1

Universit Paul Sabatier

UL4
COURS D'INSTRUMENTATION
ANALYSE DES SIGNAUX
MODELISATION DES SYSTEMES
I - Signaux et systmes
II - Transforme de Fourier d'un signal
III - Convolution
IV - Transforme de Fourier de signaux discrets
V - Systmes linaires et filtres
VI - Reprsentation d'un systme de suspension par un filtre
2002-2003
2
ANALYSE DES SIGNAUX - MODELISATION DES SYSTEMES
I - Signaux et systmes 3
I-1 - notion de signal 3
I-2 - notion de systmes 7
II - Transforme de Fourier d'un signal 10
II-1 - Reprsentation temporelle et frquentielle d'un signal 10
II-2 - TF de fonctions priodiques 12
II-3 - TF de fonctions non-priodiques 23
II-4 - Spectre de puissance de Fourier 26
II-5 - TF inverse 27
II-6 - Proprits essentielles de la TF 28
II-7 - Applications de la TF en analyse temporelle 29
III - Convolution 33
III-1 - Dfinition du produit de convolution 33
III-2 - Procdure de convolution 33
III-3 - Thorme de convolution (Plancherel) 36
IV - Transforme de Fourier de signaux discrets 37
IV-1 - Chane d'instrumentation numrique 37
IV-2 - Transforme de Fourier discrte 39
IV-3 - Pathologie des donnes discrtises 41
IV-4 - Thorme d'chantillonnage 45
IV-5 - Spectre de Puissance discret 47
V - Systmes linaires et filtres 48
V-1 - Notion de convolution et rponse impulsionnelle 49
V-2 - Dfinition d'un filtre - Rponse harmonique 53
V-3 - Rponse indicielle - Gain d'un filtre 57
V-4 - Cas gnral : Mthode de calcul des rponses 58
V-5 - Stabilit et causalit 61
VI - Reprsentation d'un systme de suspension par un filtre 63
3
I - Signaux et systmes
I-1 - notion de signal
Notion trs extensive...
Quantit mesurable qui dpend du temps
Exemples :
- intensit i(t) d'un courant lectrique
- position d'un mobile M(t) ou M(x,y,t)
- un son
Caractristiques des signaux
{
- dterministes (exactement prvisibles)
- alatoires (dcrits par des probabilits)
{
- analogiques (x=x(t))
- discrets ou chantillonns (x=x
n
avec n Z)
{
- valeurs continues
- valeurs quantifies
4
-10
-5
0
5
10
15
20
0 20 40 60 80 100 120 140
T
e
n
s
i
o
n

(
V
)
Temps (s)
V(t)
(V
i
)
i=1,N
(V
*
i
)
i=1,N
Signaux dterministes
-10
-5
0
5
10
15
20
0 20 40 60 80 100 120 140
T
e
n
s
i
o
n

