déterminer la tache d'Airy, pour une observation menée à 230 GHz.

Question 2)

Que devient cette résolution pour une observation interférométrique avec une ligne de base de 400 m ? Déterminer le gain en éléments de résolution sur un objet.


Observatoire virtuel


Observer

vizircatalogue.jpg
Carte du ciel en coordonnées galactiques, avec représentation de la densité des régions les plus étudiées et accessible dans le catalogue Vizir tenu par le Centre de Données Stellaires de l'Observatoire de Strasbourg.
Crédit : CDS

Catalogues

Les différents programmes d'observations des différents télescopes ont conduit à l'accumulation de très nombreuses données, compilées dans de non moins nombreux catalogues. Aujourd'hui, soit ces catalogues sont devenus obsolètes, soit ils sont accessibles en ligne pour être accessibles, pour profiter à la plus large communauté, pour être intercroisés avec d'autres observations...

archivesn.jpg
C'est par comparaison avec une image d'archive que peut être mis en évidence un événement tel une supernova.
Crédit : ESO

Exemple d'intérêt : archive

Un intérêt majeur d'un observatoire virtuel consiste à fournir des archives, p.ex. pour détecter un phénomène nouveau, tel l'apparition d'une supernova.

m20cds.jpg
Aperçu d'un outil permettant de comparer des clichés dûment catalogués d'un même objet à différentes longueurs d'onde.
Crédit : CDS

Exemple d'intérêt : analyse multispectrale

Approche multispectrale de M20 proposée par le Centre de Données Stellaires de l'Observatoire de Strasbourg. Les outils permettent de retrouver des informations, les comparer...


Apprendre

definitionDéfinition

Un observatoire virtuel correspond à un centre de données, donnant accès à des observations passées classées, archivées, ainsi que des outils spécifiquement développés pour travailler ces observations.

simbad1.png
Une page, parmi tant d'autres, de la base de donnée SIMBAD. Renseignements sur une cible donnée : coordonnées, articles de référence, et liens vers ses multiples dénominations, différant les unes des autres selon le catalogue d'observation.
Crédit : CDS

Base de données

Les évolutions technologies ne permettent pas seulement d'avoir des instruments plus performants, pilotés par des interfaces efficaces. Elles ouvrent aussi la possibilité de mettre à la disposition de la communauté des chercheurs les observations menées par les différents programmes.

Les bases de données classent et organisent dans des formats facilement portables les résultats obtenus par les grands observatoires, leurs programmes majeurs d'atlas et d'observation de régions précises, les missions spatiales...

Vers les observatoires virtuels

Un observatoire virtuel, c'est une base de données suffisamment bien achalandée, organisée et agencée pour permettre non de réaliser une observation, mais d'accéder à des observations passées susceptibles de fournir les renseignements cherchés.

Un observatoire virtuel doit ainsi permettre :

Pour en savoir plus, voir p.ex. le site du Centre de Données astronomiques de Strasbourg (CDS).


Conclusion

Cette section a exposé les principales mises en forme du signal astronomique. Chacune correspond à une instrumentation spécifique.

Une bonne part de la recherche astrophysique concerne le développement d'instruments encore plus puissants, efficaces, sensibles, précis, stables... sachant qu'il est impossible de tout faire simultanément.

amber.jpg
Instrument AMBER, spectromètre du VLTI observant dans le proche infrarouge avec un pouvoir de résolution pouvant monter jusqu'à 10 000.
Crédit : ESO

Détecter le signal

Auteur: B. Mosser

Introduction

Plus de dix ordres de grandeurs séparent les énergies des photons \gamma à radio auxquels s'intéressent les astrophysiciens. Les techniques de détection, tout comme les détecteurs, sont évidemment bien différentes selon le domaine spectral.

Cette section présente des caractéristiques générales, et explore préférentiellement le domaine spectral visible ainsi que les domaines proches du visibles où les détecteurs présentent des propriétés semblables.

Une section est spécialement dédiée aux détecteurs CCD et aux observations avec une caméra CCD. Une autre s'intéresse aux observations dans l'infrarouge thermique.

ccdcfh12k.jpg
Fragment d'image, brute, obtenue par la caméra CFH12k du télescope CFH
Crédit : CFHT

Propriétés générales


Observer

Réponse spectrale

La réponse spectrale d'un détecteur indique son rendement en fonction de la longueur d'onde. Sans l'instrumentation appropriée, un détecteur ne fournit pas d'information sur la couleur précise d'un photon détecté.

transmisccd.png
Réponse spectrale d'un CCD éclairé par l'arrière. Un tel détecteur ne voit ni les photons UV ni les photons IR. Il n'est pas non plus capable de distinguer un photon rouge d'un photon bleu s'il n'est pas précédé de l'instrumentation appropriée (filtre ou spectrographe).
Crédit : ASM

Pixels

La taille et le nombre des pixels est un paramètre important. Une photodiode est monopixel ; les mosaïque CCD pour l'astronomie peuvent compter jusqu'à 2k \times 4k pixels, les plus grands CCD actuels (2003) atteignant la taille 8k \times 8k pixels.

pixelseeing07ascfh12k.jpg
La résolution atteinte sur cet objet du voisinage de NGC3486, observé en bande B et I dans des conditions de seeing de 0.7", met clairement en évidence la pixélisation de la caméra grand champ.
Crédit : CFHT

Saturation

Exemple de détecteur saturé, en raison d'une trop grande dynamique entre les signaux à enregistrer. La saturation conduit à élargir démesurément la tache image, car les trop nombreux photo-électrons ont débordé du puits de potentiel où ils auraient dû être stockés.

gl229b.jpg
Système binaire Gliese 229. La composante Gb299A est totalement saturée, pour mettre en évidence le compagnon Gl229B, de masse substellaire, qui est une naine brune.
Crédit : HST

Apprendre

Propriétés d'un détecteur

On peut synthétiser les propriétés d'un détecteur selon différentes caractéristiques, chacune associée à une dimension physique particulière.

Les principales caractéristiques sont traitées avec plus de détail dans des pages dédiées.


Simuler

Caractéristiques

Exemple de caractéristiques d'un détecteur : mosaïque de la caméra CFH12k du télescope CFH.

application.png


Phénomène physique de détection


Apprendre

objectifsObjectifs

Retenir qu'un détecteur quantique voit les photons h\nu alors qu'un détecteur cohérent voir le champ électromagnétique, \mathbf{E} ou \mathbf{B}.

Détecteurs

On peut distinguer 3 grands type de détection :


S'exercer

exercicePrincipe de la détection hétérodyne

Difficulté :    Temps : 15 min

La détection hétérodyne compare le signal scientifique à un signal de référence délivré par un oscillateur local à haute fréquence. On note \omega la pulsation du signal scientifique, et \omega_0 celle de la référence, cette dernière étant voisine de \omega.

Question 1)

Un mélangeur fournit le signal produit des signaux observé et de référence. Montrer que ce signal est composé de 2 fréquences bien distinctes.

Question 2)

On applique au signal un filtre passe-bas, pour éliminer les hautes fréquences. Montrer l'intérêt du mélange des signaux.


Détection quantique


Apprendre

objectifsObjectifs

Illustrer comment l'interaction matière-rayonnement permet de transférer l'information utile d'un photon à un photo-électron.

Photo-électron

L'absorption d'un photon permet à un électron du détecteur de changer d'état. Cette création d'un photo-électron par absorption d'un photon caractérise les détecteurs quantiques.

Du signal lumineux au signal enregistrable

La conversion photon + électron \to photo-électron s'appuie sur différents effets.

Effet Description Récepteur
Effet photochimique Changement d'état chimiquePlaques photo, plus guère employées aujourd'hui. Les photo-électrons activés par le rayonnement réduisent les ions Ag+ en argent métallique.
Effet photoélectriqueExtraction d'un électron d'un métal vers le vide Phototube, photomultiplicateur
Effet photoconducteurAu sein d'un semi-conducteur, l'absorption d'un photon permet à un électron de franchir le gap de la bande de valence vers la bande de conduction Photodiode
Effet photovoltaïqueEffet photoconducteur dans une jonction PN. Un photon crée une paire électron-trou, qui se traduit pas une différence de potentiel aux bornes de la jonction ; IR lointain \to radio

Rendement quantique

La probabilité \eta de création d'un photoélectron, souvent appelée rendement quantique, dépend de différents paramètres, et varie fortement avec la longueur d'onde :

\eta (\lambda) \ = \ (1-r) \ \varepsilon\ \bigl[1-\exp(-\alpha_\lambda \ell)\bigr]

Avec les définitions suivantes :

r coefficient de réflexion à la surface du détecteur ; les photons réfléchis, repartant vers la source, ne risquent pas de créer un photo-électron
\varepsilon fraction de porteurs de charge participant au courant mesuré
\alpha_\lambda coefficient d'absorption du matériau : un détecteur se doit d'être absorbant.
\ell épaisseur du détecteur ; plus le produit \alpha_\lambda\ell augmente, plus la probabilité d'absorption d'un photon est grande

S'exercer

qcmQCM

1)  La surface d'un bon détecteur se caractérise par un coefficient de réflexion



2)  Un bon détecteur se caractérise par une fraction de porteur de charge participant au courant mesuré



3)  Un bon détecteur se caractérise par un coefficient d'absorption




Détection : dynamique


Observer

Linéarité

On demande à une mesure physique de fournir une mesure en liaison avec l'observable voulue. Une propriété importante est la linéarité : si elle n'est pas assurée, la relation entre le signal mesuré et le signal observé est complexe.

courbelinearite.png
Courbe de linéarité typique d'une caméra CCD. Ici, la linéarité est assurée d'environ 500 à 25000 ADU (unités de signal numérisé), puis le détecteur sature.
Crédit : CFHT

Seuil et saturation

L'effet de seuil peut introduire un décalage sur une faible mesure. Le niveau de signal doit être suffisant pour sortir du bruit propre du détecteur. A faible niveau, la définition du signal nul (offset) peut également affecter le signal. La saturation affecte les fortes valeurs de signal.

seuil.png
L'excitation est en abscisse, la réponse en ordonnée (échelle log-log). La ligne tiretée en bleu donne une réponse idéale, identique à l'excitation, sans seuil ni saturation, de rendement unité. En deçà du seuil, la réponse d'un détecteur réel est mauvaise ; au-delà d'une certaine valeur, le détecteur sature. Noter que le rendement n'est pas 1.
Crédit : ASM


Apprendre

objectifsObjectifs

Un bon détecteur est linéaire sur une grande dynamique, et propose un seuil de sensibilité bas.

