Vous êtes sur la page 1sur 325

Haute Ecole d'Ingnierie et de Gestion du Canton de Vaud

Traitement des Signaux


UdM - novembre 2011

Prof. Freddy Mudry

"La science, son got est amer au dbut mais la fin, plus doux que le miel"

(Plat dcor pigraphique XI-XIIme sicle, Iran ou Transoxiane Le Louvre - Arts de l'Islam)

Informations concernant le cours de

Traitements des Signaux


Prof. F. Mudry UdM / FST novembre 2011
` Objectifs A lissue de ce cours, ltudiant sera en mesure de : e 1. Ma triser les sries de Fourier : reprsentations spectrales et calcul de la puissance. e e 2. Analyser et mettre en pratique les relations temps-frquence dans le cadre de lanalyse e spectrale. 3. Dcrire dirents types de signaux et expliquer leurs fonctions de corrlation ainsi que leurs e e e densits spectrales de puissance. e 4. Evaluer les eets de lchantillonnage et de la quantication. e 5. Evaluer et calculer le comportement dun syst`me numrique dans les domaines temporel et e e frquentiel.. e ` A lissue des quatre sances de travaux pratiques en laboratoire, ltudiant sera en outre capable e e de : 1. Ma triser un outil de programmation tel que Matlab. 2. Synthtiser et analyser des signaux. e 3. Visualiser, dcrire et analyser le spectre dun signal quelconque. e 4. Programmer un ltre numrique et illustrer son comportement. e 5. Ecrire en ligne un rapport succint mais complet de son travail. Remarques 1. Le temps accord pour les exposs et exercices du cours TdS est de 46 priodes rparties e e e e sur cinq semaines. Il est bien clair que le programme propos ci-apr`s constitue une ligne e e directrice et que le rythme du cours peut tre lg`rement modi selon les circonstances. e e e e 2. Dans la mesure du possible, les cours et exercices sont donns en alternance durant deux e priodes. e 3. Les corrigs dexercices sont donns dans un fascicule ` part. An dapprendre ` rsoudre e e a a e les exercices proposs de mani`re personnelle et indpendante, celui-ci ne devrait pas tre e e e e consult pendant les sances dexercices. e e 4. Les tests crits sont constitus de probl`mes similaires ` ceux proposs comme exercices. Le e e e a e seul document autoris pour les TE est le formulaire TdS remis en annexe du polycopi. e e 5. Lexamen de n dunit TdS se fera sous forme crite et durera deux heures. e e

Sem 1

Projet de programme ` raison de 30hCM, 12hTD, 4hTE et 16hTP a Dates Cours Sujets NH CM TDE 31 oct CM Sries de Fourier e 2 2 CM Sries de Fourier e 2 4 CM Transformation de Fourier 2 6 TD 3 3 7 nov CM Analyse spectrale 2 8 CM Analyse spectrale 2 10 CM Signaux et corrlation e 2 12 TD 3 6 TP1 Synth`se et analyse des SP e 4 14 nov CM Signaux et corrlation e 2 14 CM Echantillonnage 2 16 CM 2 18 Echantillonnage TD 3 9 TE1 2 11 TP2 Numrisation des signaux e 4 5 dc e CM Signaux numriques e 2 20 CM Signaux numriques e 2 22 CM Rponses temporelles e 2 24 TD 3 14 TP3 Ralisation de ltres numriques e e 4 12 dc e CM Rponses frquentielles e e 2 26 CM Filtres numriques e 2 28 CM TD 2 30 TE2 2 16 TP4 Phonocardiogramme 4 Examen 4

Bibliographie gnrale e e
Traitement des signaux 1. B.P. Lathi : Signal Processing and Linear Systems, Berkeley-Cambridge Press, 1998 2. B.P. Lathi : Linear Systems and Signals, Berkeley-Cambridge Press, 1992 3. F. de Coulon : Thorie et traitement des signaux, PPR, 1984 e 4. A. Spataru : Fondements de la thorie de la transmission de linformation, e PPR, 1987 5. A.V. Oppenheim, A.S. Willsky : Signals and Systems, Prentice-Hall, 1983

Traitement numrique des signaux e 1. B. Porat : A Course in Digital Signal Processing, J. Wiley, 1997 2. J.H. McClellan, R.W. Schafer, M.A. Yoder : DSP First, Prentice Hall, 1999 3. J.G. Proakis, D.G. Manolakis : Digital Signal Processing, MacMillan, 2`me e e dition, 1992 4. C.S. Burrus et al. : Computer-Based Exercises for Signal Processing, PrenticeHall, 1994 5. V.K. Ingle, J.G. Proakis : Digital Signal Processing Using MatLab, PWS, 1997 6. E.C. Ifeachor, B.W. Jervis : Digital Signal Processing, Addison-Wesley, 1993

Filtres analogiques et numriques e 1. M. Labarr`re et al. : Le ltrage et ses applications, Cepadues Editions, 1982 e 2. R. Bo H. Leich : Les ltres numriques, Masson, 1980 te, e 3. R. Miquel : Le ltrage numrique par microprocesseurs, Editests, 1985 e 4. H. Lam : Analog and Digital Filters, Prentice Hall, 1979 5. T.W. Parks, C.S. Burrus : Digital Filter Design, J. Wiley, 1987 6. Ch.S. Williams : Designing Digital Filters, Prentice-Hall, 1986

Analyse spectrale numrique e 1. Hewlett-Packard : The Fundamentals of Signal Analysis, Application Note 243, 1981 2. R.B. Randall : Frequency Analysis, Bruel-Kjaer, 1987 3. C.S. Burrus, T.W. Parks : DFT / FFT and convolution algorithms, J. Wiley, 1985 4. R.W. Ramirez : The FFT Fundamentals and Concepts, Prentice-Hall, 1985

iv

Traitement de la parole 1. R. Boite et all : Traitement de la parole, PPUR, 2000 2. Deller, Proakis, Hansen : Discrete Time Processing of Speech Signals, Macmillan, 1993 3. S. Saito, K. Nakata : Fundamentals of Speech Signal Processing, Academic Press, 1985 4. L.R. Rabiner, R.W. Schafer : Digital Signal Processing of Speech, PrenticeHall, 1978 Pour le plaisir des yeux et de lesprit 1. Warusfel Andr : Les nombres et leurs myst`res, Seuil 1961 e e 2. Stewart Ian : Does God Play Dice ? the new mathematics of chaos, Penguin, 1989 3. Stewart Ian : Dieu joue-t-il aux ds ? les nouvelles mathmatiques du chaos, e e Flammarion, 1993 4. Dunham William : Euler, the master of us all, The Mathematical Association of America, 1999 5. Maor Eli : To Innity and Beyond : a cultural history of the innity, Birkhua ser, 1986 6. Klein Etienne : Il tait sept fois la rvolution - Albert Einstein et les autres, e e Flammarion, 2005 7. Klein Etienne : La physique quantique, Dominos Flammarion, 1996 8. Hawking Stephen : Une br`ve histoire du temps, Flammarion, 1988 e 9. Reeves Hubert : Malicorne : rexions dun observateur de la nature, Seuil, e 1990 10. ThuanTrinh Xuan : Le chaos et lharmonie : la fabrication du rel, folio essais, e Gallimard, 1998 11. Davis Ph.J, Hersh R. : Lunivers mathmatique, Bordas 1985 e 12. Ekeland Ivan : Le Calcul, lImprvu : les gures du temps de Kepler ` Thom, e a Seuil, 1984 13. Conway John : The Book of Numbers, Copernicus, 1996 14. Fivaz Roland : Lordre et la volupt, PPR 1989 e 15. Lesieur Marcel : La turbulence, Grenoble PUG 1994

Quelques adresses Internet


Dmonstrations interactives e 1. http ://www.jhu.edu/signals/ 2. http ://image-1.rose-hulman.edu/yoder/bookcd/visible/contents/cover.htm 3. http ://www.engin.umich.edu/group/ctm/home.text.htm

Livre et divers 1. http ://www.dspguide.com/pdfbook.htm 2. http ://www.redcedar.com/learndsp.htm 3. http ://www.dspguru.com/info/tutor/other.htm Logiciels gratuits 1. http ://www.sysquake.com 2. http ://www.dspguru.com/sw/opendsp/mathclo.htm 3. http ://www-rocq.inria.fr/scilab/scilab.htm

vi

vii

Table des mati`res e


Etude des signaux analogiques
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

I.

1
3 3 3 4 4 7 8 9 9 11 11 13 13 16 16 18 20 20 20 22 22 25 25 25 26 27 27 29 31 31 34 34 37

1. Analyse des signaux priodiques e 1.1. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Deux reprsentations pour un seul signal . . . . . . . . . e 1.3. Sries de Fourier . . . . . . . . . . . . . . . . . . . . . . . e 1.3.1. Dnition de la srie de Fourier . . . . . . . . . . . e e 1.3.2. Srie de Fourier en cosinus . . . . . . . . . . . . . . e 1.3.3. Srie de Fourier complexe . . . . . . . . . . . . . . e 1.3.4. Relations entre les trois reprsentations de Fourier e 1.4. Thor`me de la puissance ou de Parseval . . . . . . . . . . e e 1.5. Spectres damplitudes et de phases . . . . . . . . . . . . . 1.5.1. Spectres unilatraux et bilatraux . . . . . . . . . . e e 1.5.2. Coecients spectraux et symtries des signaux . . e 1.5.3. Exemple de reprsentations spectrales dun signal e 1.6. Suite dimpulsions . . . . . . . . . . . . . . . . . . . . . . 1.6.1. Suite dimpulsions rectangulaires . . . . . . . . . . 1.6.2. Suite dimpulsions triangulaires . . . . . . . . . . . 1.6.3. Suite dexponentielles dcroissantes . . . . . . . . . e 1.7. Reconstruction des signaux . . . . . . . . . . . . . . . . . 1.7.1. Synth`se dun signal . . . . . . . . . . . . . . . . . e 1.7.2. Phnom`ne de Gibbs . . . . . . . . . . . . . . . . . e e 1.7.3. Importance de la phase . . . . . . . . . . . . . . . 1.8. Quelques thor`mes utiles . . . . . . . . . . . . . . . . . . e e 1.8.1. Dcalage temporel . . . . . . . . . . . . . . . . . . e 1.8.2. Modulation damplitude . . . . . . . . . . . . . . . 1.8.3. Rotation autour de lordonne . . . . . . . . . . . . e 1.9. Calcul de quelques spectres . . . . . . . . . . . . . . . . . 1.9.1. Suite dimpulsions composites . . . . . . . . . . . . 1.9.2. SIR dcale . . . . . . . . . . . . . . . . . . . . . . e e 1.10. Rponse dun syst`me linaire . . . . . . . . . . . . . . . . e e e 1.10.1. Analyse de la rponse dun ltre passe-bas . . . . . e 1.11. Rponse dun syst`me non-linaire . . . . . . . . . . . . . e e e 1.11.1. Distorsion due ` une diode . . . . . . . . . . . . . . a 1.12. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . .

ix

Table des mati`res e 2. Analyse des signaux non priodiques e 2.1. Transformation de Fourier . . . . . . . . . . . . . . . . . 2.1.1. Passage de la srie ` la transformation de Fourier e a 2.1.2. TF directe et inverse . . . . . . . . . . . . . . . . 2.1.3. Energie dun signal non permanent . . . . . . . . 2.1.4. Proprits de la transformation de Fourier . . . . ee 2.2. Exemples de spectres continus . . . . . . . . . . . . . . . 2.2.1. Spectre dune impulsion rectangulaire . . . . . . 2.2.2. Spectres dun sinus amorti . . . . . . . . . . . . 2.2.3. Spectres de deux impulsions rectangulaires . . . 2.3. Calcul de quelques transformes . . . . . . . . . . . . . . e 2.3.1. Exponentielle dcroissante . . . . . . . . . . . . . e 2.3.2. Exponentielle dcroissante symtrique . . . . . . e e 2.3.3. Signal constant unit . . . . . . . . . . . . . . . . e 2.3.4. Saut unit . . . . . . . . . . . . . . . . . . . . . . e 2.3.5. Phaseur . . . . . . . . . . . . . . . . . . . . . . . 2.3.6. Signal sinuso dal . . . . . . . . . . . . . . . . . . 2.3.7. Impulsion sinuso dale . . . . . . . . . . . . . . . . 2.4. Quelques conclusions . . . . . . . . . . . . . . . . . . . . 2.4.1. TF des signaux priodiques . . . . . . . . . . . . e 2.4.2. Relations avec la transformation de Laplace . . . 2.5. Extension de la transformation de Fourier . . . . . . . . 2.6. Table illustre de quelques transformes de Fourier [2] . . e e 2.7. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . 49 49 49 51 52 52 52 52 54 57 58 58 59 59 60 60 62 62 64 64 64 65 70 73 83 83 84 84 86 87 87 90 90 91 91 92 92 93 95 97 97 97 98 98 100

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

e 3. Elments danalyse spectrale numrique e 3.1. Passage de la TF ` la TFD . . . . . . . . . . . . . . . . . . . a 3.1.1. Signaux continus non-priodiques (TF) . . . . . . . e 3.1.2. Signaux discrets de dure innie (TFi) . . . . . . . . e 3.1.3. Signaux discrets de dure nie (TFf) . . . . . . . . . e 3.1.4. Discrtisation de la frquence (TFD) . . . . . . . . . e e 3.2. Relations temps-frquence . . . . . . . . . . . . . . . . . . . . e 3.2.1. Analyse spectrale avec Matlab . . . . . . . . . . . . . . 3.2.2. Pulsation normalise . . . . . . . . . . . . . . . . . . . e 3.3. Transformation de Fourier discr`te . . . . . . . . . . . . . . . e 3.3.1. Dnition de la TFD . . . . . . . . . . . . . . . . . . e 3.3.2. TFD dun signal priodique . . . . . . . . . . . . . . . e 3.3.3. TFD et FFT . . . . . . . . . . . . . . . . . . . . . . . 3.4. Relations entre les domaines analogique et numrique . . . . . e 3.4.1. Calcul et analyse dune TFD . . . . . . . . . . . . . . 3.5. Spectre dune sinuso . . . . . . . . . . . . . . . . . . . . . . de 3.5.1. Le nombre de priodes enregistres est un entier . . . . e e 3.5.2. Le nombre de priodes enregistres nest pas un entier e e 3.6. Fentres dobservation . . . . . . . . . . . . . . . . . . . . . . e 3.6.1. Quatre fentres usuelles . . . . . . . . . . . . . . . . . e 3.6.2. Eet dune fentre . . . . . . . . . . . . . . . . . . . . e

. . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . .

Table des mati`res e 3.6.3. Choix dune fentre . . . . . . . . . . . . . e 3.6.4. Fentrage et traitement dimages . . . . . . e 3.7. Exemple 1 : analyse spectrale lmentaire . . . . . ee 3.8. Exemple 2 : reconstruction dun signal . . . . . . . 3.9. Exemple 3 : analyse spectrale dtaille . . . . . . . e e 3.9.1. Donnes . . . . . . . . . . . . . . . . . . . . e 3.9.2. Signal temporel . . . . . . . . . . . . . . . . 3.9.3. Param`tres dacquisition . . . . . . . . . . . e 3.9.4. Analyse spectrale . . . . . . . . . . . . . . . 3.9.5. Estimation des amplitudes . . . . . . . . . . 3.9.6. Dtail du calcul des signaux et des spectres e 3.10. Exercices . . . . . . . . . . . . . . . . . . . . . . . 4. Description et comparaison des signaux 4.1. Classication des signaux . . . . . . . . . . . . 4.1.1. Classication phnomnologique . . . . e e 4.1.2. Energie et puissance des signaux . . . . 4.1.3. Signaux numriss . . . . . . . . . . . . e e 4.2. Quatre signaux types . . . . . . . . . . . . . . . 4.2.1. Signaux dterministes temporaires . . . e 4.2.2. Signaux permanents priodiques . . . . e 4.2.3. Signaux permanents alatoires . . . . . . e 4.2.4. Signaux permanents quasi-priodiques . e 4.3. Comparaison des signaux . . . . . . . . . . . . 4.3.1. Corrlation de signaux ` nergie nie . . e ae 4.3.2. Corrlation de signaux ` puissance nie e a 4.4. Proprits et calcul numrique . . . . . . . . . . ee e 4.4.1. Proprits de lautocorrlation . . . . . . ee e 4.4.2. Exemples dautocorrlation . . . . . . . e 4.4.3. Proprits de lintercorrlation . . . . . ee e 4.4.4. Calcul numrique de la corrlation . . . e e 4.5. Rapport signal sur bruit (SNR) . . . . . . . . . 4.6. Trois applications de la corrlation . . . . . . . e 4.6.1. Le radar . . . . . . . . . . . . . . . . . . 4.6.2. La mesure dun dbit . . . . . . . . . . . e 4.6.3. La mesure du rythme cardiaque . . . . . 4.7. Description des signaux alatoires . . . . . . . e 4.7.1. Tension quivalente de bruit . . . . . . . e 4.8. Syst`mes linaires et densits spectrales . . . . e e e 4.8.1. Signaux ` nergie nie . . . . . . . . . . ae 4.8.2. Signaux ` puissance nie . . . . . . . . . a 4.9. Signaux, spectres et statistique . . . . . . . . . 4.10. Quelques exemples . . . . . . . . . . . . . . . . 4.11. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 102 103 106 108 108 109 109 110 113 114 118 125 125 125 126 128 128 130 131 132 132 132 133 135 137 137 138 139 141 142 143 143 144 147 148 152 153 153 154 154 157 161

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

xi

Table des mati`res e

II. Etude des signaux et syst`mes numriques e e


5. Echantillonnage et reconstruction des signaux analogiques 5.1. Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2. Analyse temporelle . . . . . . . . . . . . . . . . . . . . . . 5.2.1. Types de signaux . . . . . . . . . . . . . . . . . . 5.2.2. Quantication dun signal : exemple . . . . . . . . 5.2.3. Echantillonnage des signaux analogiques . . . . . . 5.3. Analyse frquentielle . . . . . . . . . . . . . . . . . . . . . e 5.3.1. Spectre dun peigne de Dirac . . . . . . . . . . . . 5.3.2. Spectre dun signal chantillonn . . . . . . . . . . e e 5.4. Recouvrement spectral . . . . . . . . . . . . . . . . . . . 5.4.1. Quelques exemples . . . . . . . . . . . . . . . . . . 5.5. Thor`me de lchantillonnage . . . . . . . . . . . . . . . . e e e 5.5.1. Filtre antirecouvrement . . . . . . . . . . . . . . . 5.5.2. Exemple . . . . . . . . . . . . . . . . . . . . . . . . 5.6. Quantication dun signal chantillonn . . . . . . . . . . e e 5.6.1. Quantication uniforme . . . . . . . . . . . . . . . 5.6.2. Bruit de quantication . . . . . . . . . . . . . . . 5.6.3. Rapport signal sur bruit . . . . . . . . . . . . . . 5.6.4. SNR de quelques signaux . . . . . . . . . . . . . . 5.6.5. Non linarit du convertisseur . . . . . . . . . . . . e e 5.6.6. Conclusion . . . . . . . . . . . . . . . . . . . . . . 5.7. Choix dun ltre et de la frquence dchantillonnage . . . e e 5.8. Reconstruction du signal . . . . . . . . . . . . . . . . . . 5.8.1. Convertisseur NA . . . . . . . . . . . . . . . . . . 5.8.2. Interpolateur idal . . . . . . . . . . . . . . . . . . e 5.8.3. Rponses impulsionnelle et frquentielle dun CNA e e 5.8.4. Filtre de reconstruction ou de lissage . . . . . . . . 5.9. Analyse qualitative dune cha A-N N-A . . . . . . . . ne chantillonnage sans ltre antirecouvrement . . . . 5.9.1. E 5.9.2. Echantillonnage avec ltre antirecouvrement . . . . 5.9.3. Eet du convertisseur NA . . . . . . . . . . . . . 5.9.4. Reconstruction du signal analogique . . . . . . . . 5.9.5. Correcteur damplitude . . . . . . . . . . . . . . . 5.10. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Description des signaux et syst`mes numriques e e 6.1. Signaux numriques . . . . . . . . . . . . . . . . . e 6.1.1. Quelques signaux fondamentaux . . . . . . 6.1.2. Priodicit des signaux numriques . . . . . e e e 6.2. Syst`mes numriques . . . . . . . . . . . . . . . . . e e 6.2.1. Exemples de syst`me numriques . . . . . . e e 6.2.2. Schma fonctionnel dun syst`me numrique e e e 6.2.3. Proprits des syst`mes . . . . . . . . . . . ee e 6.2.4. Interconnexions des syst`mes . . . . . . . . e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

169
171 . 171 . 172 . 172 . 173 . 174 . 175 . 176 . 177 . 177 . 180 . 187 . 188 . 188 . 190 . 190 . 191 . 193 . 193 . 195 . 196 . 197 . 199 . 199 . 200 . 201 . 203 . 203 . 203 . 203 . 203 . 206 . 206 . 207 213 . 213 . 214 . 215 . 217 . 217 . 220 . 220 . 224

. . . . .

. . . . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

xii

Table des mati`res e 6.2.5. Conclusions . . . . . . . . . . . . . . . . . . 6.3. Rponse impulsionnelle et produit de convolution . e 6.3.1. Syst`mes causaux . . . . . . . . . . . . . . . e 6.3.2. Ralisation dun produit convolution . . . . e 6.3.3. Une application : linterpolation numrique e 6.4. Syst`mes dcrits par des quations rcursives . . . . e e e e 6.4.1. Quelques exemples . . . . . . . . . . . . . . 6.5. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225 225 227 228 231 232 235 237

7. Rponses des syst`mes numriques e e e 7.1. Rponse temporelle des syst`mes linaires . . . . . . . . e e e 7.1.1. Rsolution dune quation rcursive . . . . . . . . e e e 7.1.2. Solution de lquation homog`ne . . . . . . . . . e e 7.1.3. Solution particuli`re . . . . . . . . . . . . . . . . e 7.1.4. Solution gnrale . . . . . . . . . . . . . . . . . . e e 7.1.5. Gnralisation . . . . . . . . . . . . . . . . . . . e e 7.2. Stabilit des syst`mes numriques . . . . . . . . . . . . . e e e 7.3. Instants caractristiques . . . . . . . . . . . . . . . . . . e 7.4. Transformation en z . . . . . . . . . . . . . . . . . . . . 7.4.1. Dnition . . . . . . . . . . . . . . . . . . . . . . e 7.4.2. Calcul de quelques transformes . . . . . . . . . . e 7.4.3. Quelques proprits de la transformation en z . . ee quation aux dirences et fonction de transfert . 7.4.4. E e 7.5. Rponse frquentielle des syst`mes LTI . . . . . . . . . . e e e 7.5.1. Fonction de transfert et rponse frquentielle . . e e 7.5.2. Ples, zros et rponse frquentielle . . . . . . . . o e e e 7.5.3. TFD et rponse frquentielle . . . . . . . . . . . e e 7.6. Calcul et traage de quelques rponses frquentielles . . . c e e 7.6.1. Moyenneur non causal . . . . . . . . . . . . . . . 7.6.2. Moyenneur causal . . . . . . . . . . . . . . . . . 7.6.3. Filtre passe-bas dordre 1 . . . . . . . . . . . . . 7.6.4. Filtre passe-bas dordre 2 . . . . . . . . . . . . . 7.7. Analyse et ralisation dun ltre . . . . . . . . . . . . . . e 7.7.1. Calcul de la rponse temporelle du ltre . . . . . e 7.7.2. Calcul de la rponse frquentielle . . . . . . . . . e e 7.7.3. Comment raliser ce ltre ? . . . . . . . . . . . . e 7.8. Classication des syst`mes numriques . . . . . . . . . . e e 7.8.1. Syst`mes non rcursifs (dits RIF, FIR ou MA) . . e e 7.8.2. Syst`mes rcursifs (dits RII, IIR ou ARMA) . . . e e 7.8.3. Caractristiques des ltres FIR et IIR . . . . . . e 7.9. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

241 . 241 . 241 . 242 . 242 . 243 . 243 . 245 . 245 . 247 . 247 . 248 . 249 . 250 . 251 . 251 . 252 . 254 . 256 . 256 . 256 . 258 . 261 . 263 . 263 . 265 . 266 . 268 . 269 . 269 . 270 . 271

xiii

Table des mati`res e

III. Travaux pratiques


8. Analyse de signaux priodiques e 8.1. Analyse temporelle . . . . . . . . . . 8.1.1. Cration de quelques signaux e 8.1.2. Valeurs moyennes, puissance . 8.1.3. Analyse des rsultats . . . . . e 8.2. Analyse spectrale . . . . . . . . . . . 8.3. Reconstruction dun signal . . . . . . 8.4. Annexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

277
279 . 280 . 280 . 280 . 281 . 281 . 282 . 282 285 . 285 . 285 . 285 . 285 . 287 . 287 . 287 . 288 . 288 . 289 . 290 291 291 291 292 293 295 295 295 296 296

