Licence Professionnel Optronique

Anne 2004 - 2005

Rappels Traitement du Signal

Note de cours
T.Dumartin

1 GENERALITES

1.1 INTRODUCTION
1.2 DEFINITIONS
1.2.1 SIGNAL
1.2.2 BRUIT
1.2.3 RAPPORT SIGNAL SUR BRUIT
1.2.4 SYSTEME
1.3 CLASSIFICATION DES SIGNAUX
1.3.1 CLASSIFICATION PHENOMENOLOGIQUE
1.3.2 CLASSIFICATION ENERGETIQUE
1.3.3 CLASSIFICATION MORPHOLOGIQUE
1.4 SIGNAUX PARTICULIERS
1.4.1 FONCTION SIGNE
1.4.2 FONCTION ECHELON
1.4.3 FONCTION RAMPE
1.4.4 FONCTION RECTANGULAIRE
1.4.5 IMPULSION DE DIRAC
1.4.6 PEIGNE DE DIRAC
1.4.7 FONCTION SINUS CARDINAL
1.5 REPRESENTATION FREQUENTIELLE

4
4
4
4
4
4
5
5
5
5
6
6
6
6
6
7
8
8
8

2 TRAITEMENT DU SIGNAL ANALOGIQUE

2.1 SERIE DE FOURIER

2.1.1 DEFINITION
2.1.2 DEVELOPPEMENT EN TERMES COMPLEXES
2.1.3 PROPRIETES
2.2 TRANSFORMEE DE FOURIER
2.2.1 DEFINITION
2.2.2 PROPRIETES
2.2.3 EXEMPLE
2.3 CONVOLUTION
2.3.1 DEFINITION
2.3.2 TRANSFORMEE DE FOURIER
2.4 NOTION DE FILTRAGE
2.4.1 FONCTION DE TRANSFERT
2.4.2 FILTRE REEL GABARIT
2.5 NOTION DE MODULATION
2.5.1 PRINCIPE
2.5.2 MODULATION DAMPLITUDE

9
9
10
10
10
10
11
12
12
12
13
13
13
14
15
15
15

3 NUMERISATION

17

3.1 ECHANTILLONNAGE
3.1.1 DEFINITION
3.1.2 ECHANTILLONNAGE IDEAL
3.1.3 ECHANTILLONNAGE REEL
3.1.4 ECHANTILLONNAGE-BLOCAGE
3.2 QUANTIFICATION
3.2.1 DEFINITION
3.2.2 QUANTIFICATION UNIFORME
3.3 CODAGE

17
17
17
18
19
20
20
20
21

4 TRAITEMENT DU SIGNAL NUMERIQUE

22

4.1 TRANSFORMEE DE FOURIER D'UN SIGNAL DISCRET

4.1.1 DEFINITION
4.1.2 PROPRIETES
4.2 TRANSFORMEE DE FOURIER DISCRETE
4.2.1 FENETRAGE
4.2.2 ECHANTILLONNAGE EN FREQUENCE
4.3 NOTION DE TRANSFORMEE DE FOURIER RAPIDE
4.3.1 PRESENTATION A LALGORITHME DE COOLEY-TUCKEY

22
22
22
23
23
24
26
26

Annexe 1 : Transforme de Fourier dun peigne de Dirac

Annexe 2 : Transforme de Fourier de la fonction porte

Chapitre

1 Gnralits

1.1 Introduction
Le traitement du signal est une discipline indispensable de nos jours. Il a pour objet l'laboration
ou l'interprtation des signaux porteurs d'informations. Son but est donc de russir extraire un
maximum d'information utile sur un signal perturb par du bruit en s'appuyant sur les ressources de
l'lectronique et de l'informatique.

1.2 Dfinitions
1.2.1 Signal
Un signal est la reprsentation physique de l'information, qu'il convoie de sa source son
destinataire. La description mathmatique des signaux est l'objectif de la thorie du signal. Elle offre
les moyens d'analyser, de concevoir et de caractriser des systmes de traitement de l'information.

1.2.2 Bruit
Un bruit correspond tout phnomne perturbateur gnant la transmission ou l'interprtation
d'un signal.
Remarque :
Les notions de signal et bruit sont trs relatives. Pour un technicien des tlcommunications qui
coute un metteur lointain relay par un satellite, le signal provenant dune source astrophysique
(soleil, quasar) place malencontreusement dans la mme direction est un bruit. Mais pour
lastronome qui sintresse la source astrophysique, cest le signal du satellite qui est un bruit.

1.2.3 Rapport signal sur bruit

Le rapport signal sur bruit mesure la quantit de bruit contenue dans le signal. Il s'exprime par
le rapport des puissances du signal (PS) et du bruit (PN). Il est souvent donn en dcibels (dB).

PS
S
= 10log
PN
N dB

1.2.4 Systme
Un systme est un dispositif reprsent par un modle mathmatique de type Entre/Sortie
qui apporte une dformation au signal (Ex: modulateur, filtre, etc).

Entre

Systme

Sortie

1.3 Classification des signaux

On peut envisager plusieurs modes de classification pour les signaux suivant leurs proprits.

1.3.1 Classification phnomnologique

On considre la nature de l'volution du signal en fonction du temps. Il apparat deux types de
signaux :
Les signaux dterministes : ou signaux certains, leur volution en fonction du temps peut
tre parfaitement modliser par une fonction mathmatique. On retrouve dans cette classe les
signaux priodiques, les signaux transitoires, les signaux pseudo-alatoires, etc
Les signaux alatoires : leur comportement temporel est imprvisible. Il faut faire appel
leurs proprits statistiques pour les dcrire. Si leurs proprits statistiques sont invariantes
dans le temps, on dit qu'ils sont stationnaires.

