Vous êtes sur la page 1sur 35

Universite de Picardie Jules Verne

Master-II de Physique
Annee Academique : 2008-2009
Cours de Traitement du Signal
Responsable du Cours : Y. Gagou
Contact : yaovi.gagou@u-picardie.fr
1
Contents
1 Denition du signal 6
1.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Processus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Liens entre les deux types de signaux . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Signaux deterministes 7
2.1 Signaux analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Signaux ` a temps discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3 Principaux signaux 7
3.1 Fonction porte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.2 Fonction echelon unite de Heaviside . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 Fonction Impulsion de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.4 Fonction Triangle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.5 Fonction Sinus Cardinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.6 Fonction Peigne de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.7 Fonction periodique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.7.1 Valeur moyenne de f . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.7.2 Puissance Moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4 Signaux aleatoires 9
4.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.2 Rappels sur les notions de probabilite . . . . . . . . . . . . . . . . . . . . . . . . 9
5 Serie de Fourier 10
5.1 Denitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.2 Representation Complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.3 Representation spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.3.1 Harmoniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.3.2 Spectre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.3.3 Symetrie et Changement de lorigine des temps . . . . . . . . . . . . . . 11
6 Integrale et Tranformee de Fourier 11
6.1 Signaux non periodiques ou ` a T + . . . . . . . . . . . . . . . . . . . . . . . 11
6.2 Denition de la Transformee de Fourier . . . . . . . . . . . . . . . . . . . . . . . 11
6.3 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.1 Linearite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2
6.3.2 Derivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.3 Parite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.4 Conjugue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.5 Decalage temporel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.6 Dilatation temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
7 Convolution 12
7.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
7.2 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
7.3 Convolution de fonctions T
0
-periodiques . . . . . . . . . . . . . . . . . . . . . . 13
7.4 Theor`eme de Plancherel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
8 Transformee de Laplace 14
8.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
8.2 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9 Proprietes energetiques 14
9.1 Puissance instantanee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.2 Puissance moyenne sur un duree T . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.3 Energie dans un intervalle T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.4 Energie totale du signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.5 Puissance moyenne dinteraction entre deux signaux . . . . . . . . . . . . . . . . 15
9.6 Puissance frequentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
10 Correlation et densite spectrale 15
10.1 Intercorrelation entre deux signaux . . . . . . . . . . . . . . . . . . . . . . . . . 15
10.2 Autocorrelation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
10.2.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
10.2.2 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
10.3 Densite spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
11 Proprietes spectrales 16
11.1 Spectre du signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
11.2 Theor`eme de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
11.3 Theor`eme de Wiener-Khinchine . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
12 Signaux aleatoires 17
12.1 Theorie des probabilites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
12.1.1 Variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3
12.1.2 Distribution de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
12.1.3 Distribution de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
12.1.4 Cas de 2 variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . 18
12.2 Principales lois de probabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
12.2.1 Proprietes des signaux aleatoires . . . . . . . . . . . . . . . . . . . . . . . 18
12.2.2 Caracteristique dun signal aleatoire stationnaire et ergodique . . . . . . 18
12.3 Le Bruit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.1 Bruit thermique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.2 Bruit blanc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.3 Bruit rose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.4 Bruit de Grenaille . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
12.3.5 Autres bruits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
12.3.6 Proprietes et Traitement de Bruit . . . . . . . . . . . . . . . . . . . . . . 20
12.3.7 Detection par correlation dun signal periodique noye dans du bruit . . . 20
13 Numerisation des Signaux 22
13.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.1.1 Processus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.1.2 Traitement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.1.3 Probl`eme rencontre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.2 Echantillonnage ideal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.2.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.2.2 Transformee de Fourier du peigne de Dirac . . . . . . . . . . . . . . . . . 23
13.2.3 Formule de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
13.2.4 Transformee de Fourier du signal echantillonne . . . . . . . . . . . . . . . 23
13.2.5 Theor`eme de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
13.2.6 Extraction du signal initial . . . . . . . . . . . . . . . . . . . . . . . . . . 24
13.2.7 Eet du repliement de spectre . . . . . . . . . . . . . . . . . . . . . . . . 24
13.2.8 Echantillonnage reel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
13.3 Quantication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
13.3.1 Puissance moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
13.3.2 Valeur moyenne quadratique (moment dordre 2) . . . . . . . . . . . . . 27
14 Syst`emes de Transmission et Filtres 28
14.1 Denitions et Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
14.1.1 Denitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
14.1.2 Bande Passante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
14.2 Filtres analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4
14.2.1 Filtre frequentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
14.2.2 Relation Filtrage-Convolution . . . . . . . . . . . . . . . . . . . . . . . . 29
14.2.3 Filtres lineaires physiquement . . . . . . . . . . . . . . . . . . . . . . . . 29
15 Filtres Analogiques 30
15.1 Filtres analogiques continus realisables . . . . . . . . . . . . . . . . . . . . . . . 30
15.2 Fonction de tranfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
15.3 Filtres ` a dephasage lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
15.4 Filtres Particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
15.5 Modelisation des ltres analogiques . . . . . . . . . . . . . . . . . . . . . . . . . 31
16 Filtres Numeriques 31
16.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
16.2 Filtrage lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
16.2.1 Transformee en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
16.2.2 TZ et Plancherel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3 Classication des ltres numeriques . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.1 Filtres non recursifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.2 Filtres recursifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.3 Filtres MA ou RIF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.4 Filtres AR ou RII . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
16.3.5 Filtres numeriques elementaires . . . . . . . . . . . . . . . . . . . . . . . 34
16.4 Conception dun ltre numerique . . . . . . . . . . . . . . . . . . . . . . . . . . 35
16.5 Restitution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
December 26, 2008
5
SIGNAUX ET DEFINITIONS
1 Denition du signal
On appelle signal toute grandeur physique tensorielle qui varie soit continument (signaux
analogiques) soit discr`etement (signaux numeriques) au cours du temps. Levolution dans
le temps de la grandeur consideree est regie par la dynamique specique du signal. Quelque
fois la loi temporelle regissant le phenom`ene est bien connue (signaux deterministes) et dautre
fois il est dicile, voir impossible de le decrire (signaux aleatoire).
1.1 Exemple
OEM dynamique regie par les lois de Maxwell
Son dynamique regie par la theorie des ondes stationnaires
Signaux electriques courant, tension
Inux nerveux electrophysiologique (transmission dinfos sensorielles)
1.2 Processus
Le traitement du Signal suit le cheminement suivant :
* Analyse et diagnostique
* Codage
* Quantication et Compression
* Transmission et archivage
* Synth`ese et restauration
1.3 Liens entre les deux types de signaux
Il existe une correspondance etroite entre signal analogique et signal discret :
Signal analogique Echantillonnage Signal discret.
Lechantillonnage consiste `a mesurer (`a decouper) ` a intervalle de temps regulier un signal
6
analogique. Cest un des outils souvent utilises en traitement du signal.
Lobjet du traitement du signal est donc danalyser avec soin, de coder, de transmettre
integralement ou une partie specique du signal ou de reconstruire `a sa reception toutes ses
proprietes an den tirer les maximum dinfos quil contient.
2 Signaux deterministes
2.1 Signaux analogiques
Ce sont des signaux ` a temps continu, cest `a dire denis pour toute valeur de t. On sappuie sur
les mod`eles mathematiques pour les decrire. Lallure de la fonction peut presenter des sauts.
2.2 Signaux `a temps discret
La variable de la fonction consideree ne peut prendre que des valeurs enti`eres k Z.
Pour la variable temps, k represente le coecient mutiplicateur dune duree t
0
qui permet
dechantillonner le signal.
3 Principaux signaux
3.1 Fonction porte