9. Signaux et syst`mes numriques e e 9.1. Numrisation des signaux analogiques . . . . . . e 9.2. Echantillonnage des signaux analogiques . . . . 9.2.1. Signal sinuso dal . . . . . . . . . . . . . 9.2.2. Signal audio . . . . . . . . . . . . . . . . 9.2.3. Signal modul en frquence . . . . . . . e e 9.3. Rponse temporelle des syst`mes numriques . . e e e 9.3.1. Produit de convolution . . . . . . . . . . 9.3.2. Rponses impulsionnelles et temporelles e quations aux dirences . . . . . . . . 9.3.3. E e 9.4. Rponse frquentielle des syst`mes numriques . e e e e 9.5. Annexe . . . . . . . . . . . . . . . . . . . . . . 10.Synth`se et ralisation dun ltre e e 10.1. Introduction . . . . . . . . . . 10.2. Synth`se . . . . . . . . . . . . e 10.3. Analyse . . . . . . . . . . . . 10.4. Ralisation . . . . . . . . . . e 11.Analyse et ralisation dun e 11.1. Introduction . . . . . . 11.2. Mise en oeuvre . . . . 11.3. Travail a eectuer . . . ` 11.4. Fichier Matlab . . . . numrique e . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

phonocardiogramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

IV. Annexes
12.Formulaire Signaux et syst`mes e 12.1. Syst`mes analogiques . . . . . . e 12.2. Signaux analogiques . . . . . . 12.3. Echantillonnage des signaux . . 12.4. Signaux et syst`mes numriques e e 12.5. Analyse spectrale numrique . e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

301
. . . . . 303 303 304 305 306 309

xiv

Premi`re partie . e Etude des signaux analogiques

1. Analyse des signaux priodiques e


1.1. Introduction
Lanalyse harmonique ou frquentielle est linstrument majeur de la thorie des e e signaux. Le dveloppement en sries de Fourier et, plus gnralement, la transfore e e e mation de Fourier permettent dobtenir une reprsentation spectrale des signaux e dterministes. Celle-ci exprime la rpartition de lamplitude, de la phase, de lnere e e gie ou de la puissance des signaux considrs en fonction de la frquence. ee e Les calculs et mises en forme des rsultats ` venir sont grandement facilites si lon e a ma trise et sait utiliser les relations suivantes : B (1.1) A cos() + B sin() = A2 + B 2 cos + atg A 1 T ej
2 1 1 (sin()2 d = (sin(2 f t + )2 dt = 2 0 2 t0 2 cos() = ej + ej = cos() + j sin() 2j sin() = ej ej t0 +T

(1.2)

(1.3)

1.2. Deux reprsentations pour un seul signal e


Le temps et la frquence sont deux bases servant ` la description des signaux. Ce e a sont deux points de vue dirents dune mme ralit ; ils sont complmentaires. Il e e e e e est important de bien comprendre les relations qui existent entre ces deux bases ; cest le but de ce chapitre. Une grandeur sinuso dale est dcrite par lquation e e x(t) = A cos(2f0 t + ) (1.4)

Son volution temporelle est contenue dans le mot cos ; d`s lors, on sait que le signal e e x(t) ondule avec une forme prcise xe par la fonction cosinus. Cependant, des ine e formations supplmentaires sont donnes : lamplitude A, la phase et la frquence e e e f0 . Ce sont ces informations qui sont fournies par la reprsentation frquentielle ou e e spectrale. Comme le temps et la frquence sont les deux composantes de la description dun e mme signal, une sinuso devrait tre reprsente dans un espace a trois dimene de e e e ` sions (g. 1.1). Une telle reprsentation tant mal pratique, on la remplace par ses e e projections sur les plans temporel et frquentiel. e

1. Analyse des signaux priodiques e Dans la projection sur laxe du temps, on retrouve le dessin bien connu dune sinuso alors que la projection sur laxe des frquences conduit ` une raie situe de, e a e en f = f0 et de hauteur A. Comme cette projection ne fournit que lamplitude A, il est ncessaire, pour la frquence considre, de donner galement la phase . Ces e e ee e deux diagrammes portent le nom de spectres damplitudes et de phases. Considrons un signal compos de deux sinuso e e des x(t) = A cos(2f0 t 1 ) + A cos(4f0 t ) 2 2 4 (1.5)

La gure 1.2a illustre le comportement temporel de ce signal et de ses deux composantes. La gure 1.2b montre ce qui se passe alors dans lespace des frquences. On e notera que la somme des deux sinuso des dans lespace temps conduit galement ` e a la somme des spectres damplitudes et de phases.

1.3. Sries de Fourier e


Llment fondamental de lanalyse de Fourier est constitu par le fait quun signal ee e priodique peut tre dcompos en une somme dondes sinuso e e e e dales. Une illustration de la construction dun signal priodique non-sinuso e dal est donne ` la gure 1.3 : e a le signal rsultant est la somme de trois sinuso e des dont la frquence est chaque fois e un multiple de la fondamentale f0 .

1.3.1. Dnition de la srie de Fourier e e


Considrons un signal priodique x(t) de priode T = 1/f0 . Son dveloppement en e e e e srie de Fourier est alors le suivant e a0 bk sin(2kf0 t) x(t) = + ak cos(2kf0 t) + 2 k=1 k=1

(1.6)

o` f0 = 1/T est la frquence fondamentale du signal, a0 /2 est la valeur moyenne ou u e composante continue et ak , bk sont les coecients de Fourier du dveloppement en e cosinus et sinus. Les coecients de Fourier ak et bk se calculent comme suit ak bk 2 = T 2 = T
+T /2

x(t) cos(2kf0 t)dt,


T /2 +T /2

k0 k1

(1.7) (1.8)

x(t) sin(2kf0 t)dt,


T /2

N.B. : Cette reprsentation qui sert de point de dpart au dveloppement en sries e e e e de Fourier na aucun intrt en traitement du signal ; elle est remplace par la srie ee e e en cosinus et la srie complexe. e

1.3. Sries de Fourier e

x(t) = A cos (2 f0 t + )
+A

-A

Domaine temporel

T 0

f0 = 1/T

Domaine frquentiel f

Amplitude + A

Phase

f 0 f0 0 /2

f0

Figure 1.1.: Descriptions temporelle et frquentielle dune sinuso e de

1. Analyse des signaux priodiques e

Sinusoides de frquences f0 et 2f0 1.5 1 0.5 0 0.5 1 1.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

Somme de 2 sinusoides 1.5 1 0.5 0 0.5 1 1.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

900
A/2

900
A/2 f0 f 2 f0

450 f
f0

450 f -450 -900 Cosinusode d'amplitude A/2 et de phase -450


2 f0 f

-450 -900 Cosinusode d'amplitude A et de phase -900

900 450 f
f0 2 f0 f0 2 f0 f

-450 -900 Signal priodique non-sinusodal

Figure 1.2.: Reprsentation de la somme de deux sinuso e des de frquences die e rentes dans les domaines temporel et frquentiel e

1.3. Sries de Fourier e


2 1 0 1 2 1 0 1 2 x (t)
1

2 1 0 1 2 1 0

0.25+x (t)
1

2 1 0 1 2 1 0

x2(t)

2 1 0 1 1 2 2 1 0

0.25+x1(t)+x2(t)

2 1 0 1 2 1 0

x3(t)

2 1 0 1 1 2 2 1 0

0.25+x1(t)+x2(t)+x3(t)

Figure 1.3.: Construction dun signal priodique non-sinuso e dal

1.3.2. Srie de Fourier en cosinus e


Prenant en compte la relation trigonomtrique suivante e A cos(x) + B sin(x) = A2 + B 2 cos x + arctan B A (1.9)

on voit que le dveloppement en srie de Fourier peut galement scrire e e e e

x(t) = A0 +
k=1

Ak cos(2kf0 t + k )

(1.10)

avec A0 =

a0 2

Ak =

a2 + b2 k k

k = arctan

bk ak

(1.11)

Cette srie en cosinus est extrmement importante car elle correspond ` la descripe e a tion bien connue des signaux en rgime sinuso e dal permanent o` lon reprsente un u e courant ou une tension par leur amplitude et leur phase. Dun point de vue pratique, cela revient ` considrer que le signal x(t) est cr de mani`re quivalente a e ee e e par une innit de gnrateurs sinuso e e e daux. La reprsentation spectrale qui lui est e associe porte le nom de spectre unilatral. e e Une illustration en est donne ` la gure 1.4. On y voit une onde priodique en dents e a e de scie qui peut tre reconstruite par une superposition dondes sinuso e dales. Cette superposition peut tre prsente dans lespace temps ou, de mani`re quivalente et e e e e e plus explicite, dans lespace des frquences. e

1. Analyse des signaux priodiques e


1 1

0.5 x(t) et xc(t) xk(t) 0 0.5 temps 1 1.5

0.5

0.5

0.5

1 0.5

1 0.5

0.5 temps

1.5

0.7 0.6 0.5 Ak k 0 2 4 6 8 frequence [f / f0] 10 0.4 0.3 0.2 0.1 0

4 6 8 frequence [f / f0]

10

Figure 1.4.: Onde en dents de scie, composantes et spectres damplitudes et de phases

1.3.3. Srie de Fourier complexe e


Se souvenant des relations dEuler : 1 (exp(+jx) + exp(jx)) cos(x) = 2 1 sin(x) = (exp(+jx) exp(jx)) 2j

(1.12) (1.13)

on montre aisment que la srie de Fourier peut tre transforme en une srie de e e e e e Fourier complexe

x(t) =
k=

X(jk) exp(+j2kf0 t)

(1.14)

Les coecients X(jk) sont alors complexes et valent X(jk) = 1 T


+T /2

x(t) exp(j2kf0 t)dt


T /2

< k < +

(1.15)

La reprsentation spectrale graphique qui lui est associe porte le nom de spectre e e bilatral. Pour la suite du cours, on retiendra essentiellement cette description car e elle est analytiquement plus intressante que la forme en cosinus. e On remarquera au passage que la formule dEuler remplace les fonctions sinus et cosinus par des exponentielles a exposant imaginaire appeles phaseurs. Ces phae ` seurs ne sont rien dautres que des fonctions complexes oscillant cosinuso dalement sur laxe rel et sinuso e dalement sur laxe imaginaire.

1.4. Thor`me de la puissance ou de Parseval e e

1.3.4. Relations entre les trois reprsentations de Fourier e


Les relations existant entre les trois reprsentations de Fourier sont prsentes et e e e illustres par le tableau et le graphe vectoriel de la gure 1.5. Ce graphe est ime portant car il permet de voir en un coup doeil les relations simples liant les trois reprsentations spectrales. On retiendra galement la relation existant entre les coe e ecients spectraux et la valeur ecace dune composante spectrale Ak Ak,eff = = 2 |X(jk)| 2 (1.16)

` Remarque A ce stade, il est important de souligner que, partant dun signal connu x0 (t), on commence par faire lanalyse de ce signal en calculant ses coecients de Fourier A(k), (k) ou X(jk). Puis, une fois ceux-ci connus, en calculant la somme de Fourier, on fait la synth`se du signal x(t). Et, comme le verra plus e loin, dans certains cas (phnom`ne de Gibbs), le signal synthtique x(t) ne sera pas e e e exactement gal a x0 (t). e `

1.4. Thor`me de la puissance ou de Parseval e e


Dans lespace temps, la dnition de la puissance moyenne normalise est la suivante e e 1 P = T
+T /2 2 x2 (t)dt = Xef f T /2

(1.17)

On notera que cette dnition co e ncide avec celle du carr de la valeur ecace du e signal x(t). La puissance normalise ne sexprime donc pas en [W], mais en [V2 ] e ou [A2 ] selon que le signal est une tension ou un courant lectrique. e Le thor`me de Parseval montre que la puissance normalise dun signal peut se e e e calculer aussi bien dans le domaine temporel que dans le domaine frquentiel. En e eet, comme dans lespace des frquences, le signal x(t)) est reprsent par des e e e gnrateurs damplitude Ak , il sensuit que la puissance totale est gale ` la somme e e e a des puissances fournies par chaque gnrateur. On en dduit alors : e e e
2 P = Xef f = k=0

Pk = A2 + 0
k=1

1 2 A = Pdc + Pac 2 k

= X(0) +
k=1

1 (2 |X(jk)|)2 = |X(jk)|2 2 k=

De ces rsultats, on conclut que la puissance peut se calculer avec lune ou lautre e des quations (1.18) a (1.21) et que e ` le carr de la valeur ecace dun signal est gal ` la somme e e a des carrs des valeurs ecaces de chacune de ses composantes. e

1. Analyse des signaux priodiques e k=0 k>0 ak bk a0 /2 {ak , bk } ak bk A0 {Ak , k } +Ak cos(k ) Ak sin(k ) X(0) X(jk) +2 Re{X(jk)} 2 Im{X(jk)}

Ak k

a2 + b 2 k k arctan bk ak
1 A 2 k 1 A 2 k

Ak k arctan

2|X(jk)| Im{X(+jk)} Re{X(+jk)}

X(+jk) X(jk)

1 2 1 2

(ak jbk ) (ak + jbk )

exp(+jk ) exp(jk )

X(+jk) X(jk)

Im -bk Ak R

-bk/2 X(+jk) C +k k +ak/2 X(-jk) +bk/2 +ak

Re

Ak Ak,eff = = 2 |X(jk)| 2 Figure 1.5.: Relations entre les trois reprsentations spectrales e

10

1.5. Spectres damplitudes et de phases 1 P = T


+ +T /2 2 x2 (t) dt Xef f T /2 +

(1.18)

P =
k=

|X(jk)| = X(0) + 2
k=1

|X(jk)|2

(1.19)

P =

A2 0

1 + 2

A2 k
k=1

(1.20) (1.21)

2 2 2 P Xef f = Xdc + Xac

` A ce stade, il est intressant de rappeler ce que valent les puissances des trois signaux e usuels que sont le carr, le sinus et le triangle ` valeur moyenne nulle (Pdc = 0) et e a damplitude A : x(t) = A sqr (2f t) Pac = x(t) = A sin (2f t) Pac x(t) = A tri (2f t) Pac A2 1 A2 = 2 A2 = 3 (1.22) (1.23) (1.24)

1.5. Spectres damplitudes et de phases


1.5.1. Spectres unilatraux et bilatraux e e
La description de x(t) avec les fonctions cosinuso dales conduit aux spectres unilatraux damplitudes et de phases (Ak et k ) du signal x(t). Ici, les frquences sont e e positives ou nulles car le compteur k des harmoniques varie de 0 a + (gure 1.6). ` La description de x(t) avec les fonctions complexes conduit aux spectres bilatraux e damplitudes et de phases (|X(jk)| et X(jk)). Ici, les frquences sont ngatives et e e positives car le compteur k varie de ` +. a Dans le cas des spectres bilatraux, on notera que les spectres damplitudes sont e toujours des fonctions paires car on a |X(+jk)| = |X(jk)| = Ak , k=0 2 (1.25)

alors que les spectres de phases sont toujours des fonctions impaires. On a en eet X(+jk) = X(jk) = k , k = 0 Pour le cas particulier de la composante continue du signal, on a |X(0)| = A0 , X(0) = 0, (1.26)

11

1. Analyse des signaux priodiques e

Signaux 1 0.6 0.4 0.5 0.2 0 1 1 0 1 0 5

Spectres bilatraux 0.6 0.4 0.2 0 0 5 5

Spectres unilatraux

0.6 0.4

0.6 0.4 0.2 0 5 0 5 5 0 5

0.5 0.2 0 1 1 0 1 0

0.6 0.4

0.6 0.4 0.2 0 5 0 frquence 5 5 0 frquence 5

0.5 0.2 0 1 0 temps 1 0

Signaux carr : e dents-de-scie : sinus redress : e

P
1 2 1 3 1 2

X(0)
1 2 1 2 2

X(jk) j +j
1 k

si k est impair, 0 sinon < k < + < k < +

(1)k 2k

2 (4k2 1)

Figure 1.6.: Quelques signaux avec leurs puissance et spectres damplitudes uniet bilatraux e

12

1.5. Spectres damplitudes et de phases

1.5.2. Coecients spectraux et symtries des signaux e


Si lon tient compte des symtries du signal, le calcul des sries de Fourier est e e simpli. On dmontre en eet aisment les proprits suivantes : e e e ee une fonction paire est reprsente par des cosinus seulement ; on a alors : e e k = 0, Im{X(jk)} = 0 (1.27)

une fonction impaire est reprsente par des sinus seulement ; on a alors : e e k = , Re{X(jk)} = 0 (1.28) 2 une fonction ` symtrie demi-onde ne poss`de pas dharmoniques pairs : a e e X(jk) = 0, si k est pair (1.29) Les fonctions ` symtrie demi-onde sont telles quune rotation autour de labsa e cisse de lalternance positive ou ngative permet de reproduire lautre alternance e (gure 1.7).
1.5 1 0.5 0 0.5 1 1.5 0 1 2 3

Figure 1.7.: Exemple dune fonction ` symtrie demi-onde a e

1.5.3. Exemple de reprsentations spectrales dun signal e


Considrant le signal e x(t) = 3 + 2 cos(2f0 t) 3.464 sin(2f0 t) + 2 sin(6f0 t + /4) on souhaite le dcrire dans les reprsentations spectrales uni- et bi-latrales. e e e La simple observation de lexpression de x(t) montre que ce signal est constitu e dune composante DC et de deux composantes AC dordre 1 et 3. Utilisant les r`gles de trigonomtrie, on obtient la forme en cosinus : e e x(t) = 3 + 2 cos(2f0 t) 3.464 sin(2f0 t) + 2 sin(6f0 t + ) 4 (3.464) = 3 + 22 + 3.4642 cos 2f0 t + arctan + 2 cos 6f0 t + 2 4 2 = 3 + 4 cos(2 1 f0 t + /3) + 2 cos(2 3 f0 t /4) = A0 + A1 cos(2f0 t + 1 ) + A3 cos(6f0 t + 3 )

13

1. Analyse des signaux priodiques e Cette expression est la forme mathmatique de la reprsentation spectrale unilate e e rale de laquelle on dduit immdiatement les composantes spectrales unilatrales e e e A0 0 A1 1 A2 2 A3 3 = = = = 30 4 + /3 00 2 /4

Appliquant les r`gles dEuler ` lexpression en cosinus, on obtient la forme come a plexe : x(t) = 3 + 2 exp (+j(2f0 t + /3)) + 2 exp (j(2f0 t + /3)) +1 exp (+j(6f0 t /4)) + 1 exp (j(6f0 t /4)) = 3 + 2 exp(+j/3) exp (+j2f0 t) + 2 exp(j/3) exp (j2f0 t) +1 exp(j/4) exp (+j6f0 t) + 1 exp(+j/4) exp (j6f0 t) = X(0) + X(+j1) exp (+j2f0 t) + X(j1) exp (j2f0 ) +X(+j3) exp (+j6f0 t) + X(j3) exp (j6f0 t) Cette expression est la forme mathmatique de la reprsentation spectrale bilatrale e e e de laquelle on tire immdiatement les composantes spectrales bilatrales e e X(0) X(j1) X(j2) X(j3) = = = = 3 = 30 2 exp(j/3) = 2 /3 00 1 exp( j/4) = 1 /4

De la lecture de ces descriptions dcoule immdiatement le trac des spectres dame e e plitudes et de phases dans les deux reprsentations spectrales (gure 1.8). On notera e que, pour k = 0, les amplitudes du spectre bilatral sont 2 fois plus petites que celles e du spectre unilatral. e Les puissances et valeurs ecaces associes ` ce signal se calculent aisment ` partir e a e a du spectre unilatral. An de pouvoir prciser les units, on admet que le signal x(t) e e e est une tension lectrique ; on a alors : e Pdc = A2 = 32 = 9 V2 0 dc P = Pdc + Pac = 19 V2 f ef Xdc = A0 = 3 Vdc Pac = 1 2 A2 = k
k1

1 2 4 + 0 + 22 = 10 V2 ac 2

Xef f = Xac = P =

19 = 4.36 Vef f 10 = 3.16 Vac

Pac =

14

1.5. Spectres damplitudes et de phases

Signal temporel 10 5 x(t) 0 5 0

0.5

1.5

2 temps

2.5

3.5

Spectres unilatraux 4 2 0 2 0 k f0 2 |X(jk)| A


k

Spectres bilatraux 4 2 0 2 0 k f0 2

1 /X(jk) / 2 0 k f0 2 0.5 k / 0 0.5 1

1 0.5 0 0.5 1 2 0 k f0 2

Figure 1.8.: Reprsentations spectrales dun signal priodique e e

15

1. Analyse des signaux priodiques e

1.6. Suite dimpulsions


1.6.1. Suite dimpulsions rectangulaires
La suite dimpulsions rectangulaires (SIR) est un signal particuli`rement important e car elle appara dans de nombreuses applications telles que lchantillonnage, la t e modulation dimpulsions, etc. Evaluons donc la srie de Fourier complexe de la SIR e x(t) reprsente ` la gure 1.9. e e a
x(t) A

A t/T t -T 0 t/2 T

Figure 1.9.: Suite dimpulsions rectangulaires Par dnition des coecients complexes X(jk), on a e X(jk) = 1 T
+T /2

x(t) exp(j2kf0 t)dt avec f0 =


T /2

1 T

En tenant compte de la dnition de la SIR e si t/2 < t < +t/2 A xT (t) = 0 sinon il vient X(jk) = A +t/2 exp(j2kf0 t)dt T t/2 A 1 t t = exp(j2kf0 ) exp(+j2kf0 ) T j2kf0 2 2

(1.30)

Les relations dEuler permettent de passer de la dirence des exponentielles ` un e a sinus et dcrire ces coecients sous la forme e X(jk) = A t sin(kf0 t) T kf0 t (1.31)

16

1.6. Suite dimpulsions

X(jk) A t/T

1/T = f0

f = k f0 0 -1/t +1/t
| X(jk) |

f = k f0 0 /_X(jk) +

f = k f0 0

Figure 1.10.: Descriptions spectrales dune suite dimpulsions rectangulaires : a) spectre complexe (ici purement rel car la SIR est paire) e b) spectres damplitudes et de phases

17

1. Analyse des signaux priodiques e On notera que lamplitude du spectre X(jk) est xe par la valeur moyenne ou e composante DC (k = 0) de la SIR car la fonction sin(x)/x tend vers 1 lorsque x tend vers 0. De plus, et comme on pouvait sy attendre, les coecients de Fourier sont purement rels puisque le signal est pair. Leur enveloppe (gure 1.10a) est une e fonction en sin(x)/x qui porte le nom de sinus cardinal dni comme suit e sinc(x) sin(x) x (1.32)

Le spectre dune SIR scrit donc sous une des deux formes suivantes e X(jk) = A t t sin(kf0 t) =A sinc(kf0 t) T kf0 t T (1.33)

On remarquera que plus les impulsions sont troites par rapport a la priode T , plus e e ` le spectre stale. En eet, le premier passage par zro se fait ` la frquence 1/t. e e a e Par contre, la distance entre raies spectrales ne change pas puisquelle est gale ` e a linverse de la priode de la SIR f0 = 1/T . e Il est frquent que le spectre dun signal soit complexe. Dans ce cas, sa reprsene e tation dans un plan ne peut se faire quau travers du traage distinct des spectres c damplitudes et de phases (gure 1.10b). On peut relever au passage que la puissance totale dune SIR vaut P = 1 T
+T /2

x2 (t) dt = A2
T /2

t T

(1.34)

et que le premier lobe du spectre dune SIR en contient environ le 90%.