(
V
)
Temps (s)
V(t)
(V
i
)
i=1,N
(V
*
i
)
i=1,N
Signaux alatoires
5
Exemples de signaux
- Echelon unit ou fonction de Heaviside, u(t)
Dfinition : u(t) = 0 t<0
u(t) = 1 t>0
1
0
t
u(t)
u(t) modlise l'tablissement instantan d'un rgime constant
Rq: quelquefois u(0)=1/2
- signal rectangulaire (crneaux) r(t)
Dfinition : r
a
(t) = 1 |t|<a
r
a
(t) = 0 |t|>a
1
0
t
r(t)
-a a
Rq: version normalise r
a
(t) = 1/(2a) |t|<a
r
a
(t) = 0 |t|>a
6
- Signaux sinusodaux (rels)
x(t) = A cos(wt+j)
-> w = 2pf la pulsation
-> f = 1/T la frquence
-> T la priode
-> A l'amplitude
-> j la phase l'origine
-6
-4
-2
0
2
4
6
0 50 100 150 200 250 300 350
A cos(wt+j)
s
i
g
n
a
l
Temps (s)
T
-j/w
A
Notation complexe
On dfinit : z(t) = A e
i(wt+j)
= C e
iwt
C amplitude complexe, C = A e
ij
Alors : x(t) = Re(z(t)) = 1/2 (z(t) + z
*
(t))
z(t) n'est utilis que par raison de commodits
seul x(t) a un sens physique
7
I-2 - notion de systmes
Entit, ou appareil, o l'on peut distinguer des signaux d'entre
et des signaux de sortie.
e(t)
s(t)
Systme
On ne s'intresse pas ncessairement aux composantes du
systme, c'est une boite noire.
Modlisation par un oprateur A
=> s(t) = A e(t)
avec s(t) S ensemble des signaux de sortie
e(t) E ensemble des signaux d'entre
On distingue :
- Les systmes analogiques : e et s sont analogiques
- Les systmes discrets : e et s sont discrets
- Les convertisseurs
-> convertisseur analogique-numrique (CAN)
e(t)
t
CAN
s(t)
t
-> convertisseur numrique-analogique (CNA)
e(t)
CNA
s(t)
t
t
8
Exemples de systmes analogiques
- Amplificateur idal => s(t) = k e(t) k: constante
- Ligne retard => s(t) = e(t-a) a: constante
- Drivateur => s(t) = e'(t)
Exemples de systmes discrets
calculateur : opration s
k
= e
k
+ a s
k-1
+
a
Retard
1
s
k
e
k
Le circuit RC
R
C
s(t)
e(t)
i(t)
C'est un systme dcrit par l'oprateur A: e(t) -> s(t)
R i(t) + s(t) = e(t)
s(t) = q(t)/C
i(t) = q'(t) = C s'(t)
=> RC s'(t) + s(t) = e(t)
Systme du 1
er
ordre
9
Exemple de systme mcanique
A B
k
s(t)
e(t)
+
Bilan sur B
- force du ressort -k (s(t) - e(t) - l
o
), l
o
cart l'quilibre
- frottement -a s'(t)
RFD => m s"(t) = -k (s(t) - e(t) - l
o
) - a s'(t)
=> m s"(t) + a s'(t) + k s(t) = k (e(t) + l
o
)
Sytme du 2
nd
ordre -> 2 conditions initiales ex: s(0)=l
o
s'(0)=0
Exemple de systmes : les capteurs
Capteur
grandeur physique
ou
mesurande
grandeur
electrique
e(t)
s(t)
Capteurs :
- actifs : s = q, i, v
ex : photodiode, thermocouple...
- passifs : s = R, L, C
ex : thermorsistance...
- capteurs composites
ex : dtecteur de photons gamma
10
II - Transforme de Fourier d'un signal
II-1 Reprsentation temporelle et frquentielle d'un signal
Signal : forme physique dpendante du temps, relle ou
vectorielle, contenant une information physique.
Un signal peut tre associ deux reprsentations contenant
la mme quantit d'information
Reprsentation temporelle
v(t)
t
Reprsentation spectrale
n
V( ) n
La reprsentation spectrale V(n) montre l'importance de la
contribution d'une composante la frquence n dans le signal v(t)
11
Exemple :
- V(n
1
) = 0 <=> pas de contribution la frquence n
1
- V(n
2
) max <=> prsence d'une forte contribution
la frquence n
2
v(t)
t
o
T
n
V( ) n
n
o
o
T
=
1
On passe d'une reprsentation l'autre par
"transformation de Fourier"
v(t)
t
abscisse (x)
Oprateur
TF
V(n)
n
inverse de la distance (k)
Mathmatiquement, l'opration TF consiste projeter la
fonction tudier dans l'espace des fonctions sin(2pnt) (n R).
12
II-2 - TF de fonctions priodiques
Fonctions priodiques :
f(t) est priodique, de priode T, si et seulement si
"t R, "n Z, f(t+nT) = f(t)
Dcomposition en srie de Fourier d'une fonction priodique
Si la fonction priodique f (de priode T) est continuement
drivable, borne et intgrable, on dmontre (voir cours de
math) que la srie suivante converge:
f(t)a
o
+ a
k
cos(2kt)+b
k
sin(2kt)
[ ]
k1

- n = 1/T : frquence fondamentale du signal

on pose w = 2pn (pulsation)
- coefficients de la srie de Fourier
-> a
k

2
T
f(t) cos(kt) dt
T/2
T/2

-> b
k

2
T
f(t)sin(kt) dt
T/2
T/2

-> a
o

1
T
f(t) dt
T/2
T/2

valeur moyenne de f(t)

13
Reprsentation complexe de la srie de Fourier
f(t) C
k
e
i kt
k

avec
C
k

1
T
f(t) e
i kt
dt
T/2
T/2

Lien entre les deux reprsentations

C
o
= a
o
C
k

a
k
i b
k
2
Proprits
- f est priodique => on peut choisir l'intervalle
d'intgration de dure T
dt
T/2
T/2

dt
0
T

dt
kT
(k+1)T

- Si f(t) est paire => b

k
= 0 "k
- Si f(t) est impaire => a
k
= 0 "k
- Si f(t) est relle => a
k
= a
-k
b
k
= -b
-k
C
k
= C
-k
*
14
Spectre en frquence de f
La suite {C
k
}
kZ
, en gnral complexe, est le spectre en
frquence de f.
- Le spectre d'une fonction priodique est discontinu.
Il n'existe que pour des frquences multiples de n = 1/T
=> Spectre de raies ou spectre discret.
- C
k
se dcompose en :
-> un spectre d'amplitude C
k

a
k
2
+b
k
2
2
-> un spectre de phase
k
Arctg
b
k
a
k

_
,

Rappel : C
k
C
k
e
i
k
- Exemple : f(t) relle
2
4
6
8
10
12
14
0 20 40 60 80 100 120
f
(
t
)
t (s)
n
C
k
n n 2 3 -n n -2 n -3 n n n 2 3 -n n -2 n -3
j
k
15
- Frquence fondamentale et harmoniques
-> n = 1/T : frquence fondamentale de f(t)
-> kn , k Z et k 1 : harmoniques de f
!!! La 1
ere
frquence harmonique est pour k = 2
La 2
nde
frquence harmonique est pour k = 3
...
La n
ieme
frquence harmonique est pour k = n+1
Dcomposition en srie de cosinus
f(t) signal rel priodique - frquence fondamentale n
f(t)a
o
+ a
k
cos(kt)+b
k
sin(kt)
[ ]
k1

a
o
, a
k
et b
k
dja dfinis, w = 2pn
On peut crire :
f(t) X
o
+ X
k
cos(kt
k
)
k1