1.3.2 Classification nergtique

On considre l'nergie des signaux. On distingue :
Les signaux nergie finie : il possde une puissance moyenne nulle et une nergie finie.
Les signaux puissance moyenne finie : il possde une nergie infinie et sont donc
physiquement irralisable.
Rappels :
+

Energie d'un signal x(t)

Wx =

x(t) dt

-
T/ 2

Puissance d'un signal x(t)

1
2
x(t) dt
T T
-T/ 2

Px = lim

1.3.3 Classification morphologique

On distingue les signaux variable continue des signaux variable discrte ainsi que ceux
dont l'amplitude est discrte ou continue.

Amplitude
Continue

Discrte

x(t)

Temps

t
x[n]

Discret

x[n]

n
quantification

chantillonnage

Continu

x(t)

On obtient donc 4 classes de signaux :

Les signaux analogiques dont l'amplitude et le temps sont continus
Les signaux quantifis dont l'amplitude est discrte et le temps continu
Les signaux chantillonns dont l'amplitude est continue et le temps discret
Les signaux numriques dont l'amplitude et le temps sont discrets

1.4 Signaux particuliers

Afin de simplifier les oprations ainsi que les formules obtenues, certains signaux frquemment
rencontrs en traitement du signal dispose d'une modlisation propre.

1.4.1 Fonction signe

sgn(t)
1

-1 pour t<0
sgn(t)=
+1 pour t>0

t
-1

Par convention, on admet pour valeur l'origine : sgn (t) =0 pour t=0.

1.4.2 Fonction chelon

u(t)
1

0 pour t<0
u(t)=
1 pour t>0

Par convention, on admet pour valeur l'origine: u (t) = pour t=0.

Dans certains, il sera prfrable de lui donner la valeur 1.

1.4.3 Fonction rampe

r(t)

r(t) = t . u(t)
t

u ( ) d

1.4.4 Fonction rectangulaire

t 1

1 pour
<

T 2
t
rect ( )=
T
t 1
0 pour
>

T 2
On l'appelle aussi fonction porte.
Elle sert de fonction de fentrage lmentaire.

rec(t/T)
1

-T/2

T/2

1.4.5 Impulsion de Dirac

L'impulsion de Dirac correspond une fonction porte dont la
largeur T tendrait vers 0 et dont l'aire est gale 1.

(t)=
0

(t)
1

pour t = 0
pour t 0

t
1

(t) ne peut tre reprsente graphiquement. On la schmatise par le symbole

Attention: le 1 marqu sur la flche pleine reprsente laire de cette impulsion (et non la hauteur de
limpulsion).
On peut encore considrer (t) comme la drive de la fonction chelon : (t) =

du(t)
.
dt

Proprits :
Intgrale
+

(t) dt = 1

x(t).(t) dt = x(0)

x(t).(t t

) dt = x(t 0 )

Produit

x(t).(t) = x(0).(t) = x(0)

x(t).(t t 0 ) = x(t 0 ).(t t 0 ) = x(t 0 )

Identit

x(t) (t) = x(t)

Translation

x(t) (t t 0 ) = x(t t 0 )
x(t t1 ) (t t 0 ) = x(t t1 t 0 )
Changement de variable

(a .t) = a

(t)

avec en particulier () =

1
(t)
2 f

Remarque :
Un signal physique y(t) correspondant au passage dun tat (1) vers un tat (2) pourra tre considr
comme un impulsion chaque fois que son temps de monte tm sera ngligeable devant les autres
temps mis en jeu dans le circuit. Il en est de mme pour un chelon.

1.4.6 Peigne de Dirac

On appelle peigne de Dirac une succession priodique
dimpulsions de Dirac.

T(t)

T (t)=

(t- kT)

k -

-KT

-2T -T

T 2T

KT

T est la priode du peigne.

Cette suite est parfois appele train d'impulsions ou fonction d'chantillonnage.
Ce type de signal est principalement utilis en chantillonnage .

1.4.7 Fonction sinus cardinal

sinc(t)
1

sin ( t )
sinc(t) =
t
Cette fonction joue un rle trs important en traitement du signal.

t
-3

-2

-1

Proprits :
+

sinc(t) dt = 1

sinc (t) dt = 1
2

1.5 Reprsentation frquentielle

On a pour habitude de dcrire les signaux en fonction de la variable temporelle t car notre
perception des phnomnes physiques nous y incite. En lectronique, la connaissance des proprits
spectrales d'un signal est primordiale. Ainsi, on utilise souvent une reprsentation en fonction de la
frquence pour caractriser un signal ou un systme. Les outils de traitement des signaux nous aident
dans cette tche.
Exemple : le support de transmission du tlphone une bande passante de 3kHz alors que la bande
passante des signaux audibles est de 20kHz. Ceci explique pourquoi un signal audio de haute qualit
transmis par voie tlphonique sera peru comme de mauvaise qualit par le rcepteur.

Chapitre

2 Traitement du signal analogique

2.1 Srie de Fourier

2.1.1 Dfinition
La dcomposition en srie de Fourier permet de dcomposer un signal en somme de
sinusodes. On utilise principalement les sries de Fourier dans le cas des signaux priodiques. Elles
permettent ainsi de passer facilement du domaine temporel au domaine frquentiel. Pour pouvoir tre
dcomposable, un signal doit tre variations bornes (Dirichlet).
Pour tout signal s(t) rel o s(t) = s(t+T0), on peut crire :

s(t) = S0 + A n cos ( n0 t ) +Bn sin ( n0 t )

n=1

2
0 =

T0

avec

S0 =
An =
Bn =

1
T0

s(t) dt

(T0 )

2
T0

( t0 )

2
T0

(T0 )

s(t) cos ( n t ) dt
0

s(t) sin ( n t ) dt
0

Remarques :
On appelle le signal de pulsation 0 le fondamental.
On appelle les signaux de pulsation n.0 les harmoniques de rang n.
La valeur de S0 reprsente la valeur moyenne de s(t).
Autre expression :
L'criture prcdentes des sries de Fourier prsente en fait peu d'intrt physique, en effet si
la fonction f(t) subit une simple translation suivant l'axe des temps alors les coefficients An et Bn seront
modifis. En consquence, on cherche donc une nouvelle criture des sries de Fourier dans laquelle
la puissance est conserve aprs une translation suivant l'axe des temps et o cette translation
apparatra sous la forme dun dphasage.
Cette nouvelle criture s'obtient en posant :

A n = Cn sin n

Bn = Cn cos n
ainsi, en remplaant An et Bn dans :

s(t) = S0 + A n cos ( n0 t ) +Bn sin ( n0 t )

n=1

s(t) = S0 + Cn sin n cos ( n0 t ) + cos n sin ( n0 t )

n=1

An

n = arctan B
n

C 2 = A 2 + B 2
n
n
n

avec

s(t) = S0 + C n sin ( n0 t+ n )
n=1

!! Attention !!
Si lon intervertit la place des paramtres Bn et An (An devant sin et Bn devant cos) dans la
dcomposition en srie de Fourier, il ne faut pas oublier de les intervertir dans la dfinition de n aussi.