Seuil de sensibilité

Un récepteur sera d'autant plus sensible que... son seuil de sensibilité est bas. Ceci nécessite le plus souvent son refroidissement, afin de diminuer le bruit d'agitation thermique.

Linéarité

La linéarité assure une réponse proportionnelle au signal incident.

C'est une propriété importante pour convertir une observable en mesure. Si le détecteur est linéaire, il est possible par un simple facteur d'échelle de convertir le signal électrique enregistré en signal photométrique.

Saturation

La saturation limite le flux maximum observable. Un niveau de saturation élevé assure une grande dynamique.


Réponse spectrale


Observer

Réponse spectrale d'un CCD

La réponse spectrale d'un CCD dépend du matériau semi-conducteur utilisé et des caractéristiques géométriques du sandwich de détection.

spectralresponse.png
Réponse spectrale d'un CCD, selon le traitement de surface (=coating), optimisé vers l'IR, l'UV, ou bien plus une plus grande bande spectrale visible. CCD30-11 de Marconi Applied Technologies
Crédit : Marconi

Réponse spectrale d'un bolomètre pour la radioastronomie

Un bolomètre ne discrimine pas les longueurs d'onde... mais cela ne signifie pas qu'il est également sensible à toutes les longueurs d'onde. Le signal délivré est en fait intégré selon une fenêtre spectrale donnée.

mambo.png
Courbe de réponse spectrale de l'instrument Mambo de l'IRAM (Max Planck Millimetre Bolometer).
Crédit : IRAM

Apprendre

Sensibilité spectrale

Un détecteur n'est sensible que dans une gamme spectrale donnée. Il n'a en général aucune sélectivité spectrale intrinsèque, sauf s'il est muni de filtre adéquat.

Résolution spectrale

De ce qui précède, on déduit que la résolution spectrale dépend essentiellement des filtres ou de l'instrumentation associés au détecteur.


Réponse temporelle


Observer

temporelle.png
Fréquence de lecture d'une caméra CCD. Plus elle est rapide, plus le bruit de lecture augmente.
Crédit : ANDOR technologies

Réponse temporelle

La rapidité de lecture d'un CCD dépend de la fréquence d'horloge de l'électronique et du nombre de pixel. Le fait de n'avoir qu'un nombre de registre de lecture limité (1 à 4 typiquement) ralentit considérablement la réponse temporelle d'un détecteur composé de millions de pixels.

shutter.jpg
Obturateur géant (1 m) de la caméra Megacam du CFHT.
Crédit : CEA/CFHT

Obturateur

Un obturateur mécanique est souvent nécessaire pour stopper l'arrivée des photons durant le temps de lecture de la caméra. Dans certains cas, cet élément peut limiter la cadence d'observation.

occultationsat.png
La réponse temporelle devient un paramètre important pour l'observation d'un phénomène rapidement variable. Ici : occultation d'une étoile brillante par Saturne.
Crédit : NASA/IRTF
sevenpulsars.pngm1pulsaronoff.png
Variations temporelles d'un signal émis par un pulsar. Echantillonner un signal très rapide est souvent orthogonal aux capacités d'imagerie : le détecteur le plus rapide sera mono-pixel.
Crédit : NASA/CGRO (Compton Gamma Ray Observatory)

De la nécessité d'observer avec une bonne cadence

L'observation astronomique se caractérise souvent par des poses très longues, nécessaires pour l'obtention d'un signal intrinsèquement très faible. Mais il est aussi utile de pouvoir compter sur des détecteurs rapides. La réponse temporelle prend son importance pour l'observation d'un phénomène périodique rapide, comme p.ex. le clignotement d'un pulsar, ou pour un phénomène transitoire, tel une occultation stellaire.


Apprendre

Temps de réponse, temps de lecture

Un détecteur a un temps de réponse, propre ou dépendant de l'électronique de contrôle et de lecture, qui n'est pas infiniment bref. Par exemple, un bolomètre, qui convertit l'énergie des photons en échauffement, ne peut pas réponde instantanément. De même que la lecture d'une matrice CCD de plusieurs millions de pixels ne peut pas être instantanée, mais prendra jusqu'à une minute.

Il s'ensuit que le signal d'un détecteur est échantillonné dans le temps.

Filtrage

De ce qui précède, on en déduit qu'un détecteur fonctionne comme un filtre passe-bas : les hautes fréquences temporelles sont filtrées.

Pose longue ou échantillonnage rapide

Certains phénomènes astronomiques présentent de rapides variations temporelles, soit parce qu'intrinsèquement variables, soit parce que correspondant à un phénomène transitoire. L'observation de tels phénomènes demande un temps de réponse rapide, et donc une stratégie de détection appropriée.


S'exercer

exerciceTemps de réponse

Difficulté :    Temps : 10 min

Une observation astérosismique avec le spectromètre HARPS nécessite la lecture d'une caméra de 2k×4k. Par ailleurs, l'échantillonnage du signal temporel nécessite l'acquisition d'une image par minute.

Question 1)

Déterminer le temps de pose en fonction de la magnitude, sachant que le détecteur sature à partir de 10^5 photo-électrons par pixel, est que cette saturation est atteinte en environ 1 s pour une étoile de magnitude 0.

Question 2)

Le temps de lecture de la caméra est de 20 s. Pour quelle magnitude minimale l'observation reste-t-elle pertinente, avec au-moins la moitié du temps passée sur la source et non à lire la caméra ?

Question 3)

L'observation demande un échantillonnage plus rapide que 3 minutes. Montrer qu'une cible peu brillante ne sera pas observée dans de bonnes conditions. Estimer la limite en magnitude dans le cas où l'on accepte de remplir les pixels à 1/10 de la valeur optimale.


Géométrie des détecteurs


Observer

Format

Les CCD actuels pour l'astronomie ont des tailles limitées à 2k\times4k. Pour augmenter la capacité de détection, on pave le plan focal de plusieurs détecteurs, comme par exemple pour la caméra MEGACAM du télescope CFH mise en service à l'été 2003.

megacam-cryo.jpg
Les 40 CCD de la caméra MEGACAM du télescope CFH.
Crédit : CFHT

Apprendre

Pixel

definitionDéfinition

Un pixel, pour picture element, est un élément d'image. Par extension, un pixel d'une caméra CCD correspond à l'entité physique qui aboutit à un élément d'image.

Le nombre de pixels court de 1 à plusieurs millions ; on note couramment 1 kpx = 1000 px.

Format

Les caméras actuelles ont typiquement des formats de 256 \times 256 px (dans l'infrarouge thermique) à 2k \times 4k pixels (dans le visible).

Le format est la seule caractéristique où la détection par plaque photographique fut plus performante. Les détecteurs de type CCD comptent un nombre de pixels bien inférieur à celui atteint par les plus grandes plaques photos.


S'exercer

exerciceProjet MEGACAM du télescope CFH

Difficulté :    Temps : 10 min

megacam-flat.jpg
Champ plat des 40 CCD de la caméra MEGACAM du CFH
Crédit : CFHT

La caméra MEGACAM du télescope CFH, mise en service à l'été 2003, comprend 40 mosaïques CCD, de 2k \times 4.5k pixels. L'information d'un pixel est codé sur 16 bits. Le temps de lecture d'une image totale est de 30 secondes.

Question 1)

Les 36 CCD centraux, couvrent une surface carrée de 0.94 degré par 0.94 degré. Déterminer le champ de vue d'un pixel.

Question 2)

Déterminer la capacité de stockage nécessaire pour 1 champ observé en 3 couleurs.

Question 3)

Une nuit moyenne aboutit à une dizaine de champs, chacun pris dans 3 filtres. A raison de 100 nuits d'observation par an, déterminer le volume de données au bout de 5 années de fonctionnement.


Bruits de détection


Observer

quantif.png
Signal analogique et numérisé sur 8 bits (64 valeurs possibles). La différence entre les valeurs réelles et codées introduit un bruit de numérisation.
Crédit : ASM

Bruit de numérisation

Le simple fait de numériser un signal analogique, càd de le coder sur une échelle de valeurs discrétisée (typiquement, sur n bits, ce qui permet de coder 2^n valeurs), peut rajouter du bruit au signal.

darkcurrent.png
Le signal d'obscurité est un bruit d'origine thermique. Données pour une caméra CCD, en fontions de la température. A -15 deg, 1 électron thermique est généré par pixel par seconde ; à -65 deg, il faut attendre 1000 s pour qu'un moyenne un électron thermique apparaisse par pixel.
Crédit : ANDOR

Bruit d'origine thermique

La température du détecteur conditionne le signal d'obscurité d'un détecteur. Suite à l'agitation thermique, des porteurs de charge apparaissent aléatoirement, d'autant plus que la température est élevée.

ngc7782.png
Bruit de fond
Crédit : ESO

Bruit de fond

Le bruit de fond représente le bruit de photons de la lumière parasite.


Apprendre

objectifsObjectifs

Apprendre à distinguer un signal d'un bruit.

Plusieurs pages sont spécifiquement dédiées au bruit dans la section Analyser le signal : (bruit gaussien, bruit de photons, rapport signal à bruit...)

Signaux parasites et bruits

Au signal scientifique se superposent des signaux parasites et des bruits. Un bruit sera caractérisé par son caractère aléatoire, et les propriétés statistiques correspondantes.

Un signal parasite possède, comme son nom l'indique, les propriétés d'un signal et non celles d'un bruit.

Bruit quantique

La nature du rayonnement, quantique par excellence, montre le hiatus à décrire une intensité lumineuse par une quantité analogique, alors que les porteurs de ce rayonnement sont quantifiés.

On montre que la statistique d'arrivée des photons est poissonnienne. Lorsque l'on attend N= E/h\nu photons, la valeur moyenne observée est N et la fluctuation \sqrt{N} autour de cette valeur moyenne. Il s'ensuit un rapport signal à bruit déterminé par le flux de photons égal à :

\mathrm{rsb}\ = \ {N\over \sqrt N}\ =\ \sqrt{N}

En électronique, on parle de bruit de grenaille, et de bruit de photons en optique.