En identifiant :
X
o
= a
o
X
k
a
k
2
+b
k
2
2C
k

k
Arctg
b
k
a
k

_
,

k
Avantage : plus explicite que la srie complexe
16
- Exemple : x(t) de priode T
x(t) X
o
+ X
k
cos(kt
k
)
k1

w = 2p/T
temps (s)
X
o
X
1
X
2
X
3
x(t)
.
. etc...
.
T
T
T/2
T/3
valeur moyenne
{X
n
} : Spectre d'amplitude en srie de cosinus
{F
n
} : Spectre de phase en srie de cosinus
17
- Reprsentation de X
n
: Spectre de raies
n
n n n n 2 3 4
X
o
X
1
X
2
X
3
X
4
Exemples de dcomposition - Mthodes
- Identification
Quelquefois, le spectre ne contient que quelques
termes non nuls. On procde alors par identification.
-> Exemple : f(t) = 20 cos(2pnt-p) + 10 cos(6pnt)
Dcomposition en srie de cosinus
=> X
o
= 0
X
1
= 20 F
1
= p frquence n
X
2
= 0
X
3
= 10 F
3
= 0 frquence 3n
X
n>3
= 0
18
-> Signal sinusodal : f(t) = sin(2pnt)
par identification => a
n
= 0 "n, b
1
= 1 et b
n
= 0 "n 1
=> C
k

a
k
i b
k
2
donc C
1
= -i/2 et C
-1
= i/2
Spectre d'amplitude Spectre de phase
n
C
k
n
-n
1/2
n
n
-n
j
k
/2
-p
/2
p
Reconstruction du signal :
f(t) C
k
e
i kt
k

=> f(t) = sin(wt)

-> Signal cosinusodal : f(t) = cos(2pnt)
par identification => b
n
= 0 "n , a
1
= 1 et a
n
= 0 "n 1
=> C
k

a
k
i b
k
2
donc C
1
= 1/2 et C
-1
= 1/2
Spectre d'amplitude Spectre de phase
n
C
k
n
-n
1/2
n
n
-n
j
k
Reconstruction du signal :
f(t) C
k
e
i kt
k

=> f(t) = cos(wt)

19
- dcomposition d'un signal carr.
-A
0.0
A
-2T -T 0 T 2T
s
i
g
n
a
l
temps (s)
Calcul des coefficients :
f(t) C
k
e
i kt
k

avec C
k

1
T
f(t) e
i kt
dt
T/2
T/2

=> si k pair |C(k)| = 0

si k impair |C(k)| =
2A
k
si k = 0 |C(0)| = 0
Spectre d'amplitude
n
C
k
n
-n n
3 -3 -5 5 n n
20
Remarque importante :
Souvent, le spectre contient une infinit de termes non
nuls. Seuls les coefficients (X
k
ou C
k
) de valeurs
leves sont indispensables pour reconstruire le signal avec
une bonne approximation.
Exemple : signal carr
temps
k
max
=1
k
max
=3
k
max
=5
k
max
=35
21
Reprsentation d'un spectre discret - "fonction de Dirac"
- Fonction de Dirac - Dfinition
d(x) = 0 "n 0
d(x) = 1 si x=0
0
d
(x)
x
a
0
(x-a)
d
x
- Application au spectre de raies
Soit {C
k
} les coefficients de Fourier d'une fonction
priodique x(t), de priode T
o
= 1/n
o
. La transforme de Fourier de
x(t) peut tre considre comme une fonction x() telle que :
x() C
k
(k
o
)
k

spectre d'amplitude : x() C

k
(k
o
)
k

Ex. : x(t) = cos(2pn

o
t) ->TF -> x()
1
2
( +
o
) + (
o
)
( )
n
n
-n
1/2
x
^
(n)
Spectre
d'amplitude
22
- La distribution de Dirac
Dfinition : (x) lim
0
r

(x)
avec r
e
(t) signal rectangulaire normalis r
e
(t) = 1/(2e) |t|<e
r
e
(t) = 0 |t|>e
1
t
-e e
r (t)
e
e 2
t
d
(t)
e -> 0

Proprits :
-> (x) dx

1
-> (x)f(x)dx

f(0)
-> (cx)
1
c
(x)
Fonctions tendant vers d(x) lorsque e -> 0
-> Exponentielle de |x|
1
2
e

-> Lorentzienne
1

x
2
+
2
-> Gaussienne
1

e

x
2

2
-> Autres fonctions
1

sin
x

( )
x
,

sin
2 x

( )
x
2
23
II-3 - TF de fonctions non-priodiques
Par extension de la formule de calcul pour une fonction
priodique, on calcule la transforme de Fourier d'une fonction
non-priodique en faisant tendre la priode vers l'infini.
Dmo: Soit x(t) priodique, priode T => fondamental n
o
on a : x(t) C
k
e
i 2k
o
t
k

et C
k

1
T
o
x(t) e
i 2k
o
t
dt
T
o
/2
T
o
/2

on peut crire : x(t)

C
k

e
i 2k
o
t
k

avec Dn = (n+1)n
o
- nn
o
= n
o
= 1/T
o
cart entre 2 frquences successives dans le spectre
Passons la limite T
o
->
=> Dn = n
o
-> 0 : les points du spectre se rapprochent
=> kn
o
-> n : kn
o
devient une variable continue n
=>
C
k