2.1.2 Dveloppement en termes complexes

En introduisant la notation complexe de cos(n0t) et sin(n0t), il est possible d'obtenir une
criture complexe de la srie de Fourier.
On pose

e jn 0 t + e jn 0 t
cos ( n 0 t ) =
et
2

e jn 0 t e jn 0 t
sin ( n 0 t ) =
2j

On obtient alors :
+

s(t) =

S
-

jn0 t

1
Sn =
T0

avec

T0 / 2

s(t) e jn 0 t dt

-T0 / 2

Les coefficients complexes Sn sont relis aux coefficients An et Bn par les relations suivantes :

A n jBn

Sn =
2
n>0

A
+
jB
n
n
S =
-n
2
Remarques :
Dans les deux formes prcdentes, chaque composante de frquence tait reprsente par deux
coefficients. L'criture complexe ne fait apparatre qu'un seul coefficient Sn complexe mais qui
comprend bien entendu un module et une phase.

2.1.3 Proprits
Si s(t) est paire
Si s(t) est impaire

Bn = 0 et Sn = S-n
An = 0 et Sn = -S-n

2.2 Transforme de Fourier

Cest une gnralisation de la dcomposition de srie de Fourier tous les signaux
dterministes. Elle permet dobtenir une reprsentation en frquence (reprsentation spectrale) de ces
signaux. Elle exprime la rpartition frquentielle de lamplitude, de la phase et de lnergie (ou de la
puissance) des signaux considrs.

2.2.1 Dfinition
Soit s(t) un signal dterministe. Sa transforme de Fourier est un fonction, gnralement complexe, de
la variable f et dfinie par :

S(f) = TF [s(t) ] =

s(t) e

j2 ft

dt

Si cette transforme existe, la transforme de Fourier inverse est donne par :

s(t) = TF1 [S(f)] =

S(f) e

j2 ft

df

Remarque :
On appelle spectre de s le module de la transforme de Fourier de s.

2.2.2 Proprits
s(t)

S(F)

.s(t) + .r(t)

.S(f) + .R(f)

s(t- t 0 )

e 2 j f t0 S(f)

e 2 j f0 t s(t)

S(f- f 0 )

Conjugaison

s (t)

S (-f)

Drivation

d n s(t)
dt n

Dilatation

s(at) avec a 0

1 f
S( )
a a

s(t) r(t)

S(f)iR(f)

s(t)ir(t)

S(f) R(f)

S(t)

s(-f)

Linarit
Translation

Convolution

Dualit

( j2f )

S( f )

Transforme de Fourier de Dirac :

s(t)

(t)
(t-)
e 2 jf0 t

TF

S(f)
1

e 2 jf
(f+ f 0 )

Egalit de Parceval :
Pour un signal dnergie finie, lnergie du signal est identique dans les domaines temporel et
frquentiel.
+

s(t)

dt =

S(f)

df

2.2.3 Exemple
Calculons la transforme de Fourier dun signal sinusodale :
+

S(f) =

s(t) = Scos 0 t

s(t) e j2 ft dt = S cos ( 2 f 0 t ) e j2 ft dt avec cos ( 2 f 0 t ) =

-

e j2 f0 t + e2 f0 t
2

+
+

e j2 f0 t + e 2 f0 t j2 ft
S
e
dt = e j2 f0 t ie j2 ft dt + e j2 f0 t ie j2 ft dt
2
2 -
-
-

S(f) = S

S(f) =

S
TF e j2 f0 t + TF e j2 f0 t
2
do

TF [Scos 2 f 0 t ] =

S
[ (f- f 0 )+(f+ f 0 )]
2
S(f)

s(t)

S/2

TF
T0

-f0

f0

Remarques :
La transforme de Fourier dune fonction sinusodale de frquence f0 est reprsente par
deux impulsions de Dirac centre sur les frquences f0 et +f0. Bien entendu, limpulsion centre sur f0
na pas dexistence physique.
Le spectre dune dcomposition en srie de Fourier sera donc un spectre discontinu de
raies aux frquences des sinusodes prsentes dans la dcomposition.

2.3 Convolution
2.3.1 Dfinition
Le produit de convolution dun signal s(t) par un autre h(t) est donn par :
+

s(t) * h(t) =

s(k) h(t- k) d k

Remarque :
Le signal de sortie dun systme linaire causal invariant dans le
temps est donn par le produit de convolution du signal dentre et
dune fonction h(t) appele rponse impulsionnelle.
La valeur du signal de sortie linstant t est ainsi obtenue par la sommation des valeurs passes du
signal dexcitation, pondres par la rponse du systme.
s(t)

y(t)

2.3.2 Transforme de Fourier

Par dfinition :

+
j2 ft
a(k) b(t- k) dk e dt
+
+

= a(k) b(t- k)e j2 ft dt dk

TF [ a(t) b(t)] =

Si on pose : t - k = u

alors

t=u+k:

TF [ a(t) b(t) ] =
Do :

j2 f k
j2 f u
a(k)
e
b(u)
e
d
u

dk

TF [ a(t) b(t)] = A(f)iB(f)

Remarque :

TF [ h(t) (t)] = TF [ h(t) ]iTF [ (t) ] = TF [ h(t) ] = H(f)

do

h(t) (t) = h(t) : Le Dirac est llment neutre de la convolution

2.4 Notion de Filtrage

Le filtrage est une forme de traitement de signal qui modifie le spectre de frquence et/ou la
phase du signal prsent en entre du filtre et donc par consquent sa forme temporelle. Il peut s agir
soit :
- dliminer ou daffaiblir des frquences parasites indsirables
- disoler dans un signal complexe la ou les bandes de frquences utiles.
On classe les filtres en deux grandes familles :
- les filtres numriques raliss partir de structure intgre microprogrammable
(DSP).
- les filtres analogiques raliss partir de composants passifs (rsistance,
inductance, condensateur) ou actifs (AIL).