1.6.2. Suite dimpulsions triangulaires


Il existe une autre suite dimpulsions qui est galement tr`s importante en tlcome e ee munications ; il sagit de la suite dimpulsions triangulaires (SIT). Le signal x(t) et son spectre X(jk) sont reprsents ` la gure 1.11. An que les surfaces de la SIR et e e a de la SIT soient gales, la largeur ` la base du triangle est gale ` 2t. Lexpression e a e a de X(jk) est alors la suivante t X(jk) = A T La puissance totale dune SIT vaut 1 P = T
+T /2 T /2

sin(kf0 t) kf0 t

(1.35)

1 x (t) dt = 2 T
2

t 0

A t t

dt =

2 2 t A 3 T

(1.36)

18

1.6. Suite dimpulsions


x(t)

t -T t 0 +t +T

X(jk) A t/T

f = k f0 -1/ t 0 +1/ t

Figure 1.11.: Suite dimpulsions triangulaires avec son spectre


1 0.8 |(X(jf)| 0 1 temps [msec] 2 0.6 x(t) 0.4 0.2 0 1 0.1 0.08 0.06 0.04 0.02 0 0 2 4 6 frquence [kHz] 8 10

0 20 / X(jf) 40 60 80 0 2 4 6 frquence [kHz] 8 10

Figure 1.12.: Suite dexponentielles dcroissantes ( e spectrale

T ) et sa reprsentation e

19

1. Analyse des signaux priodiques e

1.6.3. Suite dexponentielles dcroissantes e


Considrons une exponentielle qui se rp`te priodiquement aux instants kT (gure e e e e 1.12) x(t) = A exp(t/ ) si 0 t < T

Le calcul de son spectre se fait en appliquant la dnition de X(jk) e X(jk) = 1 T A = T A = T


T

x(t) exp(j2kf0 t)dt


0 T

exp(t/ ) exp(j2kf0 t)dt


0 T 0

1 exp t( + j2kf0 ) dt
T

1 A exp t( + j2kf0 ) = 1 T ( + j2kf0 )

A T exp ( + j2kf0 T ) 1 T (1 + j2kf0 )

En admettant que la constante de temps est beaucoup plus petite que la priode e T , on permet ` lexponentielle de revenir ` zro ` la n de chaque priode. Dans a a e a e ce cas, le premier terme entre crochets est beaucoup plus petit que 1 et peut tre e nglig. On obtient alors le rsultat intressant suivant e e e e X(jk) = A 1 si T (1 + j2kf0 ) T (1.37)

On peut relever que dans ce rsultat on trouve la fonction de transfert dun ltre e passe-bas dordre 1 pondre par le rapport A T . La reprsentation des raies specee e trales damplitudes (gure 1.12) co ncidera donc, ` un coecient pr`s, avec le moa e dule de la rponse frquentielle de ce ltre alors que celle des phases seront les e e mmes. e Dans le cas o` u P = T , la puissance totale dune SIE vaut 1 T
T

x2 (t) dt =
0

1 T

(A exp(t/ ))2 dt =
0

A2 2 T

(1.38)

1.7. Reconstruction des signaux


1.7.1. Synth`se dun signal e
On se souvient que, connaissant le spectre X(jk), on peut toujours reconstruire une approximation dordre N du signal temporel. Dans le cas dune suite dimpulsions

20

1.7. Reconstruction des signaux rectangulaires cela donne


+N

xN (t) =
k=N

X(jk) exp(+j2kf0 t)
+N

sin(kf0 t) t exp(+j2kf0 t) = A T k=N kf0 t t = A T x(t) Pour la suite dimpulsions triangulaires, on a de mme e
+N +N

1+2
k=1

sin(kf0 t) cos(2kf0 t) kf0 t

xN (t) =
k=N

X(jk) exp(+j2kf0 t) t T k=N 1+2


k=1 +N

= A

sin(kf0 t) kf0 t
+N

exp(+j2kf0 t)
2

t = A T x(t)

sin(kf0 t) kf0 t

cos(2kf0 t)

Signal carr symtrique Dans ce cas, la valeur moyenne est nulle (A0 = 0) et e e lamplitude correspondante A de la SIR vaut 2. Comme le rapport cyclique t/T vaut 0.5, le sinus cardinal sannule pour k pair. Il vient alors : 1 xN (t) = 2 2 = 2
+N

0+2
k=1

sin(kf0 t) cos(2kf0 t) kf0 t

2 2 2 cos(2f0 t) cos(6f0 t) + cos(10f0 t) + 3 5 x(t)

Signal triangulaire symtrique Dans ce cas, la valeur moyenne est nulle (A0 = 0) e et lamplitude correspondante A de la SIT vaut 2. Comme le rapport cyclique t/T vaut 0.5, le sinus cardinal sannule pour k pair. Il vient alors : 1 xN (t) = 2 2 = 2 x(t)
+N

0+2
k=1

sin(kf0 t) kf0 t 2 3
2

cos(2kf0 t) cos(6f0 t) + 2 5
2

cos(2f0 t) +

cos(10f0 t) +

21

1. Analyse des signaux priodiques e Une illustration de la synth`se de ces deux signaux est donne ` la gure 1.13. On e e a constate que, contrairement au signal triangulaire, la convergence est tr`s lente pour e le signal carr. e
1.5 N=1 1 0.5 0 0.5 1 1.5 5 0 5 1 0.5 0 0.5 1 1.5 5 0 5 1.5 N=3 1 0.5 0 0.5 1 1.5 5 0 5 1.5 N=5

1.5 N=1 1 0.5 0 0.5 1 1.5 5 0 5

1.5 N=3 1 0.5 0 0.5 1 1.5 5 0 5

1.5 N=5 1 0.5 0 0.5 1 1.5 5 0 5

Figure 1.13.: Synth`se de signaux triangulaire et carr par laddition successive e e des harmoniques

1.7.2. Phnom`ne de Gibbs e e


En gnral, lorsquon reconstruit un signal x(t) ` partir de ses coecients de Foue e a rier :
N N

xN (t) =
k=N

X(jk) exp(j2kf0 t) = A0 +
k=1

Ak cos(2kf0 t + k )

(1.39)

on remarque une convergence rapide vers le signal original au fur et ` mesure que a N augmente. Cependant, cela nest plus vrai lorsque le signal poss`de des discone tinuits dordre 0. Il appara alors, ` lendroit de la discontinuit, des oscillations e t a e que lon dsigne sous le nom de phnom`ne de Gibbs. Lamplitude du dpassement e e e e du ` ces oscillations est gale au 9% de lamplitude de la discontinuit (gure 1.14). e e a

1.7.3. Importance de la phase


Il est frquent en traitement du signal de ne parler que des spectres damplitudes et e de dlaisser quelque peu les spectres de phases. Cette attitude est due au fait que e

22

1.7. Reconstruction des signaux


1.2 1 0.8 0.6 0.4 0.2 0 0.2 4 2 0 2 4 xN(t) avec N=3 1.2 1 0.8 0.6 0.4 0.2 0 0.2 4 2 0 2 4 xN(t) avec N=7

1.2 1 0.8 0.6 0.4 0.2 0 0.2 4 2 0 2 4 xN(t) avec N = 19

1.2 1 0.8 0.6 0.4 0.2 0 0.2 4 2 0 2 4 xN(t) avec N = 79

Figure 1.14.: Illustration du phnom`ne de Gibbs e e

lors du ltrage de signaux audio, on se contente de modier le spectre damplitudes car loreille est peu sensible aux distorsions de phase. Cependant, lorsque lon dsire e conserver la forme dun signal, en particulier dans le cas du ltrage dimages, il est tr`s important de ne pas ngliger le spectre de phases. e e Un exemple en est donn ` la gure 1.15 o` une srie de photos bases sur le e a u e e portrait de Joseph Fourier illustre limportance de la phase dans la reconstitution des signaux. 1. Limage du haut de la gure est le portrait de Joseph Fourier. 2. Au centre, on y voit les spectres damplitudes et de phases de limage de Fourier ; les niveaux de gris correspondent ` la valeur de ces fonctions. a 3. Les deux images du bas sont des images reconstruites par transformation inverse. Pour construire celle de gauche, on a utilis le spectre damplitudes e et remplac le spectre de phases par un spectre de phases nulles. Pour celle e de droite, on a fait linverse : le spectre de phases a t conserv alors que le ee e spectre damplitudes a t remplac par des amplitudes constantes. ee e De ces illustrations, on en dduit que la phase contient une part importante de e linformation concernant la forme dun signal. Les deux derni`res images illustrent e particuli`rement bien ce fait puisque le portrait initial ne peut pas tre reconstruit e e avec un seul des deux spectres.

23

1. Analyse des signaux priodiques e

original

module

phase

TF inverse du module

TF inverse de la phase

Figure 1.15.: Transformations de Fourier directes et inverses dune image

24

1.8. Quelques thor`mes utiles e e

1.8. Quelques thor`mes utiles e e


1.8.1. Dcalage temporel e
Il est frquent en analyse des signaux de devoir dcaler temporellement un signal e e x(t) ; on obtient alors un nouveau signal y(t) = x(t + td ). Ce dcalage td peut e etre positif (signal avanc) ou ngatif (signal retard) (g. 1.16). On montre alors e e e quentre les espaces temps et frquences, il existe la relation suivante : e y(t) = x(t + td ) Y (jk) = exp(+j2kf0 td )X(jk)
x(t) x(t+t1) x(t-t1)

(1.40)

td > 0 t -t1 0 +t1 -t1 0 t

td < 0 t 0 +t1

Figure 1.16.: Dcalage temporel : signal original, signal avanc, signal retard e e e Comme le module du phaseur exp(+j2kf0 td ) vaut toujours un, il sensuit que seul le spectre de phases est modi par un dcalage temporel. On a donc : e e |Y (jk)| = |X(jk)| , k = k + 2kf0 td (1.41)

` A un dcalage temporel correspond une phase variant linairee e ment avec la frquence. e

1.8.2. Modulation damplitude


Il est frquent en tlcommunications de devoir mettre des signaux dont le spectre e ee e a t pralablement dplac dans un domaine de frquences permettant la transee e e e e mission des messages par ondes lectromagntiques. Une des possibilits consiste ` e e e a moduler lamplitude de la porteuse p(t) ` laide du message m(t). a La modulation damplitude est gnralement obtenue par la multiplication des deux e e signaux entre eux (gure 1.17) x(t) = m(t) p(t) (1.42)

Dans le cas particulier o` la porteuse p(t) est une fonction sinuso u dale, on peut la remplacer par deux phaseurs de frquence fp grce aux formules dEuler e a 1 (exp(+j2fp t) + exp(j2fp t)) 2 On a donc aaire, de mani`re plus fondamentale, ` une multiplication du message e a m(t) par un phaseur : cos(2fp t) = x(t) = m(t) p(t) = m(t) exp(j2fp t) (1.43)

25

1. Analyse des signaux priodiques e


Modulation damplitude 1 0.4 0.5 |M(jf)| m(t) Spectres

0.2

0 0 1 0.5 0 0.5 1 0 1 0.5 0 0.5 1 0 1 temps 2 3 |X(jf)| x(t) 1 2 3 |P(jf)| p(t) 1 2 3

0 20

10

10

20

0.4

0.2

0 20

10

10

20

0.4

0.2

0 20

10

0 frquence

10

20

Figure 1.17.: Modulation damplitude : signaux et spectres On montre alors aisment la proprit suivante : e ee x(t) = exp(j2fp t) m(t) X(jk) = M (j(kf0 fp )) (1.44)

` A une multiplication par un phaseur dans le domaine temporel correspond un dcalage dans lespace des frquences. e e La gure 1.17 illustre la modulation damplitude dune porteuse de frquence 10kHz e par un signal triangulaire de frquence 1kHz. Au niveau frquentiel, on voit tr`s e e e bien que le spectre original situ autour de la frquence nulle est dplac autour des e e e e frquences de la porteuse 10kHz avec une amplitude rduite de moiti. On notera e e e que le signal modul x(t) nest priodique que si le rapport des frquences fp /f0 est e e e rationnel.

1.8.3. Rotation autour de lordonne e


La rotation dun signal autour de son ordonne est dcrite par y(t) = x(t). Dans e e ce cas, on montre que y(t) = x(t) Y (jk) = X(jk) = X (jk) (1.45)

` A une rotation du signal temporel autour de lordonne core respond le conjugu complexe dans le domaine frquentiel. e e

26

1.9. Calcul de quelques spectres Par exemple, si lon sintresse ` une suite priodique dexponentielles croissantes e a e dcrite par e x(t)|T = A exp(+t/ ) si 0 t < T son spectre se calcule aisment ` partir de celui de la suite dexponentielles dcroise a e santes xo (t)|T = A exp(t/ ) si 0 t < T Xo (jk) = A On voit en eet que lon a x(t) = xo (t) donc X(jk) = Xo (jk) = A 1 si T (1 j2kf0 ) T 1 si T (1 + j2kf0 ) T

1.9. Calcul de quelques spectres


Le but de ce paragraphe est de montrer, au travers de quelques exemples simples, comment on calcule, trace et interpr`te les spectres dun signal. e

1.9.1. Suite dimpulsions composites


Considrant le signal de la gure 1.18a, on aimerait calculer ses composantes spece trales et obtenir son approximation dordre 3. La rsolution de ce probl`me est immdiate d`s linstant o` lon remarque que le e e e e u signal x(t) est compos dune somme de deux SIR x1 (t) et x2 (t) dont les caracte e ristiques sont, respectivement, leur largeur : t1 = 0.25[msec], t2 = 0.5[msec], et leur amplitude : A1 = 1 [V ], A2 = 2 [V ]. Utilisant la proprit de linarit des sries de Fourier, on a : ee e e e x(t) = x1 (t) + x2 (t) X(jk) = X1 (jk) + X2 (jk) (1.46)

Comme le signal x(t) et ses deux SIR constitutives sont paires, leurs spectres sont rels e sin(k/4) t1 sin(kf0 t1 ) = 0.25 X1 (jk) = A1 T kf0 t1 k/4 X2 (jk) = A2 t2 sin(kf0 t2 ) sin(k/2) = 1.00 T kf0 t2 k/2 sin(k/4) sin(k/2) + 1.00 k/4 k/2

X(jk) = X1 (jk) + X2 (jk) = 0.25

Le calcul de quelques composantes spectrales fournit les valeurs numriques suie vantes :

27

1. Analyse des signaux priodiques e

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


1 2

3 2.5 2 1.5 1 0.5 0 0.4 0.2 X1(jf) 1.2 1 0.8 0.6 0.4 0.2 0 0.2 10 0 f [kHz] 10 1.2 1 0.8 0.6 0.4 0.2 0 0.2 10 0 f [kHz] 10 0 0.2 0.4 0.6 temps [msec] X2(jf) 1.2 1 0.8 0.6 0.4 0.2 0 0.2 10 0 f [kHz] 10 0.8 1 1.2 1.4 x1(t) x (t)
2

X(jf)=X1(jf) + X2(jf)

Signaux x(t) et x3(t) 3 2.5 2 1.5 1 0.5 0 0.4 0.2 0 0.2 0.4 0.6 temps [msec] 0.8 1 1.2 1.4

Figure 1.18.: Suite dimpulsions composites : a) les signaux temporels b) les spectres respectifs c) la reconstruction dordre 3

28

1.9. Calcul de quelques spectres

k X1 (jk) X2 (jk) X(jk) Ak k

-5 -0.045 0.127 +0.082

-4 0 0 0

-3 +0.075 -0.212 -0.137

-2 +0.159 0.00 +0.159

-1 +0.225 +0.637 +0.862

0 +0.25 1.00 1.25 1.25

+1 +0.225 0.637 +0.862 1.724 0.00

+2 +0.159 0.00 +0.159 0.318 0.00

+3 +0.075 -0.212 -0.137 0.274

+4 0 0 0 0 0

+5 -0.045 0.127 +0.082 0.164 0.00

La gure 1.18c reprsente lapproximation dordre 3 du signal dcrite par : e e

x(3) (t) = 1.25 + 1.724 cos(2f0 t) + 0.318 cos(4f0 t) + 0.274 cos(6f0 t + ) ` A titre dexercice, on peut montrer que les puissances des signaux x(t) et x(3) (t) 2 2 valent respectivement Px = 3.25 Vef f , Px(3) = 3.14 Vef f .

1.9.2. SIR dcale e e


Considrons le cas dune SIR non centre dmarrant ` linstant t = 0, de largeur t e e e a et de priode T (gure 1.19a). Dans ce cas, la SIR est retarde dune demi-largeur e e dimpulsion et le temps de dcalage vaut donc td = t/2. Partant dune SIR e centre et utilisant le thor`me du retard, on obtient : e e e X(jk) = A t sin(kf0 t) t exp(j2kf0 ) T kf0 t 2 (1.47)

Si lon dsigne X(jk) par le produit de 3 facteurs X(jk) = X0 X1 (jk) X2 (jk), le e spectre damplitudes sobtient en eectuant le produit des modules |X(jk)| = |X0 | |X1 | |X2 | t sin(kf0 t) = A 1 T kf0 t alors que le spectre de phases est obtenu en sommant les phases : X(jk) = X0 + X1 + X2 = 0 + (0; ) + (kf0 t) Considrant que lon a t = 0.1 [msec], T = 1 [msec], la combinaison de ces termes e spectraux est illustre par la gure 1.19. Comme attendu, on constate que le dcae e lage temporel du signal ne modie pas le spectre damplitudes, mais introduit une phase variant linairement avec la frquence. e e

29

1. Analyse des signaux priodiques e

1 0.8 x(t) 0.6 0.4 0.2 0 0.2


0.1 |X(jk)|

0.2

0.4 0.6 temps [msec]

0.8

1.2

0.05

0 30 4 /SIR centree 2 0 2 4 30 5 /Decalage

20

10

10

20

30

20

10

10

20

30

5 30 5 /SIR decalee

20

10

10

20

30

5 30

20

10

0 frequence [kHz]

10

20

30

Figure 1.19.: SIR dmarrant ` linstant t = 0 et son spectre e a

30

1.10. Rponse dun syst`me linaire e e e

1.10. Rponse dun syst`me linaire e e e


Considrons, comme exemple, un ltre attaqu par une SIR (gure 1.20a). Comme e e ce signal est priodique, on retrouvera ` la sortie du circuit un signal priodique y(t) e a e de mme priode T0 . La dcomposition de ces 2 signaux en srie de Fourier donnera e e e e les spectres X(jk) et Y (jk) qui seront lis lun ` lautre par la rponse frquentielle e a e e G(j) du ltre.
x(t)

y(t)

x(t)

G(j)

y(t)

1 0.8 0.6 0.4 0.2 0

|X(jk)| |Y(jk)| |G(jf)|

10 12 frquence [Hz]

14

16

18

20

Figure 1.20.: Rponses temporelle et frquentielle dun ltre ` une SIR e e a Comme les signaux priodiques sont reprsents par des ondes sinuso e e e dales de fre quences kf0 et que les syst`mes linaires conservent la frquence des signaux applie e e qus, on retrouve pour Y (jk) des raies spectrales situes aux mmes frquences que e e e e celles de X(jk) (gure 1.20b). De plus, lamplitude et la phase de ces raies spectrales sont lies au signal dentre par la relation bien connue Y (j) = G(j) X(j). e e Dans le cas de signaux priodiques, la pulsation est un multiple de la fondamene tale 2f0 . On a donc Y (jk) = X(jk) G(j)|=2kf0 (1.48)

1.10.1. Analyse de la rponse dun ltre passe-bas e


Considrant le circuit L-R de la gure 1.21 et la SIR qui lui est applique, on e e aimerait : 1. conna la fonction de transfert de ce ltre et sa constante de temps ; tre

31

1. Analyse des signaux priodiques e 2. calculer la composante continue U2,dc ; 3. esquisser le signal de sortie u2 (t) en tenant compte des valeurs numriques e L = 100 [mH], R = 100 [] ; 4. calculer le spectre U2 (jk) ; 5. calculer les valeurs ecaces U1,ef f , U2,ef f , U2,ac,ef f ; 6. estimer la valeur de crte de londulation u2,ac (t). e
[V] 10 u1(t) L

u1(t)

u2(t)

0 0.2

1.0

t [ms]

Figure 1.21.: Analyse de la rponse dun ltre passe-bas e Solution :

32

1.10. Rponse dun syst`me linaire e e e .

33

1. Analyse des signaux priodiques e

1.11. Rponse dun syst`me non-linaire e e e


La caractristique essentielle des syst`mes non-linaires est de dformer les signaux e e e e sinuso daux. Le signal de sortie est donc priodique non-sinuso e dal. Il sen suit que son spectre est constitu dun grand nombre de raies spectrales, alors qu` lentre e a e il ny avait quune seule raie. Dans la pratique, il est important de pouvoir chirer cette dformation puisque e les amplicateurs rels, quelle que soit leur qualit, poss`dent des non-linarits. On e e e e e mesure cette dformation ` laide du taux de distorsion harmonique (TDH). Celui-ci e a est dni comme le rapport de la valeur ecace des harmoniques dordre suprieur e e a ` 1 avec la valeur ecace du premier harmonique T DH = Xef f (k > 1) = Xef f (k = 1) X 2 (2) + X 2 (3) + X 2 (4) + X 2 (1) (1.49)

1.11.1. Distorsion due ` une diode a


Considrons comme exemple de syst`me non linaire, une diode ` laquelle on ape e e a plique une tension sinuso dale superpose ` une tension continue (gure 1.22) e a u(t) = U0 + U (t) = U0 + A sin(2f0 t) Cette diode est caractrise par la loi exponentielle bien connue e e ID = IS eUD /nVT 1 Admettant les valeurs numriques suivantes e U0 = 0.5 [V ], A = 0.05 [V ], f0 = 100 [Hz] IS = 10 [pA], n = 1, VT = 26 [mV ] on dsire : e 1. calculer I0 , Imax et Imin 2. esquisser u(t) et i(t) 3. calculer U (jk) et I(jk) 4. calculer le TDH du courant. Solution : 1. Le calcul de I0 , Imax et Imin se fait par simple application numrique de e lquation de la diode ; on obtient alors : e a) le courant au point de fonctionnement I0 = 2.54 mA ; b) sa valeur maximum Imax = 17.2 mA ; c) sa valeur minimum Imin = 0.36 mA. (1.50)

34

1.11. Rponse dun syst`me non-linaire e e e


i(t)

u(t) uD(t) U0

Figure 1.22.: Circuit ` diode a 2. La simulation temporelle avec Spice a donn les rsultats de la gure 1.23. On e e y voit que la variation sinuso dale de la tension de la diode (50 mV) autour du point de fonctionnement (500 mV) entra une variation non sinuso ne dale du courant caractris par les valeurs calcules ci-dessus. e e e 3. Lanalyse spectrale obtenue par FFT (Fast Fourier Transform) donne les re sultats suivants. a) La tension de la diode ne contient que 2 raies spectrales (gure 1.24a) : i. la composante DC : Udc = 0.5 V ; ii. la composante AC : U1 = 50 mV . b) Le courant non sinuso dal est compos dun grand nombre de raies spece trales dont les 10 premi`res sont les plus signicatives (gure 1.24b). On e y trouve en particulier i. la composante DC : Idc = 5.41 mA ; ii. la composante fondamentale : I1 = 7.43 mA. 4. Le calcul du taux de distorsion se fait en appliquant la dnition du TDH : e T DH = = X 2 (2) + X 2 (3) + X 2 (4) + X 2 (1)

3.142 + 0.942 + 0.222 + 0.0412 + 0.00652 + 7.432 = 44 %

Cette valeur leve est le signe de la forte dformation de la sinuso cause e e e de e par la variation exponentielle du courant.

35

1. Analyse des signaux priodiques e

Figure 1.23.: Tension et courant de la diode

Figure 1.24.: Spectres unilatraux de la tension et du courant de la diode e

36

1.12. Exercices

1.12. Exercices
SF 1 Considrant les 2 signaux suivants pour lesquels f0 = 1 [kHz] : e x1 (t) = 6 2 cos(2f0 t) + 3 sin(2f0 t) x2 (t) = 4 + 1.8 cos(2f0 t + /3) + 0.8 sin(6f0 t) 1. dessinez leurs spectres damplitude et de phase unilatraux et bilatraux ; e e 2. crivez x1 (t) et x2 (t) sous forme de srie de Fourier complexe. e e SF 2 Utilisez les formules dEuler pour montrer que la srie de Fourier du signal e suivant cos (10f0 t) x(t) = 1 + cos 2f0 t + 6 est dcrite par les harmoniques 4, 5 et 6. Pour ce faire : e 1. remplacez chaque fonction cosinus par deux phaseurs ; eectuez le produit ; 2. crivez x(t) sous la forme dune somme de phaseurs ; e 3. que valent les coecients X(jk) non-nuls ? 4. dessinez les spectres bilatraux et unilatraux damplitude et de phase ; e e 5. calculez sa puissance. SF 3 Considrant un signal priodique de priode T = 20 [ms] dcrit par son e e e e spectre bilatral X(jk) : e k X(jk) |X| X 0 2 1 3 j2 2 +1 j3

retrouvez sa description temporelle en cosinus apr`s avoir rempli les cases libres du e tableau. Calculez les valeurs de Xdc , Xac et P . SF 4 ` A partir des spectres damplitude et de phase dune SIR vus au cours,

1. calculez les spectres complexes des deux signaux Ex SF4 ; 2. esquissez leurs spectres bilatraux damplitude et de phase. e SF 5 Considrant les spectres unilatraux Ex SF5 dun signal x(t) : e e

1. donnez lexpression de x(t) ; 2. dessinez son spectre bilatral ; e 3. calculez ses valeurs ecaces AC et totale.

37

1. Analyse des signaux priodiques e

10 8 x1(t) [V] 6 4 2 0 0 2 4 6 8 10 12 14 16 18

6 4 x2(t) [V] 2 0 2 4

8 t [ms]

10

12

14

16

18

Figure 1.25.: Ex SF 4

5 4 3 Ak [V] 2 1 0 0 1 2 3 4 5

0.6 0.4 0.2 k / 0 0.2 0.4 0 1 2 f [kHz] 3 4 5

Figure 1.26.: Ex SF 5

38

1.12. Exercices SF 6 Considrant les trois signaux x1 (t), x2 (t), x3 (t) de priode T = 1 ms dcrits e e e par leurs spectres respectifs (tableau Ex SF6) : 1. donnez lexpression temporelle correspondant ` leur reprsentation ; a e 2. crivez ces expressions ` laide de cosinus seulement ; e a 3. dessinez leurs spectres damplitude et de phase uni- et bilatraux ; e 4. calculez la puissance de chacun des trois signaux. x1 (t) k ak bk k Ak k k X(jk) 0 +2 0 1 0 0 5 1 +5 +4 1 3 /3 1 4 j3 2 -2 +3 2 0 0 2 0 3 +1 1 3 2 +/2 3 2 j 4 0 0 4 0 0 4 0

x2 (t)

x3 (t)

Table 1.1.: Ex SF 6

SF 7 Etant donn un signal caractris par les proprits suivantes : e e e ee 1. x(t) est rel et impair ; e 2. x(t) est priodique avec T = 2 [msec] ; e 3. X(jk) = 0 pour |k| > 1 ; 4. P = 1 ; trouvez deux signaux satisfaisant ` ces proprits. a ee SF 8 Considrant le signal x(t) = 2 + sin(2f0 t) + 0.25 cos(6f0 t) e 1. crivez x(t) dans les formes cosinus et complexe ; e 2. donnez les composantes spectrales dans les trois reprsentations : e {ak , bk } , {Ak , k } , {X(jk)}

3. vriez que la puissance de ce signal calcule a laide des trois reprsentations e e ` e donne le mme rsultat ; e e 4. comment calculeriez-vous la puissance dans lespace temps ? voyez-vous des moyens de simplier ce calcul ? si oui, le rsultat est immdiat. e e SF 9 On consid`re une SIR damplitude A = 2 [V ], de priode T = 1 [ms] de e e largeur t = 0.2 [ms] ; cette SIR est avance de T /4 par rapport ` une SIR centre : e a e 1. esquissez x(t) ; 2. calculez son spectre X(jk) ; 3. esquissez les spectres bilatraux damplitude et de phase ; e 4. calculez la puissance de cette SIR.