2T
(t) =

1 pour |t| T
0 pour |t| > T
3.2 Fonction echelon unite de Heaviside
u(t) =

1 pour t 0
0 pour t < 0
Cette fonction est interessante dans la description des regimes continus; moyen commode
dexprimer la discontinute de premi`ere esp`ece.
3.3 Fonction Impulsion de Dirac
Si on prend une fonction porte damplitude
1
T
, de largeur T et si on suppose que la duree
temporelle T est br`eve, on retrouve la denition de la fonction de Dirac. Elle presente les
proprietes suivantes :


T
(t)dt = 1, avec
T
(t) =

1
T
pour |t|
T
2
0 pour |t| >
T
2
7
lim
T0

T
(t) =

0 pour t = 0
pour t = 0
La limite de cette fonction lorsque T l donne limpulsion de Dirac :
(t) = lim
T0

T
(t) et

(t)dt = 1.
La distribution de Dirac est denie en t
0
comme suit :
(t t
0
) =

0 si t = t
0
si t = t
0
, avec

(t t
0
)dt = 1.
3.4 Fonction Triangle
(t) =

1-|t| pour |t| 1


0 pour |t| > 1
3.5 Fonction Sinus Cardinal
sinc(t) =
sin(t)
t
t R
3.6 Fonction Peigne de Dirac

T
=
+

n=
(t nT)
3.7 Fonction periodique
f(t) = f(t + T), t
T est la periode du signal. =
1
T
est la frequence du signal.
3.7.1 Valeur moyenne de f
f(t) =
1
T

t
0
+T
t
0
f(t)dt
3.7.2 Puissance Moyenne
P = f
2
(t) =
1
T

t
0
+T
t
0
f
2
(t)dt
(dans cette denition, on a pris pour resistance de charge la valeur 1)
Le RMS (valeur ecace) de cette fonction est donnee par :
f
2
eff
=
1
T

t
0
+T
t
0
|f(t)|
2
dt. Remarque : |f(t)|
2
= f(t).f

(t)
8
4 Signaux aleatoires
4.1 Denition
Un signal est dit aleatoire lorquon est incapable de le decrire par une loi mathematique simple.
Exemple : le bruit, leclair, certains ecoulements...
Un signal aleatoire peut etre de type transitoire ou permanent.
Dans le cas permanent : on peut le decrire par les lois de probabilites.
4.2 Rappels sur les notions de probabilite
La probabilite est un nombre reel, p [0, 1]
Variable aleatoire x
a
tel que p(x
a
= x
i
) =
a
[0, 1] et on a :

a
= 1
Le signal aleatoire continu etant decrit par la fonction x(t) qui evolue dans le temps de facon
incertaine, on sappuye sur les notions de statistiques de donnees pour le decrire.
9
MATHEMATIQUE DU SIGNAL
5 Serie de Fourier
5.1 Denitions
Soit un signal x(t) periodique de periode T admettant un nombre ni de discontinuites;
on a :
x(t) = a
0
+
+

n=1
[a
n
cos(nt) + b
n
sin(nt)]
a
0
=
1
T

t
0
+T
t
0
x(t)dt
a
n
=
2
T

t
0
+T
t
0
x(t). cos(nt)dt
b
n
=
2
T

t
0
+T
t
0
x(t). sin(nt)dt
5.2 Representation Complexe
x(t) =
+

n=
C
n
e
jnt
=
+

n=0
a
n
e
jnt
+e
jnt
2
+
n=+

n=1
b
n
e
jnt
e
jnt
2j
soit,
x(t) = a
0
+
1
2

n=1
[(a
n
jb
n
)e
jnt
+ (a
n
+ jb
n
)e
jnt
]
Les coecients C
n
sont calcules par lintegrale :
C
n
=
1
T

t
0
+T
t
0
x(t).e
jnt
dt = C

n
=
1
2
(a
n
jb
n
)
5.3 Representation spectrale
5.3.1 Harmoniques
Posons tan
n
=
b
n
a
n
.
On a : x(t) = a
0
+
+

n=1

a
2
n
+ b
2
n

a
n

a
2
n
+b
2
n
cos (nt)
b
n

a
2
n
+b
2
n
sin(nt)

cos(
n
) =
1

1 + tan
2

n
=
a
n

a
2
n
+ b
2
n
et sin(
n
)=
b
n

a
2
n
+ b
2
n
10
x(t) = a
0
+
+

n=1
S
n
cos(nt +
n
) avec S
n
=

a
2
n
+ b
2
n
x(t) = somme dun signal continue et dun innite de signaux sinusodaux de pulsation , 2,
3, 4,.....n,.....
Le terme de pulsation est appele la fondamentale ou le premier harmonique. Les autres
termes sappellent respectivement harmoniques dordre 2, 3, 4,......n,.......
5.3.2 Spectre
On porte sur laxe des abscisses la pulsation et en ordonnee les raies traduisant les modules
des S
n
correspondants.
De meme, on represente le spectre en puissace (S
2
n
) et puis le spectre en phase (
n
).
5.3.3 Symetrie et Changement de lorigine des temps
Fonction paire
a
n
=
4
T
T
2
t
0
x(t) cos(nt)dt, b
n
= 0, on en deduit que C
n
= C
n
=
a
n
2
Fonction Impaire
b
n
=
4
T
T
2
t
0
x(t) sin(nt)dt, a
n
= 0, on en deduit que C
n
= C
n
=
b
n
2j
6 Integrale et Tranformee de Fourier
6.1 Signaux non periodiques ou `a T +
x(t) =
+

n=
C
n
e
jn
0
t
avec C
n
=
1
T

t
0
+T
t
0
x(t).e
jn
0
t
dt

0
=
2
T
= 2
0
[t
0
, t
0
+ T]

T
2
,
T
2

Il est plus commode decrire :


x(t) =
n=+

n=

1
T

+
T
2

T
2
x(t).e
jn
0
t
dt

e
jn
0
t
Si T alors 0 spectre continue.
En posant = n
0
abscisse de la raie de rang n (frequence courante), alors

n
sera remplacee
par

dn =
1

d avec
0
=

0
2
=
1
T
et par consequent :
x(t) =

x(t).e
j2t
dt

e
j2t
d
6.2 Denition de la Transformee de Fourier
On appelle Transformee de Fourier de la fonction f(t) la fonction F() denie par :
X() =

x(t).e
j2t
dt et x(t) =

X()e
j2t
d
11
La reciprocite secrit : x(t)
TF
X()
6.3 Proprietes
6.3.1 Linearite
x(t) = ax
1
(t) + bx
2
(t) alors X() = aX
1
() + bX
2
()
6.3.2 Derivation
TF[x