2.4.1 Fonction de transfert

VE(t)

VS(t)

Le comportement dun filtre est dfini par ltude

frquentielle de la fonction de transfert entre la tension de sortie et
la tension dentre du filtre. On le caractrise par lamplification et
le dphasage quil apporte sur les diffrents harmoniques du

signal dentre.

H(j ) =
H dB = 20 log

VS
VE

VS (j)
VE (j)

= Arg [ H(j) ]

Remarques :
Parfois, on prfre dfinir un filtre par rapport lattnuation quil amne sur la grandeur
dentre :

A(j) =

1
.
H(j)

On dfinie aussi le temps de propagation de groupe plutt que le dphasage. Il caractrise le

d
d
H est la rponse impulsionnelle du filtre : VS (t) = VE (t) * h(t) et TF [ VS (t) ] = VE (f)i h(f)

retard apport par le filtre sur les diffrents harmoniques du signal dentre :

Autrement dit, le spectre du signal de sortie est gale au produit du spectre du signal dentre par la
rponse en frquence du filtre.

2.4.2 Filtre rel gabarit

Un filtre idal prsente :
- un affaiblissement nul dans la bande de frquence que lon dsire conserver (Bande
passante)
- un affaiblissement infini dans la bande que lon dsire liminer (Bande attnue)
Il est impossible pratiquement de raliser de tels filtres. Aussi se contente-t-on dapprocher cette
rponse idale en :
- conservant lattnuation A infrieure Amax dans la bande passante
- conservant lattnuation suprieure Amin dans la bande attnue
Cela conduit ainsi dfinir un gabarit dfinissant des zones interdites et des zones dans lesquelles
devront imprativement se situer les graphes reprsentant lattnuation du filtre en frquence. Suivant
le type de rponse que lon dsire obtenir, on est amen dfinir 4 familles de filtres :
Passe-bas

A(dB)
Amin

Amin

Amax

Amax
f
fc

Passe-haut

A(dB)

fa

fa

Passe-bande

fc

Coupe-bande

A(dB)

A(dB)

Amin

Amin

Amax

Amax
f
fa-

fc-

fc+

fa+

f
fc-

fa-

fa+

fc+

Lorsque lon veut dimensionner un filtre, on ne sait calculer analytiquement quun petit nombre
de fonctions caractristiques convenant la ralisation dun gabarit. Ces diffrentes fonctions fixeront
les proprits physiques du filtre (Butterworth, Tchebycheff, Bessel, Cauer).

2.5 Notion de Modulation

2.5.1 Principe
Le principe de modulation dun signal est essentiellement utilis pour la transmission des
signaux. Il permet dadapter le message transmettre au canal de transmission.
Par exemple, en radio, le message transmis par voie hertzienne est un message audio dont le
spectre sera compris dans la bande [20Hz, 20kHz]. La rception d'un tel signal ncessite des
antennes dont les dimensions sont du mme ordre de grandeur que la longueur d'onde du signal (en
gnral de l'ordre de ).

c
f

Exemple :

3 108
= 1.5 104 m = 15 km !!!!!!!
Pour f = 20kHz : =
3
20.10
Ainsi, lobjectif est de se servir dun signal de frquence importante pour transmettre le
message afin de rduire des proportions raisonnable la taille des antennes. Le but de la modulation
est donc de translater le spectre d'un signal basses frquences (BF) vers les hautes frquences (HF).
La radio , la tlvision , les lignes tlphoniques utilisent le procd de modulation. Le signal HF
utilis pour transporter le message est appel la porteuse. Le message, dont on se sert pour moduler
une des caractristiques de la porteuse, est appel le modulant. Si la porteuse est de forme
sinusodale, elle accepte comme expression :

s p (t) = U p cos(p t+ ) avec p >> 0

Pour transporter le message, on ne peut donc jouer que sur deux paramtres :
-

lamplitude Up : on effectue alors une modulation damplitude

la phase : on effectue alors une modulation angulaire (phase ou frquence).

Remarques :
La dmodulation est lopration inverse de la modulation. Elle consiste reconstruire le signal
modulant partir du signal modul. La qualit dune modulation est dtermine par la facilit
rcuprer le signal modulant et par son immunit aux bruits.

2.5.2 Modulation damplitude

Le principe consiste moduler lamplitude de la porteuse sp(t) par le signal message m(t) :

s m (t) = m(t) U p cos p t

Dans le cas dcole o le message une forme sinusodale :

s m (t) = U m cos m t U p cos p t

s m (t) =

Um Up
2

{cos (

Son amplitude sera donc comprise entre +Um.Up et -Um.Up.

Le spectre du signal modul est donc :

Sm (f) =

Um Up
4

p ) t + cos ( m + p ) t

(f- f m + f p )+(f- f m - f p )+(f+ f m - f p )+(f+ f m + f p )

M(f)
m(t)
Um/2

Um

TF
Tm

-fm

fm

Sp(f)

sp(t)

Up/2

Up
t

-fp
Sp(f)

Sm(t)

Um.Up/4

Up.Um
t

-fp-fm

fp

-fp+fm

BP

fp-fm

fp+fm

La modulation damplitude ralise donc une transposition en frquence du signal message.