39

1. Analyse des signaux priodiques e SF 10 Considrant la suite dimpulsions impaires de la gure Ex SF10 : e

1. le spectre sera-t-il rel, imaginaire ou complexe ; e 2. calculez ses coecients de Fourier complexes ; 3. quelle est la puissance de ce signal ? 4. dans le cas o` A = 10 [V ], T = 10 [ms] et t = 1 [ms], esquissez les spectres u bilatraux damplitude et de phase. e
10 5 x(t) [V] 0 5 10 2 0 A 2 4 6 t [ms] 8 10 12 14 t + t +A

Figure 1.27.: Ex SF 10

SF 11 On consid`re un signal priodique x(t) retard dune valeur tr par rapport e e e au signal original x0 (t). Montrez que : 1. son spectre complexe vaut X(jk) = X0 (jk) ej2kf0 tr ; 2. son spectre damplitude nest pas modi ; e 3. son spectre de phase vaut X = X0 2kf0 tr .

SF 12 Esquissez avec soin les spectres bilatraux damplitude et de phase des e signaux Ex SF12a et Ex SF12b. Expliquez les dirences apparaissant entre les e spectres.

SF 13 Partant dune SIR, calculez le spectre dun signal carr damplitude A = e 5 V et de priode T = 1 ms. Faites de mme pour un signal triangulaire ` partir e e a de la SIT.

SF 14 Considrant les quatre signaux de la gure Ex SF14 damplitude A, de e priode T , de largeur et constante de temps t = = 0.2 T : e 1. calculez leur valeur ecace ; 2. ` partir du spectre dune suite dexponentielles dcroissantes, utilisez deux a e thor`mes proposs dans le cours pour trouver les spectres des signaux x2 (t) e e e et x4 (t).

40

1.12. Exercices

1 x1(t) [V]

0.5

0 0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4

1 x2(t) [V]

0.5

0 0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4

0.5 x (t) [V]

0.5 0.2 0 0.2 0.4 0.6 t [ms] 0.8 1 1.2 1.4

Figure 1.28.: Ex SF 12a

0.6 0.4 0.2 x (t) [V] 0 0.2 0.4 0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4

0.6 0.4 0.2 x (t) [V] 0 0.2 0.4 0.2 0 0.2 0.4 0.6 t [ms] 0.8 1 1.2 1.4

Figure 1.29.: Ex SF 12b

41

1. Analyse des signaux priodiques e


1 0.5 x1(t) 0 0.5 1 0 0.5 1 1.5 x2(t) 1 0.8 0.6 0.4 0.2 0 1 0.5 0 0.5 1

1 1 0.8 x3(t) x4(t) 0 0.5 t [ms] 1 1.5 0.6 0.4 0.2 0 0 1 0.5 0 t [ms] 0.5 1 0.8 0.6 0.4 0.2

Figure 1.30.: Ex SF 14 SF 15 Considrant une SIR centre de priode T = 100 [s], de largeur t = e e e 20 [s] et damplitude A = 10 [V ], 1. calculez le pourcentage de puissance comprise dans le premier lobe du sinus cardinal ; 2. admettant que cette SIR est applique ` un ltre passe-bas dordre 1 dont la e a fonction de transfert est H(jf ) = 1 , 1 + jf /fc fc = 10 [kHz]

que valent lamplitude et la phase des composantes 10 kHz, 40 kHz et 150 kHz ? SF 16 Un ltre passe-bas RC ralis avec R = 1 [k] et C = 0.1 [F ] est attaqu e e e par un signal carr u1 (t) de priode T = 1 ms et damplitude comprise entre 0 et e e 20 V : 1. esquissez le signal de sortie u2 (t) et le courant i(t) ; 2. pour chacun des 3 signaux u1 (t), u2 (t), i(t), calculez leurs valeurs DC, ecace totale et ecace AC. SF 17 Soit un ltre RC passe-bas dont la constante de temps est mal connue. On lui applique une SIR x(t) damplitude A = 10 [V ], de priode T = 20 [ms] et de e largeur t = 1 [ms]. 1. que valent les composantes continues des signaux dentre et de sortie ? e

42

1.12. Exercices 2. quelle est la fonction de transfert H(j) du circuit ; 3. que valent les spectres bilatraux X(jk) et Y (jk) ? e 4. admettant que la constante de temps est de lordre de 2 ms, esquissez les signaux dentre x(t) et de sortie y(t) ; estimez la valeur maximum de y(t) ; e 5. pour la frquence f = 5 f0 , lanalyseur spectral du signal de sortie fournit le e coecient complexe Y (j5) = 0.0659 j 0.154 ; calculez lamplitude et largument de la fonction de transfert pour cette frquence ; e 0 (Rp. : |H| = 0.37, H = 68 ) e 6. que valent la constante de temps et la frquence de coupure du ltre ? e (Rp. : = 1.6 [ms], fc = 100 [Hz]) e SF 18 Pour identier un syst`me linaire possdant une rsonance, on injecte dans e e e e celui-ci une SIR x(t) de priode T. La sortie sera donc priodique et son spectre e e Y (jk) sera constitu de raies distantes de 1/T. An dobtenir une image spectrale e reprsentative du syst`me H(j), il faut que les raies spectrales soient en nombre e e susant et que le premier lobe de la SIR couvre le domaine de frquences dsir e e e ( 10 fres ). On demande de dterminer les param`tres T et t dune SIR permettant de mesurer e e la rponse harmonique dun circuit LC-R dont on conna approximativement les e t valeurs L 1 mH, C 0.1 F, R 20 . Pour ce faire : 1. esquissez H(f) dans un diagramme linaire, e 2. prcisez le nombre de raies spectrales BF et HF que vous estimez ncessaires ; e e 3. estimez la distance inter-spectrale ncessaire pour observer le pic de rsoe e nance ; 4. calculez T et t ; adoptez des valeurs enti`res ; e 5. si lamplitude des impulsions est de 10 V, quelle est lamplitude de la raie spectrale situe pr`s de la rsonance fres ? pr`s de 5 fres ? e e e e 6. pour ces mmes frquences, quelles sont les amplitudes des raies mesures ` e e e a la sortie du ltre LC-R ? SF 19 Un circuit RC de rsistance R = 1 k et de capacit C = 1 F est attaqu e e e par une SIR u1 (t) damplitude E = 10 V , de largeur t = 0.2 ms et de priode e T = 1 ms : 1. quelles sont les valeurs moyennes de u1 (t) et u2 (t) ; 2. que vaut la constante de temps du circuit ? 3. esquissez u2 (t) ; 4. calculez Z(j) et I(jkf0 ) ; 5. quelle est la puissance dissipe dans la rsistance ? e e

43

1. Analyse des signaux priodiques e SF 20 Un circuit redresseur double alternance suivi dun ltre RC (R et C en parall`le avec le pont redresseur) est utilis pour raliser une conversion AC-DC. e e e Tenant compte des hypoth`ses simplicatrices suivantes e le courant i(t) est considr comme une suite dimpulsions rectangulaires de laree geur t beaucoup plus petite que la priode T = 10 ms ; e la ractance du condensateur est ngligeable par rapport ` la rsistance de charge e e a e R. dessinez le schma du circuit puis : e 1. calculez les coecients de Fourier U (jk) de la tension de sortie u(t) ; 2. calculez la puissance de chaque harmonique ; 3. calculez une borne suprieure pour la puissance dondulation, sachant que e

k=1

2 1 = k2 6

4. calculez le taux dondulation maximum ; 5. si lon veut un taux dondulation infrieur ` 0.1, quelle capacit faut-il choisir e a e lorsque la rsistance R vaut 100 ? e 6. estimez lamplitude du gnrateur u1 (t) pour que Udc 15 V . e e SF 21 Un circuit non linaire de type parabolique est modlis par la caractrise e e e tique de transfert suivante : u2 (t) = u1 (t) + u2 (t) 1 Sachant quon lui applique une tension sinuso dale u1 (t) = A sin(t) : 1. dterminez les composantes spectrales que lon obtient ` la sortie ; e a 2. quelle est la puissance normalise P2 du signal de sortie ? e 3. que vaut-elle par rapport ` celle du signal dentre P1 ? a e 4. faites lA.N. avec A = 10 V, = 2 100 rad/s, = 1, = 0.2 1/V 5. esquissez u2 (t) ; quel est son taux de distorsion harmonique ? SF 22 Considrant les deux signaux ci-dessous : e x1 (t) = cos x2 (t) = cos 2 t+ 3 6 + sin 4 t+ 5 2

2 4 20 t+ + sin t+ + sin t 3 6 5 2 7 prcisez si ces signaux sont priodiques ou non. Pour cela, il vous faut trouver : e e 1. les frquences constitutives de chaque signal, e 2. les rapports existant entre ces frquences, e 3. la frquence fondamentale si elle existe, e 4. les harmoniques prsents. e

44

1.12. Exercices SF 23 : Les deux signaux de la gure Ex SF23 caractriss par e e A1 = 2 V, A2 = 5 V, t = 0.2 ms, = 0.1 ms, T = 1 ms T = 1 ms

passent au travers dun ltre passe-bas idal de frquence de coupure fc = 4.5 kHz. e e Apr`s avoir rappel ce quest la rponse frquentielle dun ltre passe-bas idal, e e e e e 1. calculez les puissances Px1 , Px2 de chacun des signaux dentre ; e 2. calculez les puissances Py1 , Py2 de chacun des signaux de sortie.
2 5 4 3 2 1 1 0 1

1 x (t) x2(t) 0 0.5 t [ms] 1 1.5

0.5

0 t [ms]

0.5

Figure 1.31.: Ex SF 23

SF 24 A cause de son taux de variation limit (slew-rate), un amplicateur ope e rationnel transforme un sinus en un signal triangulaire symtrique damplitude A. e Calculez le taux de distorsion de cette dformation. e

SF 25 Un signal sinuso dal damplitude 10V et de frquence 1 kHz est appliqu a e e` un ltre RC passe-bas de frquence de coupure 2 kHz. Calculez le TDH du signal e de sortie.

SF 26 On applique un signal sinuso damplitude 0.1V et de frquence 10 kHz ` dal e a un amplicateur inverseur de gain 100. Visuellement, le signal de sortie semble parfaitement sinuso dal. Cependant, une analyse spectrale a fourni les composantes Ak du tableau ci-dessous. Calculez la valeur ecace du signal de sortie et son TDH. k Ak [V] 0 81e-3 1 6.46 2 87e-6 3 0.105 4 55e-6 5 2.66e-3 6 58e-6 7 213e-6 8 57e-6 9 48e-6

SF 27 La gure Ex SF27 prsente une sinuso x(t) damplitude 10V et une e de sinuso y(t) sature ` 9V avec les spectres correspondants. Sachant que les comde e a posantes spectrales unilatrales fournies par lanalyseur spectral sont les suivantes : e

45

1. Analyse des signaux priodiques e k Ax (k) [dB] Ay (k) [dB] Ax (k) [V ] Ay (k) [V ] 1 0.0 0.33 3 30.0 5 33.2 7 33.8 9 50.7

1. calculez les amplitudes spectrales unilatrales et compltez le tableau ; e e 2. calculez les valeurs ecaces des deux signaux ; 3. calculez le TDH de y(t) ; 4. expliquez pourquoi les harmoniques pairs du signal y(t) sont nuls.
Signaux temporels et frequentiels 10 x(t) et y(t) 5 0 5 Usat = 9[V] 10 0 0 X(f) [dB] 20 40 60 80 0 Y(f) [dB] 20 40 60 80 0 1000 2000 3000 4000 5000 6000 frequence [Hz] 7000 8000 9000 10000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0.2 0.4 0.6 0.8 1 temps [s] 1.2 1.4 1.6 1.8 x 10 2
3

Figure 1.32.: Ex SF 27

46

Bibliographie
[1] B.P. Lathy, Linear Systems and Signals, Berkeley-Cambridge Press, Carmichael CA, 1992 [2] A.V. Oppenheim, A.S. Willsky, Signals and Systems, Prentice-Hall, 1983

47

2. Analyse des signaux non priodiques e


2.1. Transformation de Fourier
2.1.1. Passage de la srie ` la transformation de Fourier e a
Le passage dun signal priodique ` un signal apriodique peut se faire en consie a e drant que la priode T devient de plus en plus grande pour tendre vers linni. e e On constate alors que les raies spectrales distantes de 1/T se rapprochent pour se transformer en spectre continu. Mais en mme temps, lamplitude de celui-ci e diminue pour tendre vers zro. Une illustration en est donne (gure 2.1) pour e e une suite dimpulsions rectangulaires dont la priode augmente alors que la largeur e reste constante. Comme la surface de limpulsion reste constante alors que la pe riode augmente, lamplitude Xdc du sinus cardinal ne cesse de dcro pour tendre e tre vers zro. e Partant dun signal priodique dcrit par e e
+

xT (t) =
k

X(jk) exp(+j2 kf0 t)

X(jk) =

1 T

+T /2

xT (t) exp(j2 kf0 t)dt,


T /2

kZ

on vite lannulation de X(jk) lorsque T en considrant la fonction e e


+T /2

T X(jk) =
T /2

xT (t) exp(j2 kf0 t)dt

` A partir des correspondances suivantes T , f0 df, kf0 f, T X(jk) X(jf ) on voit que la srie de Fourier discr`te devient une fonction continue. Cette fonce e tion X(jf ) est une densit spectrale damplitude qui, par dnition, est la e e transforme de Fourier du signal apriodique x(t) : e e
+

X(jf )

x(t) exp(j2 f t)dt,

f R

49

2. Analyse des signaux non priodiques e

x(t) 1 0.2 0.1 0 0 0 1 1 2 3 0.1

X(jk) 0.2 0.1 0 0.1

T X(jk)

0.5

10

15

10

15

0.2 0.1 0

0.2 0.1 0 0.1

0.5

0 0 1 1 2 3

0.1

10

15

10

15

0.2 0.1 0

0.2 0.1 0 0.1

0.5

0 0 1 2 temps 3

0.1

5 10 frquence

15

5 10 frquence

15

Figure 2.1.: Passage de la srie de Fourier ` la densit spectrale e a e

50

2.1. Transformation de Fourier La transforme inverse sobtient en considrant la fonction priodique pour laquelle e e e la priode T tend vers linni ; on a alors : e
+

x(t) =
k

X(jk) exp(+j2 kf0 t) 1 (T X(jk)) exp(+j2 kf0 t) T T k lim


+ T +

= Lorsquon passe ` la limite a

lim

(T X(jk)) exp(+j2 kf0 t) f0


k

T , T X(jk) X(jf ), f0 df, kf0 f on obtient la dnition de la transformation inverse de Fourier e


+

x(t)

X(jf ) exp(+j2f t) df

Il est important de noter que les units de X(jf ) ne sont pas les mmes que celles e e du signal original x(t). Dans le cas o` x(t) est une tension lectrique, sa transforme u e e X(jf ) sexprime en [V/Hz].

2.1.2. TF directe et inverse


Les deux relations que nous venons de dmontrer constituent les transformations de e Fourier directe et inverse. On constate que les descriptions temporelle et spectrale sont parfaitement symtriques : e
+

x(t) =
+

X(jf ) exp(+j2f t) df x(t) exp(j2f t) dt

(2.1) (2.2)

X(jf ) =

En notation abrge, on dcrira ces deux transformations par les oprateurs T F { } e e e e et T F I{ }. La correspondance rciproque scrit alors : e e x(t) = T F I{X(jf )} T F {x(t)} = X(jf ) Si la fonction x(t) ne poss`de pas de symtries particuli`res, sa densit spectrale e e e e damplitude X(jf ) est une fonction complexe : x(t) X(jf ) = Xr (f ) + jXi (f ) Les densits spectrales du module et de la phase valent alors : e |X(jf )| X(f ) =
2 Xr (f ) + Xi2 (f )

(2.3)

(2.4) (2.5)

X(jf ) (f ) = arctan

Xi (f ) Xr (f )

51

2. Analyse des signaux non priodiques e

2.1.3. Energie dun signal non permanent


Dans le cas des signaux non permanents, on prendra garde ` parler de leur nergie et a e non pas de leur puissance, car celle-ci est nulle si lon consid`re une dure inniment e e longue. De mani`re similaire ` ce que lon a vu pour les signaux priodiques, on peut e a e calculer lnergie dun signal apriodique aussi bien dans le domaine temporel que e e dans domaine frquentiel : e
+

W =
+

x2 (t) dt

V2 sec V2 /Hz

(2.6) (2.7)

W =

|X(jf )|2 df

Lexpression de lnergie dun signal x(t) dans le domaine des frquences entra e e ne la dnition de la densit spectrale dnergie Sx (f ) : e e e Sx (f ) |X(jf )|2 = X(jf ) X(jf ) V2 /Hz2 (2.8)

On notera que ses units sexpriment en [V2 /Hz2 ] lorsque le signal est une tension. e

2.1.4. Proprits de la transformation de Fourier e e


Parmi le grand nombre de proprits associes ` la transformation de Fourier, on ee e a retiendra particuli`rement celles qui ont le plus dintrt en traitement du signal. e ee Elles sont prsentes dans le tableau 2.1. e e

2.2. Exemples de spectres continus


Pour illustrer lutilisation de la transforme de Fourier, calculons les densits spece e trales de trois signaux particuliers.

2.2.1. Spectre dune impulsion rectangulaire


Considrons une impulsion x(t) de largeur t et damplitude A centre en t = 0 e e (gure 2.2). Par dnition de la transformation de Fourier, on a : e
+

X(jf ) =

x(t) exp(j2 f t)dt

En tenant compte de la dnition de limpulsion rectangulaire centre : e e 0 si |t| > t 2 x(t) = A si |t| t 2

(2.9)

52

2.2. Exemples de spectres continus

a) linarit e e

ax(t) + by(t)

aX(jf ) + bY (jf )

b) dcalage e

x(t + td )

X(jf ) exp(+j2f td )

c) amortissement

x(t) exp(at), x(t) causal

X(j2f + a)

d) modulation

x(t) exp(+j2f0 t)

X (j(f f0 ))

e) drivation e

dx(t) dt

j2f X(jf )

1 1 X(jf ) + X(0)(f ) j2f 2 x(t)dt


+

f) intgration e

avec X(0) =

x(t)dt

h(t) x(t) g) convolution h(t) x(t)

H(jf ) X(jf ) H(jf ) X(jf )

h) nergie e

W =

x2 (t)dt

W =

|X(jf )|2 df

j) valeurs ` lorigine a

x(t = 0) =

X(jf )df

X(f = 0) =

x(t)dt

k) rotation Oy

y(t) = x(t)

Y (jf ) = X(jf ) = X (jf )

l) fonction paire

x(t) = x(t)

X(jf )

m) fonction impaire

x(t) = x(t)

X(jf )

n) symtrie e

y(t) = X(t)

Y (jf ) = x(jf ) 53

Table 2.1.: Quelques proprits de la transformation de Fourier ee

2. Analyse des signaux non priodiques e il vient :


+t/2

X(jf ) =
t/2

A exp(j2 f t)dt A exp(j2 f t) j2f


+t/2 t/2

= = =

A t t exp(j2 f ) exp(+j2 f ) j2f 2 2 A exp(+j f t) exp(j f t) f 2j

Utilisant la formule dEuler : sin u = on obtient nalement : X(jf ) = A t sin(f t) = A t sinc(f t) f t (2.10) exp(+ju) exp(ju) 2j

Comme on pouvait sy attendre, la densit spectrale damplitude dune impulsion e rectangulaire centre en t = 0 est bien dcrite par un sinus cardinal. De plus, comme e e limpulsion rectangulaire x(t) est paire, sa densit spectrale damplitude Y (jf ) est e une fonction relle. Enn, on remarquera (gure 2.2) que le spectre passe par zro e e chaque fois que le sinus cardinal sannule, cest-`-dire, chaque fois que la frquence a e est un multiple de 1/t. Le spectre de cette impulsion illustre deux points importants concernant les signaux de dure limite (gure 2.3) : e e Un signal de courte dure poss`de un spectre large bande. e e Un spectre troit correspond ` un signal de longue dure. e a e

2.2.2. Spectres dun sinus amorti


Etudions, comme deuxi`me exemple, la transforme de Fourier dune sinuso de e e de frquence fp dcroissant exponentiellement au cours du temps (gure 2.4). Son e e e e quation scrit : 0, si t < 0 (2.11) A exp(at) sin(2fp t), si t 0

y(t) =

54

2.2. Exemples de spectres continus

1 0.8 x(t) 0.6 0.4 0.2 0 0.2 10 8 6 4 2 0 temps 2 4 6 8 10

4 3 X(jf) 2 1 0 1 1

0.8

0.6

0.4

0.2

0 frquence

0.2

0.4

0.6

0.8

Figure 2.2.: Impulsion rectangulaire et sa densit spectrale damplitude e

A = 1, t = 10 1.2 1 0.8 X1(jf) 5 0 A = 5, t = 2 6 5 4 X2(jf) x2(t) 3 2 1 0 0 2 1 10 5 0 temps 5 10 5 0 frquence 5 10 8 6 4 2 5 10 x1(t) 0.6 0.4 0.2 0 0 2 0.2 10 5 0 5 10 8 6 4 2

Figure 2.3.: Le contenu spectral dune impulsion dpend fortement de sa dure e e

55

2. Analyse des signaux non priodiques e Partant de la dnition de la transforme de Fourier, on calcule sa densit spectrale e e e damplitude :
+

Y (jf ) =

y(t) exp(j2f t)dt A exp(at) sin(2fp t) exp(j2f t)dt


0

= =
0

A exp(at)

exp(+j2fp t) exp(j2fp t) exp(j2f t)dt 2j

Cette intgrale ne contient que des exponentielles ; elle est tr`s simple ` calculer. e e a Apr`s rduction des deux primitives a un mme dnominateur, on obtient : e e e e ` 2fp C (2.12) Y (jf ) = A (a + j2f )2 + (2fp )2
1 A = 1.0 0.5 y(t) fp = 4.0 a = 0.25 0

0.5

5 temps

10

2 1.5 |Y(jf))| 1 0.5 0

10

0 frquence

10

Figure 2.4.: Sinus amorti et le module de sa densit spectrale damplitude e On remarquera que la densit spectrale damplitude Y (jf ) est une fonction come plexe car la sinuso dcroissante y(t) ne poss`de pas de symtrie particuli`re. La de e e e e gure 2.4 prsente le sinus amorti et le module de sa densit spectrale damplitude. e e On peut galement noter les deux valeurs particuli`res suivantes e e f =0: Y (0) = A a2 2fp + (2fp )2 A 2fp a a + j4fp A 2fp A j2a si a 2 fp

f = fp :

Y (jfp ) =

si a

2 fp

56

2.2. Exemples de spectres continus

2.2.3. Spectres de deux impulsions rectangulaires


Considrons un signal constitu de deux impulsions damplitude A places symtrie e e e quement en t0 /2 (gure 2.5). Ce signal poss`de un spectre qui se calcule facilement e a e a e e e ` partir de celui dune impulsion centre en t = 0 et ` laide du thor`me du dcalage. Comme le signal z(t) est la somme de 2 impulsions dcales de t0 /2, e e z(t) = x(t + t0 /2) + x(t t0 /2) on a : Z(jf ) = A t donc Z(jf ) = 2 A t sin(f t) cos(f t0 ) f t (2.14) t0 t0 sin(f t) exp(+j2f ) + exp(j2f ) f t 2 2 (2.13)

De plus, par rapport ` ce qui va suivre, il est intressant de considrer galement la a e e e densit spectrale dnergie : e e Sz (f ) |Z(jf )|2 = 2 A t sin(f t) cos(f t0 ) f t
2

(2.15)

Les densits spectrales damplitude et dnergie sont reprsentes ` la gure 2.5. e e e e a


1 z(t) 0.5 (a) 0 10 2 1 Z(jf) 0 1 (b) 2 2 1.5 1 0.5 0 0.5 1 1.5 2 8 6 4 2 0 2 4 6 8 10

4 Sz(f) 3 2 1 0 2 (c) 1.5 1 0.5 0 0.5 1 1.5 2

Figure 2.5.: Deux impulsions rectangulaires symtriques (a) avec ses densits spece e trales damplitude (b) et dnergie (c) e

57

2. Analyse des signaux non priodiques e

2.3. Calcul de quelques transformes e


An de mieux saisir les implications de la TF, calculons les transformes de quelques e signaux importants en traitement du signal.