-> C(n) : la srie de coefficient -> fonction continue

=>

->

d : la somme devient une integrale

x(t) C()e
i2t

d
24
Expression de la transforme de Fourier C(n)
D'aprs le calcul prcdent : C() lim
T
o

C
k

=> C() lim

T
o

1
T
o
x(t) e
i 2k
o
t
dt
T
o
/2
T
o
/2

or Dn = 1/T
o
et kn
o
-> n (pour T
o
-> )
donc :
C() x(t) e
i2t

dt
C(n) est priori complexe : C() C() e
i()
avec -> |C(n)| spectre d'amplitude
-> q(n) spectre de phase
Ce sont deux fonctions relles continues
Conditions d'existence de C(n)
On dmontre que C(n) existe si :
-> x(t) est borne
-> x(t) L
1
(R) x(t)

dt <

_
,

-> x(t) a un nombre fini de discontinuits et d'extrmum

25
Exemple : calcul de la TF du signal crneau
Rappel : r(t) = 1 |t|<a et r(t) = 0 |t|>a

1
0
t
r(t)
-a a
C() r(t) e
i2t

dt e
i2t
a
a

dt =>C() 2a
sin(2a)
2a
0
a
2a
-5 -4 -3 -2 -1 0 1 2 3 4 5
|
T
F
[
r
a
(
t
)
]
|
frquence
a a a a a a a a a a
26
II-4 - Spectre de puissance de Fourier
Dfinition :
Le spectre de puissance est le carr du spectre d'amplitude.
Thorme de Parseval:
La puissance totale dans le spectre est gale la
puissance totale dans le signal.
Cas des signaux continus priodiques (priode T)
Spectre d'amplitude -> Spectre de puissance
|C
k
| |C
k
|
2
-> Thorme de Parseval : C
k
2
k

1
T
f(t)
2
o
T

dt
Cas des signaux continus non-priodiques
Spectre d'amplitude -> Spectre de puissance
|C(n)| |C(n)|
2
-> Thorme de Parseval : C()
2

d f(t)
2

dt
27
II-5 - Remarque sur la TF inverse
Notations
x(t) ->TF-> C(n)
=> C(n) = TF[x(t)](n) ou TF(x(t)) ou TF(x)
C(n) = x()
=> x(t) = TF
-1
[C(n)](t) ou TF
-1
(C(n)) ou TF
-1
(C)
Calcul pratique de la transforme de Fourier inverse
Si x est une fonction continue, intgrable telle que
x L
1
(R) alors :
" t R TF(TF(x(t))) = x(-t)
La TF de la TF d'un signal et gal au signal invers dans le temps
28
II-6 - Proprits essentielles de la TF
Linarit
" a, b C TF(af + bg) = a TF(f) + b TF(g)
Transposition - conjugaison
Si TF(f(t)) =

f (n) => TF(f(-t)) =

f (-n)
=> TF(f
*
(t)) =

f
*
(-n)
Translation ou retard
TF(f(t-a)) = e
i2a
TF(f(t))
Modulation
TF(e
i2at
f(t)) =

f (n-a)
Similitude (changement d'unit)
TF(f(at)) =
1
a

f

a
( )
Drivation
Si f est n fois drivable => TF(f
n
(t)) = (i2pn)
n
TF(f(t))
29
II-7 - Applications de la TF en analyse temporelle
La TF permet la dcomposition d'un signal selon son contenu
frquentiel. Cela permet de dterminer ses caractristiques :
-> dtection de priodes
-> caractrisation des fluctuations d'un signal
-> caractrisation du bruit instrumental
En outre la TF permet :
-> l'tude des corrlations entre deux signaux
-> la mesure du retard d'un signal sur l'autre
-> la caractrisation des systmes (voir chapitre V)
30
Bruit Blanc
"Signal"
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
-400 -200 0 200 400
s
i
g
n
a
l
t(s)
Spectre
10
-4
10
-3
10
-2
10
-1
0.01 0.1 1
s
p
e
c
t
r
e

d
'
a
m
p
l
i
t
u
d
e
frequence (Hz)
Rq: spectre plat
31
Bruit "Brownien"
"Signal"
-40
-30
-20
-10
0
10
-400 -200 0 200 400
s
i
g
n
a
l
t(s)
Spectre
10
-3
10
-2
10
-1
10
0
10
1
10
2
0.001 0.01 0.1 1
s
p
e
c
t
r
e

d
'
a
m
p
l
i
t
u
d
e
frequence (Hz)
Rq: spectre de puissance en 1/f
2
32
Bruit "rouge"
"Signal"
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
-400 -200 0 200 400
s
i
g
n
a
l
t(s)
Spectre
10
-4
10
-3
10
-2
10
-1
10
0
0.001 0.01 0.1 1
s
p
e
c
t
r
e

d
'
a
m
p
l
i
t
u
d
e
frequence (Hz)
Rq: spectre de puissance en 1/f
33
III - Convolution
III-1 - Dfinition du produit de convolution
f(t) = g(t) * h(t) = g()h(t )

d
Commutativit : f(t) = g(t) * h(t) = h(t) * g(t)
Fonction "unit" : g(t) * d(t) = g(t)
III-2 - Procdure de convolution
Interprtation par une reprsentation graphique
Exemple 1 : g(t) * h(t)
avec h(t) = e
-t
pour t>0
= 0 pour t<0
et g(t) = 1 pour t>0
= 0 pour t<0
34
h
g
h(t) => h(-t)
h(-t) => h(t-t)
t
g(t) h(t-t)
Intgration :
g()h(t )

