Le rapport signal sur bruit désigne la qualité d'une transmission d'information par rapport aux parasites.
Ce concept est utilisé pour désigner un équipement électronique, ce rapport s'obtient alors en comparant le signal d'entrée avec le signal de sortie pour mesurer le niveau du bruit (signal parasite) ajouté par l'équipement mais aussi en sciences expérimentales, ou dans ce cas, il s'obtient en déterminant le rapport entre les signaux reçus en provenance de la source observée et les signaux reçus partout ailleurs [1]; il peut désigner la qualité d'une information reçue, comme une image, une conversation… ; ou encore dans un sens plus large la conversation courante.
L'Académie conseille les expressions rapport signal à bruit ou rapport signal sur bruit ; on utilise aussi parfois l'abréviation SNR du terme anglais signal-to-noise ratio.
Les notions d'information utile (le signal) et d'information inutile (le bruit) sont subjectives : l'information intéressante dans un système (ou pour une personne) peut gêner la réception ou la compréhension de l'information intéressante pour un autre système (ou pour une autre personne).
On voit tout de suite que se pose la question de définir ce qui est le signal et ce qui est le bruit. Imaginons par exemple des personnes discutant dans une pièce avec la télévision allumée :
Notons qu'un son peut être signal et bruit ; par exemple si des personnes discutent dans la rue, le son des voitures est du bruit par rapport à la discussion, mais cela devient du signal lorsqu'il s'agit de traverser la rue puisque cela les prévient du danger.
La notion de signal et de bruit ne se limite pas aux sons. Par exemple, lorsque l'on regarde la télévision, l'image sur l'écran est le signal, et le reflet de la lampe sur l'écran est le " bruit " (c'est une gêne). Sur une photographie, le sujet photographié est le signal, et l'environnement peut constituer du bruit (par exemple en cachant le sujet, ou bien en attirant le regard vers un autre endroit de la photographie) ; mais l'environnement est aussi du signal, puisqu'il fait partie de la composition de l'image.
On peut également considérer les spams comme le bruit des mails.
Le rapport signal-bruit est un terme utilisé en ingénierie, en traitement du signal ou en théorie de l'information pour désigner le rapport entre la grandeur d'un signal (information utile, significative) et celle du bruit (information inutile, non significative). Comme de nombreux signaux ont une échelle dynamique élevée, les rapports signal-bruit sont souvent exprimés en décibels, dans une échelle logarithmique.
On définit ainsi la qualité d'un amplificateur, quel que soit son type et la catégorie de signaux qu'il traite. Plus le rapport est élevé, moins l'appareil dénature le signal d'origine.
Le bruit a de nombreuses sources, internes ou externes au système :
Un bruit peut apparaître à différentes étapes d'un processus. Cela peut être :
Les méthodes classiques pour améliorer le rapport signal/bruit sont :
Le filtrage est efficace lorsque le signal et le bruit ont des caractéristiques différentes. Par exemple :
Le laboratoire Dolby s'est rendu célèbre par ses systèmes de réduction de bruit. Dans le système Dolby A, le son est compressé à l'enregistrement afin d'avoir un bon rapport signal sur bruit sans saturer le système ; puis, à la restitution, le son est expansé. Les paramètres de compression et d'expansion dépendent de la gamme de fréquence.
L'image ci-contre représente un signal constant perturbé par un bruit aléatoire : l'intensité du phénomène est relevée au cours du temps, le signal a une intensité constante de 5, et le bruit est aléatoire et suit une loi normale d'écart type 1 (échelles arbitraires).
Le rapport signal sur bruit peut se définir par le rapport entre l'intensité moyenne mesurée et l'écart type.
Voir aussi Processus stochastique.
Le bruit étant aléatoire, sa moyenne dans le temps tend vers 0, alors que le signal étant constant, sa moyenne est égale à son intensité. Ainsi, si l'on accumule la mesure sur une longue durée et que l'on fait la moyenne de l'intensité, on se rapproche de la valeur du signal, on élimine le bruit.
Par exemple, dans le cas des rayons X émis par un tube à rayons X, le nombre de photons émis par seconde est aléatoire et est soumis à une loi de Poisson : l'écart type sur le nombre de photons collectés est égal à la racine carrée de la moyenne. Si le taux d'émission par seconde est de I0+ε(t), I0 étant une constante et ε étant une variable aléatoire, on a
et donc si l'on cumule N photons durant un temps τ, la variable aléatoire N vérifie :
Le rapport signal sur bruit vaut donc :
on voit donc que dans ce cas-là, en multipliant par quatre le temps de mesure, on améliore d'un facteur deux le rapport signal sur bruit.
Le facteur d'amélioration dépend bien entendu de la loi statistique que suit le bruit.
Le bruit aléatoire peut se représenter par un spectre uniforme (voir l'article Bruit blanc).
Si le signal est constant ou périodique, son spectre est un dirac (pic unique) ; s'il n'est pas périodique mais qu'il présente des pics de largeur minimale, son spectre est limité aux " basses fréquences ", la fréquence la plus haute correspondant à l'inverse de la largeur des pics.
En appliquant un filtre passe-bande ou passe-bas, on peut ainsi conserver la partie du spectre contenant le signal, et éliminer la partie du spectre ne contenant que du bruit. On peut aussi traiter numériquement le signal : on calcule la transformée de Fourier de l'intensité collectée, on coupe le spectre pour n'en garder que la partie contenant du signal, et l'on fait la transformée de Fourier inverse.
Voir aussi Analyse spectrale.
Le bruit étant aléatoire, on s'attend à ce qu'il change d'un point à l'autre. Si le signal a des variations lentes devant le pas d'échantillonnage, alors un lissage de la courbe peut permettre de conserver les caractéristiques du signal tout en réduisant le bruit.
Cependant, le procédé peut provoquer des artéfacts ; par exemple, des zones qui apparaissaient clairement comme bruitées présentent suite au lissage des ondulations lentes, sans que l'on puisse savoir si ces ondulations appartiennent au signal ou résultent du lissage du bruit.
Voir l'article détaillé Lissage.
Le bruit lui-même peut être source d'information. Par exemple, en électrochimie et en particulier dans le domaine de la corrosion aqueuse, on s'intéresse aux corrélations entre les variations du potentiel et de l'intensité du courant (bruit électrochimique).
Il peut être également intéressant réduire le rapport signal sur bruit, soit en augmentant le bruit, soit en distordant le signal, par exemple :