Elle est ralise partir dune simple multiplication. A noter que si lon veut transmettre un signal de
frquence fm, la bande passante ncessaire est de 2.fm. La rcupration du message par
dmodulation implique de raliser lopration inverse. Il faut donc multiplier le signal modul par la
porteuse pour refaire une transposition en frquence puis isoler le message par filtrage.

m(t)
sp(t)

m(t)
sm(t)
sp(t)

Mais fabriquer une porteuse de frquence strictement identique est trs difficile. Une solution consiste
donc transmettre la porteuse avec le message pour pouvoir facilement la reconstruire la rception.
On lappelle la modulation avec porteuse et lexpression du signal modul devient :

s m (t) = [ k .m(t) + 1] U p cos p t

k est le taux de modulation.

Cest ce principe qui est retenu en radiodiffusion (AM, GO et PO).
Remarques :
On peut aussi :
- rcuprer la partie rsiduelle de la porteuse (qui, pour des raisons techniques, nest
jamais supprime 100 %) et amplifier celle-ci.
- transmettre priodiquement une information reprsentant la porteuse
- transmettre un multiple ou un sous-multiple de la frquence de la porteuse

Chapitre

3 Numrisation

Limportance des systmes numriques de traitement de linformation ne cesse

de crotre (radio, tlvision, tlphone, instrumentation). Ce choix est souvent justifi par des
avantages techniques tels que la grande stabilit des paramtres, une excellente reproductibilit des
rsultats et des fonctionnalits accrues. Le monde extrieur tant par nature analogique, une
opration prliminaire de conversion analogique numrique est ncessaire. La conversion analogique
numrique est la succession de trois effets sur le signal analogique de dpart :
lchantillonnage pour rendre le signal discret
la quantification pour associer chaque chantillon une valeur
le codage pour associer un code chaque valeur.

3.1 Echantillonnage
3.1.1 Dfinition
Lchantillonnage consiste prlever des instants prcis, le plus souvent quidistants, les
valeurs instantanes dun signal. Le signal analogique s(t), continu dans le temps, est alors
reprsenter par un ensemble de valeur discrtes :
se(t) = s(n.Te) avec
n entier
Te : priode dchantillonnage.
Cette opration est ralise par un chantillonneur souvent symbolis par un interrupteur.
se(t)

s(t)

fe =

1
Te

Te

3.1.2 Echantillonnage idal

Lchantillonnage idal est modlis par la multiplication du signal continu s(t) et dun peigne
de Dirac de priode Te.
+

n -

n -

s e (t) = s(t) Te (t)= s(t) (t- n Te ) = s(n Te ) (t- n Te )

Le spectre du signal chantillonn est donc le suivant :

Se (f) =

1
Te

n -

S(f) (f- nf e )

Se (f) =

1
Te

S(f- nf )

(voir Annexe 1)

n -

On obtient donc un spectre infini qui provient de la priodisation du spectre du signal dorigine autour
des multiples de la frquence dchantillonnage.
S(f)

Se(f)

TF
-fM

-fm

fm fM

-2fe

-fe

-fe/2

fe/2

fe

2fe

Remarques :
On voit sur le spectre du signal chantillonn quil est possible de restituer le signal original
par un simple filtrage passe-bas.
Si fM, la frquence maximale du spectre du signal chantillonner, est suprieure fe/2, la
restitution du signal original sera impossible car il va apparatre un recouvrement spectrale lors de
lchantillonnage. On dit quon est en sous-chantillonnage.
Se(f)

-2fe

-fe

fe

2fe

recouvrement
Le thorme de SHANNON montre que la reconstitution correcte dun signal ncessite que la
frquence dchantillonnage fe soit au moins deux fois plus grande que la plus grande des frquences
fM du spectre du signal :
fe > 2 fM
Lorsquil y a recouvrement spectrale, nous avons vu qu'il tait impossible de reconstruire
correctement le signal. Pourtant dans la plupart des situations, le spectre du signal chantillonner
s'tale sur tout le domaine des frquences (tout en diminuant du cot des hautes frquences), mais il
n'existe pas une frquence fmax au-del de laquelle l'nergie est nulle. Il y a donc un problme pour
choisir la frquence d'chantillonnage. On se fixe donc en pratique une fmax partir de laquelle on
estime la reprsentation de notre signal satisfaisante pour les applications que lon veut en faire. Puis
on effectue un filtrage passe-bas ( fmax) avant lchantillonnage afin de remdier aux repliements de
spectre. On appelle ce filtre un filtre antirepliement.
Exemple : c'est par exemple le cas de la parole. Le spectre des sons audibles s'tend jusqu' environ
20kHz. Dans le cas des CD audio, le signal est chantillonn 44.1 kHz alors que dans le cas du
tlphone numrique le signal est chantillonn 8 kHz seulement. En effet, en tlphonie, on estime
que le message est comprhensible pourvu que les composantes basses frquences soient
transmises correctement alors que lon veut conserver tous les harmoniques pour avoir un son de
qualit en audio. On limite ainsi le spectre 22.05 kHz pour un CD audio et 4 kHz pour la tlphonie
(3.4kHz en pratique).
Si fe>2fc, il y a sur-chantillonnage. Alors les motifs successifs obtenus par priodisation du
spectre sont disjoints et loigns lun de lautre. Le filtrage passe-bas pour la rcupration du signal
est facilit. Plus on prendra dchantillons par priode, plus le signal sera facile reconstruire.