2.3.1. Exponentielle dcroissante e


Dans ce cas, x(t) vaut x(t) = exp(at) (t) = 0 si t < 0 (2.16) exp(at) si t 0
2

4 1 0.8 |X(jf)| x(t 0.6 0.4 0.2 0 0 2 4 temps 6 1 3 / X(jf) 2 0 frquence 2

0 frquence

Figure 2.6.: Exponentielle dcroissante et ses spectres (module et phase) e Lapplication de la dnition de la TF conduit ` : e a
+

X(jf ) =
0

exp(at) exp(j2f t)dt

do` : u

1 (2.17) a + j2f Pour illustrer le thor`me de lnergie, calculons lnergie de ce signal dans le doe e e e maine temporel : X(jf ) =
+ +

W =

x2 (t) dt =
0

exp(2at) dt =

1 2a

et dans le domaine frquentiel : e


+ +

W =

|X(jf )|2 df =
+

a2

df + (2f )2

1 2f arctan 2a a

1 2a

On retrouve bien entendu le mme rsultat dans les deux cas. e e

58

2.3. Calcul de quelques transformes e

2.3.2. Exponentielle dcroissante symtrique e e


Ce signal est dcrit par : e x(t) = exp(a |t|) , < t < + (2.18)

4 1 0.8 |X(jf)| x(t) 0.6 0.4 0.2 0 5 0 temps 5 1 3 / X(jf) 2 0 frquence 2

0 frquence

Figure 2.7.: Exponentielle symtrique et ses spectres (module et phase) e De mani`re plus explicite, on peut encore lcrire sous la forme e e x(t) = exp(+at) (t) + exp(at) (t) On a alors :
0

(2.19)

X(jf ) =

exp(+at) exp(j2f t) dt +
0

exp(at) exp(j2f t) dt

do` : u X(jf ) = 01 2a 10 + = 2 a j2f (a + j2f ) a + (2f )2 (2.20)

On remarquera que x(t) tant pair, sa transforme est relle. e e e

2.3.3. Signal constant unit e


Le signal constant unit vaut simplement 1 quelque soit t (, +). Au sens e des limites, il peut tre dcrit ` partir de lexponentielle symtrique : e e a e x(t) = 1 = lim exp(a |t|) , < t < +
a0

(2.21)

Ce passage par la limite est ncessaire car le signal constant nest pas intgrable en e e valeur absolue et sa transforme de Fourier ne peut donc pas tre calcule ` partir e e e a de sa dnition. Par contre, partant de lexponentielle symtrique, on a : e e 0 si f = 0 2a X(jf ) = lim 2 = a0 a + (2f )2 si f = 0

59

2. Analyse des signaux non priodiques e Ce rsultat co e ncide avec la dnition dune impulsion de Dirac. La TF dun signal e unit est donc une impulsion de Dirac situe en f = 0 : e e X(jf ) = (f ) (2.22)

2.3.4. Saut unit e


Le calcul de la TF dun saut unit (t) (gure 2.8) ncessite galement quelques e e e prcautions, car ce signal nest pas intgrable en valeur absolue. Mais, constatant e e que lon a : 1 = (t) + (t) et dsignant la TF de (t) par E(jf ), il vient : e T F {1} = (f ) = E(jf ) + E (jf ) = 2 Er (jf ) De ce rsultat, on en dduit que la partie relle Er (jf ) vaut (f )/2. e e e Il reste encore ` trouver la partie imaginaire de E(jf ). Pour ce faire, on peut a remarquer que le saut unit peut galement scrire sous la forme : e e e 0 si t < 0 (2.23) (t) = lima0 exp(at) si t 0 dont la transforme (quation 2.17) est purement imaginaire et vaut 1/(j2f ). On e e obtient donc nalement : 1 1 E(jf ) = Er (jf ) + j Ei (jf ) = (f ) + 2 j2f (2.24)

2.3.5. Phaseur
Pour calculer sa TF, considrons le fait quun phaseur de frquence f0 peut scrire e e e comme suit : x(t) = exp(+j2f0 t) = lim exp(a |t|) exp(+j2f0 t)
a0

(2.25)

Utilisant la TF de lexponentielle symtrique (quation 2.20) et la proprit de e e ee modulation, on a : 0 si f = f0 2a = X(jf ) = lim a0 a2 + (2(f f ))2 0 si f = f
0

La TF dun phaseur de frquence f0 est donc une impulsion de Dirac situe en e e f = f0 : X(jf ) = (f f0 ) (2.26)

60

2.3. Calcul de quelques transformes e

x(t) 1 Saut unit 2 1.5 0.5 1 0.5 0 5 1 Cosinus 0.5 0 0.5 1 5 1 0.5 Sinus 0 0.5 1 5 0 0 t 5 2 0.5 0 0 5 2 1 0.5 0 5 0 2 1

|X(jf)| 2 1 0 1 0 2 2 2 2 1 0 1 0 2 2 2 2 1 0 1 0 f 2 2 2

X(jf)

0 f

Figure 2.8.: Signaux et densits spectrales dun saut unit, dun cosinus et dun e e sinus

61

2. Analyse des signaux non priodiques e

2.3.6. Signal sinuso dal


Comme un signal sinuso dal est constitu de 2 phaseurs conjugus complexes (loi e e dEuler), sa TF comportera 2 impulsions de Dirac situe en f0 . Plus prcisment, e e e on aura : x(t) = cos(2f0 t) = (f f0 ) + (f + f0 ) 1 +j2f0 t e + ej2f0 t X(jf ) = 2 2 (2.27)

x(t) = sin(2f0 t) =

(f f0 ) (f + f0 ) 1 +j2f0 t e ej2f0 t X(jf ) = 2j 2j (2.28)

La premi`re TF est relle, car la cosinuso est paire, alors que la deuxi`me TF e e de e est imaginaire car la sinuso est impaire. On notera que les modules des densits de e spectrales sont les mmes et que seuls di`rent leurs arguments (gure 2.8). e e

2.3.7. Impulsion sinuso dale


Parmi les proprits des transformations de Laplace et Fourier, nous avons vu qu` ee a un produit de convolution dans le domaine temporel correspond un produit simple dans le domaine complexe : y(t) = h(t) x(t) Y (jf ) = H(jf ) X(jf ) (2.29)

Linverse de cette proposition est galement vraie et elle est tr`s pratique pour e e ` calculer le spectre de signaux moduls en amplitude. Elle sexprime comme suit. A e un produit simple dans le domaine temporel correspond un produit de convolution dans le domaine complexe : y(t) = m(t) x(t) Y (jf ) = M (jf ) X(jf ) (2.30)

Considrons comme exemple une impulsion sinuso e dale de dure t (g. 2.9c) e cos(2f0 t) si |t| < t 2 y(t) = 0 si |t| t 2 Voyant que ce signal est quivalent a la multiplication dune sinuso permanente e de ` (g. 2.9a) par une impulsion de largeur t (g. 2.9b), on a : 1 si |t| < t 2 y(t) = m(t) x(t) = m(t) cos(2f0 t) avec m(t) = 0 si |t| t 2

62

2.3. Calcul de quelques transformes e

2 1 1.5 0 1 2 1 0 1 2 0 10 2 1 1.5 m(t) 0 1 2 1 0 1 2 0 10 2 1 1.5 0 1 2 1 0 temps 1 2 0 10 5 0 frquence 5 10 Y(f) x(t) 1 0.5 5 0 5 10 M(f) 1 0.5 5 0 5 10 X(f) x(t) 1 0.5

Figure 2.9.: Impulsion sinuso dale et son spectre

63

2. Analyse des signaux non priodiques e Sachant que les spectres des signaux x(t) et m(t) valent respectivement X(jf ) = 1 ( (f + f0 ) + (f f0 )) 2 M (jf ) = A t sinc(f t)

et que la convolution entre une fonction et une impulsion de Dirac reproduit la fonction ` lendroit o` se situe limpulsion, on voit que le spectre de limpulsion a u sinuso dale vaut A t (sinc((f + f0 ) t) + sinc((f f0 ) t)) Y (jf ) = M (jf ) X(jf ) = 2 On constate ainsi que le spectre dune impulsion sinuso dale de dure t est constie tu de deux sinus cardinaux situs en +f0 et f0 (gure 2.9c). e e

2.4. Quelques conclusions


2.4.1. TF des signaux priodiques e
Du paragraphe prcdent, on retiendra que la transformation de Fourier sape e plique galement ` des signaux priodiques, cest-`-dire ` des signaux de puissance e a e a a moyenne nie. Dans ce cas, les raies spectrales de la srie de Fourier sont remplaces e e par des impulsions de Dirac.

2.4.2. Relations avec la transformation de Laplace


Les dnitions des transformes de Fourier et Laplace montrent une forte similitude. e e On a en eet + X(jf ) =
+

x(t) exp(j2 f t)dt s = + j2f

X(s) =
0

x(t) exp(s t) dt avec

Si on a dni des transformations si proches, mais malgr tout distinctes, cest que e e tous les signaux ne sont pas transformables de Fourier et/ou de Laplace. En eet, lexistence de ces transformations entra nent les restrictions suivantes : pour la transformation de Fourier, il faut que le signal soit intgrable en valeur e absolue et que le nombre de ses discontinuits soit ni : e
+

|x(t)| dt <

pour la transformation de Laplace, il faut que :


+

x(t)est dt <

autrement dit, il faut que le signal x(t) pondr par une exponentielle amortie ee soit intgrable en valeur absolue. e

64

2.5. Extension de la transformation de Fourier Des deux points ci-dessus, il dcoule que les signaux temporaires (` nergie nie) et e ae les signaux permanents priodiques ou non (` puissance ne) poss`dent une transe a e forme de Fourier mais pas ncessairement une transforme de Laplace. Ainsi en e e e est-il de lexponentielle symtrique et, au sens des limites, des signaux priodiques. e e Par contre, des signaux dmarrant en t = 0 tels quune rampe x(t) = a t (t), e une parabole x(t) = a t2 (t), ne sont pas transformables de Fourier, alors quils poss`dent une transforme de Laplace. e e Il existe dautre part des signaux qui poss`dent les deux transformes ; par exemple, e e les signaux amortis dmarrant en t = 0. Et dautres qui nen poss`dent aucune ; par e e exemple x(t) = a t pour < t < +. On trouvera en n de chapitre une table illustre des transformes de Fourier tire e e e de louvrage de F. de Coulon [2].

2.5. Extension de la transformation de Fourier


Le spectre dnergie des deux impulsions tudies ` la section 2.2.3 montre une e e e a grande similitude avec la gure de diraction de Fraunhofer due ` deux fentes a e e e troites (gure 2.10). En ralit, il sagit bien plus que dune similitude car on montre en physique que toute gure de diraction est la transforme de Fourier de e lobjet qui en est la cause. De cette analogie, on dduit que la notion de transformation de Fourier peut tre e e e a a tendue ` des espaces ` plusieurs dimensions. Cette transformation de Fourier multidimensionnelle est dnie de mani`re similaire ` celle que nous avons tudie e e a e e jusqu` prsent a e
+

x(t) X(jf )

x(t) exp (j2 f t) dt

(2.31)

avec f reprsentant la frquence des oscillations, cest-`-dire le nombre de priodes e e a e par unit de temps. Cette frquence est mesure en [Hz] ou, de mani`re plus fondae e e e mentale, en [1/sec]. Dans le cas particulier dune image (espace ` deux dimensions), on a aaire ` une a a intensit lumineuse i fonction des coordonnes x et y e e i = i(x, y) Sa transforme de Fourier est alors dnie comme suit e e
+ +

(2.32)

i(x, y) I(jfx , jfy )


i(x, y) exp (j2 fx x) exp (j2 fy y) dx dy

(2.33) Ici, les frquences spatiales fx et fy reprsentent le nombre de priodes par unit de e e e e longueur mesures en [1/m]. Une illustration des spectres spatiaux (ou des gures e de diraction) douvertures circulaire et carre est donne ` la gure 2.11 ; on y e e a

65

2. Analyse des signaux non priodiques e

1 z(t) 0.5 (a) 0 10 2 1 Z(jf) 0 1 (b) 2 2 1.5 1 0.5 0 0.5 1 1.5 2 8 6 4 2 0 2 4 6 8 10

4 Sz(f) 3 2 1 0 2 (c) 1.5 1 0.5 0 0.5 1 1.5 2

Figure 2.10.: a) Deux impulsions rectangulaires et leurs spectres damplitudes et dnergie e b) Figure de diraction cause par deux ouvertures troites [3] e e

66

2.5. Extension de la transformation de Fourier

1 g(x,y) 0.5 0 50 50 0 y 50 50 x 0 g(x,y)

1 0.5 0 50 50 0 y 50 50 x 0

1 G(fx,fy) G(fx,fy) 5 0 fy 5 5 f
x

1 0.5 0

0.5 0

0.5 5 0

0.5 5 5 0 fy 5 5 f
x

Original

Passehaut

Passebas

Figure 2.11.: a) Transformes de Fourier spatiales dun rond et dun carr e e b) Filtrage spatial de la lettre A avec un masque qui ne laisse passer que les hautes ou les basses frquences e

67

2. Analyse des signaux non priodiques e reconna la fonction sinus cardinal distribue dans lespace des frquences spatiales t e e fx et fy . Comme nous venons de le voir, la notion de transformation de Fourier sapplique a e ` des fonctions bidimensionnelles. On imagine donc aisment que les principes de ltrage bien connus en lectronique peuvent stendre de la mme mani`re ` des e e e e a signaux multidimensionnels. Une illustration en est donne ` la gure 2.11 o` lon e a u voit comment lapplication de masques dans le domaine frquentiel permet dexe traire les bords de limage (ltrage passe-haut) ou de dfocaliser limage (ltrage e passe-bas). On notera quun ltrage ralis avec un masque constitu simplement e e e de 0 ou 1 nest pas optimum car il entra les eets de franges bien visibles sur les ne images.
A

Figure 2.12.: Alphabet de Fourier (partiel) avec le mot ` dcouvrir a e Une exprience amusante consiste a lire un texte dans lespace de Fourier si, au e ` pralable, on sest familiaris avec les spectres bidimensionnels des majuscules de e e lalphabet (gure 2.12). Quelques instants dobservation montrent quil est possible

68

2.5. Extension de la transformation de Fourier de reconna les lettres de lalphabet simplement ` partir de leur transforme de tre a e Fourier spatiale. Dans cette gure, seules vingt images de lalphabet sont prsene tes dans lordre alphabtique ; les lettres manquantes peuvent tre retrouves en e e e e essayant de se reprsenter leur spectre. Apr`s avoir trouv les lettres manquantes, e e e on peut rechercher le mot crit avec cet alphabet. e

69

2. Analyse des signaux non priodiques e

2.6. Table illustre de quelques transformes de e e Fourier [2]

70

2.6. Table illustre de quelques transformes de Fourier [2] e e

71

2. Analyse des signaux non priodiques e

72

2.7. Exercices

2.7. Exercices
` TF 1 A partir de la seule observation du signal temporel de la gure 2.13, prcisez e ce que vaut sa densit spectrale en f = 0 puis calculez et esquissez sa transforme e e de Fourier.

1.5

x(t)

0.5

0 8 6 4 2 0 2 temps [msec] 4 6 8

Figure 2.13.: Exercice TF1

TF 2 Partant de la TF dune impulsion rectangulaire et de la proprit dintgraee e tion, calculez les TF de x(t) et y(t) (gure 2.14). Apr`s calculs, vous remarquerez e que Y (jf ) peut scrire sous la forme dun sinc2 . e TF 3 Partant de la TF dune impulsion et dun saut unit, trouvez celle de z(t) e (gure 2.14). Est-il possible de trouver Z(jf ) ` partir de Y (jf ) ? Vous pouvez a vrier votre rsultat en calculant Z(jf = 0) qui doit tre gal ` t/2. e e e e a TF 4 Soit un signal carr priodique symtrique (` valeur moyenne nulle) dame e e a plitude A. Esquissez 1. le signal x(t) ; 2. le spectre que lon obtient avec les sries de Fourier ; e 3. le spectre que lon obtient avec la transformation de Fourier. TF 5 Considrant le signal x(t) = exp(a |t|), calculez et esquissez x(t) et X(jf ), e puis vriez les 2 galits suivantes : e e e
+ +

a) X(0) =

x(t)dt ,

b) x(0) =

X(jf )df

73

2. Analyse des signaux non priodiques e


1 x(t) 0 1 400 1 y(t) 0.5 0 400 1 z(t) 0.5 0 400

200

200

400

600

200

200

400

600

200

0 200 temps [msec]

400

600

Figure 2.14.: Exercices TF2 et TF3 TF 6

frquence e 1 la partie relle de X(jf ) est nulle e

temps

la partie imaginaire de X(jf ) est nulle

il existe un dcalage t0 tel que e exp(j2f t0 )X(jf ) est rel e

il existe un dcalage t0 tel que e exp(j2f t0 )X(jf ) est imaginaire

X(jf ) est continu

1. Considrant les cinq proprits frquentielles du tableau ci-dessus, exprimez e ee e leur quivalent temporel dans la colonne de droite. e 2. Pour chacun des signaux temporels de la gure 2.15, quelles sont les proprits ee du tableau qui sy appliquent ?

74

2.7. Exercices 3. Construisez un signal qui ne poss`de aucune des cinq proprits mentionnes e ee e dans le tableau.
1 0.5 0 0.5 1 6 1 0.5 0 0.5 1 6 1 0 4 2 0 2 4 (c) 6 6 1 0.5 0 0.5 1 6 1 (e) 0.5 0.5 0 0.5 0 6 4 2 0 2 4 6 1 6 4 2 0 2 4 (d) 6 0.5 (a) 1 (b)

4 (f)

Figure 2.15.: Exercice TF6

0.8

0.6 x(t) 0.4 0.2 0 2 1 0 1 temps [msec] 2 3 4

Figure 2.16.: Exercice TF7

TF 7 Soit X(jf ) la transforme de Fourier du signal x(t) de la gure 2.16. Sans e calculer explicitement X(jf ), recherchez :

75

2. Analyse des signaux non priodiques e 1. la densit spectrale de phase de X(jf ) ; e 2. la valeur de X(f = 0) ; + 3. la valeur de X(jf )df ; 4. la valeur de
+

|X(jf )|2 df .

TF 8 Connaissant la TF dune sinuso amortie dmarrant en t = 0 de e 2f0 X(jf ) = (a + j2f )2 + (2f0 )2 1. calculez la TF dune sinuso non amortie dmarrant ` linstant t = 0 ; de e a 2. esquissez les modules des spectres X(jf ), Y (jf ) et celui dune sinuso perde manente ; 3. discutez les dirences existant entre ces trois spectres. e TF 9 On applique une exponentielle dcroissante u1 (t) = U0 exp(at) (t), damore tissement a = 100 [1/sec] ` un ltre passe-bas de constante de temps = 1 [msec] ; a 1. calculez la TF U2 (jf ) de la tension de sortie u2 (t) du ltre ; 2. utilisez le tableau des transformes pour dduire lexpression temporelle de e e u2 (t). TF 10 Soit un message m(t) = A cos(2f1 t) modul en amplitude par une pore teuse sinuso dale p(t) = sin(2f0 t) : 1. calculez la TF du signal modul x(t) = m(t) p(t) = A sin(2f0 t) cos(2f1 t) ; e 2. esquissez le spectre du signal modul |X(jf )| si f1 = 10 [kHz] et f0 = 800 [kHz] ; e 3. idem 2) lorsque le signal m(t) poss`de un spectre continu |M (jf )|triangulaire e et non-nul entre 2 [kHz] et 10 [kHz]. TF 11 Soit le signal : u(t) = U0 cos(2f0 t) 0 si |t| t0 si |t| > t0

1. esquissez u(t) ; 2. calculez sa TF U (jf ) ; 3. esquissez |U (jf )| pour U0 = 1 [V],

T = 1/f0 = 1 [msec],

t0 = 10 [msec].

Ce signal correspond ` lobservation dune fonction sinuso a dale pendant une dure e nie 2t0 . On remarquera, une fois le calcul eectu, que lanalyse spectrale dune e sinuso pendant une dure nie revient a remplacer les raies spectrales situes en de e e ` f = f0 par la fonction sinus cardinal.

76

2.7. Exercices TF 12 Soit la fonction : u(t) = 1. esquissez u(t) ; 2. calculez sa TF U (jf ) ; 3. esquissez U (jf ) et la TF dune impulsion rectangulaire de mme dure ; e e 4. observez les dirences. e
1 2

[1 cos(2f0 t)] 0

si |t| si |t| >

T 2 T 2

TF 13 Connaissant la transforme E(jf ) dun saut unit (t), calculez la transe e forme S(jf ) de la fonction signe s(t). e

TF 14 Montrez quun produit simple dans lespace des frquences correspond ` e a un produit de convolution dans lespace temps :
+

Y (jf ) = X(jf ) H(jf )

y(t) = x(t) h(t) =

x()h(t )d

Pour dmontrer ce rsultat important et bien connu, vous pouvez dabord exprimer e e la TFI de Y (jf ) :
+ +

y(t) =

Y (jf )exp(+j2f t)df =

H(jf )X(jf )exp(+j2f t)df

puis y introduire la TF de x(t) :


+

X(jf ) =

x()exp(j2f )d

TF 15 Considrant la rponse dun ltre h(t) dont le spectre est le suivant : e e si |f | 100 [Hz] 1 H(jf ) = 0 sinon 1. esquissez H(jf ) ; 2. calculez, puis esquissez h(t) ; 3. ce signal correspond ` la rponse impulsionnelle du ltre dcrit par H(jf ); ce a e e ltre est-il ralisable ? pourquoi ? e

77

2. Analyse des signaux non priodiques e TF 16 Considrant un signal u(t) dont le spectre est le suivant : e 1 1. esquissez U (jf ) ; 2. calculez puis esquissez u(t) ; 3. que vaut son nergie ? e 0 si 100 [Hz] |f | 200 [Hz] sinon

U (jf ) =

TF 17 Utilisez la transformation de Fourier pour trouver le courant circulant dans un circuit RC srie sachant que le signal appliqu est un saut de tension damplie e tude E.

TF 18 On applique une fonction signe u1 (t) damplitude E ` un ltre RC passea bas. 1. utilisez la transformation de Fourier pour trouver la tension de sortie ; 2. esquissez u1 (t) et u2 (t).

TF 19 On applique une exponentielle symtrique u1 (t) = U0 exp(a |t|) ` un ltre e a passe-bas de constante de temps . 1. avant de vous lancer dans les calculs, esquissez u1 (t) et imaginez ce que peut e tre u2 (t) ; 2. calculez la tension de sortie du ltre. La marche ` suivre est la mme que celle utilise avec la transformation de Laa e e place : dcomposition en somme de fractions simples puis recherche des coecients e par identication avec des transformes connues. e

TF 20 On applique une exponentielle dcroissante u1 (t) = U0 exp(at) (t) ` un e a ltre passe-bas idal de frquence de coupure fc . e e 1. exprimez U1 (jf ) et U2 (jf ) ; esquissez leur module ; 2. en admettant U0 = 10 [V ] et a = 1000 [1/sec], calculez les nergies E1 et E2 e des signaux dentre et de sortie lorsque : e a (a) fc = 1 [kHz] ; (b) fc = 2 .

78

2.7. Exercices TF 21 On applique ` un ltre passe-bas de constante de temps = 1 [msec] un a signal u1 (t) dont le spectre est dni par : e si 100 [Hz] <= |f | <= 300 [Hz] 1 [V/Hz] U1 (jf ) = 0 sinon 1. exprimez la fonction de transfert H(jf ) du ltre ; que vaut sa frquence cae ractristique fc ? e 2. esquissez U1 (jf ), H(jf ) et U2 (jf ) pour 500 [Hz] < f < +500 [Hz] ; 3. quelles sont les nergies E1 et E2 des signaux dentre et de sortie ? e e 4. comment voluera E2 si la constante de temps diminue ? e 5. comment calculeriez-vous u2 (t) ? Ne faites pas les calculs, mais prcisez point e par point votre dmarche ; essayez dentrevoir les dicults de ce calcul. e e TF 22 On applique ` un ltre passe-bas de constante de temps = RC = a 10 [msec] une tension exponentielle u1 (t) = 10 exp(at) (t) avec a = 1000 [1/sec]. 1. esquissez u1 (t) et u2 (t) ; 2. calculez les nergies contenues dans les signaux dentre et de sortie. 1 e e TF 23 On applique une impulsion de Dirac (t) ` un ltre passe-bande dont la a fonction de transfert vaut : H(jf ) = D0 jf f0 1 + D0 jf + f0
jf f0 2

D0

1 Q0

1. esquissez les spectres des signaux dentre et de sortie ; e 2. exprimez lnergie du signal de sortie contenue dans la bande passante f e sachant que : 1 1 = 0.1 f0 = = 1 [kHz] D0 Q0 2 LC f fi,s = 1 + 1 + 4Q2 f = f0 D0 0 2 TF 24 Considrant le spectre X(jf ) de la gure 2.17 constitu dun sinus cardinal e e 3 damplitude X(0) = 2 10 et de 2 impulsions de Dirac de surface 1/2, trouvez puis esquissez le signal x(t) correspondant.
1. Si le calcul de lintgrale dnie ncessaire pour obtenir lnergie vous para trop dicile, e e e e t essayez la dmarche suivante : e a) esquissez la fonction ` intgrer ; a e b) estimez des limites raisonnables pour la valeur de lnergie ; e c) ` laide dun petit programme (une douzaine de lignes), intgrez numriquement la densit a e e e spectrale dnergie. Si le nombre de pas est susant, le rsultat obtenu sera tout ` fait e e a satisfaisant.