Bruit de fond

Le bruit de fond représente le bruit de photons de la lumière parasite qui se superpose au signal scientifique. Comme le bruit quantique, il est lié aux sources (ici parasites) et non au détecteur. Dans l'infrarouge, il est dominé par l'environnement chaud que voit le détecteur.

Bruit thermique

Le bruit thermique provient de l'agitation thermique des porteurs de charge du détecteur. Il est à moyenne nulle, son écart-type augmente avec la température.

Ce bruit, comme les suivants, dépend du détecteur et de la chaîne de détection.

Bruit de lecture

Le processus de lecture contribue au bruit de lecture, par exemple dans un CCD lorsque les photo-électrons sont transférés le long d'une colonne vers un registre de lecture. On quantifie le bruit de lecture par son écart-type en nombre de photoélectrons par pixel. Une valeur typique de \sigma _{\mathrm{lec}} est de l'ordre de quelques photo-électrons par pixel

Bruit d'amplification

L'électronique d'amplification introduit un gain G, dont la valeur n'est pas fixe mais sujette à différents bruits.

Bruit de quantification

Le signal analogique est finalement converti en signal numérique, codé sur n éléments d'information (bit), ce qui permet uniquement 2^n valeurs de codage.

Un signal évoluant sur une plage de 0 à I _{\mathrm{max}} présentera, de par le codage sur n éléments d'information, une résolution minimale de I _{\mathrm{max}}/2^n.


S'exercer

exerciceNumérisation

Difficulté :    Temps : 15 min

On souhaite numériser le signal photométrique d'un détecteur dédié à une étude de la microvariabilité. Ce signal est composé d'un fort continu, de diverses modulations et bruit, et du signal scientifique. Les amplitudes respectives sont données dans le tableau ci-dessous.

continu 10^6
variations 10^3
microvariabilité 10^{-1} \to 1
Question 1)

Sans traitement préalable, sur combien de bits faut-il coder le signal afin de ne pas introduire de bruit lors de cette opération (si besoin, voir les pages sur l'échantillonnage d'un signal) ?

Question 2)

Même question, après filtrage permettant de séparer les composantes continue et lentement variable d'une part, et la microvariabilité se distinguant du fond variable de l'autre.


Rendement de la chaîne de détection


Observer

Diverses contributions au rendement

Lorsque l'on décompte toutes les pertes de transmission des différents éléments d'une chaîne instrumentale, on s'aperçoit que le rendement final n'est pas nécessairement bon. Pour 100 photons collectables au sommet de l'atmosphère, la plupart des instruments ne travailleront finalement qu'avec une poignée de photoélectrons.

transmis.png
Transmissions des différentes contributions d'une chaîne instrumentale : l'atmosphère (au niveau de la mer, pour une observation au zénith), du télescope, de l'instrument, du détecteur CCD, et finalement transmission totale.
Crédit : ASM

Choix d'un site

On peut considérer comme partie intégrante du rendement celui de la couverture temporelle durant laquelle la météo est favorable. L'image satellite illustre le fait que le Chili offre de bien meilleurs sites d'observations que l'Argentine, avec un ciel parfaitement dégagé.

meteochili.jpg
Image satellite de l'Amérique du Sud, dans la fenêtre à 10 micromètres, sensible à la couverture nuageuse. Les courants froids du Pacifique Sud sont responsables du faible taux moyen d'humidité au Chili. Les bons sites comme dans la Cordillère des Andes au Chili offrent plus de 300 nuits claires par an.
Crédit : GEOS

Apprendre

Rendement de la chaîne de détection

Lorsque les photons sont rares, pour des sources faiblement lumineuses, il faut viser l'efficacité lors de chacune des étapes participant à la chaîne de mesure, et ce bien avant le détecteur.

Transmissions

Valeurs typiques de transmission de différentes composantes d'une chaîne de mesure
atmosphère 60 à 80%, dépend de la masse d'air (mesure la quantité d'atmosphère traversée, càd 1/\sin h, avec h la hauteur sur l'horizon de l'objet visé)
miroirjusqu'à 99%, en fonction du traitement réfléchissant de surface
fibre de l'ordre de 80%
dioptreune réflexion verre-air a un coefficient de transmission typiquement de 96%. Un traitement antireflet permet d'accroître ce coefficient jusque vers 99%

S'exercer

qcmQCM

1)  Que vaut la transmission d'un train optique avec 4 lentilles, chaque dioptre ayant une transmission de 96%.



2)  Même question, avec un traitement antireflet donnant une transmission de 99% pour chaque dioptre.




S'évaluer

exerciceDe l'intérêt d'un traitement de surface

Difficulté :    Temps : 5 min

Question 1)

Un instrument comprend en tout 10 lentilles. Sans traitement antireflet, chaque dioptre a une transmission de 96%. Déterminer la transmission globale.

[2 points]

Question 2)

Un traitement antireflet permet de porter le coefficient de transmission à 99%. Que devient la transmission globale ?

[1 points]

Question 3)

Conclure.

[1 points]

exerciceTransmission atmosphérique

Difficulté :    Temps : 15 min

Les données de l'appliquette ci-jointe montrent l'évolution de la transmission atmosphérique avec la longueur dans le domaine visible, pour 2 altitudes d'observation : au niveau de la mer et au sommet du Mauna Kea (Hawaï, 4200 m d'altitude).

application.png

Question 1)

Tracer, pour les 2 altitudes d'observation, les transmissions en fonction de la longueur d'onde, et commenter l'allure des courbes.

[2 points]

Question 2)

La relation de l'extinction avec la masse d'air de l'objet visé 1/\cos\theta, l'angle \theta mesurant la distance angulaire entre le zénith et la direction de visée, est de la forme :

{\cal A} (\theta) = {{\cal A} (0) \over \cos \theta}

Commenter et justifier cette relation.

[1 points]

Question 3)

Montrer, en calculant l'extinction au CFH, que la courbe d'extinction est compatible avec la diffusion Rayleigh, qui varie comme l'inverse de la puissance quatrième de la longueur d'onde

[1 points]


Conclusion

Pour en savoir plus sur les thématiques de cette section ; voir p.ex. le livre Méthodes physiques de l'observation, de Pierre Léna, CNRS éditions.

yeux.png
Crédit : ASM

Analyser le signal

Auteur: B. Mosser

Introduction

L'instrumentation astrophysique conduit souvent à des observations à la pointe de ce qui est faisable. Les signaux, obtenus après des heures d'observations chèrement acquises, doivent exprimer toute leur substantifique moelle. Une étape très importante est donc l'analyse du signal.

Cette section expose diverses pistes pour :

Quelques-unes des sources de bruit physique sont répertoriées à la page bruits de détection.

corot175726.png
Exemple de filtrage. Série temporelle du flux de l'étoile HD 175726 observée par le photomètre à bord du satellite CoRoT, exprimé en nombre de photons, et série filtrée des hautes fréquences.
Crédit : CNES/ASM

Bruit et signal


Observer

Détection et rapport signal à bruit

La détection d'un phénomène, comme par exemple une raie spectrale, nécessite de pouvoir distinguer le signal par rapport à ce qui n'est pas du signal, appelé bruit s'il présente un caractère aléatoire. On exprime ceci par un rapport, le rapport signal à bruit, d'autant plus important que le signal est fort par rapport au bruit.

rsbline.png
Allure d'une raie en absorption, observée à différents rapports signal à bruit. La détection commence à être possible avec un rapport signal à bruit supérieur à 5. L'échelle spectrale est donnée en vitesse (km/s), centrée sur la raie.
Crédit : ASM

Biais

Il ne faut pas confondre un signal parasite, ou biais observationnel, avec un bruit. Le biais qui affecte le signal possède des propriétés qui le distinguent tout à fait d'un bruit.

alphacenbiais.png
Exemple de biais. Un défaut dans le système de pointage du télescope est mis en évidence sur une cible atypique (alpha du Centaure, extrêmement brillant). Il s'ensuit une signature spectrale parasite à 3.1 mHz et à ses harmoniques.
Crédit : ESO

Un biais très commun est un offset, càd un décalage du signal dû au fait que le niveau zéro du signal physique et le niveau zéro de sa traduction en signal électrique ne coïncident pas.

offset.png
Exemple d'offset, sur une image simulée de Jupiter dans l'infrarouge thermique. Les courbes orange et rouge sont des coupes de l'image ; elles représentent le flux (unité arbitraire) en fonction du numéro de pixel. Le fond de ciel, qui devrait être à zéro, ne l'est pas.
Crédit : ASM

Bruits et signaux

L'astronomie regorge d'exemple de bruits devenus des signaux célèbres à partir du moment où leurs caractéristiques ont été identifiées.

fondcosmo.png
La carte du rayonnement du fond cosmologique, observée par le satellite Cobe, représentée en coordonnées galactiques. Les couleurs codent les fluctuations par rapport à la température moyenne 2.728 K
Crédit : NASA
golf.png
Spectre des modes d'oscillations du Soleil, avec des périodes voisines de 5 minutes. Observation de l'instrument Golf à bord de Soho.
Crédit : SOHO

Apprendre

objectifsObjectifs

Distinguer signaux et bruits.

Qualitativement

Le bruit de la circulation qui vous empêche d'entendre ce que dit votre ami(e) dans la rue, c'est du bruit... et ce que vous dit votre ami(e) a priori du signal. Mais une voiture qui accélère, est-ce vraiment un bruit, ou un signal parasite ? Par analogie, la lumière du ciel diurne qui empêche de voir les étoiles de jour est-elle un bruit, un signal parasite ?

Signal, bruit

Tout observation va comporter, en plus du signal, des perturbations à ce signal. Ces dernières résultent principalement de deux causes, intrinsèques et extrinsèques :

Exemple de biais : le niveau de biais d'une image numérique prise avec une caméra CCD peut provenir du signal généré par la tension d'alimentation appliquée au détecteur.

Les propriétés d'un bruit

definitionDéfinition

Un bruit est un phénomène aléatoire.

On découvre par la suite deux types de bruit plus spécialement importants, obéissant à des statistiques poissonniennes ou gaussiennes.

Exemples

La distinction entre bruit et signal parasite est parfois complexe. On peut prendre l'exemple du courant d'obscurité d'un détecteur, qui se superpose au flux observé.