3.1.3 Echantillonnage rel

En pratique, lchantillonnage seffectue en commandant un interrupteur par un train
dimpulsions troites. Il est donc impossible dobtenir des chantillons de dure quasiment nulle. La
modlisation de lchantillonnage par un peigne de Dirac est donc errone. En fait, chaque impulsion
va avoir une dure trs courte . Lchantillonnage peut donc tre modlis par la multiplication du
signal par une suite de fonction rectangle (ou porte) de largeur .
y(t)

y(t)

-2Te

-Te

Te

2Te

-/2

/2

Lexpression du signal dchantillonnage devient donc :

+

y(t) =

k -

rect (

+
t-kTe
t
) = rect ( ) (t kTe )

k -

Et par consquent, sa transforme de Fourier est gale :

Y(f) = sinc( f)

1
Te

(f k f )

(voir Annexe 1 et 2)

k -

Comme lexpression du signal chantillonn est :

s e (t) = s(t) y (t)

Sa transforme de Fourier devient :

Se (f) = S(f) Y(f) = S(f)

Se (f) =

Te

sinc( f) (f- k f )
e

k -

sinc( f) S(f- k f e )
Te
k -

On retrouve la mme allure de spectre modul en amplitude par une fonction en sinus cardinale.
S(f)

|Se(f)|

TF
-fM

-fm

f m fM

-2fe

-1

-fe

fe

2fe

Remarques :
Pour se rapprocher dun chantillonnage idal et quainsi le signal soit facilement
reconstructible, il faut que soit le plus petit possible.
Dans le cas o est du mme ordre de grandeur que fe, il faudra fe >> 2fM.

3.1.4 Echantillonnage-blocage
En pratique, on n'chantillonne pas un signal pour le reconstruire juste aprs.
L'chantillonnage est utilis pour prlever le signal des instants multiples de Te et ensuite convertir
les chantillons sous forme d'un code binaire (8, 12, 16 bits, ...). Cette conversion est effectue par
lintermdiaire dun convertisseur analogique-numrique (CAN). Cette conversion nest pas
instantane. Si le signal convertir varie trop rapidement, il est ncessaire de procder au blocage
du signal pour avoir une conversion sans erreur. On utilise donc un chantillonneur-bloqueur qui
mmorise la tension convertir et la maintient constante pendant toute la dure de conversion.
Leffet de blocage peut tre modlis par une fonction porte dcale de /2 :
y(t)
1

t- 2 -kTe
y(t) = rect
= rect

k -

t- 2 +

(t kTe )
k -

Lchantillonnage-blocage consiste donc la multiplication du signal par y(t). La transforme de

Fourier du signal chantillonn est donc :

Se (f) =

sinc( f) S(f- k f e ) e- j f
Te
k -

Remarques :
- j f

traduit un dphasage entre le signal

Le spectre est identique au prcdent. Le terme en e
initial et le signal chantillonn. En principe, on maintient la valeur de lchantillon sur toute la priode
dchantillonnage donc = Te. Ainsi, pour f = fe, on a un dphasage de -.

3.2 Quantification
3.2.1 Dfinition
La quantification consiste associer une valeur relle x quelconque, une autre valeur xq
appartenant un ensemble fini de valeurs et ce suivant une certaine loi : arrondi suprieur, arrondi le
plus proche, etc
Lcart entre chaque valeur xq est appel pas de quantification.
Le fait darrondire la valeur de dpart entrane forcment une erreur de quantification que lon
appelle le bruit de quantification.

3.2.2 Quantification uniforme

La loi de quantification uniforme utilise un pas de quantification () constant entre chaque
valeur xq.
xq

Loi idale

nq=xq-x

x
-

-2
-3

Le bruit de quantification nq est dans ce cas un signal alatoire. Ces caractristiques sont donc
dfinies par ses proprits statistiques. On peut alors dmontrer que la puissance du bruit de
quantification est gale :

2
Pn q =
12

(si sa densit de probabilit est uniforme)

Le rapport signal sur bruit d la quantification est donc gale :

PS
S
= 10 log
Pn q
N dB
La puissance du signal quantifier est gale sa valeur efficace au carr (voir remarque) :

Vseff 2
S
=
10
log
12


N dB

Si lon dcompose la plage de variation VPE du signal quantifier en 2n intervalles de largeur (avec n
le nombre de bits utiliss pour coder le signal quantifi).

Alors VPE = 2
n

et

VPE
2n

Ainsi :

n Vseff
S
= 10 log12 + 20 log 2
N dB
VPE

Vseff
n
= 10 log12 + 20 log 2 + 20 log

VPE

Vseff
S

6.02 n+10.8 + 20 log

N dB
VPE
Ainsi, dans le cas dun convertisseur analogique-numrique, chaque fois que lon rajoutera un bit dans
le rsultat de conversion, on amliorera le rapport signal sur bruit d la quantification denviron 6dB.
Remarque :
En traitement du signal, on considre la puissance dun signal aux bornes dune rsistance de 1. La
puissance est donc gale au carr de la valeur efficace.
Exemple :
Si lon veut numriser une sinusode et que lon fixe VPE = 2.Vmax
Dans ce cas, VSeff =

Vmax
2

Vmax
S
6.02 n+10.8 + 20 log
N dB
2 2 Vmax

et

S
6.02 n+1.77
N dB

3.3 Codage
Le codage consiste associer un ensemble de valeurs discrtes un code compos
dlments binaires.
Les codes les plus connus : code binaire naturel, code binaire dcal, code complment 2, code
DCB, code Gray.
Exemple sur 4 bits :
Nbre

Binaire

Binaire dcal

DCB

Gray

Complment 2

-8

0000

1000

-3

0101

1101

0000

1000

0000

0000

0000

0001

0001

0001

0001

0001

0101

0101

0101

0111

0101

10

1010

0001 0000

1111

15

1111

0001 0101

1000

Chapitre

4 Traitement du signal numrique

Le traitement numrique de linformation apporte de nombreux avantages

techniques ainsi quune flexibilit accrue dans beaucoup de domaine. Le traitement du signal par
transforme de Fourier pose cependant un certain nombre de problmes. En effet un ordinateur ne
peut traiter que des signaux numriques, ceux-ci sont obtenus aprs un chantillonnage et une
quantification. Leur tude devra tenir compte des effets induits sur le spectre par ces deux techniques.
De plus, un calcul de transforme de Fourier est une somme dune infinit dchantillons. Le temps
ncessaire ainsi que la mmoire de lordinateur vont forcment emmener certaines contraintes ce
niveau.