79

2. Analyse des signaux non priodiques e


20 x 10
4

15

10 X(jf)

1/2

1/2

5 4

1 0 1 frquence [kHz]

Figure 2.17.: Exercice TF24 TF 25 A partir du signal x(t) = exp(at) (t), trouvez le spectre de y(t) = sgn(t).

80

Bibliographie
[1] B.P. Lathy, Linear Systems and Signals, Berkeley-Cambridge Press, Carmichael CA, 1992 [2] F. de Coulon, Thorie et traitement des signaux, Presses polytechniques roe mandes, Lausanne, 1984 [3] M. Alonso, E.J. Finn, Physique gnrale : champs et ondes, Editions pdagoe e e giques, Montral, 1970 e

81

e 3. Elments danalyse spectrale numrique e


3.1. Passage de la TF ` la TFD a
Lchantillonnage des signaux analogiques est tudi en dtail par ailleurs. Pour ce e e e e qui suit, il sut de savoir que tout signal analogique x(t) est acquis a un rythme ` rgulier dict par la priode dchantillonnage Te et quil est stock en mmoire e e e e e e dordinateur. Ces signaux x[n] sont des signaux numriques obtenus ` laide dun e a convertisseur analogique-numrique (gure 3.1) et tels que e x[n] = x (t)|t=n Te
x(t)
Te Signal analogique

(3.1)

x[n] = x(t=nTe)

x(t) A

x[n]

Signal chantillonn

N
t n

Figure 3.1.: Acquisition numrique dun signal analogique e Le passage de la transformation de Fourier (TF) des signaux analogiques x(t) ` la a transformation de Fourier discr`te (TFD) des signaux numriss x[n] fait intervenir e e e trois oprations : e lchantillonnage du signal analogique ; e la limitation de la dure de lenregistrement de ce signal ; e la discrtisation de la frquence pour lanalyse spectrale numrique. e e e Ces trois oprations, apparemment anodines, ont des consquences dont il est ime e portant dvaluer ltendue. Pour mmoire, on rappelle trois proprits de la transe e e ee formation de Fourier dont on aura besoin par la suite : au produit simple dans un espace correspond un produit de convolution dans lautre x(t) y(t) X(jf ) Y (jf ) (3.2) x(t) y(t) X(jf ) Y (jf ) (3.3)

83

e 3. Elments danalyse spectrale numrique e la TF dun peigne dimpulsions de Dirac est galement un peigne de Dirac e 1 f (f ) (3.4) Te e la TF dune impulsion rectangulaire damplitude A et de largeur t est un sinus cardinal Te (t) A rect(t/t) A t sin(f t) = A t sinc(f t) f t (3.5)

An de concrtiser au mieux les relations existant entre les espaces temps et fre e quence, on considrera par la suite que les signaux tudis sont fournis sous la forme e e e dune tension lectrique que lon chantillonne rguli`rement pendant une dure nie e e e e e avant de calculer numriquement son contenu spectral. Ainsi, pour chaque quation, e e on pourra prciser les units des rsultats obtenus. e e e

3.1.1. Signaux continus non-priodiques (TF) e


Un signal analogique x(t) et sa densit spectrale X(jf ) sont relis entre eux par les e e relations + X(jf ) = x(t) =

x(t) exp(j2f t)dt


+

[V sec] [V]

(3.6) (3.7)

X(jf ) exp(+j2f t) df

Ces transformations directe et inverse montrent ` lvidence, la parfaite symtrie a e e ` qui relie les espaces temps et frquence (gure 3.2.a). A cette symtrie correspond e e la proprit suivante : ee a e ` un signal temporel continu non priodique correspond un spectre continu non priodique. e

3.1.2. Signaux discrets de dure innie (TFi) e


On consid`re ici que le signal continu x(t) (gure 3.2.a) est chantillonn tous e e e les multiples de la priode dchantillonnage Te . Cette opration dchantillonnage e e e e peut tre reprsente mathmatiquement par la multiplication du signal x(t) avec e e e e un peigne dimpulsions de Dirac distantes de Te (gure 3.2.b) x (t = nTe ) = x(t) Te (t) (3.8)

On obtient ainsi une suite dimpulsions de Dirac pondres par les valeurs x (t = nTe ) ee (gure 3.2.c) ; celles-ci reprsentent alors le signal discret x[n] = x(t = nTe ). e Dans lespace frquentiel, le peigne de Dirac temporel Te (t) devient un peigne de e Dirac priodique fe (gure 3.2.b) e (f ) T F {Te (t)} = 1 f (f ) Te e (3.9)

84

3.1. Passage de la TF ` la TFD a

TF

/ Te

TFi

TFf

TFD

Figure 3.2.: Passage de la TF ` la TFD [1] a

85

e 3. Elments danalyse spectrale numrique e Comme le produit simple dans lespace temps conduit ` un produit de convolution a entre les spectres X(jf) et (f ) (gure 3.2.c), on constate que : a e e ` un signal chantillonn ou discret correspond un spectre continu et priodique fe . e Le calcul du spectre Xe (jf ) dun signal discret x[n] se fait ` partir de la dnition a e de la transformation de Fourier des signaux continus (quation 3.6). On obtient e alors
+

Xe (jf ) = Te
n=

x[n] exp(j2f nTe )

[V sec]

(3.10)

Partant de ce spectre Xe (jf ), on peut bien entendu revenir au signal temporel x[n] :
+fe /2

x[n] =
fe /2

Xe (jf ) exp(+j2f nTe ) df

[V], < n < +

(3.11)

3.1.3. Signaux discrets de dure nie (TFf) e


Dans le cas o` lon dsire traiter numriquement un signal, le nombre de valeurs x[n] u e e ne peut pas tre inniment grand. On est donc contraint ` ne prendre en compte e a quune partie du signal original. Mathmatiquement, cette opration de troncation e e revient ` multiplier le signal x(t) par une fentre rectangulaire w(t) de largeur T a e (gure 3.2.d). ` A cette multiplication dans lespace temps correspond un produit de convolution dans lespace des frquences entre le spectre du signal X(jf ) et le spectre en sinus e cardinal de la fentre w(t). Il en rsulte une dformation du spectre original cause e e e e par les ondulations du sinus cardinal (gure 3.2.e). Le signal x(t) est enregistr pendant une dure nie T en chantillonnant N valeurs e e e du signal x(t). On a donc T = N Te . La suite de valeurs discr`tes xN [n] ainsi e obtenue sera numre avec le compteur temporel n compris entre 0 et N 1 et le e ee spectre du signal tronqu se calcule alors comme suit e
N 1

Xe,N (jf ) = Te
n=0

xN [n] exp(j2f nTe )

[V sec]

Il est bien clair que les N valeurs temporelles peuvent sobtenir par transformation inverse de Xe,N (jf )
+fe /2

xN [n] =
fe /2

Xe,N (jf ) exp(+j2f nTe )df

[V], 0 n N 1

Remarque Par la suite, aucune distinction ne sera faite entre xN [n] et x[n] dune part, et Xe,N (jf ) et Xe (jf ) dautre part, car le contexte permettra toujours de

86

3.2. Relations temps-frquence e savoir si la longueur N de la suite considre est nie ou non ; les 2 relations ciee dessus scriront alors e
N 1

Xe (jf ) = Te
n=0 +fe /2

x[n] exp(j2f nTe )

[V sec]

(3.12)

x[n] =
fe /2

Xe (jf ) exp(+j2f nTe )df

[V]

(3.13)

3.1.4. Discrtisation de la frquence (TFD) e e


An de pouvoir calculer numriquement un spectre, il est videmment ncessaire e e e de discrtiser la frquence. En divisant le domaine frquentiel en N intervalles, e e e lincrment frquentiel vaut f = fe /N et les frquences analyses, au nombre de e e e e N , sont : f = k f = k fe /N (3.14) Cette discrtisation de la frquence nest rien dautre quun chantillonnage dans le e e e domaine spectral et les rsultats des oprations dchantillonnage et de multiplicae e e tion vues plus haut pour lespace temps sappliquent galement dans lespace des e frquences (gure 3.2.f et 3.2.g) et conduisent ` la proprit suivante : e a ee a e ` la discrtisation du domaine spectral correspond un signal temporel priodique. e Tout se passe comme si la dure dacquisition T correspondait a une priode du e e ` signal temporel x[n]. Le spectre considr ` prsent est donc un spectre discret que eea e lon crit X[jk] avec 0 k N 1. Tenant compte des relations temps-frquence, e e largument du phaseur scrit e j2 f nTe = j2 kf nTe = j2 k kn fe nTe = j2 N N (3.15)

Le spectre X[jk] et le signal temporel x[n] se calculent alors comme suit


N 1

X[jk] = Te
n=0

x[n] exp
N 1

j2kn N j2kn N

[V sec] 0 k N 1

(3.16)

1 x[n] = N Te

X[jk] exp +
k=0

[V] 0 n N 1

(3.17)

3.2. Relations temps-frquence e


Comme les domaines temporel et frquentiel sont discrtiss avec le mme nombre e e e e de points N , on peut relever que

87

e 3. Elments danalyse spectrale numrique e 1. lespace du temps est caractris par la dure de lenregistrement T et par e e e lincrment temporel t (qui nest autre que la priode dchantillonnage Te ) e e e tel que T t Te = (3.18) N 2. lespace des frquences est caractris par lincrment frquentiel f et la e e e e e frquence maximum fmax qui nest autre que la frquence dchantillonnage e e e fe fe fmax = (3.19) f = N N Ces deux relations ayant en commun la priode dchantillonnage Te et son inverse e e la frquence dchantillonnage, on a e e t Te 1 fe T 1 = N N f (3.20)

On en dduit donc trois relations importantes liant les domaines temporel et fre e quentiel 1 T 1 1 fmax fe = t Te 1 t f = N f = (3.21) (3.22) (3.23)

De plus, comme le spectre dun signal chantillonn est priodique fe , on dnit la e e e e frquence de Nyquist fN comme tant la limite du domaine danalyse spectrale e e fN = fe 2 (3.24)

Les relations que nous venons de voir peuvent se traduire par les proprits suiee vantes. 1. Lincrment frquentiel f est linverse de la dure temporelle T . e e e 2. La priode spectrale fmax = fe est linverse de lincrment tempoe e rel t. 3. Le domaine danalyse spectrale se limite au domaine de Nyquist compris entre fe /2 fN . 4. Pour un nombre donn de points N , il nest pas possible davoir e simultanment une tr`s bonne dnition temporelle (t petit) et e e e une tr`s bonne dnition frquentielle (f petit). e e e Une illustration des relations existant entre les domaines temporel et frquentiel est e donne dans la gure 3.3. e

88

3.2. Relations temps-frquence e

x(t), x[n]

t=Te=1/fe t = nt 0
T = Nt

N-1

Nt 0 t = T e tmax = T

f 0
|Xe(jf)|, |X[jk]| f

fmax = fe Nf f

fe = 1/ T e = N f

fe /2
0 1/2 0 N-1

fe
1 2

f = kf k f / fe

Figure 3.3.: Relations temps frquence e

89

e 3. Elments danalyse spectrale numrique e

3.2.1. Analyse spectrale avec Matlab


Dans la section suivante, on prcisera ce quest la transformation de Fourier dise cr`te ou FFT (Fast Fourier Transform). Mais par rapport ` ce que nous venons e a de voir, il vaut la peine de montrer ici combien lanalyse spectrale dun signal x(t) est simple ` faire. Dans Matlab, elle se rduit aux cinq lignes du programme cia e dessous consacres au domaine frquentiel. Le rsultat graphique en est prsent ` e e e e ea la gure 3.4. % domaine temporel Te = 0.1e-3; tmin = -10e-3; tmax = 10e-3; tn = tmin:Te:tmax - Te; T0 = 2e-3; xn = 5*cos(2*pi*tn/T0 + pi/3) + 2*sin(6*pi*tn/T0 - pi/4); % domaine frquentiel e fe = 1/Te; duree = tmax - tmin; df = 1/duree; ff = 0:df:fe-df; Xjf = fft(xn) / length(xn); % graphes subplot(2,1,1); plot(tn,xn); xlabel(temps [sec]); ylabel(x(t)); subplot(2,1,2); stem(ff, abs(Xjf)); xlabel(frquence [Hz]); ylabel(|X(jf)|); e

3.2.2. Pulsation normalise e


Dans ce qui prc`de, on a constamment vu appara un phaseur faisant intervenir e e tre largument j2 n f Te : exp (j2 n f Te ) Il est donc naturel de chercher ` allger lcriture en dnissant la pulsation numa e e e e rique ou normalise qui sexprime en radians (gure 3.3) : e 2 f Te = 2 f [rad] fe (3.25)

Comme le spectre de base est compris entre fe /2, on voit que la pulsation normalise prendra ses valeurs entre et que les transformations de Fourier scrivent : e e
+

Xe (j) = Te
n=

x[n] exp(jn)

[V sec]

(3.26)

90

3.3. Transformation de Fourier discr`te e


10

5 x(t)

10 0.01

0.008

0.006

0.004

0.002

0 0.002 temps [sec]

0.004

0.006

0.008

0.01

3 2.5 2 |X(jf| 1.5 1 0.5 0 0 1000 2000 3000 4000 5000 6000 frquence [Hz] 7000 8000 9000 10000

Figure 3.4.: Rsultats dune analyse spectrale simple e x[n] = 1 2


+

Xe (j) exp(+jn)d

[V]

(3.27)

3.3. Transformation de Fourier discr`te e


3.3.1. Dnition de la TFD e
En observant les relations (3.16) et (3.17), on constate que, mis ` part le changement a de signe du phaseur et les coecients prcdant la somme, les calculs du spectre e e X[jk] ou du signal x[n] se font de la mme mani`re. Ceci conduit ` dnir les e e a e algorithmes des transformations de Fourier discr`tes directe ou inverse comme suit : e
N 1

XD [jk]
n=0 N 1

x[n] exp

j2kn N j2kn N

[V]

0k N 1

(3.28)

xD [n]
k=0

XD [jk] exp +

[V]

0nN 1

(3.29)

Comme ces deux dnitions ne di`rent que par le signe de lexponentielle qui e e pond`re les signaux x[n] et XD [jk], on voit quun mme algorithme peut tre utilis e e e e pour les transformations de Fourier directe et inverse. Alors les rsultats de la TFD e ainsi dnie sont relis aux spectres et signaux rels par les relations suivantes : e e e X[jk] = Te XD [jk] (3.30)

91

e 3. Elments danalyse spectrale numrique e xD [n] (3.31) N La gure 3.5 illustre le passage du domaine analogique au domaine numrique o` e u lon a, dun ct, des signaux et des spectres continus alors que de lautre, on na oe que des valeurs numriques stockes en RAM. e e x[n] =

3.3.2. TFD dun signal priodique e


Nous avons vu que le passage de la TF ` la TFD peut modier de mani`re sensible a e les rsultats de lanalyse spectrale ` cause de la troncation. Par contre, si le signal e a temporel x(t) est priodique, on peut se trouver dans la situation idale o` les raies e e u spectrales du signal xT (t) sont en parfaite co ncidence avec les raies analyses par e la TFD. Pour remplir cette condition, il sut denregistrer tr`s exactement une ou e plusieurs priodes du signal temporel. e En comparant les dnitions de la dcomposition en srie de Fourier : e e e 1 T
+T /2

XSF [jk] =

xT (t) exp
T /2

j2kt T

dt

[V]

(3.32)

xT (t) =
k=

XSF [jk] exp +

j2kt T

[V]

(3.33)

avec celles de la TFD (quations 3.28 et 3.29 ), on voit alors appara les relations e tre suivantes : XD [jk] N xD [n] xT (t = nTe ) = N XSF [jk] = (3.34) (3.35)

3.3.3. TFD et FFT


La dcouverte de la transformation rapide de Fourier en 1965 par Cooley et Tue key [3] a t dune importance majeure pour le traitement du signal car elle a ee permis denvisager lanalyse spectrale numrique de signaux de longue dure en e e des temps raisonnablement courts. Lalgorithme de Cooley et Tukey a tr`s vite e et connu sous le nom de transformation rapide de Fourier et il est gnralement e e e dsign par son appellation anglo-saxonne : FFT (Fast Fourier Transform). e e Il est ais de voir que le nombre doprations arithmtiques (sommes et produits) e e e ncessites par la TFD dune suite de longueur N est proportionnel ` N 2 . Ce qui, e e a pour une suite de longueur 1000, conduit a calculer 1000000 de sinus et cosinus ` suivis dune addition et dune multiplication ; les temps de calcul deviennent tr`s e vite prohibitifs..

92

3.4. Relations entre les domaines analogique et numrique e Lalgorithme de la FFT utilise le fait que lopration de la TFD globale peut tre e e dcompose en la TFD de squences de plus en plus courtes. Il en dcoule alors e e e e que le nombre total doprations est bien infrieur ` celui impos par la simple e e a e application de lalgorithme de la TFD. En contrepartie, le nombre de points analyss e N doit tre une puissance de 2. Le nombre doprations demandes par le nouvel e e e algorithme est alors fortement diminu et il vaut e Nop N log2 (N ) (3.36)

Ainsi, pour transformer 1024 points, le nouvel algorithme demande environ cent fois moins de temps que la TFD : N2 N 1024 = = = 102.4 Nop log2 (N ) 10 Il ne faut pas se mprendre sur la signication de la FFT : lalgorithme FFT nest e pas une nouvelle transformation. Ce nest rien dautre quun moyen rapide dobtenir les mmes rsultats que ceux fournis par la TFD. Dirents algorithmes de FFT e e e sont prsents dans le livre de Burrus et Parks [4]. e e

3.4. Relations entre les domaines analogique et numrique e


En conclusion et en rsum de ce que nous venons de voir dans le dtail, la gure 3.5 e e e illustre le passage du domaine analogique au domaine numrique. Linterface entre e les domaines analogique et numrique est ralise par un chantillonneur qui ace e e e quiert les signaux ` un rythme x par la priode dchantillonnage Te 1/fe . On a e e e peut noter que, du ct analogique, on a des signaux et des spectres continus (ou oe discrets si x(t) est priodique) relis entre eux par la transformation de Fourier alors e e que du ct numrique, on na que des valeurs numriques x[n] stockes en RAM oe e e e sur lesquelles on travaille avec lalgorithme de la TFD ou de la FFT pour obtenir X[jk] (gure 3.5). Si on consid`re, comme on la vu dans la gure 3.2, que la partie enregistre x[n] e e du signal analogique x (t = nTe ) reprsente une priode du signal numrique, on e e e voit alors que lanalyse spectrale numrique se ram`ne tout simplement ` la srie e e a e complexe XSF (jk) de Fourier et que la connaissance des relations suivantes susent pour lanalyse spectrale dun signal analogique dont on a enregistr N valeurs ` la e a frquence fe = 1/Te : e XD [jk] F F T (x[n]) xD [n] = IF F T (XD [jk]) XSF (jk) = F F T (x[n]) xD [n] XD [jk] = x[n] = N N N 1 fe = N Te N (3.37) (3.38)

f = 0, k f, fe f avec f =

(3.39)

93

e 3. Elments danalyse spectrale numrique e

Figure 3.5.: Illustration des relations entre les domaines analogiques et numriques e

94
Interface et discrtisation Domaine numrique Te
0 1 2

Domaine analogique

x(t) x[n] XD[jk]

TFD

t x(t) |X(jf)|

A
x[n]

0 1 2

N
N-1

N-1

F
f
0

RAM

t = Te = t t = nTe T N-1 0 n-1 f f = k f 0 k-1 f = k N-1 fe 1 1 = = T NTe N fe f n t

T 1 = N fe x[ n] =

N-1

1 N

k= 0

XD[ jk] exp +j 2 kn N

)
TFD
N-1

x(t ) =

X(jf) exp ( +j 2 ft) df

XD[ jk] =

X(j f) =

x(t) exp( -j2 f t) dt

0 x[n] exp (- j 2 kn ) N n=
avec XSF( j k) =

XD[ jk] N

3.4. Relations entre les domaines analogique et numrique e

3.4.1. Calcul et analyse dune TFD


An dillustrer lusage de ces relations considrons la suite suivante x[n] = {0, 1, 2, 3} e qui pourrait provenir, par exemple, de lchantillonnage dune rampe. Comme la e priode dchantillonnage nest pas donne, on admet Te = 1 sec. De cette donne e e e e ee e e lmentaire, on en dduit immdiatement N = 4, f = 1 = 0.25 Hz N Te (3.40) (3.41)

tn = 0, 1, 2, 3 sec,

fk = 0, 0.25, 0.5, 0.75 Hz

Il y a donc quatre chantillons temporels et quatre raies spectrales dcrites par e e


3

XD [jk] = T F D(x[n]) =
n=0

x[n] e

j2kn/N

avec

k = 0, , 3

(3.42)

Avant de se lancer dans le calcul de XD [jk], il est est intressant de noter que e ej2kn/N = ejk /2 On obtient ainsi pour k = 0, ejk /2 = 1 ; avec n = 0, 1, 2, 3 XD [j0] = 0 1 + 1 1 + 2 1 + 3 1 = 6 pour k = 1, ejk /2 = ej/2 = j ; avec n = 0, 1, 2, 3 XD [j1] = 0 e0j/2 + 1 e1j/2 + 2 e2j/2 + 3 e3j/2 = 0 1 + 1 (j) + 2 (1) + 3 (+j) = 2 + 2j pour k = 2, ejk /2 = ej = 1 ; avec n = 0, 1, 2, 3 XD [j2] = 0 e0j + 1 e1j + 2 e2j + 3 e3j = 0 1 + 1 (1) + 2 (+1) + 3 (1) = 2 pour k = 3, ejk /2 = ej3/2 = +j ; avec n = 0, 1, 2, 3 XD [j3] = 0 e0j3/2 + 1 e1j3/2 + 2 e2j3/2 + 3 e3j3/2 = 0 1 + 1 (+j) + 2 (1) + 3 (j) = 2 2j Par simple TFD (ou FFT) directe ou inverse, on bascule ainsi dun domaine a ` lautre et lon a 6 0 0 1 2 + 2j 1 it x[n] = x[n] = t XD [jk] = 2 2 2 2 2j 3 3 Le passage de la TFD XD [jk] ` la srie de Fourier bilatrale XSF [jk] se fait en a e e divisant le rsultat de la TFD par le nombre de points de la suite x[n] apr`s avoir e e
n

95

e 3. Elments danalyse spectrale numrique e redistribu les composantes spectrales suprieures ` fe /2 entre fe /2 et 0. Cette e e a redistribution se fait simplement avec la fonction fftshift : 6 2 0.5 2 + 2j 2 2j 0.5 0.5j tshift 1 XSF [jk] = XD [jk] = 2 6 1.5 N 2 2j 2 + 2j 0.5 + 0.5j On notera ici la situation particuli`re de la premi`re composante qui na pas de e e composante symtrique (un conjugu complexe comme pour la deuxi`me compoe e e sante). En eet, lorsque N est pair , cette composante se situe sur la frquence e de Nyquist fe /2 et sa valeur sera toujours relle comme la composante DC. Ce e qui fait, que lors du passage ` la description (Ak , k ), les composantes DC et de a Nyquist ne doivent pas tre multiplies par le facteur 2. e e
k ou n x[n] XD [jk] XSF [jk] Ak k ? -4 ? 6 -3 ? -2+2j -2 ? -2 -1 ? -2-2j -0.5-0.5j 0 0 6 1.5 1.5 0 1 1 -2+2j -0.5+0.5j 2/ 2 +3/4 2 2 -2 -0.5 0.5 + 3 3 -2-2j 4 ? 6 5 ? -2+2j ?

Table 3.1.: Rsultats de lanalyse spectrale de la suite x[n] = {0, 1, 2, 3} e


4 7 6 3 |Xbi [jk]| 0 1 2 instants n 3 4 x[n] 5 4 3 2 1 0 1 0 2 1 0 1 frquence k f 2 3

4 3 x[n], x(t) 2 1 0 1 1

3 4 temps: t, n t

Figure 3.6.: Rsultats dune TFD e Les valeurs intressantes sont runies dans le tableau 3.1 ; les cases vides sont e e non signicatives. Les points dinterrogation rappellent quapr`s chantillonnage, e e

96

3.5. Spectre dune sinuso de on ne sait rien du signal original hormis les valeurs ainsi obtenues. Connaissant les (Ak , k ), on peut alors calculer le signal continu qui, au sens de Fourier, passe par les points chantillonns e e x(t) = 1.5 + 3 2 cos 2f0 t + 4 + 0.5 cos (4f0 t + ) , f0 = 1 = 0.25 Hz N Te (3.43)

Dans la gure 3.6, on peut observer les points chantillonns (graphe a) et le spectre e e bilatral correspondant (graphe b). En revenant au domaine temporel, il est impore tant de se souvenir que, vu par lalgorithme TFD, le signal x[n] est considr pee e riodique comme le montre galement la reconstruction au sens de Fourier du signal e x(t) (graphe c).