Sa valeur moyenne est parfaitement quantifiable (tant de photoélectrons par pixel et par seconde), ce qui montre qu'il s'agit là d'un signal, parasite certes mais avec les propriétés d'un signal.

La vraie composante de bruit concerne les fluctuations de ce courant d'obscurité.


Simuler

Identification d'un offset

A l'aide de l'appliquette, estimer l'offset affectant cette image de Jupiter dans l'infrarouge thermique.

application.png

solutionoffset.png
Une coupe montre un niveau d'offset aux alentours de 18 à 20, pour un signal planétaire 10 fois plus important.
Crédit : ASM

Solution


Probabilités, réalisations, estimations


Observer

Loi de probabilité

Les figures ci-jointes illustrent quelques lois de probabilités :

loipoisson3.pngloipoisson30.png
Loi de Poisson de moyennes 3 et 30.
Crédit : ASM

Réalisations

Une loi de probabilité est déterministe. Mais ses réalisations sont ... aléatoires. C'est seulement avec un nombre élevé de réalisations que l'ensemble de ces réalisations retrace fidèlement la loi de probabilité. Si le nombre de réalisations est petit, on n'observe rien d'identifiable.

loiuniforme.gif
Loi uniforme, tirage d'un dé.
Crédit : ASM
poissonstat11.pngpoissonstat12.png
Réalisations d'un phénomène aléatoire obéissant à la loi de Poisson (moyenne = 10). Avec un nombre N de tirages peu élevé, la distribution des valeurs (courbe en bleu) ne ressemble que de très loin à la fonction de probabilité attendue (croix en rouge).
Crédit : ASM
poissonstat2.png
Réalisations d'un phénomène aléatoire obéissant à la loi de Poisson. Avec un nombre de tirages élevé, la distribution des valeurs trace convenablement la fonction de probabilité.
Crédit : ASM

Estimations

Estimation de la moyenne et de l'écart type d'une loi. La moyenne peut être estimée de diverses façons, et la meilleure façon d'estimer une moyenne dépend de la loi de probabilité.

musigma.png
Moyenne (trait bleu ciel) et écart-type (droites de part et d'autre de la moyenne) pour un bruit blanc.
Crédit : ASM

Apprendre

prerequisPrérequis

Notions élémentaires de statistiques

objectifsObjectifs

La définition d'un bruit repose sur ses propriétés statistiques. Cette page rappelle des notions simples de statistiques, en distinguant les lois de probabilité, leurs réalisations, et l'estimation de paramètres statistiques.

Loi de probabilité

La loi de probabilité d'une variable aléatoire x va être donnée par f sa densité de probabilité, ou bien F sa fonction de répartition ( {\mathrm{d}} F\ =\ f\ {\mathrm{d}} x).

Parmi les moments centrés associés, \mu la moyenne et \sigma l'écart-type sont respectivement définis par :

\mu \ = \ \int x \ f(x) \ {\mathrm{d}} x

et :

\sigma^2 \ = \ \int (x-\mu)^2 \ f(x) \ {\mathrm{d}} x

(v=\sigma^2 est la variance).

Une loi statistique possède des propriétés particulières, qui caractérisent tel ou tel phénomène : une loi poissonnienne (discrète) rend compte de l'arrivée d'événements indépendants, une loi gaussienne est souvent issue de l'addition d'un grand nombre de phénomènes indépendants...

probadistri.pngprobasomme.png
Réalisation d'une loi normale. L'histogramme se rapproche de la loi de probabilité.
Crédit : ASM

Réalisations

La réalisation d'une loi de probabilité est aléatoire : un tirage de dés, réalisé 6 fois, ne conduira pas nécessaire à l'obtention une fois et une seule de chaque chiffre de 1 à 6. Plus le nombre de réalisations est grand, meilleur est l'accord entre l'observation de ces réalisations et la loi de probabilité.

Estimations

En pratique, il faut distinguer d'une part la valeur moyenne \mu de la densité de probabilité de sa mesure m. Avec x_i les réalisations d'une variable aléatoire, on a accès seulement à :

m \ = \ {1\over N} \ \sum_{i=1}^N x_i

Et il n'y a aucune raison que m = \mu. En fait, c'est de mieux en mieux réalisé lorsque N devient très grand.

La variance s est mesurable par :

s \ = \ {1\over N-1} \ \sum_{i=1}^N (x_i - m)^2

avec (N-1) au dénominateur car \bar x a déjà été obtenu à l'aide des N mesures, et il ne reste plus que (N-1) valeurs indépendantes pour estimer s.

L'écart entre m et \mu vaut typiquement \sigma.


Simuler

estimationstat.gif
Histogramme d'une distribution de n points obéissant à une loi normale de moyenne nulle et écart-type unité. Ce n'est qu'avec un très grand nombre de points que les réalisations représentent précisément la courbe théorique gaussienne.
Crédit : ASM

Loi statistique et réalisation

L'animation ci-joint montre comment est réalisée en pratique une distribution normale. Ce n'est qu'avec un très grand nombre de tirages que l'histogramme des réalisations ressemble vraiment à la distribution statistique.

application.png

application.png

Mesure de bruits

Les appliquettes ci-jointes dévoilent des signaux temporels bruités, affectés ou non d'une lente dérive. On se propose d'en mesurer le bruit et le rapport signal à bruit.

Se servir des appliquettes pour :

mesureb1.png
Avec l'appliquette, on calcule z= y-\mu \ (\mu \simeq 50) et puis t= z^2. L'ajustement donne un écart-type de 1.
Crédit : ASM
mesureb2.png
On remarque que la distribution des valeurs de y n'est pas uniforme autour d'une valeur moyenne, mais suis une relation linéaire. Il est nécessaire de soustraire la pente. On estime cette dernière avec l'appliquette, et on calcule alors la valeur centrée sur 0 z= y-0.2466 x - 37.65 et puis t= z^2. L'ajustement donne un écart-type de 1.04.
Crédit : ASM

Rapport signal à bruit


Observer

Rapport signal à bruit

Le rapport signal à bruit conditionne toute observation. S'il est faible, on ne voit que du ... bruit.

rsbline.png
Allure d'une raie en absorption, observée à différents rapports signal à bruit. L'identification de la raies peut être possible avec un rapport signal à bruit supérieur à 3.
Crédit : ASM

Détection et rapport signal à bruit

La détection d'un phénomène, comme par exemple une raie spectrale, nécessite un rapport signal à bruit typiquement supérieur à 3.

seuildetection.png
Simulation d'une portion de spectre en absorption, à rapport signal de bruit de 5 et 10. Un motif avec un rapport signal à bruit supérieur à 3 peut très bien être du bruit, et ne peut donc être identifié à quelque signal que ce soit. Si le bruit est strictement gaussien, on admet qu'une détection est certaine dès lors qu'elle sort de plus de 5 fois du niveau de bruit.
Crédit : ASM

Apprendre

prerequisPrérequis

Notions de probabilités et statistiques

Définition

On définit le rapport signal à bruit d'un signal comme le rapport des énergies du signal et du bruit. L'énergie du signal est représentée par sa valeur moyenne \mu, et celle du bruit par l'écart-type \sigma. Le rapport signal à bruit est donc :

\displaystyle{\mathrm{S}\over\mathrm{B}} \ = \ {\mu\over \sigma}

Si le signal est affecté d'un biais systématique b, il faut en tenir compte dans l'estimation de ce rapport, et retirer au préalable sa contribution :

\displaystyle{\mathrm{S}\over\mathrm{B}} \ = \ {\mu-b\over \sigma}

La composante de biais peut être p.ex., pour un signal évoluant dans le temps, un signal parasite apparaissant à plus basse fréquence.

Addition des bruits

Si les différents bruits contribuant à un signal sont indépendants les uns des autres, leurs écarts-types s'ajoutent quadratiquement pour construire l'écart-type total :

\sigma^2\ =\ \sum_i \ \sigma_i^2

Il s'ensuit le rapport signal à bruit :

\displaystyle{\mathrm{S}\over\mathrm{B}} \ = \ {\mu-b\over \sqrt{ \sum_i \sigma_i^2}}


Simuler

Détection et rapport signal à bruit

Identifier un spectre est d'autant plus aisé que le rapport signal à bruit est bon. En pratique, une raie a priori inconnue devient détectable pour un rapport signal à bruit supérieur à 5.

Spectre stellaire bruité
rsbspectre.gif
Allure d'une portion de spectre stellaire, en fonction du rapport signal à bruit.
Crédit : ASM

Evolution temporelle du rapport signal à bruit

Si le bruit est dominé par le bruit de photons, le rapport signal à bruit augmente avec la durée d'observation, comme le montre cette simulation.

Observation bruitée
m31bruit.gif
La galaxie M31, imagée à différents niveaux de bruit.
Crédit : ASM

S'exercer

qcmQCM

1)  On doit estimer la composante de biais d'un signal :



2)  La somme de deux signaux indépendants d'écart-type \sigma_1 et \sigma_2 a un écart-type de :



exerciceBruit dominant

Difficulté : ☆☆   Temps : 30 min

On recueille le signal d'une cible stellaire. Le rapport signal à bruit s'écrit :

\displaystyle{\mathrm{S}\over\mathrm{B}} \ = \ {N\over \sqrt{N + N _{\mathrm{f}}\Omega + \sigma^2 _{\mathrm{lec}}}}

avec N le nombre de photoélectrons reçus, N _{\mathrm{f}} relié à un signal de fond, \Omega la taille angulaire de la cible, et \sigma _{\mathrm{lec}} le bruit de lecture

Question 1)

Identifier précisément les différents termes de bruit contribuant au rapport signal à bruit, en précisant leur écart-type.

Question 2)

Simplifier l'expression du rapport signal à bruit pour le cas d'un objet très brillant, puis pour un objet très peu lumineux. Identifier l'exposant qui caractérise la dépendance en N du rapport signal à bruit.

Question 3)

Déterminer comment le rapport signal à bruit varie avec le diamètre a du collecteur ou le temps de pose T.