(t)] = j2X()
6.3.3 Parite
x(t) X()
reelle paire reelle paire
reelle impaire imaginaire impaire
reelle complexe (Re paire, Im impaire)
6.3.4 Conjugue
Etant donnee x(t)
TF
X() alors x

(t)
TF
X

() ; x

est le complexe conjugue de x


Cest `a dire : TF[x

(t)] = X

()
6.3.5 Decalage temporel
TF[x(t t
0
)] = e
j2t
0
X()
Par symetrie on a :
TF[e
+j2
0
t
x(t)] = X(
0
)
6.3.6 Dilatation temporelle
TF[x(t)] =
1
||
X(

)
pour = 1 alors TF[x(t)] = X()
7 Convolution
7.1 Denition
z(t) = x(t) y(t) =

x()y(t ) d
La convolution exprime generalement la reponse `a un signal quelconque `a partir de celle dun
12
signal type (impulsionnelle) caracterise par y(t). exprime le retard temporel entre les deux
signaux.
Les ltres denis comme STLCS (Syst`eme de Transmission Lineaire Continue et Stationnaire)
sont des syst`emes de convolution.
7.2 Proprietes
x y = y x, x (y + z) = x y + x z, x = x = x
7.3 Convolution de fonctions T
0
-periodiques
z(t) =
1
T

T
0
0
x()y(t )d
7.4 Theor`eme de Plancherel
La TF du produit dune convolution est un produit simple et reciproquement.
x(t) y(t)
TF
X() Y () et reciproquement x(t) y(t)
TF
X() Y ()
Demonstration :
x(t)
TF
X() et y(t)
TF
Y ();
Soit z(t) le signal tel que : z(t) = x(t) y(t) =

x()y(t ) d
Calculons Z() = TF {z(t)} :
Z() =

z(t) e
j2t
dt =

[x(t) y(t)] e
j2t
dt
soit, Z() =

x()y(t ) d

e
j2t
dt
ou encore,
Z() =

x()y(t ) e
j2t
d

dt.
En ecrivant e
j2t
= e
j2
.e
j2(t)
, il vient :
Z() =

[x() e
j2
]

y(t ) e
j2(t)

dt et en separant les deux integrales


alors,
Z() =

[x() e
j2
]

y(t ) e
j2(t)
dt

d Posons = t , on d = dt
( est considere comme param`etre constant si on raisonne par rapport ` a la variable t).
On a :
Z() =

x() e
j2

y() e
j2
d

d
Puisque la deuxi`eme integrale est independante de , on peut ecrire Z() sous la forme :
Z() =

x() e
j2
d

y() e
j2
d

soit, le resultat attendu :


TF {x(t) y(t)} = X()()
13
8 Transformee de Laplace
Pour un signal continu transitoire, an dassurer la convergence de lintegrale de Fourier (signal
causal ie t > 0), on multiplie x(t) par e
pt
.
8.1 Denition
On denit alors la transformee de Laplace de la mani`ere suivante :
Lx(p)={x(t)}
L
= X(p) =

+
0
x(t)e
pt
dt
8.2 Proprietes
ax
1
(t) + bx
2
(t)
TL
aX
1
(p) + bX
2
(p)
x(at)
TL

1
|a|
X(
p
a
)
x(t a)
TL
X(p) e
a.p
x(t) y(t)
TL
X(p) Y (p)
et reciproquement,
x(t) x(t)
TL
X(p) Y (p)
9 Proprietes energetiques
Transmission dinformation Transmission denergie
9.1 Puissance instantanee
p(t) = |x(t)|
2
= x(t) x

(t)
9.2 Puissance moyenne sur un duree T
p
T
(t) =
1
T

t+T
t
p(t) dt
9.3 Energie dans un intervalle T
E
T
(t) =

t+T
t
p(t) dt
9.4 Energie totale du signal
E =

p(t) dt
14
9.5 Puissance moyenne dinteraction entre deux signaux
p
xy
(t, T) =
1
T

t+T
t
x(t) y

(t) dt et p
yx
(t, T) =
1
T

t+T
t
y(t) x

(t) dt
9.6 Puissance frequentielle
Soit f(t)
TF
F(); nous denissons les grandeurs ci-apr`es :
Spectre de puissance ou densite spectrale :
S
xx
() = X()

() = |X()|
2
Energie contenue dans une bande de frequences de largeur autour dune frequence F
0
secrit : E
x
(, F
0
) =

F
0
+

2
F
0

2
S
xx
()d
Lenergie totale dans le spectre X() sexprime sous la forme :
E
x
=

S
xx
().d =

|X()|
2
d
10 Correlation et densite spectrale
10.1 Intercorrelation entre deux signaux
C
xy
() =

x(t)y

(t ) dt =

x(t + )y

(t) dt
Attention aux notations, on peut aussi denir sous la forme :
C
xy
(t) =

x()y

( t) d =

x(t + )y

() d
10.2 Autocorrelation
10.2.1 Denition
C
xx
() =

x(t)x

(t ) dt =

x(t + )x

(t) dt
10.2.2 Proprietes
Pour les signaux reels la fonction C
xx
est paire, C
xx
(t) = C
xx
(t)
t on a : C
xx
(t) C
xx
(0) (valeur maximale `a t = 0)
10.3 Densite spectrale
TF
1
{S
xx
()} = TF
1
{|X()|
2
} = TF
1
{X().X

()}
TF
1
{S
xx
()} = x(t) x

(t) =

x(t).x

(t ).dt = C
xx
()
do` u la relation : C
xx
()
TF
S
xx
()
et pour deux signaux x(t) et y(t) : C
xy
(t)
TF
S
xy
() ou C
yx
(t)
TF
S
yx
()
15
Remarque :
Pour les fonctions reelles, |X()|
2
= X()X

() = X()X() et S
xx
() = |X()|
2
11 Proprietes spectrales
11.1 Spectre du signal
X() = TF {x(t)} =

x(t)e
j2t
dt
x(t) reelle X() = X

() = X

()
11.2 Theor`eme de Parseval
Lenergie totale dun signal ne depend pas de la representation choisie.
E
x
=

|x(t)|
2
dt =

|X()|
2
d, cest une evidence logique.
E
xy
=

|x(t)| . |y

(t)| dt =

|X()| |Y

()| d
Remarque :
Pour un signal localise
E =

p(t) dt =

S
xx
() d
11.3 Theor`eme de Wiener-Khinchine
Enonce :
La densite spectrale du signal S
xx
() est la transformee de Fourier de la fonction dautocorrection
C
xx
(). On ecrit cette propriete sous la forme :
S
xx
() = TF{C
xx
()} =