4.1 Transforme de Fourier d'un signal discret

4.1.1 Dfinition
Un signal discret est dfini par une suite dchantillons espacs entre eux dune priode Te. La
transforme de Fourier applique un signal discret x[n] devient donc :
+

x[n] e

X(f) =

-2 j

nf
Fe

n -

Si cette srie converge, la transforme de Fourier inverse est dfinie par :

1
x[n] =
Fe

Fe / 2

X(f) e

2 j

nf
Fe

Fe / 2

Remarques :
On vrifie bien que X(f) est une fonction priodique de priode Fe ( cause de
lchantillonnage). Si on remplace f par ( f + k.Fe ) :

-2 j

n ( f+k.Fe )
Fe

=e

-2 j

nf
Fe

+e

-2 j

nk.Fe
Fe

=e

-2 j

nf
Fe

4.1.2 Proprits

Linarit
Translation

Convolution

x[n]

X(F)

.x(n) + .y(n)

.X(f) + .Y(f)

x(n- k )

2 j

kf
Fe

X(f)

e 2 j nf0 x(n)

X(f- f 0 )

x(n) y(n)

S(f)iR(f)

s(t)ir(t)

S(f) R(f)

4.2 Transforme de Fourier discrte

4.2.1 Fentrage
Avec un ordinateur, il est impossible de calculer la transforme de Fourier dun signal discret.
En effet il faudrait un temps et une mmoire infinis Pour ces raisons, on est toujours amen travailler
avec un nombre fini de points N. Cela revient dire que les signaux exploits numriquement sont
toujours une troncation de signaux rels.
On construira donc un signal tronqu xT[n]. Il rsulte de la multiplication des chantillons de
x[n] par une fentre d'analyse (ou encore fentre de troncature) qui limitera xT[n] N chantillons. En
pratique, on calcule donc :
N-1

X T (f) = x T [n] e

-2 j

nf
Fe

n =0

La fentre danalyse est dfinie par une suite dchantillons y[n] tels que :

x T [n] = y[n].x[n] pour 0 n ( N-1)

x T [n] = 0 pour n < 0 et n > ( N-1)

Mais le fait de tronquer un signal peut notablement affecter son spectre.

Exemple : troncation dune sinusode par un fentrage rectangulaire.

Soit x(t) = S cos ( 2f 0 t ) et y(t) = rect

On sait que X ( f ) =

S
[ (f- f 0 )+(f+ f 0 )] et que y ( f ) = T sinc(Tf)
2

Donc si on effectue la troncation de x(t) sur une dure T :

xT ( t ) = x ( t ) y ( t )

XT ( f ) = X ( f ) Y ( f )
X(f)

x(t)

S/2

TF
T0

-f0

Y(f)

y(t)

-T/2

f0

T/2

-3
T

-2
T

-1
T

XT(f)

xT(t)

1
T

2
T

3
T

1/T

TS/2

S
t

-f0

f0

Remarques :
On constate que le fait de tronquer le signal tend largir les raies contenues dans le
spectre. Plus la fentre sera large, plus les raies seront troites et tendront vers les Dirac originaux.
On le conoit aisment dans le domaine temporel puisque plus la fentre est large et plus le signal
tronqu se rapproche du signal dorigine.
Si on ne conserve quune priode (environ) de la sinusode, les deux sinus cardinaux se
chevaucheront bien avant davoir atteint des amplitudes ngligeables. Ainsi, plus on voudra une
rsolution importante en frquence plus il faudra conserver un nombre important de priodes
temporelles du signal analyser La qualit de la reprsentation spectrale sera d'autant plus grande
que la priode d'acquisition T sera longue.
La fentre rectangulaire n'est pas forcment la meilleure. Dans le domaine temporel, elle
interrompt brusquement le signal ces extrmits gnrant artificiellement des hautes frquences.
Dans le domaine frquentiel, la fonction sinc a des lobes non ngligeables loin de f = 0 qui dforme le
spectre.
Afin de compenser ces dfauts, toute une srie de fentres ont t imagines. Aucune n'est
idale, toutes ont leurs qualits et dfauts suivant les applications voulues.
Par exemple, la fentre de Hanning prsente dans le domaine frquentiel des lobes
secondaires qui deviennent vite ngligeables, mais au prix d'un lobe principal plus large. Ainsi, le
spectre sera moins prcis au voisinage de f0 mais moins bruit dans les hautes frquences.
Y(f)

y(t)

TF
f

T/2

-T/2

-3
T

-2
T

-1
T

1
T

2
T

3
T

4.2.2 Echantillonnage en frquence

En fait, lorsque lon veut pouvoir reprsenter le spectre XT(f), il faut calculer XT(f) pour toutes
les valeurs de f (f est une variable continue). Ceci est impossible avec un ordinateur ou un DSP qui ne
peuvent traiter que des valeurs de f discrtes. Comme XT(f) est priodique de priode Fe, on dcoupe
donc cet intervalle en M parties gales et on ne calcule XT(f) que pour les multiples de Fe/M : on
effectue un chantillonnage frquentiel de pas f = Fe/M.
On remplace donc f par f et le calcul de la transforme de Fourier devient :
N-1

X T [ k ] = x T [n] e

-2 j

n.k. f
Fe

pour k = [0, 1, 2,., M-1]

n =0

N-1

X T [ k ] = x T [n] e

-2 j

n.k
M

pour k = [0, 1, 2,., M-1]

n =0

On vient ainsi d'introduire la transforme de Fourier discrte.