Le bruit gaussien


Observer

Conséquence du théorème de la limite centrale

La superposition de plusieurs variables aléatoires indépendantes les unes des autres conduit à une loi normale. C'est l'une des conséquences du théorème de la limite centrale. L'animation ci-jointe en montre un exemple.

centralimite.gif
Addition de N\ (=\ 1,\ 2,\ 3 ,\ 10\mathrm{\ ou\ } 100) variables indépendantes, obéissant à une loi de distribution uniforme (entre 0 et 1). Lorsque N augmente, la distribution tend vers une loi gaussienne de moyenne N/2 et écart type \sqrt{N/2} (courbe rouge). Pour N=1, la distribution reste bien sûr uniforme, pour N=2 elle garde une allure triangulaire.
Crédit : ASM

Distribution gaussienne

Exemples de distributions gaussiennes.

courbegauss.png
Distributions de Gauss. Moyennes toutes nulles et écarts-types de 1 à 4.
Crédit : ASM

Bruit gaussien

Si un bruit est gaussien, la probabilité qu'il s'écarte de plus ou moins 3\sigma de la valeur moyenne est très faible. Cette propriété est mise à profit pour identifier le signal du bruit, mais ne marche que si le bruit est vraiment gaussien.

gauss.png
Bruit gaussien de moyenne nulle et d'écart-type 1. Peu de valeurs s'écartent de plus que \pm 3\ \sigma de la moyenne.
Crédit : ASM

Apprendre

prerequisPrérequis

Loi de probabilité ; éléments de statistique

Définition

Le théorème de la limite central implique qu'un bruit résultant de l'action indépendante de différents facteurs physiquesobéit à la loi de probabilité, dite loi normale :

f(x) \ = \ {1\over \sqrt{2\pi}\sigma}\ \exp \left[ -{(x-\mu)^2\over 2 \sigma^2} \right]

avec \mu la moyenne et \sigma l'écart-type. Un tel bruit est dit gaussien.

Écart à la moyenne

Pour une loi gaussienne, la probabilité d'observer un signal s'écartant de \pm n\ \sigma par rapport à la valeur moyenne décroît rapidement avec n ; 99.7 % des réalisations du signal s'écartent de moins de 3\ \sigma de la moyenne.

n 1 2 3 4
% 69.295.499.799.99

Probabilité d'avoir une valeur dans l'intervalle [-n\ \sigma, \ n \ \sigma] pour un bruit gaussien.

Détection d'un signal ?

De ce qui précède, peut-on dire qu'un événement qui s'écarte de plus de 3\ \sigma de la moyenne est sûrement dû à un signal et non à un bruit, et l'identifier comme tel ?

On considère une détection sûre lorsqu'elle dépasse un seuil de 4 ou 5 fois l'écart-type. Mais, la difficulté réside souvent dans le fait que la nature d'un bruit n'est pas exactement gaussienne, ou que des signaux parasites non identifiés compliquent l'interprétation d'un signal.

Analyse en fréquence d'un bruit gaussien

L'analyse fréquentielle d'un bruit gaussien ne montre aucune composante privilégiée. Pour cette raison, on parle d'un bruit blanc.

bruit1fspectre.png
Les spectres de puissance de différents types de bruits : bruit instrumental en bleu foncé, bruit gaussienn en bleu clair. Le spectre du bruit gaussien ne présente pas de fréquence privilégiée, contrairement au bruit instrumental.
Crédit : ASM

Simuler

hasard.gif
Marche au hasard à partir d'un point fixe. Le cercle mesure l'évolution moyenne, qui varie comme la racine carrée du nombre de pas effectués. La couleur code l'évolution temporelle.
Crédit : ASM

Marche au hasard

L'ivrogne et son lampadaire sont des acolytes précieux du physicien statisticien. L'ivrogne est supposé partir du lampadaire et accomplir un certain nombre de pas par unité de temps, mais dans n'importe quelle direction.

Au bout de N pas, il se sera éloigné du lampadaire d'une distance moyenne de \sqrt{N}.

application.png

Identification d'un niveau de bruit

A l'aide de l'appliquette, estimer le niveau de bruit affectant cette image de Jupiter dans l'infrarouge thermique. L'exprimer en fonction du niveau maximal du signal (conseil : faire une coupe non sur la planète mais sur le fond de ciel).

solutionbruit.png
Une coupe sur le ciel seul montre un niveau d'offset aux alentours de 18 à 20, et un niveau de bruit entre 10 et 26. En supposant que le bruit est gaussien, on voit ses variations essentiellement à \pm 3\ \sigma. On en déduit un niveau de bruit de l'ordre de 16/6=2.7. Le signal moyen étant d'environ 200, le rapport signal à bruit est voisin de 75.
Crédit : ASM

Solution


S'exercer

quelbruit.png
Quatre signaux : bruits gaussiens ou non ?
Crédit : ASM

qcmQCM

1)  Parmi les figures ci-jointes, laquelle peut correspondre à un bruit purement gaussien ?




2)  Un bruit gaussien de moyenne 0 et écart-type 1 est-il uniformément distribué en -1 et 1 ?



Le bruit poissonnien


Observer

Statistique de Poisson

Lorsqu'une moyenne de N quanta par unité de temps est attendue, un détecteur idéal (rendement unité) en comptera un nombre plus ou moins voisin de N. La distribution des valeurs dépend du nombre N : 10, 100, 1000. Plus N est grand, plus la distribution apparaît piquée en valeur relative, quand bien même elle est plus étalée en valeur absolue.

Distribution de Poisson
poisson1.png
Série de valeurs et histogramme, dans le cas N = 10
Crédit : ASM
Distribution de Poisson
poisson2.png
Série de valeurs et histogramme, dans le cas N = 100
Crédit : ASM
Distribution de Poisson
poisson3.png
Série de valeurs et histogramme, dans le cas N = 1000
Crédit : ASM
stat4.png
Statistiques poissonniennes. La dispersion relative décroît avec le nombre de quanta attendus.
Crédit : ASM

Apprendre

objectifsObjectifs

La statistique de Poisson concerne un phénomène régulier quantifié.

La détection d'un rayonnement électromagnétique en est un exemple concret, l'arrivée d'énergie étant quantifiée en photons.

Plus le nombre de photons attendus est grand, mieux on pourra préciser la valeur moyenne observée.

Un exemple concret... et discret

La statistique de Poisson va être abordée via un cas concret. L'analyse de l'arrivée de photons d'une signal lumineux de moyenne constante.

Un rayonnement monochromatique de fréquence \nu de luminosité L, observé pendant une durée T, apporte une énergie LT. Ce rayonnement est véhiculé par un nombre moyen de photons N obéissant à :

N\ = \ {L\ T\over h\nu}

La discrétisation du flux en quanta d'énergie implique que le nombre de photons arrivant par intervalle de temps fluctue autour de cette valeur moyenne.

Arrivée des photons

La probabilité de détecter n photons lorsque N sont attendus en moyenne s'écrit :

p(n) \ = \ {N^n\ e^{-N}\over n!}

C'est la loi de Poisson de moyenne N. Il faut retenir que :

demonstrationDémonstration

En découpant l'intervalle de temps en m parties, suffisamment petites pour assurer qu'un seul photon peut arriver pendant l'intervalle de temps T/m, on peut estimer la probabilité de voir arriver n photons, en les rangeant dans les m cases.

La probabilité d'avoir un photon par case temporelle est q=N/m, et la probabilité opposée 1-q. Comme il y a C_m^n façons de ranger n photons dans les m cases, on obtient finalement en développant le coefficient de combinaison :

p(n) \ = \ C_m^n\ q^n \ (1-q)^{m-n}\ =\ {m!\over n! (m-n)!}\ \left( {N\over m}\right)^n \ \left(1- {N\over m} \right)^{m-n}

Avec un très grand nombre m d'intervalles, on retrouve la loi énoncée :

p(n) \ \simeq \ {N^n\over n!} {m!\over (m-n)!\ m^n} \ \left(1- {N\over m} \right)^{m-n} \ \simeq \ {N^n\over n!} \ e^{-N}

vu les approximations pour N grand et n \ll m :

{m!\over (m-n)!\ m^n} \ \simeq \ 1 \ \hbox{ ; } \ \left(1- {N\over m} \right)^{-n}\ \simeq \ 1 \ \mathrm{\ ;\ et\ } \ \left(1- {N\over m} \right)^{m}\ \simeq \ e^{-N}

Extrapolation aux grandes valeurs

Pour les grandes valeurs de N, on peut montrer que cette loi se confond très rapidement avec la gaussienne :

p(n) \ \propto \ \exp \left[ - {(n-N)^2 \over 2 N}\right]

On en conclut alors, en se basant sur la statistique gaussienne, que pour une valeur moyenne N, l'écart-type vaut \sqrt{N}.

Il en résulte un point important : lorsque N croît, l'écart-type croît, mais le rapport écart-type/moyenne du signal décroît.


Simuler

Distribution de Poisson

A l'aide de l'appliquette : tracer une distribution de Poisson, et identifier les variations majeures lorsque la moyenne \mu varie.

application.png


Le bruit de photons


Observer

bruitphotons.png
Simulation de la détection d'une raie, en fonction du nombre de photoélectrons dN détectés par intervalle spectral, en supposant la détection limitée par le seul bruit de photons. L'échelle spectrale est donnée en vitesse.
Crédit : ASM

Bruit de photons et photodétection

Une bonne détection, par exemple l'identification d'une raie spectrale, nécessite l'enregistrement d'un nombre suffisant de photoélectrons, afin que la statistique d'arrivée des photons, de type poissonnien, n'empêche pas la détection.

grenaille20.png
Distribution en fonction du temps de l'arrivée de photons, des photoélectrons créés et du photocourant résultant. Les photons (points bleus) n'arrivent pas à intervalles de temps réguliers. Seuls un certain nombre d'entre eux donnent naissance à des photoélectrons (points rouges). Le photocourant total (bleu) résulte de la somme des contributions individuelles (couleur variable).
Crédit : ASM
grenaille200.png
Distribution en fonction du temps de l'arrivée de photons, des photoélectrons créés et du photocourant résultant. Les photons (points bleus) n'arrivent pas à intervalles de temps réguliers. Seuls un certain nombre d'entre eux donnent naissance à des photoélectrons (points rouges). Le photocourant total (bleu) résulte de la somme des contributions individuelles (couleur variable).
Crédit : ASM

Photons et photoélectrons

Le bruit de photons est en fait un bruit... de photoélectrons. L'arrivée dispersée des photons, conjuguée à la conversion aléatoire d'un photon en photoélectron, construisent la statistique de création de photoélectrons, qui dépend bien sûr du nombre de photons.