d
35
Exemple 2 : g(t) * [d(t-t
1
) + d(t-t
2
)] rplication d'une fonction
g(t)
t
0
d(t-t
1
) + d(t-t
2
)
t
1
t
2
t
0
=> g(t) * [d(t-t
1
) + d(t-t
2
)] = g(t-t
1
) + g(t-t
2
)
g(t-t
1
) + g(t-t
2
)
t
1
t
2
t
0
36
III-3 - Thorme de convolution (Plancherel)
Un des plus important outils de l'analyse scientifique
Soit X(n)=TF[x(t)] et Y(n)=TF[y(t)]
y(t)x(t)
TF
Y()X()
Y()X()
TF
y(t)x(t)
Exemple : convolution du signal crneau avec lui-mme
37
IV - Transforme de Fourier de signaux discrets
IV-1 - Chane d'instrumentation numrique
Phnomne
Physique
Capteur
Echantillonneur
Quantification
(CAN)
t
t
T
t
Traitement
Stockage
Bruit
}
Electronique
m(t)
s(t)
s (t )
i i
*
Ordinateur
t
i
m(t) s(t) s
i
(t
i
) s
*
i
(t
i
)
=> N couples de valeurs (t
i
, s
*
i
(t
i
)) qu'il faut traiter pour extraire
l'information physique contenue dans m(t).
38
Modlisation de donnes chantillonnes
Soit h(t) un signal que l'on discretise en N valeurs
-> (k
k
)
k=0,1...N
= h(t
k
)
La suite peut tre considre comme le produit de 3 fonctions:
- la fonction h(t)
t
- fentre temporelle
t
-T /2
0
T /2
0
- peigne de Dirac
t
...
...
- suite (k
k
)
t
t
0
t
1
...
t
N-1
Fonction : h(t) r
T
0
(t) t t
k
( )
k

39
IV-2 - Transforme de Fourier discrte
Une srie de N nombres (k
k
)
k=0,1...N
peut se dcomposer
en N composantes sinusodales de frquence n
j
= j/T
0
(T
0
= dure de l'acquisition) pour j=-N/2, ..., N/2 - 1
a
j
h
k
k0
N1

e
i2
j
t
k
h
k

1
N
a
j
jN/ 2
N/ 21

e
i2
j
t
k
- A noter :
(k
k
) = h(t
k
) avec t
k
=kT
0
/N
a
0
h
k
k0
N1

=> moyenne = a
0
/N
frquence d'chantillonnage : f = N/T
0
=
1
t
k+1
t
k
frquence de Nyquist : f
Ny
= f/2 = N/(2T
0
)
f
Ny
= n
N/2
C'est la frquence maximale du spectre
Le terme la frquence de Nyquist est :
a

N
2
h
k
e
ik
k0
N1

h
k
(1)
k
k0
N1

h
k
e
ik
k0
N1

a
N
2
=> le terme la frquence de Nyquist peut tre
permut a chacun des bouts du spectre
=> h
k

1
N
a
j
jN/ 2
N/ 21

e
i2
j
t
k

1
N
a
j
jN/ 2+1
N/ 2

e
i2
j
t
k
40
Les frquences dans le spectre sont quidistantes
n
j
= j/T
0
=> Dn = n
j+1
- n
j
= 1/T
0
=> cart entre les frquences = inverse de la dure totale du signal
Le spectre est limit en rsolution
Chaque terme du spectre est priori complexe
Si la srie (k
k
) est relle => a
-j
= a
*
j
- Remarques importantes :
Quelquefois les constantes de normalisation diffrent:
-> a
j
h
k
k0
N1

e
i2
j
t
k
et h
k

1
N
a
j
jN/ 2
N/ 21

e
i2
j
t
k
-> a
j

1
N
h
k
k0
N1

e
i2
j
t
k
et h
k

1
N
a
j
jN/ 2
N/ 21

e
i2
j
t
k
-> a
j

1
N
h
k
k0
N1

e
i2
j
t
k
et h
k
a
j
jN/ 2
N/ 21

e
i2
j
t
k
Les trois reprsentations sont totalement quivalentes
Calcul pratique
On calcule les transformes de Fourier discrtes
l'aide de l'algorithme de "Fast Fourier Transform" (FFT)
(voir Matlab et autres programmes de calcul)
41
IV-3 - Pathologie des donnes discrtises
On a vu (IV-1) que la limitation en dure et la discrtisation
d'un signal h(t) conduit son estimation par la fonction:

h(t) h(t) r
T
0
(t) tt
k
( )
k

Cependant cette fonction n'tant pas priodique, sa TF ne va

pas donner un spectre discret.
Solution : rpliquer les donnes avec une priode T
0
=>

h'(t) h(t) r
T
0
(t) tt
k
( )
k

1
]
1
tjT
0
( )
j

=> TF

h'
[ ]
TF h [ ]TF r
T
0

1
]
1
TF tt
k
( )
k

1
]
1

'

