Qu'entend-on exactement par «échantillonnage stochastique» et est-il profondément différent du théorème d'échantillonnage régulier de Nyquist-Shannon ? Est-ce lié à l'échantillonnage d'un processus stochastique?
Qu'entend-on exactement par «échantillonnage stochastique» et est-il profondément différent du théorème d'échantillonnage régulier de Nyquist-Shannon ? Est-ce lié à l'échantillonnage d'un processus stochastique?
L'échantillonnage stochastique n'a rien à voir avec l'échantillonnage des formes d'onde stochastiques. Cela signifie simplement qu'au lieu d'échantillonner à intervalles réguliers, la forme d'onde est échantillonnée au hasard.
Rappelons que dans un schéma d'échantillonnage selon le théorème d'échantillonnage de Nyquist-Shannon, un signal continu sur R est échantillonné comme x [ n ] = x ( n T ) , n ∈ Z , où T est l'intervalle d'échantillonnage et f s = 1 / T est la fréquence d'échantillonnage. Si la fréquence maximale dans le signal est f m a x , alors f s doit être tel que f s ≥ 2 pour éviter le repliement. Pour faciliter la comparaison avec l'échantillonnage stochastique plus loin dans la réponse, permettez-moi de redéfinir l'échantillonnage sous une forme légèrement différente de
oùδ(t)est la fonction delta de Dirac etx(t)n'est échantillonné que sur l'intervalle[0,τ].
Si vous y réfléchissez, l'échantillonnage régulier est assez limitatif dans la pratique. Le repliement se produit à plusieurs endroits, et les effets Moiré peuvent probablement être reproduits à la maison en prenant une photo de motifs réguliers affichés sur un téléviseur (exemples ci-dessous).
Cependant, c'est toujours un problème avec les caméras, mais jamais avec vos yeux si vous voyez directement le motif! La raison en est que les photorécepteurs de votre rétine ne sont pas disposés selon un schéma régulier contrairement au CCD dans un appareil photo. L'idée derrière (pas nécessairement l'idée qui a conduit à son développement) l'échantillonnage stochastique est très similaire à la disposition non régulière des photorécepteurs dans l'œil. Il s'agit d'une technique d'anticrénelage qui fonctionne en brisant la régularité de l'échantillonnage.
Dans l'échantillonnage stochastique, chaque point du signal a une probabilité non nulle d'être échantillonné (contrairement à l'échantillonnage régulier où certaines sections ne seront jamais échantillonnées). Un schéma d'échantillonnage stochastique uniforme simple peut être mis en œuvre sur le même intervalle que
En échantillonnant de manière stochastique, il n'y a pas de "fréquence de Nyquist" dont parler, donc le repliement ne sera plus un problème comme avant. Cependant, cela a un prix. Ce que vous gagnez en anti-aliasing, vous le perdez par le bruit dans le système. L'échantillonnage stochastique introduit du bruit à haute fréquence, bien que pour plusieurs applications (en particulier en imagerie), l'aliasing soit une nuisance beaucoup plus forte que le bruit (par exemple, vous pouvez facilement voir les motifs de Moiré dans les images ci-dessus, mais dans une moindre mesure le bruit de chatoiement ).
Pour autant que je sache, les schémas d'échantillonnage stochastiques sont presque toujours utilisés dans l'échantillonnage spatial (dans le traitement d'images, l'infographie, le traitement de tableaux, etc.) et l'échantillonnage dans le domaine temporel est toujours majoritairement régulier (je ne suis pas sûr que les gens dérangent même avec échantillonnage stochastique dans le domaine temporel). Il existe plusieurs schémas d'échantillonnage stochastiques différents tels que l'échantillonnage de Poisson, l'échantillonnage à gigue, etc., que vous pouvez consulter si vous êtes intéressé. Pour une introduction générale et discrète au sujet, voir
MAZ Dippé et EH Wold, "Antialiasing Through Stochastic Sampling" , SIGGRAPH, Vol. 19, n ° 5, pp. 69-78, 1985.