Apprendre

prerequisPrérequis

Statistique de Poisson : le bruit de photons obéit à la statistique de Poisson.

objectifsObjectifs

Evaluer le bruit et le rapport signal à bruit du bruit de photons.

Statistique de Poisson

La statistique d'arrivée des photons est poissonnienne, vu que les photons sont par définition des quanta d'énergie. Lorsque l'on attend N photons par intervalle de temps, la valeur moyenne observée est ... N et sa fluctuation autour de cette valeur moyenne vaut \sqrt{N}.

definitionDéfinition

Le bruit de photons, sur une mesure de N photons, est \sqrt{N}.

Il s'ensuit un rapport signal à bruit déterminé par le flux de photons égal à :

\displaystyle{\mathrm{S}\over\mathrm{B}} = {N\over \sqrt{N}} = \sqrt{N}

Ce rapport signal à bruit croît avec la racine carrée du nombre de photons collectés.

Photoélectrons

Les photons que l'on observe sont le plus souvent traduits par le détecteurs en photoélectrons, qui suivent la même statistique que les photons, à un facteur de rendement près inférieur à l'unité.

Avec \eta le rendement, le nombre de photoélectrons détectés vaut en fonction du nombre de photons incidents sur le détecteur :

N _{\mathrm{e}} \ = \ \eta \ N

Le bruit de photoélectrons et le rapport signal à bruit résultant valent en pratique \sqrt{N _{\mathrm{e}}}.


S'exercer

qcmQCM

1)  Le bruit de photons augmente avec le nombre de photons.



2)  Le rapport signal à bruit de photons augmente avec le nombre de photons.



3)  On note \eta le rendement du détecteur. Le rapport signal à bruit varie comme \eta^X avec X=:




4)  Une pose de 10 minutes conduit à un rapport signal à bruit, dominé par le bruit de photons, égal à 100. Quelle durée d'observation est nécessaire pour atteindre un rapport signal à bruit de 200 ?



exerciceLe projet COROT

Difficulté :    Temps : 20 min

Question 1)

En supposant que le rendement de la chaîne de détection vaut l'unité, combien de photons doivent être enregistrés pour que le bruit de photons permette une détection à 1 ppm

Question 2)

Le rendement de la chaîne de détection est de 25% seulement. Par quel facteur doit on corriger le nombre de photons à collecter.

Question 3)

Le nombre de photons requis est collecté en 5 jours. En déduire le nombre de photons accumulés en une pose élémentaire de 1 minute, et la performance atteinte sur une pose élémentaire.


S'évaluer

exerciceAu photon près

Difficulté :    Temps : 20 min

La figure ci-jointe représente la courbe de lumière de l'étoile HD 49933, l'une des cibles principales du satellite CoRoT. Le signal stellaire est composé de multiples signaux (activité, oscillations...) et bien sûr du bruit de photons. On admet que celui-ci domine à haute fréquence.

st49933.png
Courbe de lumière de l'étoile HD 49933. Nombre de photo-électrons collectés par seconde en fonction du temps.
Crédit : ASM/CNES
Question 1)

Estimer l'amplitude totale du bruit du signal stellaire.

[1 points]

Question 2)

Estimer l'écart-type du bruit

[1 points]

Question 3)

Montrer que le bruit mesuré est du même ordre de grandeur que le bruit de photons.

[1 points]


Bruit instrumental


Observer

Dérive instrumentale

Les bruits instrumentaux sont souvent dus à des dérives thermiques. L'exemple ci-joint montre la dérive enregistrée par un astérosismomètre, observant de jour une source de laboratoire délivrant un signal de référence absolument fixe, mais dont la température de travail n'est pas fixée.

derivefts.png
Dérive thermique enregistrée par l'instrument FTS du CFH, observant de jour une source stabilisée. Les variations de température de la source (mal) stabilisée se traduisent en signal Doppler au cours d'une journée de test. L'inertie thermique joue le rôle de mémoire : le bruit à un instant donné dépend intimement des instants précédents.
Crédit : ASM/CFHT

Bruit en 1/f

L'effet de mémoire occasionne un bruit instrumental dit en 1/f. Son évolution temporelle se distingue d'un bruit blanc par une sensible dérive. Comme le montre l'analyse de Fourier, son spectre de puissance se caractérise alors par une forte contribution aux basses fréquences, qui apparaît clairement pour un spectre tracé en échelle logarithmique.

bruit1fsignal.png
Séries temporelles, correspondant à une bruit blanc (courbe bleu ciel), de moyenne nulle, et à un bruit instrumental en 1/f (courbe bleu foncé) qui dérive.
Crédit : ASM
bruit1fspectre.png
Les spectres de puissance des séries temporelles de différents types de bruits diffèrent sensiblement. Le bruit gaussien n'a pas de fréquence privilégiée, contrairement au bruit instrumental qui montre un spectre de puissance en 1/f^2, càd un spectre de Fourier en 1/f.
Crédit : ASM
bruit1fspectrelog.png
Idem, mais en double échelle logarithmique.
Crédit : ASM

Apprendre

objectifsObjectifs

Le bruit instrumental est un bruit qui "a de la mémoire". Sa signature spectrale est intense à basse fréquence.

Bruit en 1/f

Le bruit dit en 1/f, avec une dépendance spectrale variant en raison inverse de la fréquence, est typiquement d'origine instrumentale. Il apparaît lorsque les fluctuations induites sur le signal ne sont pas indépendantes, mais corrélées. C'est typiquement le cas des fluctuations thermiques : une perturbation en température à l'instant t aura des conséquences à tout instant suivant.

La transformée de Fourier de l'évolution temporelle d'un tel bruit montre un spectre en 1/f^\alpha, l'exposant \alpha dépendant, phénoménologiquement, de la nature des corrélations au cours du temps.

Analyse en fréquence d'un bruit instrumental

L'analyse de Fourier d'un bruit en 1/f se caractérise, comme son l'indique, par une forte contribution aux basses fréquences. Ceci apparaît clairement pour un spectre tracé en échelle logarithmique.


Le critère de Shannon


Observer

continudiscret.png
Fonction continue et signal discret associé.
Crédit : ASM

Continu / discret

Un signal continu n'existe pas : décrire le continu nécessite une infinité de valeurs. Tout signal est échantillonné, càd décrit sur un nombre discret de valeurs.

shannonechantill.png
Un signal simple est échantillonné à la limite de Shannon avec 2 points par période. L'information d'un signal sous-échantillonné est perdue.
Crédit : ASM
shannonimage.png
L'image initiale (cadre de gauche) est échantillonnée sur un nombre décroissant de pixels. Toute l'information utile est préservée dès lors que la fonction d'étalement du point est convenablement échantillonnée (=). Trop d'informations est inutile (+), et pas assez est destructif (-).
Crédit : ASM

Échantillonnage de Shannon

Un détecteur ayant une résolution limite (spatiale ou temporelle), un signal physique est nécessairement échantillonné. Même si une observation avec ce détecteur semble prendre des valeurs continues, elle peut être traduite par une série finie de valeurs, correspondant à un échantillonnage discret.

Une bonne observation nécessite de ne pas dégrader la résolution du signal par ce phénomène d'échantillonnage, ce qu'exprime la condition d'échantillonnage de Shannon, qui s'applique aussi pour un signal 2-D.

Coupure
shannoncoup.png
Il est nécessaire d'échantillonner au moins 2 points par période. L'échantillonnage définit ainsi une valeur maximale des fréquences analysables. Au-delà de la fréquence de coupure, un signal de fréquence plus rapide que la fréquence de coupure peut se confondre avec un signal de pulsation moindre.
Crédit : ASM

Echantillonnage et coupure

Le pas d'échantillonnage détermine la résolution maximale en fréquence. Au delà de la fréquence de coupure, échantillonnée sur 2 points par période, l'information est perdue. Autrement dit, la fréquence de coupure définie selon Fourier et le théorème de Shannon rendent compte du même phénomène.


Apprendre

Echantillonnage

Tout signal, spatial ou temporel, est limité en fréquence, à cause du processus d'observation. Il peut être codé sur une distribution discrète de valeurs. Ce processus de discrétisation est nommé échantillonnage.

Théorème de Shannon

Le critère de Shannon énonce qu'un signal doit avoir sa fréquence maximale échantillonnée sur au-moins 2 pixels afin de ne subir aucune dégradation. En pratique, il faut :

La justification de ce critère est liée à l'analyse fréquentielle, par transformée de Fourier : en appliquant le critère de Nyquist, les fréquences sont restituées convenablement jusqu'à la fréquence de coupure.


S'exercer

qcmQCM

1)  Un échantillonnage de 100 points couvrant au total une largeur spectrale de 50 nm permet d'atteindre une résolution spectrale de



2)  Pour imager un champ de 10'\times 20' avec une résolution de 0.6", il faut une caméra de taille (en pixels) :



exerciceChoix d'un détecteur

Difficulté :    Temps : 10 min

Un télescope de la classe 4-m, dans une configuration ouverte à f/2, est installé dans un site dont le meilleur seeing est aux alentours de 0.5" en lumière visible. Une caméra CCD installée pour des programmes d'imagerie est spécifiée pour imager sans perdre d'éléments d'information.

Question 1)

Quel paramètre de la caméra est crucial pour satisfaire la spécification donnée ?

Question 2)

Sur catalogue, on trouve des caméras avec des pixels de 9, 15 ou 25 microns. Quel choix effectuer ?

Question 3)

Un système d'optique adaptative permet d'atteindre la limite théorique de diffraction dans l'IR à 2 microns. Sachant qu'il n'existe pas de caméra avec des pixels plus petits que 9 micromètres, quel paramètre de la chaîne de collecte du signal doit évoluer ?


S'évaluer

exerciceSignal sismique

Difficulté :    Temps : 10 min

On cherche à caractériser un spectre d'oscillations stellaires. La période minimale des oscillations stellaires est de 4 minutes, et on souhaite distinguer des fréquences avec une résolution de 0.1\,\mu\mathrm{Hz}.

Question 1)

Estimer la durée totale nécessaire pour ce programme.

[1 points]

Question 2)

Déterminer l'échantillonnage temporel optimal, qui permette de ne pas filtrer les hautes fréquences et minimise le nombre final de données.

[1 points]

Question 3)

Les séquences d'observation du satellite COROT (projet CNES) sont-elles en accord, avec un point de mesure toutes les 32 s et 150 jours d'observation continue sur une cible stellaire ?