C
xx
()e
j2
d et reciproquement :
C
xx
() = TF
1
{S
xx
()} =

S
xx
()e
j2
d
Demonstration :
Faisons le changement de variable t

= t
S
xx
() = X()X

() = X()X()
=

x(t)e
j2t
dt

x(t

)e
j2t

dt

x(t)x(t

)e
j2(t

t)
dtdt

x(t)x(t )e
j2
ddt =

C
xx
()e
j2
d = TF {C
xx
()}
Reciproquement,
C
xx
() =

x(t)x(t )dt =

X()e
j2t
d

X(

)e
j2

(t)
d

dt
=

X()X(

)e
j2(+

)t
e
j2

dd

dt
=

X()X(

)( +

)e
j2

dd

X()X()e
j2
d
16
=

S
xx
()e
j2
d
12 Signaux aleatoires
12.1 Theorie des probabilites
12.1.1 Variables aleatoires
Fonction de repartition-densite de probabilite :
Supposons quon mesure lamplitude de N signaux au cours N processus identiques;
si on trouve x
a
= n pour les N mesures avec x
a
< x, on ecrit :
F(x) = p(x
a
< x) =
n
N
F(x) est la fonction de repartition de la variable aleatoire x
a
.
La densite de probabilite relative pour que x
a
[x
1
, x
2
] est :
f(x) = lim
x
2
x
1
p(x
1
< x
a
< x
2
)
x
2
x
1
=
p(x < x
a
< x + dx)
dx
f(x) est la derivee de la fonction F(x) =

f(u)du
Axiome : F() =

f(x)dx = 1
Valeur moyenne dun signal aleatoire discret
x
moy
= x =
1
N

i
n
i
x
i
avec

i
n
i
= N
(on suppose ici que chaque evenement X = x
a
se realise n
i
fois),
ou dans le cas continue, la valeur moyenne secrit :
x =< x >=

xf(x)dx et est encore appele lesperance mathematique de x ou moment dordre


1 de x.
Esperance mathematique :
E(x) = p
1
x
1
+ p
2
x
2
+ ... + p
n
x
n
= x =

x.dF(x) =

x.p(x)dx
Moment dordre n : E(x
n
) =

x
n
.p(x)dx.
Moment dordre 2 ou moment quadratique :
Elle mesure la dispersion dune variable aleatoire autour de sa valeur moyenne.
E(x
2
) =

x
2
.p(x)dx est lie ` a lenergie transportee par le signal.
Moyenne quadratique dun signal centre :
V ar(x) =
2
x
= E

(x x)
2

(x x)
2
.p(x)dx = E(x
2
) [E(x)]
2
Ecart type :

x
=

V ar(x).
12.1.2 Distribution de Gauss
f(x) =
1

2
e

1
2
(
xx

)
2
17
12.1.3 Distribution de Poisson
f(x) =

x
x!
e

= x
12.1.4 Cas de 2 variables aleatoires
On denit la covariance et la correlation de la facon suivante :

2
x
i
x
j
=< (x
i
x
i
)(x
j
x
j
) > et
xy
=

2
xy

y
12.2 Principales lois de probabilite
- Loi exponentielle : f(x) = e
x
avec [0, +]
- Loi de Rayleigh : f(x) =
x

2
e

x
2
2a
avec a [0, +]
- Loi de poisson : p(x = k) =

k
k!
e

- Loi de Gauss : f(x) = p(x) =


1

2
e

(xx
0
)
2
2
2
12.2.1 Proprietes des signaux aleatoires
On consid`ere un processus decrit par la variable aleatoire x(t)
Stationnarite et Ergodicite
Processus stationnaire caracteristiques statistiques (moyenne, ecart type, etc..) independantes
du choix de lorigine du temps
Processus ergodique moyennes sur plusieurs epreuves sont equivalentes aux moyennes tem-
porelles correspondant ` a une seule epreuve
Signal stationnaire x
T
= x
T+
exemple : signal non ergodique
Signal ergodique x
e
= x
t
exemple : non stationnaire, signal de Wiener
12.2.2 Caracteristique dun signal aleatoire stationnaire et ergodique
Si la variable aleatoire stationnaire est aussi ergodique il y a equivalence avec les caracteristiques
temporelles.
Moyenne temporelle
x
e
= lim
N
1
N

i
x
i
(t) et x(t) = lim
T
x
T
= lim
T
1
T

+
T
2

T
2
x(t)dt
Puissance du signal
P
x
= x
2
(t) = lim
T
1
T

+
T
2

T
2
x
2
(t)dt < x
2
(t) >
Fonction dautocorrelation temporelle
C
xx
() = lim
T
1
T

+
T
2

T
2
x(t)x(t )dt
18
12.3 Le Bruit
On appelle bruit tout signal indesirable, limitant lintelligibilite dun signal utile.
Le bruit peut avoir avoir plusieurs sources :
- sources externe (independant du signal propre) localise `a lexterieur du syst`eme
- source internes (perturbation impulsionnelle, bruit de fond) lie ` a lelectronique du systeme.
12.3.1 Bruit thermique
Eet Johnson b
2
eff
= 4.k.T.R.
avec

k la const de Boltzmann
T temperature (en K)
R resis tan ce (en )
bande passante du syst`eme (en Hz)
La puissance totale du bruit thermique (dans resistance constante) est :
P
th
= k.T. exprimee en W
12.3.2 Bruit blanc
Le bruit blanc est un signal de valeur moyenne nulle. Son spectre en amplitude est constant.
La densite spectrale du bruit blanc est constante dans la bande de frequence consideree.
B() = B
0
=
1
2
kT.
La fonction dautocorrelation temporelle du bruit blanc est une impulsion de Dirac :
C
bb
() = B
0
.()
Pratiquement, un tel bruit nexiste pas, mais parlera du bruit blanc ` a chaque fois que le spectre
de densite de puissance est constante ` a linterieur de la bande passante.
12.3.3 Bruit rose
Un bruit rose est un bruit dont le spectre en amplitude est inversement proportionnel ` a la
frequence (le spectre en amplitude varie en
1

).
En realite, il sagit dun bruit blanc dont la densite spectrale de puissance est modelisee par
une fonction porte de largeur 2
b
;
b
est la frequence maximale du bruit rose.
La fonction dautocorrelation impulsionnelle du bruit rose est tr`es etroite et centree sur = 0
(fonction sinc dans le cas reel)
B() = B
0

2
b
()
19
Sa fonction dautocorrelation est : C
bb
() = B
0
(2
b
)
sin(2
b
)
2
b

Dans le cas o` u
b
tr`es grand, la fonction dautocorrelation du bruit du bruit rose est nulle pour
( >
lim
).
12.3.4 Bruit de Grenaille
Fluctuations statistiques du nombre de porteurs de charges traversant la barri`ere de potentiel,
qui participe ` a la reation de courant (jonction PN dun semi-conducteur).
12.3.5 Autres bruits
Bruit dit gaussien (caracterise valeur moyenne et un ecart-type)
Bruit dit periodique (somme de signaux sinusoidaux sans reference de base)
Bruit brownien (le spectre en amplitude varie en
1

2
12.3.6 Proprietes et Traitement de Bruit
Rapport S/B (signal/bruit) :
Ce rapport caracterise la qualite du signal. On compare le S/B dentree et le S/B `a la sortie.
Soit un signal x(t) de puissance moyenne P
x
, melange avec du bruit blanc b(t).
Sa puissance moyenne resultante est :
P
s
= P
x+b
= lim
T+
1
T