TF tjT
0
( )
j

1
]
1

=> TF

h'
[ ]
TF h [ ]TF r
T
0

1
]
1

k
t
( )
k

j
T
0

_
,

Fentrage Repliement Discrtisation
42
Repliement (Aliasing)
43
Fentrage (Leakage)
Remarque : il existe d'autres fonctions que la fonction crneau
pour le fentrage - Hanning, exponentielle... (voir TP)
44
Conclusions sur les pathologies
45
IV-4 - Thorme d'chantillonnage
Toute fonction f dont le spectre est limit en frquence
(TF(f) = 0 pour |n| > n
c
, n
c
frquence caractristique) peut tre
dtermine de manire unique par la connaissance de ses
valeurs chantillonnes une frquence 2n
c
.
Frquence d'chantillonnage n
e
=2n
c
=> rplique du spectre tout les n
e
=2n
c
n (Hz)
TF(f)
-n
c
n
c
0 n (Hz)
-n
c
n
c
0
... ...
n
e
=2n
c
2n
c
est la frquence minimale laquelle il faut chantillonner
le signal pour pouvoir connatre son contenu frquentiel.
n (Hz)
-n
c
n
c
0
... ...
n
e
>2n
c
n (Hz)
-n
c
n
c
0
... ...
n
e
<2n
c
46
Exemple : signal sinusodal la frquence n
o
.
-> n
e
>2n
o
t
n
-n
e
-n
o
-n
e
+n
o
-n
o
n
o
n
e
+n
o
n
e
-n
o
n
e
/2 -n
e
/2 n
e
-n
e
-> n
e
=2n
o
t
n
-2n
o
-n
o
n
e
/2 -n
e
/2 n
e
-n
e
n
o
2n
o
-> n
e
<2n
o
t
n
-2n
e
+n
o
-n
e
+n
o
n
e
-n
o
2n
e
-n
o
n
o
n
e
/2 -n
e
/2 n
e
-n
e
-n
o
47
IV-5 - Spectre de Puissance discret
Soit la srie temporelle h(t
k
) avec t
k
=kT
0
/N et k=0, 1,...N.
On a les relations :
a
j
h
k
k0
N1

e
i2
j
t
k
et h
k

1
N
a
j
jN/ 2
N/ 21

e
i2
j
t
k
avec n
j
= j/T
0
=> Spectre d'amplitude -> Spectre de puissance
|a
k
| |a
k
|
2
Thorme de Parseval pour les donnes discrtes
h
k
k0
N1

1
N
a
j
jN/2
N/21

2
48
V - Systmes linaires et filtres
Introduction
-> Rappel sur les systmes
Un systme est une entit, ou un appareil, o l'on peut
distinguer des signaux d'entre et des signaux de sortie.
e(t)
s(t)
Systme
-> Proprits des systmes tudis
Soit un systme A et un signal e(t) : s(t) = A e(t) => s=A(e)
- Linarit: A(le
1
+be
2
) = lA(e
1
) + bA(e
2
)
- Causalit: Si "t < t
0
, e
1
(t) = e
2
(t)
=> "t < t
0
, s
1
(t) = s
2
(t)
- Invariance: Si A : e(t) -> s(t)
=> e(t-a) -> s(t-a) "a
49
V-1 - Notion de convolution et rponse impulsionnelle
Rponse impulsionnelle
La rponse impulsionnelle d'un systme S linaire est le signal
de sortie s(t) de ce sytme lorsqu'on lui applique une impulsion
unit (distribution de Dirac) l'entre.
t
t
S
e(t)
s(t)
Systme
Par la suite, on notera la rponse impulsionnelle par h(t)
si e(t) = d(t) alors s(t) = h(t)
Rponse d'un systme un signal quelconque
-> Approximation d'une fonction continue l'aide de d(t)
t
e(t)
...
...
t
i
t
i+1
t
i+2
t
i+3
Dt
e(t) e(t
i
)
i

r
t/2
(t t
i
)t
50
Avec :
- r
Dt/2
(t) fonction crneau normalise r
Dt/2
(t) = 1/Dt |t|<Dt/2
r
Dt/2
(t) = 0 |t|>Dt/2
- t
i
= i Dt
Passage la limite : Dt -> 0 => r
Dt/2
(t-t
i
) -> d(t-t
i
)
=> e(t) e(t
i
)
i

r
t/2
(t t
i
)t devient:
e(t) e(t
i
)
i

(t t
i
)t
-> Rponse du systme
Entre -S-> Sortie
d(t) -S-> h(t)
d(t-t
i
) -S-> h(t-t
i
) (si S stationnaire)
e(t
i
) Dt d(t-t
i
) -S-> e(t
i
) Dt h(t-t
i
) (si S linaire)
=> s(t) e(t
i
)
i

h(t t
i
)t
-> Passage la limite : Dt -> 0, => ->
=> Dt -> dt'
=> t
i
-> t'
e(t) e(t
i
)
i

r
t/2
(t t
i
)t devient e(t) e(t' )

(t t' )dt'
et
s(t) e(t' )

h(t t' )dt' e(t)h(t)