Le problme rside dans le choix du pas dchantillonnage en frquence et donc du choix de
M. En effet, le fait dchantillonner en frquence revient priodiser dans le domaine temporel la
partie du signal qui a t tronque :

XT [ k ] =

X T (f). ( f k . f )

TF-1

r
(t). t
f

Ainsi, suivant le choix de f, plusieurs cas peuvent se prsenter lors de la reconstitution du

signal dans le domaine temporel partir de son spectre chantillonn :
f > 1/T : La rsolution spectrale f est trop grande. On a un recouvrement dans le domaine
temporel. C'est un peu Shannon l'envers : si on choisit une rsolution spectrale trop grande,
on ne peut pas reconstituer le signal dans le domaine temporel correctement.
xT(t)

1
f

recouvrement
f < 1/T : Il ny aura plus de repliement temporel, mais des intervalles durant lesquels le
signal dont on calcule le spectre sera nul
xT(t)
1
f
T

f = 1/T : On a un signal priodique idal. On priodise la fentre temporelle choisie avant le

calcul spectral.
xT(t)

T
1
f

En pratique, on choisira donc toujours f de telle sorte avoir f = 1/T.

Comme T = N.Te et f =

Fe
F
1
, on en dduit que e =
M=N :
M
M N.Te

Ainsi, la dfinition de la transforme de Fourier discrte devient :

N-1

X T [ k ] = x T [n] e

-2 j

n.k
N

pour k = [0, 1, 2,., N-1]

n =0

Remarques :
A Fe fixe, plus la dure dacquisition sera longue et plus la rsolution en frquence sera fine.
A N fixe, plus Fe sera importante et plus la condition de Shannon sera respecte mais moins
la rsolution en frquence sera fine et la dure dacquisition longue.

4.3 Notion de transforme de Fourier rapide

Pour obtenir une valeur particulire de XT[k], il faut par exemple :
Pour n = 0 :

X T [ k ] = ( x T [0] cos ( 0 ) - x T [0] jsin ( 0 ) )

2 produits complexes et 1 somme complexes

Pour n = 1 :

2k
2k
X T [ k ] = ( x T [0] cos ( 0 ) - x T [0] jsin ( 0 ) ) + x T [1] cos
- x T [1] jsin

N
N

4 produits complexes et 3 sommes complexes

Pour n = N-1 :
2N produits complexes et 2(N-1) sommes complexes
Ainsi, pour obtenir les N valeurs de XT[k] il faut donc 2N2 multiplications et 2(N-1)N additions.
Par exemple, un signal o N=1024 chantillons (soit 1ko en mmoire si chaque chantillon est cod
sur 8 bits), le nombre de multiplications est de 2 097 152 et celui des additions de 2 095 104 !!!! On
arrive trs vite des temps de calcul trs longs. Si ces dures ne sont pas gnantes pour des
traitement en temps diffr, il nen est pas de mme en temps rel. En effet, plus le temps de calcul
sera important et plus la frquence maximale du signal analyser sera rduite (Shannon).
Pour pouvoir utiliser la transforme de Fourier discrte en temps rel, on dispose dalgorithmes
de calcul permettant dobtenir les rsultats beaucoup plus rapidement sous certaines conditions. Ces
algorithmes sont connus sous le nom de Transforme de Fourier Rapide (TFR) ou Fast Fourier
Transform (FFT). L'algorithme le plus connu est celui de Cooley-Tuckey.

4.3.1 Prsentation lalgorithme de Cooley-Tuckey

On pose :
N-1

X [ k ] = x[n].WNnk
n =0

avec WN = e

-2 j
N

Proprits de WN :

WN2n k = e

-2 jnk
N/ 2

WNnk+N/ 2 = e

= WN/n k2

-2 j(nk+N/2)
N

= WNn k

La condition dutilisation est davoir un nombre dchantillons puissance de 2 : N=2m

Si on effectue un ddoublement temporel en sparant les indices paires et impaires :

x1 [ n ] = x [ 2 n ]

x 2 [ n ] = x [ 2 n+1]

En exploitant les proprits de WN, on trouve alors :

X [ k ] = X1[ k ] + WNk .X 2 [ k ]
N
Pour 0 k
-1
N
2 X k + = X1[ k ] WNk .X 2 [ k ]

2
Remarques :
Le cot de calcul passe de lordre de N2 N log2 (N).

Annexe 1 : Transforme de Fourier dun peigne de Dirac

+

T (t)=

(t- kT)

k -

La dcomposition en srie de Fourier donne :

+

SdF Te (t) = Sn e

= Sn e

jn 2 f e t

do Sn =

1
Te

jn 2

t
Te

avec

Te / 2

(t- kT ) e
e

-Te / 2 k -

jn 2 f e t

1
Sn =
Te

Te / 2

s(t) e jn 2 fe t dt

-Te / 2

dt

-T T

sur e , e , T (t)=1 pour t = 0 et 0 ailleurs.

2 2
donc Sn =

1 jn 2 fe t
e
Te

=
t =0

1
Te

donc la dcomposition en srie de Fourier du peigne de Dirac vaut :

+

SdF Te (t) =
-

Comme TF e

1 jn 2 fe t 1
=
e
Te
Te

2 jf 0 t

jn 2 f e t

= (f+ f 0 ) :

TF [ T (t) ] =

1
Te

(f- k f )

k -

La transforme de Fourier d'un peigne de Dirac (en temps) est un peigne de Dirac (en
frquence).

Te(t)

TF[Te(t)]

1/Te

TF
-3Te -2Te -Te

Te 2Te 3Te

-3fe -2fe -fe

fe

2fe

3fe

Annexe 2 : Transforme de Fourier de la fonction porte

t 1
1 pour T < 2
t
rect ( )=
T
t 1
0 pour
>

T 2
La transforme de Fourier donne :
+

T/ 2

t
t

TF rect( ) = rect( ) e j2 ft dt = e j2 ft dt
T -
T

-T/ 2
T/ 2

do

t 1
1

e j2 f T/ 2 e j2 f T/ 2
TF rect( ) =
e j2 f t
=
T
j2
f
j2
f

-T/ 2

t 1 e j f T e j f T 1

TF rect( ) =
sin( f T)

=
T f
2j

f
sin ( t )
comme sinc(t) =
t

TF rect( ) = T sinc(Tf)
T

La transforme de Fourier dune fonction porte est un sinus cardinal.

rec(t/T)

Tsinc(Tf)
T

TF
-T/2

T/2

f
-3
T

-2
T

-1
T

1
T

2
T

3
T