T
0
[x(t) + b(t)]
2
dt
Comme ce bruit est independant du signal, on a :
P
s
= lim
T+
1
T

T
0
[x(t)]
2
dt + lim
T+
1
T

T
0
[b(t)]
2
dt = P
x
+ P
b
Pour un bruit blanc stationnaire, ergodique et centre, on a:
P
s
= P
x
+
2
b
Le rapport signal/bruit se deni sous la forme : =
P
x

2
b
Si on prend un signal informatif de type cosinusodal x(t) = Acos(t) , le rapport signal/bruit
se denit sous la forme : =
1
2

A
2

2
b
Exemples de signaux bruites
- signal peu predictible
- signal lent assez predictible
- signal rapide peu predictible
- signal presentant une bande de frequences dominante
- signal sinusoidal perturbe par un bruit `a large bande
12.3.7 Detection par correlation dun signal periodique noye dans du bruit
Soit un signal x(t),
soit un bruit b(t), bruit sans memoire (C
bb
() = 0) et independants de x(t).
20
Le signal complet ` a traiter est s(t) = x(t) + b(t).
La fonction dautocorrelation de s(t) est donnee par :
C
ss
() =
1
T

+
T
2

T
2
s(t)s(t )dt =
1
T

+
T
2

T
2
[x(t) + b(t)] [x(t ) + b(t )] dt.
Par distributivite de loperateur de correlation, il vient :
C
ss
() = C
xx
() + C
xb
() + C
bx
() + C
bb
()
Or, les fonctions C
xb
() et C
bx
() sont nulles (signaux independants); resultat toujours vrai
meme si T est grande. De plus pour le bruit blanc C
bb
() = 0 en dehors de 0 ou negligeable
devant C
xx
() au bout dune duree nie de correlation.
Donc en sortie on a : C
ss
() = C
xx
().
21
ECHANTILLONNAGE
13 Numerisation des Signaux
13.1 Introduction
s(t) signal analogique s(nT
e
) avec n entier, T
e
periode dechantillonnage.
Cette operation est realisee par des circuits : preleveurs ou echantillonnneurs
13.1.1 Processus
Filtrage analogique V (t) Echantillonnage V
e
(nT
e
) Quantication (codage V
e
(n))
Traitement (syst`eme numerique) Restitution V
s
(nT
s
) Filtrage analogique V
s
.
13.1.2 Traitement
Filtrage numerique, Stockage, Transmission, Codage, Compression....
Sans traitement le signal nal reste d`ele au signal analogique : V
e
(n) = V
s
(n)
13.1.3 Probl`eme rencontre
- la periode dechantillonnage
- le pas de quantication
- le temps de reponse du syst`eme.
13.2 Echantillonnage ideal
13.2.1 Denition
Operation mathematique simple : multiplier un signal analogique par des impulsions unites
reguli`eres dans lespace temporel.
On utilise la fonction Peigne de Dirac :
22

T
e
(t) =
+

k=
(t k.T
e
)
On obtient, ` a partir dun signal x(t), le signal echantillonne x
e
(t) , suite de pics de Dirac dont
les poids statistiques sont les valeurs du signal x(t) aux instants kT
e
, cest ` a dire les valeurs
x
k
= x(kT
e
).
x(t) x
e
(t) = x(t)
+

k=
(t kT
e
) =
+

k=
x(t) (t kT
e
)
x
e
(t) =
+

k=
x(kT
e
) (t kT
e
) =
+

k=
x
k
(t kT
e
) o` u x
k
= x(kT
e
) (1)
x
e
(t) : signal discret `a spectre non borne (periodisation innie).
13.2.2 Transformee de Fourier du peigne de Dirac
TF

k=
(t kT
e
)

=
e
+

k=
( k
e
)
13.2.3 Formule de Poisson
+

k=
(t kT
e
) =
e
+

k=
e
j2k
e
t
+

k=
x(t kT
e
) =
e
+

k=
X(k
e
)e
j2
e
kt
13.2.4 Transformee de Fourier du signal echantillonne
Soit X() = TF{x(t)}

et X
e
() = TF{x
e
(t)}

On a : X
e
() = {x
e
(t)}

= TF

k=
x
k
(t kT
e
)

Or dapr`es Plancherel, X
e
() = {x
e
(t)}

=TF

k=
(t kT
e
)

X()
X
e
() =
e
+

n=
( n
e
) X() =
e
+

n=
X ( n
e
) (2)
do` u, le spectre de lechantillonne X
e
() sobtient en periodisant avec une periode de
e
sur
laxe des frequences, la transformee de Fourier X() du signal x(t) multiplie par
e
13.2.5 Theor`eme de Shannon
Soit un signal ` a spectre `a support borne (
max
< <
max
)
Posons,
e
=

e
2
=
1
T
e
;
pour que X
e
() X() il faut et il sut que
e
2
max
(theor`eme de Shannon).
Enonce du theor`eme dechantillonnage :
Un signal continu de spectre borne dans [
max
, +
max
] est compl`etement deternime par les
valeurs quil prend `a des instants reguli`erement espaces de
1
2
max
au minimum.
23
13.2.6 Extraction du signal initial
On suppose la condition du theor`eme de lechantillonnage respectee et que le signal initial est
` a spectre borne par
max
.
On peut ecrire dapr`es la relation (2), le spectre de base sous la forme :
X
e0
() =
e
X() (3)
En appliquant la TF
1
on obtient le signal temporel correspondant au spectre de base U
e0
(),
soit :
X
e0
(t) =
e
.x(t) (4)
De fa con rigoureuse on utilise le Filtrage : avec un ltre passe-bas ideal de frequence de coupure

e
2
, caracterise par la fonction porte on peut ecrire :
X
e0
() = X
e
()

e
()
En prenant la TF
1
et en appliqant le theor`eme de Plancherel, on a :
x
e0
(t) = x
e
(t) [
e
sin c(
e
t)] =
e

x
e
(t)
sin(
e
t)

e
t

x
e0
(t) =
e

k=+

k=
x(kT
e
) (t kT
e
)

sin(
e
t)

e
t
, dapr`es la relation (1)
et donc, u
e0
(t) =
e

+
k=
x(kT
e
)
sin(
e
(tkT
e
))

e
(tkT
e
)

Par identication, avec ce qui prec`ede (relation (4)), on peut ecrire :


x(t) =
+

k=
x(kT
e
)
sin(
e
(t kT
e
))

e
(t kT
e
)
(5)
13.2.7 Eet du repliement de spectre
Lorsque le theoreme de Shannon nest pas respecte on observe des phenom`enes de recouvrement
(ou repliement) des spectres .
13.2.8 Echantillonnage reel
Le signal echantillonne reel est constitue dimpulsions distantes de T
e
et de largeur .
Lamplitude de ces impulsions sera fonction du procede dechantillonnage utilise :
- naturel : amplitude egale x(t) pendant lintervalle (irrealisable)
- regulier : amplitude constante et egale `a x(nT
e
) pendant la duree
- moyenneur : amplitude egale ` a la moyenne de x(t) sur lintervalle
Lechantillonnage reel se fait en prenant une fonction porte de largeur et periodisee avec une
periode T
e
.
Mathematiquement on a :
i
T
e
,
(t) =
k=+

k=

(t kT
e
)
En utilisant le peigne de Dirac et le produit de convolution on a :
i
T
e
,
(t) =