Le signal de sortie d'un systme est le produit de convolution du
signal d'entre par la rponse impulsionnelle.
51
-> Reprsentation graphique
t
e(t)
-S->
t
s(t)
t
e
1
=e(t
1
)
-S->
t
s
1
(t)
t
e
2
=e(t
2
)
-S->
t
s
2
(t)
t
e
3
=e(t
3
)
-S->
t
s
3
(t)
t
e
4
=e(t
4
)
-S->
t
s
4
(t)
52
Exemple de convolution : le circuit RC
R
C
s(t)
e(t)
=> RC s'(t) + s(t) = e(t)
Rsolution de l'quation diffrentielle du premier ordre
=> s(t) e(t' )

h(t t' )dt' e(t)h(t)

avec h(x)
1
RC
e

x
RC
u(x) rponse impulsionnelle
t
0
h(t)
1/RC
e
-1
/RC
0 t=RC
53
V-2 - Dfinition d'un filtre - Rponse harmonique
Dfinition d'un filtre
Un filtre est un systme linaire, continu et invariant.
Un filtre est entirement dfini par sa rponse harmonique
(ou fonction de transfert).
-> Considrons un signal priodique e(t) =>e(t) C
n
e
2int
n

avec l : frquence fondamentale

nl (n 1) : harmoniques
T=1/l : priode fondamentale
C
n

1
T
e(t)
T/2
T/2

e
2int
dt : coefficients de Fourier
-> On applique se signal e(t) l'entre d'un filtre
=> s(t) = A e(t)
= A C
n
e
2int
n

= C
n
Ae
2int
n

=> Pour connaitre s(t) quelque soit e(t) il suffit

de connaitre Ae
2int
54
-> Remarque: Pour un signal e(t) non priodique on a un
rsultat similaire :
e(t) C()e
i2t

d
C() e(t) e
i2t

dt
s(t) = A e(t) = A C()e
i2t

d = C() Ae
i2t

d
=> Pour connaitre s(t) quelque soit e(t) il suffit
de connaitre Ae
2i t
-> Dtermination de s
nl
(t) = Ae
2int
=> s
nl
(t) = H(nl) e
2int
Remarque : dans le cas continu, s
n
(t) = H(n) e
2i t
La fonction H : R -> C est la rponse harmonique du filtre A
Tout signal monochromatique de frquence l est une fonction
propre de tout filtre A et sa valeur propre est H(l)
Ae
2it
H()e
2it
Remarque : cas continu, Ae
2i t
H()e
2i t
55
Conclusion
La rponse harmonique H(n) nous montre donc comment
se transforme, par le filtre A, une composante la frquence n
- Si e(t) est priodique (T=1/l)
s(t) = A e(t) = A C
n
e
2int
n

= C
n
Ae
2int
n

= C
n
H(n)e
2int
n

- Si e(t) n'est pas priodique

s(t) = A e(t) = A C()e
i2t

d
= C() Ae
i2t

d = C() H()e
i2t

d
- Gnralement : on a C(n) = TF(e) et C(n) H(n) = TF(s)
=>
H()
TF(s)
TF(e)
Exemple : Rponse harmonique du filtre RC
R
C
s(t)
e(t)
=> RC s'(t) + s(t) = e(t)
"n, e
2i t
est fonction propre de tout filtre
e(t)=e
2i t
-> s(t)=H(n) e
2i t
56
RC s'(t) + s(t) = e(t)
=> 2pinRC H(n) e
2i t
+H(n) e
2i t
= e
2i t
=> (2pinRC + 1) H(n) e
2i t
= e
2i t
=> H()
1
1+2iRC
Module : H()
1
1+ 2RC ( )
2
filtre passe-bas
0.0
0.2
0.4
0.6
0.8
1.0
1.2
-40 -30 -20 -10 0 10 20 30 40
|
H
(
n
)
|
n (Hz)
RC=1
Reprsentation log-log
10
-2
10
-1
10
0
0.01 0.1 1 10
|
H
(
n
)
|
n (Hz)
RC=1
n
c
=
1
2pRC
1/2
57
V-3 - Rponse indicielle - Gain d'un filtre
Rponse indicielle
Dfinition : C'est la rponse un chelon unit (fonction u(t))
Systme
e(t)=u(t)
s(t)=h (t)
1
h
1
(t) = u(t) * h(t) = h(t' )

u(t t' )dt'

= h(t' )

dt' puisque u(x) = 0 pour x<0

= h(t' )
0
t

dt' puisque h(x) = 0 pour x<0 (voir chap V-5)

La rponse indicielle est l'intgrale de la rponse impulsionnelle
Gain d'un filtre
Dfinition :
K = lim
t
h
1
(t)
K peut tre calcule partir de la rponse harmonique:
=>
K = H(0)
58
V-4 - Cas gnral : Mthode de calcul des rponses
Filtres analogiques gouverns par une quation diffrentielle
Forme gnrale : b
k
s
(k)
(t)
k0
q

a
j
e
(j)
(t)
j0
p

.
(k)
dsigne la k
ime
drive par rapport au temps
Condition restrictive : s(t) et e(t) acceptent une TF
Calcul de la rponse harmonique
TF b
k
s
(k)
k0
q