3.5. Spectre dune sinuso de


Il est important de bien comprendre que, dans toute analyse numrique des signaux, e on est contraint denregistrer une dure nie du signal et que cette dure nie peut e e conduire ` des eets indsirables lors de lanalyse. a e On a vu que la FFT travaille sur un bloc complet dchantillons considr comme e ee priodique. Cela ne pose aucun probl`me dans le cas dun signal transitoire si celui e e a le temps de revenir ` 0 avant la n de lenregistrement. Par contre, dans le cas de a signaux permanents, les choses peuvent se compliquer sensiblement. Pour le voir, considrons deux situations pouvant appara lors de lenregistrement dun signal e tre priodique tel quune sinuso e de.

3.5.1. Le nombre de priodes enregistres est un entier e e


La gure 3.7a illustre un enregistrement de dure 10 ms contenant exactement e 10 priodes dune onde sinuso e dale permanente damplitude 1 et de priode 1 ms. e Dans ce cas, le signal enregistr, considr priodique par la FFT, co e ee e ncide avec le signal rel (une sinuso permanente) et aucune modication de linformation nest e de introduite. Le rsultat de lanalyse FFT pour cette situation conrme ce que lon attend, ` e a savoir que son spectre est constitu dune raie spectrale bien dnie et situe en e e e 1 kHz. Les deux raies supplmentaires que lon peut observer en 3 et 5 kHz sont e dues aux distorsions du signal sinuso dal fourni par le gnrateur. e e

3.5.2. Le nombre de priodes enregistres nest pas un entier e e


Dans ce cas, la FFT analyse un signal qui poss`de une transition brusque au race cordement du dbut et de la n de lenregistrement. Cette transition poss`de un e e contenu spectral hautes-frquences qui peut masquer une partie du spectre rel. e e

97

e 3. Elments danalyse spectrale numrique e La gure 3.7b montre un enregistrement contenant 10.25 priodes dune onde sie nuso dale permanente damplitude 1 et de priode 1 ms. Dans ce cas, le signal e enregistr, considr priodique par la FFT, ne co e ee e ncide pas avec le signal rel (une e sinuso permanente) et son spectre stale dans tout le domaine spectral. Cette de e dispersion de la puissance du signal dans tout le domaine frquentiel porte le nom e dtalement spectral. e Il est important de raliser que le phnom`ne dtalement spectral est du ` la e e e e a non-co ncidence des valeurs initiale et nale de la dure enregistre. Dans le cas e e de la gure 3.7b, ces eets de bords sont tels quils masquent compl`tement les e composantes spectrales dordre 3 et 5 du signal. Pour viter ces eets de bords, il faut sattacher ` enregistrer exactement un nombre e a entier de priodes du signal et, dans le cas o` cela nest pas possible, il faut ramener e u les deux bords ` une valeur identique ` laide dune fentre qui modie aussi peu a a e que possible le spectre rel. e
N priodes 1 0.5 x(t) 0 0.5 1 0 5 temps [ms] 10 1 0.5 0 0.5 1 0 5 temps [ms] 10 N + 1/4 priodes

0 20 XdB (f) 40 60 80 0 2 4 6 frquence [kHz] 8 10

0 20 40 60 80 0 2 4 6 frquence [kHz] 8 10

Figure 3.7.: Signal sinuso dal et son spectre

3.6. Fentres dobservation e


3.6.1. Quatre fentres usuelles e
Les fentres utilises en analyse spectrale sont nombreuses et elles ont t tudies e e eee e extensivement par F.J. Harris [2]. On se contente ici de mentionner quatre fentres e

98

3.6. Fentres dobservation e frquemment appliques ` lenregistrement dun signal. Elles sont dnies comme e e a e suit : Fentre rectangulaire e wr [n] = 1 Fentre de Hann e wc [n] = 0.5 1 cos 2 n N pour 0n<N (3.45) pour 0 n < N (3.44)

Fentre de Hamming e wh [n] = 0.54 0.46 cos 2 n N pour 0n<N (3.46)

Fentre de Blackman e wb [n] = 0.42 0.5 cos 2 n N + 0.08 cos 4 n N pour 0n<N (3.47)

Rectangle 1 0.8 wc(t) wr(t) 0.6 0.4 0.2 0 0.5 0 0.5 1 1.5 1 0.8 0.6 0.4 0.2 0 0.5 0

Hann

0.5

1.5

Hamming 1 0.8 wh(t) wb(t) 0.6 0.4 0.2 0 0.5 0 0.5 temps 1 1.5 1 0.8 0.6 0.4 0.2 0 0.5 0

Blackman

0.5 temps

1.5

Figure 3.8.: Fentres dobservation e

99

e 3. Elments danalyse spectrale numrique e

3.6.2. Eet dune fentre e


Pour bien saisir leet des fentres dans le domaine spectral, on consid`re ici les e e deux situations prsentes plus haut auxquelles on appliquera les fentres de Hann, e e e de Hamming et de Blackman (gure 3.9). Le nombre de priodes enregistres est un entier Dans ce cas idal (gure e e e 3.9a), on peut relever quelques dirences spectrales lg`res. e e e 1. Les raies spectrales du signal original sont galement prsentes quelle que soit e e la fentre choisie. e 2. Grce au maintien dune lg`re discontinuit temporelle, la fentre de Hama e e e e ming ore les raies spectrales les plus troites. e 3. La fentre de Blackman qui est la plus troite temporellement, fournit, comme e e attendu, des raies spectrales plus larges. Le nombre de priodes enregistres nest pas un entier Dans la gure 3.9b, on e e a repris lenregistrement contenant 10.25 priodes. Les rsultats spectraux obtenus e e montrent a lvidence leet de ces 3 fentres : e e ` 1. la fentre de Hann fournit un spectre tout a fait satisfaisant sans diminuer e ` fortement ltalement spectral ; cest pourquoi le spectre est un peu large ` la e a base ; 2. la fentre de Hamming fournit un spectre troit mais, ` cause de leet de e e a bord rsiduel, ltalement spectral nest pas susamment rduit et il masque e e e les deux autres composantes spectrales ; 3. la fentre de Blackman donne le meilleur rsultat grace a la double cosinuso e e de ` qui masque bien les eets de bord ; les raies spectrales sont alors troites et e bien dnies. e

3.6.3. Choix dune fentre e


Le choix dune fentre est un compromis entre une bonne dnition spectrale e e (spectre troit) et un talement spectral aussi faible que possible (douceur de la e e fentre). Qualitativement, leurs caractristiques peuvent tre rsumes comme suit. e e e e e 1. La fentre rectangulaire ne modie pas lenregistrement ; cest celle que lon e utilisera dans le cas de signaux transitoires ou non permanents et, dans le cas de signaux priodiques, lorsque lon est sur que le nombre de priodes e e enregistres est un entier. e 2. La fentre en cosinus, dite de Hann, est mathmatiquement la plus simple et e e elle ore de bons rsultats dans le cas de composantes spectrales pas trop e proches. 3. La fentre en cosinus relev, dite de Hamming, nlimine pas compl`tement e e e e ltalement spectral. Elle ore en contre partie une meilleure dnition e e spectrale mais ne permet pas de voir des composantes spectrales de faibles amplitudes.

100

3.6. Fentres dobservation e

Hann 1 0.5 x(t) 0 0.5 1 0 5 temps [ms] 10 1 0.5 0 0.5 1 0

Hamming 1 0.5 0 0.5 1 5 temps [ms] 10 0

Blackman

5 temps [ms]

10

0 20 XdB (f) 40 60 80 0 5 frquence [kHz] Hann 1 0.5 x(t) 0 0.5 1 0 5 temps [ms] 10 10

0 20 40 60 80 0 5 frquence [kHz] Hamming 1 0.5 0 0.5 1 0 5 temps [ms] 10 10

0 20 40 60 80 0 5 frquence [kHz] Blackman 1 0.5 0 0.5 1 0 5 temps [ms] 10 10

0 20 XdB (f) 40 60 80 0 5 frquence [kHz] 10

0 20 40 60 80 0 5 frquence [kHz] 10

0 20 40 60 80 0 5 frquence [kHz] 10

Figure 3.9.: Eet des fentres dobservation avec : (a) 10 priodes enti`res ; (b) e e e 10.25 priodes e

101

e 3. Elments danalyse spectrale numrique e 4. La fentre de Blackman, constitue de deux cosinus, attnue tr`s fortement e e e e les eets de bord et permet ainsi de bien distinguer des raies spectrales proches et de faibles amplitudes.

3.6.4. Fentrage et traitement dimages e


Tout ce qui vient dtre dit pour des signaux temporels est bien entendu valable pour e des signaux bidimensionnels tels que des images. Et, en plus, visuellement parlant, les artefacts apparaissent de mani`re vidente. Comme illustration, considrons une e e e image compose de grains de riz (gure 3.10). e

Figure 3.10.: Deux images (colonne de gauche) et leur transforme de Fourier rese pective (colonne de droite) ; a) sans fentrage, b) avec fentrage e e En eectuant une FFT bidimensionnelle sur cette image, on voit appara tre une ligne claire verticale indiquant un contenu spectral fort selon laxe Oy alors quaucune discontinuit ne semble appara e tre dans limage originale. En eectuant la mme opration apr`s un fentrage en cosinus, la ligne verticale a disparu. Do` e e e e u cela peut-il bien provenir ?

102

3.7. Exemple 1: analyse spectrale lmentaire ee En observant attentivement la gure originale, il semble que la partie infrieure e de limage soit lg`rement plus sombre que le haut. Pour sen assurer, formons, e e comme le voit la fonction FFT, une image constitue de deux priodes selon Ox et e e Oy (gure 3.11). Cette juxtaposition, quivalente ` celle que voit la FFT, montre ` e a a lvidence une variation brusque dintensit selon laxe Oy, cause de la ligne verticale e e dans lespace de Fourier, alors quil ny en a pratiquement pas selon laxe Ox. De plus, en observant bien limage de Fourier, on peut noter que la dnition spectrale e sest amliore grce au fentrage. e e a e [Rf : http ://blogs.mathworks.com/steve/2009/12/04/fourier-transforme visualization-using-windowing/]

Figure 3.11.: Une image et sa rplication selon Ox et Oy e

3.7. Exemple 1 : analyse spectrale lmentaire ee


Donnes On consid`re ici un signal temporel fortement bruit (SNR e e e 0 dB) qui semble contenir une oscillation priodique dont on souhaite conna la teneur e tre (gure 3.12). Analyse temporelle De lenregistrement, on tire 1. la composante DC du signal et sa valeur ecace AC Xdc = 0.045 Xac = 1.42

2. la priode dchantillonnage Te et sa dure T e e e Te = 20 s T = 20 ms

3. le domaine danalyse spectrale fN et la dnition spectrale f e fN = 1 1 fe = = 25 kHz 2 2 Te f = 1 = 50 Hz T

103

e 3. Elments danalyse spectrale numrique e

Enregistrement temporel et Analyse spectrale 5

x(t)

T = tmax=20 [ms], 5 0 2 4 6

t = Te = 20 [s] 8 10 t [ms] 12 14 16 18 20

1 0.8 |Xu(jf)| 0.6 0.4 0.2 0 0 5 fmax = 1/ t = 50 [kHz] fe = fmax = 50 [kHz] fN = fe/ 2 = 25 [kHz] f = 1/ tmax = 50 [Hz] 10 15 f [kHz] 20 25 |Xu(jf)|

1 0.8 0.6 0.4 0.2 0 0 1 2 f [kHz] 3 4 5

Figure 3.12.: Illustration de lanalyse spectrale avec : a) lenregistrement temporel ; b) son spectre damplitudes pour 0 f fe /2 = 25 kHz ; c) un zoom spectral entre 0 et 5 kHz

104

3.7. Exemple 1 : analyse spectrale lmentaire ee Analyse spectrale Le programme des calculs temporels et spectraux se rsume e aux quelques lignes prsentes ci-dessous. e e

% lecture de lenregistrement enreg = load(enreg.txt); tt = enreg(:,1); xt = enreg(:,2); Xdc = mean(xt) Xac = std(xt) % analyse temporelle Npts = length(xt); dt = tt(2) - tt(1) duree = Npts * dt % analyse spectrale df = 1/duree, fmax = 1/dt ff = 0:df:fmax-df; Xjf = fft(xt)/Npts; % spectre unilatral e Ndemi = round(Npts/2); fk = ff(1:Ndemi); Ak = 2*abs(Xjf(1:Ndemi)); Ak(1) = abs(Xjf(1)); % composante DC ak = angle(Xjf(1:Ndemi)); subplot(2,1,1); stem(f,Ak,.); % estimation du rapport signal/bruit (SNR) Px = Xdc^2 + Xac^2; % puissance du signal + bruit = 2.023 A1 = 1.02; A2 = 0.85; % amplitudes mesures e Px0 = (A1^2 + A2^2)/2; % puissance du signal original = 0.88 Pn = Px - Px0; % puissance du bruit = 1.14 SNR = 10*log10(Px0/Pn) % SNR = -1.12 dB

Les spectres damplitudes, prsents dans la gure 3.12, montrent que deux raies e e spectrales sl`vent clairement au-dessus du niveau de bruit situ aux environs de ee e 0.3. Ces deux raies spectrales ont une amplitude et une frquence valant respectivee ment A1 A2 1.02 0.85 f1 = 1.25 kHz 25 Hz f2 = 1.40 kHz 25 Hz

La prcision des frquences mesures est gale ` la moiti de la dnition spece e e e a e e trale f .

105

e 3. Elments danalyse spectrale numrique e

3.8. Exemple 2 : reconstruction dun signal


Donnes An danalyser et illustrer les rsultats fournis par la TFD, on consid`re e e e ici un signal connu x(t) = A1 sin(2f1 t) + A2 sin(2f2 t) + A3 sin(2f 3 t + /4) constitu de trois sinuso e des damplitudes A1 = 1 A2 = 0.8 A3 = 0.5 et de frquences harmoniques e f1 = 50 Hz f2 = 150 Hz f3 = 250 Hz

Ce signal original est perturb par un bruit important car le SN R ne vaut que e +5 dB. Avec cet exemple, on souhaite : 1. montrer que, malgr la prsence dun fort bruit, il est possible de retrouver le e e signal original (tout au moins partiellement) ; 2. attirer lattention sur le fait que dune raie spectrale peuvent na deux raies tre spectrales proches si lincrment frquentiel nest pas un diviseur exact des e e frquences prsentes. e e
Signal + Bruit 4 0.25 2 0.2 0 0.15 0.1 2 0.05 4 0 50 100 150 temps [ms] Signal reconstruit 4 4 200 0 0 100 200 300 frquence [Hz] Signal original 400 500 Analyse de Fourier

50

100 150 temps [ms]

200

50

100 150 temps [ms]

200

Figure 3.13.: Analyse spectrale et extraction des signaux

106

3.8. Exemple 2: reconstruction dun signal Analyse temporelle Le signal bruit a t enregistr avec une priode dchane ee e e e tillonnage Te = 0.2 ms et il a une dure T = 210 ms (gure 3.13a). Ceci permet de e prvoir que le domaine des frquences est caractris par : e e e e la frquence de Nyquist e fe = 2500 Hz fN = 2 la dnition spectrale e 1 1 = = 4.76 Hz T 210 ms On notera que la dure enregistre T = 210 ms conduit a une dnition spectrale e e e ` f = 4.76 Hz qui nest pas un sous-multiple des composantes spectrales. Cela fait que lon sera dans limpossibilit de trouver la valeur exacte des frquences e e originales. Idalement, on aurait du prendre une dure de 200 ms permettant ainsi e e davoir une dnition spectrale de 5 Hz. On pourrait bien entendu rduire la dure e e e de lenregistrement a 200 ms, mais ce nest pas le but recherch. e ` f = Analyse spectrale Lobservation du spectre obtenu apr`s fentrage (gure 3.13b) e e montre que les trois raies spectrales sont bien visibles. Mais, on doit cependant constater que ces raies se sont ddoubles ` cause de la dnition spectrale none e a e enti`re et de lutilisation de la fentre dobservation. e e Le programme donn ci-dessous permet de rechercher ces raies spectrales. Les fre e quences mesures ` 2.4 Hz pr`s sont e a e f11 = 47.6 Hz f12 = 52.4 Hz f21 = 147.6 Hz f22 = 152.4 Hz f31 = 247.6 Hz f32 = 252.4 Hz Leurs amplitudes et phases respectives valent A11 = 0.453 A12 = 0.432 A21 = 0.368 A22 = 0.334 A31 = 0.198 A32 = 0.185 avec Ak = 2 |X(jk)| k = X(jk) 11 = 0.151 rad 12 = +2.98 rad 21 = 2.87 rad 22 = 0.275 rad 31 = +0.372 rad 32 = 2.65 rad

Reconstruction du signal original Connaissant les amplitudes et phases des composantes spectrales, il est ais de reconstruire le signal non bruit : e e xr (t) =
k

Ak cos (2fk t + k )

Malgr leet de la fentre dobservation utilise avant deectuer la FFT et le e e e fait quil y ait six frquences au lieu de trois, le signal ainsi extrait (gure 3.13c) e reproduit assez bien lallure du signal original (gure 3.13d).

107

e 3. Elments danalyse spectrale numrique e Programme danalyse et recherche des composantes spectrales Le programme ayant permis dobtenir ces rsultats se rsume aux quelques lignes prsentes cie e e e dessous.

% signal bruit e yt = xt+nt; Npts = length(yt); % analyse spectrale avec une fen^tre de Hann e yht = yt.*hann(Npts); Yjf = fft(yht)/Npts; df = 1/tmax; fmax = 1/dt; ff = 0:df:fmax-df; % recherche de N raies spectrales Nraies = 6; Yjf_tempo = Yjf(1:end/2); for kn = 1:Nraies [Ymax, kf(kn)] = max(abs(Yjf_tempo)); Yjf_tempo(kf(kn)) = 0; % mise ` zro de la valeur trouve a e e end; % reconstruction xtr = zeros(size(yt)); for kn = 1:Nraies Xrjf = Yjf(kf(kn)); fr = ff(kf(kn)); xtr = xtr + Xrjf*exp(+j*2*pi*fr*tt) + conj(Xrjf)*exp(-j*2*pi*fr*tt); end; % valeurs des composantes spectrales fr = ff(kf) Ar = 2*abs(Yjf(kf)) ar = angle(Yjf(kf))

3.9. Exemple 3 : analyse spectrale dtaille e e


3.9.1. Donnes e
` On consid`re ici un signal permanent observ ` loscilloscope. A partir de lobsere ea vation visuelle du signal, on dsire choisir les param`tres dacquisition qui permete e tront ensuite dextraire toutes les informations possibles. Lacquisition se fera avec un convertisseur analogique-numrique 8 bits, 2 V. e

108

3.9. Exemple 3 : analyse spectrale dtaille e e


Acquisition: 10000 points, fe = 5000 [Hz]; CAN: 2 [V], 8 bits 1/2LSB, 2 1 x(t) 0 1 2 2 1 x(t) 0 1 2 2 1 x[n] 0 1 2 0 0.005 0.01 0.015 temps [sec] 0.02 0.025 0.03 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.005 0.01 0.015 0.02 0.025 0.03

Figure 3.14.: Signal analys e

3.9.2. Signal temporel


Le signal x(t) observ ` loscilloscope (gure 3.14a) appara comme une sinuso ea t de caractrise par son amplitude A e e 1.7 V et sa priode T0 e 3.68 msec. Cependant, une observation de plus longue dure (gure 3.14b) montre un phnom`ne de e e e battement de priode Tb 0.45 sec ou de frquence e e fb = 1 Tb 2.2 Hz

On en dduit que ce signal est compos dau moins deux sinuso e e des de frquences e tr`s proches e f1 1 T0 272 Hz f2 = f1 fb 270 ou 274 Hz

et damplitudes fort direntes car la variation damplitude de x(t) est faible. e

3.9.3. Param`tres dacquisition e


An davoir une dnition temporelle raisonnable, on choisit e t Te T0 = 0.35 msec 10 0.2 msec

109

e 3. Elments danalyse spectrale numrique e et on en dduit la frquence dchantillonnage e e e fe = 1 = 5 kHz t

La gure 3.14c prsente une partie du signal numrique ainsi acquis. e e Comme il faut pouvoir distinguer deux raies distantes de fb dnition spectrale susamment ne e f fb = 0.5 Hz 4 2 Hz, on choisira une

Sachant que la rsolution frquentielle est inversement proportionnelle ` la dure e e a e dacquisition, on en tire 1 tacq = = 2 sec f Le nombre de points acquis vaudra donc Npts = 1 1 = = 10 000 f t 0.5 Hz 0.2 ms

Lensemble des valeurs acquises est reprsent ` la gure 3.14b. e ea

3.9.4. Analyse spectrale


Utilisation de la FFT On a vu plus haut que lalgorithme FFT exige un nombre de points gal ` une puissance de 2. Lorsque cela nest pas le cas, on compl`te e a e la suite de valeurs acquises par une succession de zros permettant datteindre un e nombre de valeurs gal ` la puissance de 2 la plus proche (gure 3.15a). e a Du point de vue de lanalyse de Fourier, cela ne change rien aux rsultats fournis ; e seule la rsolution spectrale est amliore. Dans notre cas, on passera donc de e e e Npts = 10 000 ` Nf f t = 16 384 et la rsolution frquentielle passera ainsi de a e e f = a ` f = 5000 fe = = 0.5 Hz Npts 10 000

fe 5000 = = 0.305 Hz Nf f t 16 384

e Fentre rectangulaire Dans ce cas, lanalyse spectrale de la suite de valeurs acquises x[n] fournit les spectres prsents dans les gures 3.15b et 3.17a. Le spectre e e ainsi obtenu fait appara tre une seule raie spectrale aux environs de 270 Hz et, contrairement a ce que lon attendait, il ny a pas de deuxi`me raie spectrale. Mae ` nifestement, celle-ci est masque par ltalement spectral du au nombre non entier e e de priodes. e

110

3.9. Exemple 3 : analyse spectrale dtaille e e


Spectres damplitudes: f = 0.305 [Hz], fN = 2500 [Hz] 2 Fentre rectangulaire 1 x[n] wr[n]

2000

4000

6000

8000

10000

12000

14000

16000

20 Xr(f) [dB]

40

60

80

500

1000

1500

2000

2500 3000 frquence [Hz]

3500

4000

4500

5000

Figure 3.15.: Signal et spectre damplitudes, fentre rectangulaire e Fentre de Blackman On est donc amen a fentrer le signal acquis en le multie e` e pliant par une fonction attnuant les eets de bord dus ` lacquisition eectue. On e a e choisit ici dutiliser la fentre de Blackman dnie comme suit : e e wb [n] = 0.42 0.5 cos 2 n Npts + 0.08 cos 4 n Npts pour 0 n < Npts

Du point de vue numrique, on analysera donc le signal e xw [n] = x[n] wb [n] Apr`s avoir complt le signal fentr par des zros pour atteindre une puissance e ee e e e de 2 (gure 3.16a), on obtient les rsultats prsents dans les gures 3.16b et 3.17b e e e o` le niveau de bruit caus par ltalement spectral a pratiquement disparu. u e e

Zoom frquentiel Etant donn la haute dnition spectrale, obtenue au prix dun e e e long enregistrement, les chelles globales ne permettent pas de voir le dtail des raies e e attendues. Il faut donc zoomer sur la zone intressante. On voit alors tr`s nettee e ment que la fentre rectangulaire (gure 3.17a) est totalement incapable de fournir e les informations attendues alors quavec la fentre de Blackman (gure 3.17b), on e retrouve bien la deuxi`me frquence recherche et on peut mme apercevoir la e e e e prsence dune troisi`me composante spectrale damplitude encore plus faible, qui e e ntait absolument pas perceptible au niveau temporel. e

111

e 3. Elments danalyse spectrale numrique e

Spectres damplitudes: f = 0.305 [Hz], fN = 2500 [Hz] 2 Fentre de Blackman 1 x[n] wh[n]

2000

4000

6000

8000

10000

12000

14000

16000

20 Xh(f) [dB]

40

60

80

500

1000

1500

2000

2500 3000 frquence [Hz]

3500

4000

4500

5000

Figure 3.16.: Signal et spectre damplitudes, fentre de Blackman e

Spectres damplitudes: f = 0.305 [Hz], fN = 2500 [Hz] 0 Fentre rectangulaire 20 Xr(f) [dB]

40

60

80 250

260

270

280

290

300

310

320

330

340

350

0 Fentre de Blackman 20 Xh(f) [dB]

40

60

80 250

260

270

280

290

300 310 frquence [Hz]

320

330

340

350

Figure 3.17.: Agrandissement spectral

112

3.9. Exemple 3 : analyse spectrale dtaille e e

3.9.5. Estimation des amplitudes


Le spectre damplitudes de la gure 3.17b permet de mesurer les frquences des trois e composantes spectrales du signal x(t) et les amplitudes relatives des raies spectrales. k 1 2 3 fk 272 Hz 274 Hz 277 Hz Xk,dB -7.6 -32.2 -52 Xk,dB X1,dB 0 -24.6 -44.4 Xk /X1 1 0.059 0.006

Il est important de noter que les amplitudes spectrales dpendent de la fentre e e choisie et que seules leurs valeurs relatives peuvent en tre dduites e e Xk = 10(Xk,dB X1,dB )/20 X1 Pour obtenir la valeur relle des amplitudes, on peut passer par lgalit de Parseval : e e e Pac 1 = T
T

x2 (t) dt ac
0

=
k=1

A2 A2 k = 1 2 2

1+

A2 A1

A3 A1

A4 A1

Ce qui donne dans notre cas Pac = A2 A2 1 1 + 0.0592 + 0.0062 = 1.00352 1 2 2

` A partir du signal acquis, on calcule aisment sa puissance : e Pac 1 = N


N 1

(x[n] x )2 = var(x[n]) = 1.45


n=0

On en dduit alors la valeur de A1 et celles des autres composantes : e A1 = 2 Pac = 1.70 1.00352

A2 = 0.059 A1 = 0.1 A3 = 0.006 A1 = 0.01 Remarque Une correction des amplitudes spectrales tenant compte de la fentre e utilise nest possible que si le signal acquis poss`de exactement un nombre entier e e de priodes. Si cette condition est remplie, il sut alors de diviser les amplitudes e spectrales par la valeur moyenne de la fentre : Ak Ak /(w). Ce calcul doit tre e e e e vit si lon nest pas sur que la condition est remplie.