(t)
T
e
(t) =

(t)
k=+

k=
(t kT
e
)
24
Le pectre de ce signal sexprime :
I
T
e
,
() =


sin()

[
e

e
()] =
sin()

k=+

k=
( k
e
) soit,
I
T
e
,
(t) =
e

k=+

k=
sin(k
e
)
k
e
( k
e
) (6)
Echantillonnage naturel
Lamplitude de chaque echantillon suit la valeur de la fonction pendant lintervalle .
On a :
x
e
(t) = x(t) i
T
e
,
(t) = x(t) [

(t)
T
e
(t)] (7)
on en deduit le spectre, dapr`es la relation (6);
X
e
() = X() I
T
e
,
() = X()

k=+

k=
sin(k
e
)
k
e
( k
e
)

,
ou encore :
X
e
() =
e

k=+

k=
sin(k
e
)
k
e
X ( k
e
) (8)
En utilisant la relation (8) on deduit la relation liant le spectre de base du signal echantillonne
et celui du spectre reel :
X
e0
() =
e
X()
Cette relation exprime une proportionnalite donc une conservation de linformation (pas de
deviation).
Echantillonnage regulier ou bloqueur
Chaque impulsion est constante = x(nT
e
) (pratique et le plus souvent mis en oeuvre).
Mathematiquement, il sagit dune suite de fonctions portes damplitudes egales aux echantillons
du signal :
x
e
(t) =
k=+

k=
x(kT
e
)

(t kT
e
) = [x(t)
T
e
(t)]

(t) =

x(t)
k=+

k=
(t kT
e
)

(t)
on en deduit :
X
e
() = [X() (
e

e
())]


sin()

X
e
() =
e

sin()


k=+

k=
X( kT
e
) (9)
De la meme mani`ere le signal initial est extrait par un ltre passe-bas de largeur
e
.
La relation liant le spectre de base et celui du signal echantillonne (en sappuyant sur la relation
(9)) est :
X
e0
=
e

sin()

X()
Echantillonnage moyenneur
On consid`ere ici les echantillons x
e
(kT
e
) correspondant ` a la valeur moyenne de x(t) prise sur la
duree de limpulsion .
Ainsi lechantillon x
k
sexprime sous la forme:
x
k
=
1

kT
e
+/2

kT
e
/2
x(t)dt
25
En utilisant la fonction porte, la relation precedente peut secrire :
x
e
(kT
e
) =
1


kT
e
+/2

kT
e
/2

(t kT
e
) x(t) dt
Cette expression represente le produit de convolution de x(t) et

(t) au temps kT
e
,
d

o` u :
x
e
(kT
e
) =
1

(t) x(t)] (t kT
e
)
Le signal echantillone complet a pour expression :
x
e
(t) =
1

k=
[

(t) x(t)] (t kT
e
)
soit:
x
e
(t) =
1

(t) x(t)]
T
e
(t)
Par TF et utilisant le th de Plancherel, on peut deduire le spectre X
e
() = TF {x(t)}

:
X
e
() =
1


sin()

X()

[
e

e
()]soit :
X
e
() =
e

k=
sin((k
e
))
(k
e
)
X( k
e
) (10)
De la meme mani`ere en sappuyant sur la relation (10), on a :
X
e0
=
e

sin()

X(),
resultat tr`es proche de celui de lechantillonnage regulier. Lamplidute de X() est modulee
par la fonction sinc() = deformation par rapport ` a echantillonnage naturel.
Remarque : plus la duree de limpulsion dechantillonage est faible devant la periode du signal
echantillonne, plus le bloqueur et le moyenneur sont plus proche de lideal (naturel).
13.3 Quantication
Choisir et remplacer par la valeur arrondie au plus proche voisin ou par defaut les echantillons
utiles.
Pour un echantillonnage uniforme on choisit N intervalles identiques de valeur q. On utilise un
convertisseur numerique-analogique. Ce processus introduit toujours une erreur appelee bruit
de quantication sauf si le signal est de la forme : x
e
(kT
e
) = N q
Lerreur de quantication est un bruit blanc. Cette erreur provient de la compression ou de
lexpansion lineaire et non-lineaire des donnees.
Soit une erreur que quantication (t), pendant un temps tr`es long , on suppose que lamplitude
du signal varie dans une plage plus large que q (pas de quantication) et peut etre approximee
par une droite :
(t) = q
t

pour

2
t

2
.
La valeur moyenne est nulle sur cet intervalle.
26
13.3.1 Puissance moyenne
P

=
1

2
(t) dt =
1

q
t

2
dt =
q
2
12
Variable aleatoire, densite de probabilite p() constante egale ` a
1
q
sur lintervalle

q
2
, +
q
2

.
13.3.2 Valeur moyenne quadratique (moment dordre 2)
E
sp
[
2
] =
+

2
p() d =
1
q
+
q
2

q
2

2
d =
q
2
12
= P

Ce bruit de quantication est une variable stationnaire et ergodique.


Remarque : Processus de quantication = signal + bruit uniforme.
Cest un bruit blanc de largeur spectrale

0,

e
2

.
La densite spectrale est donc :
q
2
6
e
Exemple : Syst`eme de codage sur n bits (valeur maximale de codage 2
n
1)
s(t) = V
max
sin(
2
T
t) avec V
max
=
2
n
1
2
q
La puissance moyenne de ce signal est :
P
s
=
1
T
+
T
2

T
2
s
2
(t)dt =
V
2
max
2
. En supposant n tr`es grand (2
n
1) alors, P
s
2
2n3
q
2
.
27
FILTRAGE
14 Syst`emes de Transmission et Filtres
14.1 Denitions et Proprietes
Un syst`eme de transmission (ST) fait correspondre ` a un signal dentree e(t) un signal de sortie
s(t) reponse du syst`eme de transmission.
14.1.1 Denitions
Le bel est le logarithme decimal du rapport
s(t)
e(t)
. Dans la pratique, on utilise le decibel :
A
db
= 10 log

s(t)
e(t)

.
Pour un appareil Hi-Fi (un amplicateur par exemple), on utilse la meme expression, mais,
avec les puissances dentree et de sortie :
A
db
= 10 log

P
s
P
e

= 10 log

V
2
s
R
s
V
2
e
R
e

si R
s
= R
e
, on a :
A
db
= 10 log

V
s
V
e

= 20 log

V
s
V
e

, ce qui correspond aussi au gain en puissance de lappareil.