[1 points]


Traiter le signal

Auteur: B. Mosser

Introduction

Les signaux recherchés méritent, pour donner les meilleurs mesures possibles, des traitement appropriés. Cette section se propose d'étudier plus précisément quelques-unes des techniques de base de traitement du signal.

alphacenspectre.png
Spectre des oscillations de l'étoile \alpha du Centaure.
Crédit : ESO

Filtrage


Observer

Pourquoi filtrer un signal ?

Dans la chaîne de traitement du signal, des observations brutes au résultat final, une étape souvent essentielle consiste à s'affranchir de signaux parasites. C'est possible lorsque ces derniers présentent des caractéristiques différentes de celles du signal, comme p.ex. un signal à basse fréquence qui contamine un signal sismique.

Analyse d'un signal sismique
bruitbfhf.png
Le signal brut comprend plusieurs composantes. La rotation de la Terre, parfaitement modélisable, apporte une composante à basse fréquence (période de 24 h). Un signal d'erreur, sur une source de référence, permet l'enregistrement d'une dérive également à basse fréquence. La correction de ces 2 termes ne comprend plus que des hautes fréquences, parmi lesquelles le signal sismique à analyser.
Crédit : ASM

Moyenne glissante

Un filtre par moyenne glissante substitue à une valeur donnée la moyenne des valeurs aux alentours, dans un intervalle de largeur 2n+1. Plus l'intervalle est grand, plus le filtrage est efficace.

Ce filtrage présente des inconvénients que dévoile la transformée de Fourier.

glissante.png
Moyennes glissantes, calculées localement sur 10 (bleu ciel), 20 (vert) ou 50 points (rouge).
Crédit : ASM
filglis.png
Spectre de Fourier (ordonnée en échelle logarithmique) d'une série de données non filtrée (courbe noire), ou filtrée par moyenne glissante de sur un intervalle de largeur 3 (courbe bleue) ou 7 (courbe rouge). On s'aperçoit que le filtrage des fréquences par moyenne glissante est très irrégulier.
Crédit : ASM

Médiane

Un filtre par moyenne médiane substitue à une valeur donnée la médiane des valeurs aux alentours, dans un intervalle de largeur 2n+1. Ce filtrage est efficace pour gommer les valeurs aberrantes.

filmedian.png
Moyennes médianes, calculées localement sur 10 (bleu ciel), 20 (vert) ou 50 points (rouge).
Crédit : ASM

Estimation linéaire

Réaliser une estimation linéaire d'une distribution de pont, c'est finalement ne décrire ce nuage de points que par 2 valeurs (ordonnée à l'origine et pente)

filtrage1.png
Estimation linéaire. Les hautes fréquences spatiales de la courbe rouge sont filtrées.
Crédit : ASM

Traitement d'un point aberrant

La correction de valeurs aberrantes est typiquement une opération de filtrage. Un filtrage par moyenne glissante ou par la médiane n'y parvient pas avec la même efficacité.

compfiltre.png
La valeur aberrante est bien corrigée par le filtre médian (vert) mais pas par la moyenne glissante (bleu ciel)
Crédit : ASM

Filtrage en fréquence

Toute série de données, dépendant de quelque paramètre que ce soit (temps, variable d'espace, autre variable), à n'importe quelle dimension, peut être décrite par ses composantes fréquentielles. Un filtrage ad hoc peut permettre de faire ressortir le signal des autres composantes.

sismiquebf.png
La correction par filtrage des basses fréquences (bleu ciel) permet de ne garder que le signal utile (rouge).
Crédit : ASM

Apprendre

prerequisPrérequis

Analyse par transformée de Fourier

objectifsObjectifs

Aborder quelques-uns des (nombreux) aspects de la transformée de Fourier.

Problématique

Il est souvent indispensable de séparer les différentes composantes en fréquences qui constituent une observation, pour extraire le signal de la contribution du bruit ou d'autres signaux, ce qui constitue un filtrage du signal. Le but n'est pas de présenter sous forme de cours les multiples filtres possibles, mais plutôt quelques-uns de leurs effets.

Exemple de filtre temporel : l'acquisition de données

Toute acquisition de données, caractérisée par un pas de temps \delta t, filtre les fréquences temporelles plus rapides que 1/2\delta t.

Exemple de filtre spatial : la diffraction

On peut reconsidérer la diffraction d'une onde plane monochromatique de longueur d'onde \lambda par une ouverture a comme un filtrage des fréquences angulaires supérieures à \lambda / a.


Simuler

Comment ça marche ?

Les animations ci-jointes décortiquent le processus de filtrage par moyenne glissante ou par la médiane.

Filtrage par moyenne glissante
animfiltreglisse.gif
Un point donné est remplacé par la moyenne des points dans un intervalle centré autour de ce point, de plus ou moins ample largeur.
Crédit : ASM
Filtrage médian
animfiltremedian.gif
Un point donné est remplacé par la valeur médiane des points dans un intervalle centré autour de ce point, de plus ou moins ample largeur. Les points de chaque intervalle considéré ont été classés par valeur croissante, pour mettre en évidence la valeur médiane (indiquée en rouge).
Crédit : ASM
Filtrage par moyenne glissante
filglisfilm.gif
La série originale (en bleu) est filtrée par un filtre glissant, de largeur variable (en vert). Le nombre de points considérés pour la moyenne (en orange) a beau être de plus en plus élevé, le résultat (en rouge) présente toujours les oscillations originales, même lorsque la fenêtre est plusieurs fois plus large que la période du signal.
Crédit : ASM

Exemple de filtrage mal adapté

L'opération de filtrage n'est pas bégnine, et un filtre inadapté peut conduire à un mauvais résultat. Par exemple, le filtrage par moyenne glissante convient très mal pour un signal oscillant.

Exemple de filtrage numérique

La série temporelle ci-jointe est filtrée par filtrage numérique (algorithme de filtre à trous), avec séparation des hautes et basses fréquence. Les domaines de fréquence sont définis par rapport à une fréquence de valeur arbitraire ou mûrement réfléchie...

Filtrage numérique
filtragetemps.gif
Filtrage d'un signal bruité (bleu ciel) en haute (vert) et basse (bleu foncé) fréquences, avec glissement progressif de la transition entre les définition de `haut' et `bas'.
Crédit : ASM

A la recherche de motifs

Les appliquettes ci-dessous dévoilent l'intérêt du filtrage. Elles représentent des cartes de Jupiter dans l'infrarouge thermique. Sans filtrage, c'est la structure en bandes parallèles à l'équateur qui domine l'image ; après filtrage de cette structure dominante, on voit apparaître des motifs de type ondulatoire, avec une dizaine de motifs répartis en longitude, couvrant une extension en latitude plus vaste que les bandes.

Utiliser les appliquettes pour dévoiler ces structures.

application.png

application.png


Sommation d'image


Simuler

Correction élémentaire du champ plat

A l'aide de l'appliquette ci-jointe, on se propose d'illustrer l'évolution du bruit en sommant différentes images d'un même champ.

Correction du champ plat application.png


Analyse par transformée de Fourier : formalisme


Apprendre

prerequisPrérequis

Approche mathématique de la transformation de Fourier

objectifsObjectifs

Présentation de la transformation de Fourier, et rappel de quelques propriétés.

Formalisme de la transformation de Fourier

La transformation de Fourier associe à une fonction f(x) sa transformée~:

\tilde f (u) \ =\ \int f(x )\ \exp 2i\pi x .u \ {\mathrm{d}} x

Les variables x et u sont conjuguées. A la variable temporelle t est associée la variable fréquentielle \nu ; à la variable d'espace r, la fréquence spatiale k.

Propriétés

La TF est dotée de multiples propriétés (linéarité...) : se référer à un cours de maths.

L'opération inverse de la TF est notée : \tilde f (u)\ =\ \mathrm{TF}\, f(x) et f (x)\ =\ \mathrm{TF}^{-1} \tilde f(u).

Théorème de Parseval-Plancherel

Il ne s'agit rien d'autre que de la conservation de l'énergie, qui ici s'exprime par :

\int \left| f (x) \right|^{2} \ {\mathrm{d}} x \ =\ \int \left| \tilde f (u) \right|^{2} {\mathrm{d}} u

Autrement dit, l'énergie d'un signal ne peut pas dépendre de la description de ce signal, directe ou fréquentielle.

Analyse de Fourier
grandeur notation unité exemple
variable x X temps, en s
variable conjuguée u 1/X fréquence, en Hz
signal f Y vitesse, en m/s
spectre \tilde f XY m
spectre d'amplitude \left| \tilde f \right| XY m
spectre de puissance \left| \tilde f \right|^2 [\mathrm{XY}]^2 \mathrm{m}^2

Analyse de Fourier discrète

La définition de la transformation, continue, se doit d'être amendée pour tenir compte du fait qu'un signal réel est échantillonné. L'analyse de Fourier discrète s'appuie sur un nombre fini de réalisations du signal, et donne un nombre finie de fréquences pour le décrire. La discrétisation s'opère en douceur, car la TF d'une fonction peigne (succession équidistance de Dirac), fonction retranscrivant l'échantillonnage du signal, est une fonction peigne.

Analyse de Fourier rapide

L'analyse de Fourier rapide (fast Fourier transform, ou FFT) est une une forme spécifique de programmation de la transformation de Fourier. Une routine de calcul fft est présente dans toute bonne bibliothèque de programmation.

L'usage d'une FFT implique:


Simuler

TF et FFT

L'appliquette ci-dessous permet de calculer et visualiser le spectre de puissance de certaines fonctions. La transformée de Fourier peut calculée soit directement, soit par FFT.

application.png

Avec comme signal une sinusoïde, comme méthode la fft, visualiser les effets :

Vérifier le lien entre la résolution en fréquence et la durée totale d'observation ; vérifier le lien entre le nombre de points et la fréquence de coupure.


S'exercer

exerciceConservation de l'énergie

Difficulté : ☆☆   Temps : 40 min

Question 1)

Vérifier l'homogénéité de la conservation de l'énergie énoncée par le théorème de Parseval-Plancherel.