_
,

TF a
j
e
(j)
j0
p

_
,

b
k
TF s
(k)
( )

k0
q

a
j
TF e
(j)
( )
j0
p

(linarit)
b
k
2i ( )
k
TF s ( )
k0
q

a
j
2i ( )
j
TF e ( )
j0
p

(drivation)
=> TF s ( )
a
j
2i ( )
j
j0
p

b
k
2i ( )
k
k0
q

TF e ( )
On note : P(x) a
j
x
j
j0
p

et Q(x) b
j
x
j
j0
p

=> TF s ( )
P 2i ( )
Q 2i ( )
TF e ( )
Condition restrictive : Q(x) ne s'annule pas pour x imaginaire
pur : la fraction P/Q n'a pas de ples sur l'axe imaginaire.
59
On a donc : TF s ( )
P 2i ( )
Q 2i ( )
TF e ( ) et comme H()
TF(s)
TF(e)
=> H()
P 2i ( )
Q 2i ( )
Si le degrs de P < degrs de Q, H(n) est dcroissance rapide
et admet donc une transforme de Fourier inverse.
Or d'aprs le thorme de convolution :
TF(s) = H(n) TF(e) <=> s(t) = TF
-1
(H) * e(t)
et comme : s(t) = h(t) * e(t) <=> h(t) = TF
-1
(H)
<=> H(n) = TF(h)
La transforme de Fourier de la rponse
impulsionnelle h(t) est la rponse harmonique H(nnn n)
Calcul de la rponse impulsionnelle
h(t) = TF
-1
(H) se calcule dans le cas gnral en faisant la TF
inverse de la dcomposition de H en lments simples.
2 cas :
- H()
P 2i ( )
Q 2i ( )
n'a que des ples simples (1)
- H()
P 2i ( )
Q 2i ( )
a des ples multiples (2)
60
(1) H()
P 2i ( )
Q 2i ( )


k
z
k
2i
k1
q

z
k
: ples de H (zro de Q)
b
k
: coefficient de la dcomposition
=> h(t) TF
1
H ( ) TF
1

k
z
k
2i

_
,
k1
q

=> h(t)
k
e
z
k
t
u(t)
kK

+
k
e
z
k
t
u(t)
kK
+

avec K
+
= {k {1, 2,...,q}; Relle(z
k
)>0}
et K
-
= {k {1, 2,...,q}; Relle(z
k
)<0}
(2) H(n) a des ples multiples
ples : z
1
, z
2
, ... z
l
de multiplicit , m
1
, m
2
..., m
l
b
km
: coefficient de la dcomposition
H()
P 2i ( )
Q 2i ( )


km
z
k
2i
( )
m
m1
m
k

k1
l

=> h(t) TF
1
H ( )
k1
1

TF
1

km
z
k
2i
( )
m

_
,

m1
m
k

=> h(t) u(t) P

k
(t)e
z
k
t
kK

u(t) P
k
(t)e
z
k
t
kK
+

avec K
+
= {k {1, 2,...,l}; Relle(z
k
)>0}
K
-
= {k {1, 2,...,l}; Relle(z
k
)<0}
et P
k
(t)
mk
t
m1
m1 ( ) !
m1
m
k

(1)
m
61
V-5 - Stabilit et causalit
Filtre stable
Soit un filtre A, on dmontre que A stable
<=> degrs(P) degrs(Q) (a)
P/Q n'a pas de ples sur l'axe imaginaire (b)
(a) sinon H()
P 2i ( )
Q 2i ( )
ne dcroit pas avec n
=> pas de TF
-1
(H)
(b) sinon $n
0
tel que H(n
0
) =
Filtre ralisable (ou causal)
Rappel sur la causalit: Si "t < t
0
, e
1
(t) = e
2
(t)
=> "t < t
0
, s
1
(t) = s
2
(t)
Dans le cas d'un filtre on peut crire:
si e
1
(t) = e
2
(t) + e(t) avec e(t)=0 "t<t
0
alors s
1
(t) = s
2
(t) + s(t) => s(t)=0 "t<t
0
On dmontre que A est ralisable
<=> support(h) [0, + [
<=> h(t)=0 """ "t<0
62
En effet, si -> support(h) [0, +[ => h(s)=0 "s<0
-> e(t)=0 "t<t
0
alors le produit de convolution s(t) h(s)e(t s)ds

devient
s(t) h(s)e(t s)ds
0
tt
0

et en particulier s(t
0
) h(s)e(t
0
s)ds
0
0

0
Application :
=> h(t)
k
e
z
k
t
u(t)
kK

+
k
e
z
k
t
u(t)
kK
+

avec K
+
= {k {1, 2,...,q}; Relle(z
k
)>0}
et K
-
= {k {1, 2,...,q}; Relle(z
k
)<0}
=> h(t) u(t) P
k
(t)e
z
k
t
kK

u(t) P
k
(t)e
z
k
t
kK
+

avec K
+
= {k {1, 2,...,l}; Relle(z
k
)>0}
K
-
= {k {1, 2,...,l}; Relle(z
k
)<0}
et P
k
(t)
mk
t
m1
m1 ( ) !
m1
m
k

(1)
m
Pour que support(h) [0, +[ il faut et il suffit que K
+
=
Conclusion sur la stabilit et la causalit
Un filtre A est ralisable et stable

Tous les ples de P/Q ont une partie relle ngative
63
VI - Reprsentation d'un systme de suspension par un filtre
Bibliographie:
- The Fast Fourier Transform,
E. Oran Brigham, ed. Prentice Hall
- Mthodes et Techniques de traitement du signal et applications aux
mesures Physiques, J. Max, ed. Masson
- Introduction la thorie du signal et de l'information,
F. Auger, Editions Technip, ISBN 2-7108-0743-2
- Traitement numrique du signal, une introduction;
A van den Enden et N. Verhoeckx, Masson, ISBN 2-225-82522-X
- Traitement numrique des signaux,
M. Kunt, Presses Polytechniques et Universiatires Romandes,
ISBN 2-88074-352-4