14.1.2 Bande Passante
Letude de la fonction P
s
= P
s
() sur une resistance de charge constante permet de passer par
sa valeur maximale P
s
max
` a une frequence donnee.
On appelle bande passante dun syst`eme de Transmission, la zone de frequences pour lesquelles
on a :
P
s
P
s
max
0.5 ou A
db
3db.
14.2 Filtres analogiques
ltrage domaine frequentiel.
fenetrage domaine temporel.
Le fenetrage consiste `a prelever, interrompre ou seulement attenuer un signal.
28
Un ltre est deni comme la reponse impulsionnelle notee h(t), et par sa fonction transfert
notee H(f) (ou H(p) resp.) transformee de (Fourier ou Laplace resp.) de h(t).
14.2.1 Filtre frequentiel
Cas classique :
Filtre passe-bande : seules sont transmises les frequences comprises dans lintervalle [
0
,
0
+ ]
Filtre coupe-bande : on arrete les frequences comprises dans lintervalle [
0
,
0
+ ]
En pratique :
Pour un x(t) donne, on peut representer X() qui est la TF du signal x(t) et on ltre en mul-
tipliant X() par H().
En vertu du theor`eme de Plancherel, on passe du produit simple dans lespace des frequences
au produit de convolution dans lespace temporel et inversement.
X
s
() = X(). H() o` u X
s
() est le signal ltre. On a :
x
s
(t) = x(t) h(t) =

x()h(t )d.
h(t) est la reponse impulsionnelle du ltre.
14.2.2 Relation Filtrage-Convolution
Filtrage temporel = convolution frequencielle
Filtrage frequentiel = convolution temporelle
Lappareil le plus perfectionne va transmettre les frequences comprise dans la bande [0, F
M
] et
arretera les frequences superieures `a F
M
en un laps de temps.
14.2.3 Filtres lineaires physiquement
La causalite
Leet (sortie du ltre) ne peut preceder la cause (entree du ltre).
La reponse impulsionnelle dun ltre est la reponse ` a une impulsion de Dirac appliquee ` a t = 0;
elle doit etre nulle pour t < 0.
Tout syst`eme physique doit avoir : h(t) = 0 pour t < 0.
Pour un ltre causal : x
s
(t) =

h()x(t )d =

+
0
h()x(t )d. Un ltre non causal
devra utiliser des valeurs futures de signaux dentree ce qui nest pas evident, ou soit ceci est
possible en travaillant en temps diere.
Dephasage des ltres
Soit h(t) la reponse implusionnelle dun ltre, son gain complexe est :
H() = TF [h(t)] = ReH() + jImH()=|H()| e
j()
La relation sortie-entree du ltre secrit, en frequence, sous la forme : X
s
() = |H()| e
j()
X(),
et le dephasage de la sortie par rapport ` a lentree est la phase ou largument () du ltre.
29
Remarque : Si () = 0 (gain reel), la reponse implusionnelle est paire.
Pour un ltre causal, on a : () = 0.
15 Filtres Analogiques
15.1 Filtres analogiques continus realisables
Les ltres realises et appliques sur des signaux `a temps continu (non echantillonnes) sont
constitues par des composants electroniques (Resistances, Capacites et Self, Amplicateurs
Operationnels, niodes ...).
Le spectre S() du signal de sortie s(t) est le produit du spectre E() du signal de dentree
e(t) avec la fonction de transfert frequentielle du ltre H() :
S() = E() H()
15.2 Fonction de tranfert
Par application du theor`eme de Plancherel, on passe ` a la representation temporelle :
S() = E().H()
TF
s(t) = e(t) h(t)
h(t) est la reponse impulsionnelle du ltre, H() ou H(p) (TF ou TL) est sa fonction de
transfert.
on peut remplacer n ltres en serie par un seul ltre de reponse impulsionnelle h(t) qui sexprime
sous la forme : h(t) = h
1
(t) h
2
(t) ... h
n
(t).
La fonction de transfert equivalente secrit :
H() = H
1
() H
2
() ... H
n
().
Lentree et la sortie sont des signaux temporels. Le signal dentree e(t) et de sortie s(t) sont
relies par des relations integro-dierentielles lineaires ` a coecients constants.
En utilisant la Transformee de Laplace, cette relation conduit ` a une fonction de transfert ou
au gain complexe ; quotient de 2 polyn omes en p : H(p) =
N(p)
D(p)
La fonction de transfert du ltre analogique continue est denie `a partir dune association des
4 fonctions de transfert suivantes :
H
1
() =
1
1+2j
ltre passe-bas du premier ordre ou H
1
(p) =
1
1+p
H
2
() =
2j
1+2j
ltre passe-haut du premier ordre ou H
2
(p) =
p
1+p
H
3
() =
1
1+4j4
2

2
ltre passe-bas du deuxi`eme ordre ou H
3
(p) =
1
1+2p+(p)
2
H
4
() =
4
2

2
1+4j4
2

2
ltre passe-haut du deuxi`eme ordre ou H
4
(p) =
(p)
2
1+2p+(p)
2
est le coecient damortissement, est le temps de reponse.
30
15.3 Filtres `a dephasage lineaire
Filtre ` a reponse non causal h
1
(t) sans dephasage; h
1
(t) est lineaire symetrique par rapport `a
lorigine.
Supposons que h
1
(t) est aussi ` a support borne[
0
,
0
], considerons alors le ltre dont la reponse
impulsionnelle serait deduite de h
1
(t) par translation ; on a :
h(t) = h
1
(t
0
) et H() = H
1
()e
2j
0
.
Puisque h
1
(t) est reel paire alors H
1
() est aussi reel paire. Le dephasage de H() est alors
() = 2
0
(fonction lineaire de la frequence).
15.4 Filtres Particuliers
Filtre de Butterworth :
|H()| =
1

1+
2
()
2n
Filtre de Tchebychev :
|H()| =
1

1+
2
C
2
n
()
avec C
n
() tel que :
C
0
(1) = 1, C
1
() = et C
n+1
() = 2 C
n
() C
n1
()
Filtre de Legendre :
|H()| =
1

1+
2
L
n
(
2
)
o` u L
n
() designe le polynome de Legendre en .
15.5 Modelisation des ltres analogiques
La tension aux bornes de chaque element du circuit et sa TL secrivent :
u(t) = Ri(t) Z
R
(p) = R
u(t) =
1
C

t
i(t)dt Z
c
(p) =
1
pC
u(t) = L
d
dt
i(t) Z
L
(p) = pL
en associant ces dip oles dans la realisation du ltre, et en posant = RC, on obtient pour
les fonctions de transfert, les relations ci-dessus ou leurs combinaisons. Pour les montages
speciques, veuillez consulter le formulaire.
16 Filtres Numeriques
16.1 Denition
On appelle ltre numerique un syst`eme utilise pour modier la distribution frequentielle dun
signal numerique dentree en le transformant en un signal numerique desire en sortie.
Avec le progr`es en informatique les ltres numeriques sont caracterises par leur : precision,
abilite, stabilite, adaptabilite et facilite de commande.
En fait, ce ltre relie la sortie y(kTe) = y
k
` a lentree x(kTe) = x
k
` a chaque instant kTe, T
e
31
etant la periode dechantillonnage.
y
k
= Fonction(x
k
, x
k1
, ..., y
k1
, y
k2
, ...)
16.2 Filtrage lineaire
Considerons un ltre numerique excite par une entree x(n), et soit y(n), la sortie. Lequation
aux dierences reliant la sortie et lentree est :
y(n) +
P