Question 2)

Pour des raisons physiques, il est commode de poser la définition de la TF d'une série temporelle bornée sur un intervalle de temps T comme :

\mathrm{TF} (f) (\nu) \ =\ {1\over T}\ \int_0^T f(t ) \exp 2i\pi \nu t \ {\mathrm{d}} t

avec le changement de notation pour préciser la différence par rapport à la TF classique. Montrer l'intérêt physique de cette notation, en s'appuyant p.ex. sur un signal purement sinusoïdale.

Question 3)

Pour d'autre raisons, il peut être commode de poser la définition de la TF d'une série temporelle discrète d'une manière différente :

\mathrm{TF} (f) (u) \ =\ {1\over N}\ \sum_1^N f(t ) \exp 2i\pi \nu t

avec le changement de notation pour préciser la différence par rapport à la TF classique. Réécrire la relation de Parseval-Plancherel, et montrer que

\sigma_\nu = \sqrt{2\over N} \ \sigma _{\mathrm{t}}

\sigma _{\mathrm{t}} et \sigma_\nu sont respectivement les écarts-types de la série temporelle et du spectre.


Analyse par transformée de Fourier : signal


Observer

Intérêt de la transformée de Fourier

La TF permet la recherche de composantes périodiques dans un signal. Les signaux ci-contre sont équivalents. L'un correspond à une série temporelle, l'autre à son spectre de Fourier.

Série temporelle et son spectre
tempfreq.png
La série temporelle (extrait donné en bleu) ne montre rien de définissable. Son spectre de Fourier dévoile en revanche les fréquences propres qui constituent le signal, en les distinguant clairement du bruit.
Crédit : ASM

Exemple : signal sismique

L'astérosismologie est un sujet en plein développement, dont les observations se basent sur de longues séries temporelles, pour l'identification des modes propres d'oscillations dans le spectre de Fourier.

alphacentemp.png
Série temporelle de données astérosismiques enregistrées à l'ESO, pendant 11 nuits, sur l'étoile \alpha Cen.
Crédit : ESO
alphacenspectre.png
Spectre de Fourier de la série temporelle de données astérosismiques enregistrées à l'ESO, pendant 11 nuits, sur l'étoile alpha Cen.
Crédit : ESO

Apprendre

objectifsObjectifs

Utiliser la TF pour la recherche de phénomènes périodiques.

Mesure

Si l'on enregistre une série temporelle de N signaux, sur une durée totale T, l'analyse par transformée de Fourier se réécrit :

\tilde s (\nu) \ = \ { }\sum_{i=1}^{N}\ s(t_i) \ \exp (2\pi i \nu t_i)\ \delta t_i

avec t_i les dates individuelles et \delta t_i = t_i - t_{i-1}. Si l'enregistrement est suffisamment régulier :

\delta t_i \simeq \delta t = {T\over N}

Les durées T et \delta t définissent les principales propriétés de l'analyse de Fourier.

Résolution en fréquence

Un signal observé durant une durée totale T permet une résolution en fréquence 1/T.

Fréquence de coupure

Un signal observé avec un échantillonnage \delta t permet de suivre les fréquences jusqu'à la coupure 1/2\delta t. Le facteur 2 provient de la nécessité d'observer sur 2 mesures distinctes une demi-période négative et une demi-période positive.

Echantillonnage

L'observation de phénomènes variables doit permettre :

A retenir

Si l'on enregistre une série temporelle de N signaux, sur une durée totale T et avec un échantillonnage \delta t = T/N, on peut alors distinguer sans ambiguïté N/2 fréquences, entre 1/T et N/2T.


Simuler

Résolution

Pour une série temporelle, la résolution en fréquence du spectre est d'autant meilleure que la base de temps d'observation est plus longue.

TF et résolution
resoltf.gif
La résolution en fréquence, d'autant plus fine que la série temporelle initiale est longue, permet de dévoiler peu à peu la richesse du spectre.
Crédit : ASM

Pour une image, on relie la fréquence de coupure spatiale à la résolution spatiale .

TF et fréquence de coupure
m31fft.gif
M31, vue avec un nombre plus ou moins grand de fréquences spatiales (spectre de Fourier 2-D à gauche, image reconstruite à droite).
Crédit : ASM

S'exercer

exercicePulsation de coupure

Difficulté : ☆☆   Temps : 30 min

On échantillonne un signal temporel avec un pas de temps \delta t. On définit la pulsation \omega _{\mathrm{c}} = \pi / \delta t.

Question 1)

Montrer qu'il y a confusion entre les spectres de puissance des signaux périodiques de pulsation \omega et \omega + 2k \omega _{\mathrm{c}} ou 2k \omega _{\mathrm{c}} - \omega, où k est un entier

Question 2)

En déduire l'expression de la pulsation de coupure


Analyse par transformée de Fourier : bruit


Observer

Bruit / signal cohérent

Une analyse par TF va traiter différemment un signal, avec un spectre donné, d'un bruit, sans signature spectrale caractéristique.

Transformée de Fourier et bruit
ftdidac.png
Evolution temporelle du bruit dans une TF. La durée d'observation augmentant, l'énergie du bruit se retrouve distribuée sur un nombre croissant de fréquences, contrairement au signal à fréquence bien déterminée.
Crédit : ASM

Bruit blanc

Un bruit gaussien ne montre aucune fréquence privilégiée, contrairement à un bruit en 1/f.

bruit1fspectrelog.png
Comparaison des spectre d'un bruit en 1/f et d'un bruit gaussien, avec une représentation en double échelle logarithmique.
Crédit : ASM

Apprendre

objectifsObjectifs

Utiliser la TF pour distinguer signaux et bruits

Signal ou bruit

La dialectique est simple : un bruit ne mérite ce titre qu'en l'absence de signature spectrale définie (un bruit blanc ne présente aucune particularité spectrale; un bruit instrumental, par effet de mémoire, présente plus d'énergie aux basses fréquences qu'aux fréquences plus élevées).

La TF permet par son principe, en classant et en analysant les fréquences constitutives d'une suite de données, de distinguer la part du signal de celle du bruit. En pratique, cela nécessite un rapport signal-à-bruit suffisant (mais qui peut être très faible).

Cohérence

Lorsque le nombre de données observationnelles augmente, un signal cohérent va garder une signature bien précise. En revanche, un bruit va voir son énergie diluée dans une multitude de fréquences.

La TF permet de faire ressortir du bruit un signal bien cohérent.


Simuler

Evolution temporelle des bruits et signaux

En augmentant la durée totale de la série temporelle de données, un signal périodique cohérent (càd de durée de vie supérieure à la durée d'observation) ressort peu à peu du bruit.

Comment faire taire le bruit ?
bruitf.gif
La durée d'observation augmentant, la puissance du bruit est peu à peu diluée sur un nombre croissant d'éléments spectraux, alors que le signal, supposé cohérent, s'accumule à une fréquence donnée.
Crédit : ASM

Faire taire le bruit

A l'aide de l'appliquette ci-dessous, on se propose d'évaluer comment le bruit évolue dans un spectre

application.png

Avec comme signal une sinusoïde, comme méthode la FT, et N (\simeq 100) points dans l'échantillon, faire varier le niveau de bruit B, et montrer que le signal est identifiable dans le spectre si son amplitude excède largement B/\sqrt{N}.

Si besoin, zoomer sur les hautes fréquences du spectre pour s'affranchir du fort signal à basse fréquence.


S'exercer

exerciceAstérosismologie

Difficulté : ☆☆☆   Temps : 30 min

Question 1)

La documentation de HARPS indique qu'un rapport signal à bruit de 500 sur un spectre correspond à une incertitude, exprimée en vitesse, de 45 cm/s. Par ailleurs, une cible de magnitude 5.5 conduit à un rapport signal à bruit de 200 avec des poses de 3 min. A quelle vitesse cela correspond-il ?

Question 2)

Combien de poses élémentaires sur une telle étoile sont nécessaires pour aboutir à un bruit résiduel de 5 cm/s. A quelle durée cela correspond-il ?

Question 3)

Sur la cible alphaCen B, très brillante, HARPS délivre un signal bruité à 2 cm/s, après 7 h d'observation. Les poses élémentaires étant de 1 min, quelle est la performance en vitesse sur une pose ?


Réponses aux QCM

pages_multispectral/multispectral-sexercer.html

QCM

pages_interferometrie-spatiale/interferometrie-spatiale-sexercer.html

QCM

pages_detection-quantique/detection-quantique-sexercer.html

QCM

pages_detection-rendement/detection-rendement-sexercer.html

QCM

pages_rapport-signal-bruit/rapport-signal-bruit-sexercer.html

QCM

pages_bruit-gaussien/bruit-gaussien-sexercer.html

QCM

pages_bruit-photons/bruit-photons-sexercer.html

QCM

pages_shannon/shannon-sexercer.html

QCM


Réponses aux exercices

pages_collecter/elt-sexercer.html

Exercice 'Hypertélescope'


pages_former/astrometrie-sevaluer.html

Exercice 'Précision astrométrique et inégalité de Heisenberg'


pages_former/spectrometrie-hr-sexercer.html

Exercice 'Le spectromètre HARPS'


pages_former/spectro-imagerie-sexercer.html

Exercice 'Spectrométrie intégrale de champ : résolutions spatiale et spectrale'


pages_former/interferometrie-spatiale-sexercer.html

Exercice 'L'interféromètre du plateau de Bure'


pages_detecter/detection-physique-sexercer.html

Exercice 'Principe de la détection hétérodyne'


pages_detecter/reponse-temporelle-sexercer.html

Exercice 'Temps de réponse'


pages_detecter/reponse-geometrie-sexercer.html

Exercice 'Projet MEGACAM du télescope CFH'


pages_detecter/reponse-bruits-sexercer.html

Exercice 'Numérisation'


pages_detecter/detection-rendement-sevaluer.html

Exercice 'Transmission atmosphérique'


pages_analyser/rapport-signal-bruit-sexercer.html

Exercice 'Bruit dominant'


pages_analyser/bruit-photons-sexercer.html

Exercice 'Le projet COROT'


pages_analyser/bruit-photons-sevaluer.html

Exercice 'Au photon près'


pages_analyser/shannon-sexercer.html

Exercice 'Choix d'un détecteur'


pages_traiter/analyse-tf-sexercer.html

Exercice 'Conservation de l'énergie'


pages_traiter/analyse-tf-signal-sexercer.html

Exercice 'Pulsation de coupure'


pages_traiter/analyse-tf-bruit-sexercer.html

Exercice 'Astérosismologie'