k=1
a
k
y(n k) =
M

k=0
b
k
x(n k) (11)
x(n) Filtre Numerique y(n)
Le ltre presente ici est causal : il construit ` a linstant n, le signal y(n), ` a partir des P sorties
passees et des M+1 entrees contemporaines et passees. Comme pour les ltres analogiques, la
sortie dun ltre numerique est le produit de convolution de lentree par sa reponse impulsion-
nelle h(n).
y(n) = h(n) x(n)
y(n) =

p
h(n p)x(p) =

p
h(p)x(n p)
La representation frequentielle est donnee pour les signaux echantillonnes, par la transforma-
tion en Z.
16.2.1 Transformee en Z
Denition
La transforme en Z peut etre considere comme une generalisation de la transformation de
Fourier ` a laquelle elle peut sidentier dans des cas particuliers. La transformee en Z constitue
loutil privilegie pour letude des syst`emes discrets. Elle joue un r ole equivalent ` a celui de la
transformee de Laplace et permet de representer un signal possedant une innite dechantillons
par un ensemble ni de nombres. Elle est denie pour un signal echantillonne x(n) par :
X(z)=TZ[x(n)]=
+

n=
x(n)z
n
Lien avec la transformee de Fourier
Si on pose z= re
j2
, on a :
X(z)=X(re
j2
)=
+

n=
x(n)(re
j2
)
n
=
+

n=
x(n)r
n
e
j2n
Pour |r| = 1, on a : X(z) = X()=
+

n=
x(n)e
j2n
, qui est la denition de la transformee de
Fourier discrete.
32
16.2.2 TZ et Plancherel
H(z) = TZ {h(n)}
X(z) = TZ {x(n)}
Y (z) = TZ {y(n)}
La relation entree-sortie va secrire alors :
Y (z) = H(z) X(z)
en prenant la TZ de la relation (11) on a:
H(z) =
Y (z)
X(z)
=
M

0
b
k
z
k
1+
P

1
a
k
z
k
=
N(z)
D(z)
Le gain complexe en Z dun ltre numerique est une fraction rationnelle en z (ou z
1
).
Les zeros de N(z) sont les zeros du ltre, les zeros de D(z) sont les p oles du ltre.
En appelant z
oj
les zeros et z
pi
les poles, on a :
H(z) = K z
PM

j=1
(zz
0j
)
P

i=1
(zz
pi
)
, z
PM
est un retard pur, K est un facteur dechelle.
Un ltre numerique est donc decrit ` a un retard et ` a un facteur dechelle pr`es, par la connaissance
de ses zeros et ses poles.
16.3 Classication des ltres numeriques
On les classe en fonction des zeros et des poles.
16.3.1 Filtres non recursifs
y
k
=
M

i=0
a
i
x
ki
Tous les b
i
sont nuls
16.3.2 Filtres recursifs
y
k
=
M

i=0
a
i
x
ki

M

j=1
b
j
y
kj
au moins un des b
i
est non nul (ltre possedant une boucle de
contre-reaction).
16.3.3 Filtres MA ou RIF
Les ltres `a moyenne ajustee (MA) ou ltre `a reponse impulsionnelle nie (RIF) ne poss`edent
que des zeros (et un p ole multiple en z = 0). La relation dentree-sortie est :
y
n
=
M

k=0
b
k
x(n k).
Ces ltres realisent une moyenne (lissage) de M+1 entrees. Leur reponse implusionnelle est
telle que :
33
h(n) =

0 si n < 0
b
k
si 0 n M
0si n > M
; do` u la denomination de ltre ` a reponse impulsionnelle nie. Le
gain complexe en Z est :
H(z) =
M

0
b
k
z
k
=
M

0
b
k
z
Mk
z
M
=
N(z)
z
M
. Les zeros sont les M racines de N(z).
16.3.4 Filtres AR ou RII
Les ltres autoregressifs (AR) ou les ltres ` a reponse impulsionnelle innie (RII) ne poss`edent
que des p oles, et un zero multiple en z = 0. La relation sortie-entree de ces ltres est :
y(n) =
P

1
a
k
y(n k) + x(n).
La sortie ` a linstant n est une combinaison lineaire des sorties precedentes (do` u leur denomination
de ltres autoregressifs) ` a laquelle sajoute lentree ` a linstant n. Ce sont des ltres predicteurs.
Le gain complexe de ces ltres sexprime sous la forme :
H(z) =
z
P
z
P
+
P

1
a
k
z
Pk
=
z
P
D(z)
.
Les poles z
pj
sont les zeros de D(z).
La reponse impulsionnelle de ces ltres est une combinaison lineaire de termes de la forme :
h
j
(n) = u(n) z
n
pj
avec u(n) =

0 n < 0
1 n > 1
Cette reponse impulsionnelle est de duree innie. On voit egalement que le ltre est stable si
le module de tous les p oles est inferieur ` a lunite.
16.3.5 Filtres numeriques elementaires
Le gain complexe en Z dun ltre numerique est une fraction rationnelle que lon peut decomposer
en element simples qui sont, comme pour les ltres analogiques : Les ltre du 1er ordre:
H
1
(z) =
1
1az
1
Filtre AR1 :
y(n) ay(n 1) = x(n)
Cest un ltre passe-bas pour : 0 a < 1; sa reponse impulsionnelle est de la forme :
h(n) = u(n)a
n
.
Il est donc equivalent ` a un ltre integrateur (ltre RC) de constante de temps
R
=
T
E
ln a
.
Cest un ltre passe-haut pour : 1 a 0.
Filtre du 2`eme ordre :
H
2
(z) =
1
12z
1
+
2
z
2
=
z
2
z
2
2z+
2
Le discriminant du denominateur est :

=
2
(
2
1).
Les poles sont alors :
34
z
1
=

2
1

z
2
=

2
1

Pour 0 < < 1, > 1, |z


1
| < 1 et |z
2
| < 1, ltre passe-bas du 2`eme ordre.
Pour 1 < < 0, > 1, |z
1
| < 1 et |z
2
| < 1, ltre passe-haut du 2`eme ordre.
Pour 0 < < 1 et || < 1, en posant = cos ,les p oles sont : z
1,2
= e
j
donnant un ltre
resonnant.
Ce sont des ltre AR2 denis par la relation dentree-sortie sous la forme :
y(n) = 2y(n 1)
2
y(n 2) + x(n)
16.4 Conception dun ltre numerique
Pour construire un ltre numerique, il sut de determiner les coecients a
k
et b
k
intervenant
dans les equations aux dierence reliant lentree et la sortie. On peut dans des cas simples
utiliser les ltres elementaires decrits precedemment, en adaptant les param`etres selon le but
desire.
16.5 Restitution
{x
k
} x(t) =
+

k=
x
k
(tkT
e
) Interpolation lineaire-Restitution par bloqueur-Transformation
H(p) ou H(z) en inverse. Blocage impulsionnel + integrateur dentree
FIN
35