113

e 3. Elments danalyse spectrale numrique e

3.9.6. Dtail du calcul des signaux et des spectres e


Le chier cr pour gnrer le signal x(t), calculer et tracer les spectres dans difee e e frentes conditions est donn ci-dessous. Bien quil puisse para volumineux au e e tre premier abord (beaucoup de lignes sont consacres au traage uniquement), les e c parties essentielles de ce chier sont simplement : e e 1. la conversion analogique- numrique 2 V avec Nbits 1 LSB de non linarit e 2 (on admet que celle-ci entra la perte dun bit) : ne Ucan = 4; Nbits = 8; xn = Ucan*round((xn0/Ucan)*(2^(Nbits-1))/2^(Nbits-1); 2. le fentrage : e wk = (blackman(length(xn))); xnwk = xn.*wk; 3. lajout de zros et le calcul du spectre : e Nfft = 2^ceil(log2(length(xn))); xnwk = [xnwk, zeros(1,Nfft-length(xn))]; Xjfh = fft(xnwk)/length(xnwk);

Initialisation Le programme dbute par linitialisation des param`tres et la crae e e tion du signal vu sur lcran de loscilloscope e
% analyse spectrale clear all; close all; format compact; clc; % parametres du signal amp1 = 1.7; amp2 = 0.1; amp3 = 0.01; f1 = 271.828; f2 = f1+2; f3 = f1+5; % oscilloscope tosc = 0.03; kosc = 2000; dt = tosc/kosc; tt = 0:dt:tosc-dt; xt0 = amp1*sin(2*pi*tt*f1)+amp2*cos(2*pi*tt*f2)+amp3*sin(2*pi*tt*f3);

Acquisition numrique Il se poursuit avec lacquisition et la conversion sur une e dure plus longue e
% acquisition tacq = 2; Te = 0.2e-3; tn = 0:Te:tacq-Te; xn0 = amp1*sin(2*pi*tn*f1)+amp2*cos(2*pi*tn*f2)+amp3*sin(2*pi*tn*f3); % conversion +/- 2V avec Nbits et +/- 1/2LSB de non linearite Ucan = 4; Nbits = 8; xn = Ucan*round(xn0/Ucan*2^(Nbits-1))/2^(Nbits-1);

114

3.9. Exemple 3: analyse spectrale dtaille e e Calcul des spectres Une fois les signaux acquis, on peut calculer leurs spectres et acher des informations
% calcul des spectres Nfft = 2^ceil(log2(length(xn))) % fenetres rectangulaire et de Blackman wr = ones(size(xn)); wk = (blackman(length(xn))); xnwr = xn.*wr; xnwk = xn.*wk; % ajout de zeros xnwr = [xnwr, zeros(1,Nfft-length(xnwr))]; xnwk = [xnwk, zeros(1,Nfft-length(xnwk))]; % fft Xjfr = fft(xnwr)/length(xn); Xjfh = fft(xnwk)/length(xn); % domaine spectral fmax = 1/Te; df = fmax/Nfft; ff = 0:df:fmax-df; % infos Nbits, tacq, Te, fmax, df Pac = var(xn) Npoints = round(tacq/Te), Nfft

Graphes On trace les signaux acquis


% graphes temporels figure; subplot(3,1,1); plot(tt,xt0); grid; axis([0,tosc,-2,2]) texte = [Acquisition: , num2str(round(tacq/Te)), points,]; texte = [texte, f_e = , num2str(1/Te,4), [Hz];]; texte = [texte, CAN: \pm , num2str(Ucan/2,2), [V], ]; texte = [texte, , num2str(Nbits,2), bits \pm 1/2LSB,]; title(texte); ylabel(x(t)); subplot(3,1,2) plot(tn,xn); grid; axis([0,tacq,-2,2]) ylabel(x(t)); subplot(3,1,3); % zoom plot(tn,xn,.); grid; axis([0,tosc,-2,2]) ylabel(x[n]); xlabel(temps [sec]); print -deps ansptemps.eps

ainsi que les spectres apr`s fentrage e e

115

e 3. Elments danalyse spectrale numrique e


% spectres figure; % fenetre rectangulaire subplot(2,1,1); plot(xnwr); grid; axis([0,Nfft,-2,2]) texte = [Spectres damplitudes: \Deltaf = ,num2str(df,3), [Hz],] ; texte = [texte, f_N = , num2str(fmax/2), [Hz]]; title(texte); ylabel(x[n] \cdot w_r[n]); legend(Fen^tre rectangulaire); e subplot(2,1,2); plot(ff, 20*log10(abs(Xjfr))); grid; axis([0,fmax,-80,0]); ylabel(X_r(f) [dB]); xlabel(frquence [Hz]); e print -deps anspwr.eps figure; % fenetre de Blackman subplot(2,1,1); plot(xnwk); grid; axis([0,Nfft,-2,2]) texte = [Spectres damplitudes: \Deltaf = ,num2str(df,3), [Hz],] ; texte = [texte, f_N = , num2str(fmax/2), [Hz]]; title(texte); ylabel(x[n] \cdot w_h[n]); legend(Fen^tre de Blackman); e subplot(2,1,2); plot(ff, 20*log10(abs(Xjfh))); grid; axis([0,fmax,-80,0]); ylabel(X_h(f) [dB]); xlabel(frquence [Hz]); e print -deps anspwk.eps

Zoom Les dtails sont mis en vidence e e


% zoom spectral fz1 = 250; fz2 = 350; % domaine interessant dbmax = 80; figure; subplot(2,1,1); plot(ff, 20*log10(abs(Xjfr))); hold on; axis([fz1,fz2,-dbmax,0]); grid; title(texte); ylabel(X_r(f) [dB]); legend(Fen^tre rectangulaire); e subplot(2,1,2); plot(ff, 20*log10(abs(Xjfh))); axis([fz1,fz2,-dbmax,0]); grid; ylabel(X_h(f) [dB]); xlabel(frquence [Hz]); e

116

3.9. Exemple 3: analyse spectrale dtaille e e


legend(Fen^tre de Blackman); e print -deps anspzoom.eps

117

e 3. Elments danalyse spectrale numrique e

3.10. Exercices
TFD 0 1. Montrez que le passage de lanalogique vers le numrique se fait bien avec les e deux relations discr`tes X[jk] et x[n] de la gure 3.5. e 2. Considrant la suite de quatre valeurs x[n] = {0, 2, 4, 0}, calculez son spectre e X[jk]. Dessinez la suite x[n] et un signal analogique priodique x(t) lui core respondant. 3. Calculez le signal priodique xF (t) correspondant ` la suite x[n] au sens de e a Fourier. TFD 1 Lanalyse spectrale, par la FFT, dun signal x[n] constitu de N = 8 valeurs a e fourni le spectre discret XD [jk] partiellement donn dans le tableau ci-dessous. e 1. Compltez le tableau sachant que fe = 1 [kHz]. e 2. Vu par le processeur FFT, le signal temporel x[n] est-il continu, discret, pe riodique ? 3. Que valent x[n = 0] et Xdc ? 4. Quelle est lexpression permettant de calculer x[n] ? Montrez quelle peut scrire sous la forme e 1 x[n] = 8
7

XD [jk] exp j
k=0

k n 4

5. Calculez quelques valeurs de x[n].

k ou n fk [kHz] XD [jk] |XD [jk]| XD [jk] Ak k x[n]

0 2

1 1+j

2 1j

3 +j

4 1

10

TFD 2 On souhaite calculer le spectre dune impulsion rectangulaire de largeur t = 3 [msec] et damplitude A = 5 [V]. Pour ce faire, on acquiert 8 points a la ` frquence fe = 1 [kHz]. e 1. Admettant que lchantillonnage commence a lapparition du anc montant, e ` dessinez x(t) et x[n]. Discutez les valeurs choisies pour x[n] lorsque n = 0 et n = 3.

118

3.10. Exercices 2. Que vaut la dure dacquisition tmax ? e 3. Quel sera le domaine spectral analys ; que vaudra lincrment de frquence e e e f ? 4. Calculez XD [jk] pour k = 0 et k = 2 ; quel est le domaine de variation du compteur k des frquences ? e 5. Validez votre rsultat en analysant la valeur de XD [jk = 0]. e

TFD 3

Considrant la suite de valeurs x[n] ci-dessous : e

n x[n]

m 0

m+1 0

3 0

2 0.5

1 1

0 1

+1 1

+2 0.5

+3 0

+m1 0

1. Esquissez x[n] et une fonction x(t) passant par ces points. 2. Calculez XD [jk] ; sa valeur dpend-elle de la longueur N = 2m de la suite ? e 3. Quest ce qui change si on ajoute des zros pour doubler le nombre dchane e tillons ?

TFD 4 On consid`re un signal x(t) = cos(2 f0 t) + cos(4 f0 t) de priode T0 = e e 1 ms. Sachant que ce signal est chantillonn pendant une priode ` la frquence e e e a e fe = 8 f0 : 1. Calculez et dessinez la suite de valeurs x[n]. 2. Compltez le tableau ci-dessous avec x[n] et le spectre bilatral fourni par la e e dcomposition en srie de Fourier puis justiez les rsultats XD [jk] fournis e e e par la la FFT en prcisant la relation qui les lie. e 3. On chantillonne le signal x(t) sur 4 priodes ; que donnera la FFT ? e e

n ou k x[n]

+1

+2

+3

XSF [jk]

XD [jk]

119

e 3. Elments danalyse spectrale numrique e TFD 5 On chantillonne une exponentielle dcroissante e e x(t) = A exp(t/ ) (t) o` A = 5 [V], = 5 [msec] u avec une priode dchantillonnage Te = 1 [msec]. e e 1. Que vaut la densit spectrale X(jf ) du signal x(t) ? e 2. Calculez la suite des valeurs x[n] ; exprimez la sous la forme x[n] = A rn . 3. Calculez la TF Xe (jf ) de la suite inniment longue x[n]. 4. On ne prend en compte que les 16 premi`res valeurs de la suite x[n] et on e annule les autres ; que vaut Xe,N (jf ). 5. Considrant la suite temporelle tronque xN [n] avec N = 16, on discrtise e e e laxe des frquences. Que vaut lincrment frquentiel ? Calculez le spectre e e e discret XD [jk]. 6. Que valent, pour chacun des spectres ci-dessus (X(jf ), Xe (jf ), Xe,N (jf ), XD [jk]), les composantes spectrales lorsque f = 0 ? AnSp 1 Lors de lanalyse spectrale dun signal chantillonn x[n], les param`tres e e e N, Te , tmax et fe , f sont relis entre eux ; la donne de deux dentre eux sut e e pour xer tous les param`tres de lanalyse. Rappelez ces relations puis compltez le e e tableau ci-dessous. N 40 50 100 2 msec 1 msec Te 1 msec 10 msec 10 Hz 20 Hz 1 sec 5 msec AnSp 2 1 2 3 4 une une une une 5 kHz 1 kHz tmax f 50 Hz fe 2 kHz

30

On doit faire lanalyse spectrale numrique des signaux suivants e sinuso de rponse indicielle e impulsion rectangulaire suite dimpulsions rectangulaires 5 6 7 8 une impulsion triangulaire un signal chirp (wobul) e une exponentielle dcroissante e un signal triangulaire priodique e

Pour chacun des signaux : 1. Esquissez leur allure temporelle. 2. Choisissez-vous une fentre rectangulaire ou en cosinus ? e 3. Prcisez les raisons de votre choix. e

120

3.10. Exercices AnSp 3 On consid`re ici le signal e x(t) = 3 + 4 cos(2f0 t) + 2 sin(4f0 t), f0 = 100 Hz

reprsent a la gure 3.18 dont on a enregistr deux priodes. Sachant quon soue e` e e haite obtenir numriquement son spectre X[jk], on lchantillonne avec une priode e e e Te = 1 msec. 1. Dessinez les points chantillonns x[n]. Quelle fentre faut-il utiliser avant e e e lanalyse spectrale ? 2. Que valent N, tmax , fe , f ? 3. Quelles raies spectrales seront prsentes ? Quel sera le nombre de valeurs spece trales analyses ? e 4. Donnez les frquences, les amplitudes et les phases de chaque valeur spectrale e X[jk], k = 0, , N 1. 5. Quel serait le rsultat de lanalyse spectrale si lon avait chantillonn six e e e priodes au lieu de deux ? e
10

4 x(t) 2 0 2 4 0

10 temps [ms]

12

14

16

18

20

Figure 3.18.: Ex AnSp 3

AnSp 4

On consid`re le signal e

x(t) = 1 + 5 sin (2fa t) + 2 sin (2fb t) , fa = 1 [kHz], fb = 1.5 [kHz] 1. Quelle est la priode de ce signal ? Dessinez le spectre unilatral de x(t). Que e e valent Xdc et Xac ? 2. Son enregistrement a t eectu avec une priode dchantillonnage de 125 ee e e e sec pendant exactement 10 msec. a) Quel sera le domaine danalyse spectrale et sa rsolution. e

121

e 3. Elments danalyse spectrale numrique e b) Pensez-vous devoir utiliser une fentre dobservation ? Si oui, laquelle e choisissez-vous et pourquoi ? c) Les raies spectrales fournies par la FFT seront-elles situes aux fre e quences attendues ? Sinon, prcisez la valeur de ces frquences. e e 3. Idem 2), si lenregistrement a dur exactement 11 msec. e

122

Bibliographie
[1] Randall R.B., Frequency Analysis, Bruel & Kjaer, 1987 [2] Frederic J. Harris : On the use of windows for harmonic analysis with DFT, Proceedings of IEEE, vol. 66, no.1, january 1978 [3] Cooley J.W., Tukey J.W., An Algorithm for the Machine Calculation of Complex Fourier Series, Mathematics of Computation, Vol. 19, April 1965 [4] Burrus C.S., Parks T.W., DFT/FFT and Convolution Algorithms. John Wiley & Sons, New York, 1985 [5] B.P. Lathy, Linear Systems and Signals, Berkeley-Cambridge Press, Carmichael CA, 1992

123

4. Description et comparaison des signaux


Ce chapitre prsente et analyse quelques signaux types avant de dnir et illustrer e e lutilisation des fonctions dauto- et dintercorrlation au travers de trois exemples e concrets. Il se termine par une prsentation succincte des signaux alatoires, de e e quelques mod`les associs et de leurs relations spectrales et temporelles. e e

4.1. Classication des signaux


Sans entrer dans les dtails de la classication des signaux, il faut mentionner que e plusieurs approches sont possibles. Parmi celles-ci, on en citera deux : la classication phnomnologique qui met laccent sur le comportement temporel e e du signal ; la classication nergtique o` lon classe les signaux suivant quils sont a nergie e e u `e nie ou ` puissance nie. a
Signaux

Dterministes

Alatoires

Priodiques

Non priodiques

Stationnaires

Non stationnaires

Figure 4.1.: Classication phnomnologique des signaux e e

4.1.1. Classication phnomnologique e e


Dans cette classication, on rpartit gnralement les signaux en deux classes prine e e cipales et quatre sous-classes illustres par la gure 4.1. e Dans les deux classes principales, on trouve : les signaux dterministes dont lvolution temporelle parfaitement dnie peut e e e e e e e e tre prdite par un mod`le mathmatique appropri ;

125

4. Description et comparaison des signaux les signaux alatoires qui ont un comportement temporel imprvisible et dont la e e description ne peut se faire quau travers dobservations statistiques. Parmi les signaux dterministes (gure 4.2.1), on distingue : e les signaux priodiques dont la forme se rp`te rguli`rement ; e e e e e les signaux pseudo-alatoires qui sont des signaux priodiques mais avec, a linte e e ` rieur de la priode, un comportement alatoire ; e e les signaux quasi-priodiques qui rsultent dune somme de sinuso e e des dont le rapport des priodes nest pas rationnel ; e les signaux non-priodiques ; ils sont essentiellement reprsents par des signaux e e e transitoires dont lexistence est phm`re. e e e Parmi les signaux alatoires (gure 4.2.2), on distingue : e les signaux stationnaires dont les caractristiques statistiques ne changent pas au e cours du temps (p.ex : le bruit lectronique) ; e les signaux non-stationnaires dont le contenu statistique volue au cours du temps e (p.ex. : la parole).

4.1.2. Energie et puissance des signaux


Considrant la puissance moyenne Px ou lnergie totale Wx des signaux, on observe e e que ceux-ci peuvent alors tre classs dans une des deux catgories suivantes : e e e 1. Les signaux ` nergie nie tels que ae Wx < alors que Px = 0 Dans cette catgorie, on rencontre tous les signaux temporaires quils soient e dterministes ou alatoires. e e 2. Les signaux ` puissance nie tels que a Px < alors que Wx Cette catgorie englobe les signaux priodiques, quasi-priodiques et les sie e e gnaux permanents alatoires ou non. e Suivant les caractristiques des signaux, on calculera donc soit leur puissance Px , e soit leur nergie Wx . Selon Parseval, ce calcul peut, bien entendu, se faire dans le e domaine temporel Px = lim Wx = lim ou dans celui des frquences : e
+

1 T T

+T /2

x2 (t)dt
T /2 +T /2

V2 V2 sec

(4.1) (4.2)

x2 (t)dt
T /2

Px =
+

Rxx (f ) df Sxx (f ) df

V2 V2 sec

(4.3) (4.4)

Wx = a a ` condition davoir ` sa disposition

126

4.1. Classication des signaux


(a) 1 0.5 0 0.5 1 5 0 5 1 0.5 0 0.5 1 5 0 5 (b)

(c) 1 0.5 0 0.5 1 5 0 temps 5 1 0.5 0 0.5 1 5

(d)

0 temps

(a) 1 0 1 5 4 3 2 1 0 (b) 1 0 1 5 4 3 2 1 0 (c) 1 0 1 5 4 3 2 1 0 temps 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

Figure 4.2.: 1) Quatre signaux dterministes : (a) priodique, (b) pseudo-alatoire, e e e (c) quasi-priodique, (d) non-permanent. e 2) Trois signaux alatoires : (a) bruit blanc (spectre inniment large e et constant), (b) bruit large bande (spectre de largeur nie), (c) bruit non-stationnaire.

127

4. Description et comparaison des signaux la densit spectrale de puissance Rxx (f ) qui sexprime en [V2 /Hz] e ou la densit spectrale dnergie Sxx (f ) dont les units sont [V2 /Hz2 ]. e e e On notera que, pour le calcul de la puissance des signaux priodiques, la dure dine e tgration T sera prise gale ` une priode T0 du signal. On se souviendra galement e e a e e que la puissance moyenne Px dun signal x(t) est, par dnition, gale au carr de e e e sa valeur ecace
2 Px Xef f

Enn, il faut relever que certains signaux thoriques nappartiennent ` aucune des e a deux catgories prsentes ci-dessus. Cest le cas, par exemple, de lexponentielle e e e x(t) = eat pour t stendant de ` +. e a

4.1.3. Signaux numriss e e


Dans le cas o` les signaux tudis proviennent de signaux analogiques x(t) nuu e e mriss pendant une dure T = N Te , on remplace les intgrales par des sommes e e e e et lincrment temporel dt par la priode dchantillonnage Te . On montre alors e e e aisment que lon obtient : e
N 1 2 x2 [n] Xef f n=0 N 1

Px =

1 N

V2

(4.5)

Wx = Te
n=0

x2 [n]

V2 sec

(4.6)

4.2. Quatre signaux types


An de clarier les choses, considrons comme exemple des signaux-types (gure e 4.3) illustrant les quatre classes de signaux : 1. Dterministes temporaires tels que lexponentielle amortie x1 (t) ou les e signaux priodiques de dure nie. e e 2. Permanents et priodiques tels que le signal carr x2 (t). e e 3. Permanents quasi-priodiques tels que le signal x3 (t) constitu de quatre e e composantes spectrales non rationnelles. 4. Alatoires stationnaires permanents tels que x4 (t) pour lequel il nexiste e pas de description temporelle.

128

4.2. Quatre signaux types

1 x1(t) 0.5 0 5 1 x2(t) 0 1 5 1 x3(t) 0 1 5 1 x4(t) 0 1 5 0 5 10 15 20 25

10

15

20

25

10

15

20

25

10 temps

15

20

25

Figure 4.3.: Quatre signaux types : (a) dterministe temporaire, (b) dterministe e e permanent priodique, (c) quasi-priodique permanent, (d) alatoire e e e a e ` bande troite

129

4. Description et comparaison des signaux

4.2.1. Signaux dterministes temporaires e


Les signaux dterministes temporaires tels que x1 (t) sont des signaux a puissance e ` moyenne nulle mais nergie nie. Ils poss`dent un spectre continu dni par leur e e e densit spectrale damplitude. Celle-ci nest autre que la transforme de Fourier du e e signal :
+

X(jf ) =

x(t) exp(j2f t) dt

[V sec] = [V/Hz]

(4.7)

Leur nergie se calcule soit au niveau temporel e


+

Wx =

x2 (t) dt 1

V2 sec

soit dans le domaine frquentiel e


+

Wx =

Sx (f ) df

V2 sec

(4.8)

a e e e ` partir de la densit spectrale dnergie Sx (f ) exprime en [V2 /Hz2 ]. Dans le cas des signaux temporaires, on peut montrer que la densit spectrale dnergie est lie e e e a e ` la densit spectrale damplitude par la relation Sx (f ) = X(jf ) X(jf ) = |X(jf )|2 V2 /Hz2 (4.9)

Exemple Lexponentielle dcroissante x1 (t) = A exp(at) (t) poss`de une puise e sance moyenne nulle et une nergie nie : e P1 = lim
+T /2

1 T T

+T /2

x2 (t) dt = 0 1
T /2

W1 = lim

x2 (t) dt = 1
T /2

A2 A2 = < 2a 2

V2 sec

(4.10)

Cette nergie peut galement se calculer dans le domaine frquentiel. En eet, e e e comme au signal x1 (t) = A exp(at) (t) correspond la densit spectrale damplie tude A (4.11) X1 (jf ) = a + j2f on peut calculer sa densit spectrale dnergie S1 (f ) : e e S1 (f ) = |X1 (jf )|2 = puis son nergie e
+ +

A a + j2f

A2 a2 + (2f )2

V2 /Hz2

(4.12)

W1 =
2

S1 (f ) df = 2f a
+

A2 df a2 + (2f )2 V2 sec

(4.13) (4.14)

A = atg 2a

A2 = 2a

130

4.2. Quatre signaux types

4.2.2. Signaux permanents priodiques e


Un signal dterministe permanent est un signal priodique dont la puissance est e e nie et lnergie innie. Sa description spectrale peut se faire grce ` la transforme e a a e de Fourier du signal
+

X(jf ) =

x(t) exp(j2f t) dt

[V sec]

(4.15)

Pour tous signaux priodiques, on obtient alors une densit spectrale damplitude e e constitue dimpulsions de Dirac. Ces impulsions correspondent aux raies spectrales e du signal priodique qui, comme on le sait, poss`de un spectre discret. e e Plutot que de travailler avec les impulsions de Dirac, il est alors plus simple et plus pratique den rester a la description bien connue des sries de Fourier e ` X(jk) = 1 T
+T /2

x(t) exp(j2kf0 t) dt
T /2

[V]

(4.16)

La puissance des signaux priodiques se calcule soit au niveau temporel e Px = soit dans le domaine frquentiel e
+

1 T

+T /2

x2 (t) dt
T /2

[V2 ]

(4.17)

Px =
k=

|X(jk)|2

V2

(4.18)

Exemple Le signal carr x2 (t) damplitude A pos`de une puissance nie et une e e e nergie innie : P2 = lim 1 T T
+T /2

x2 (t) dt = A2 < 2
T /2 +T /2

V2

(4.19)

W2 = lim

x2 (t) dt 2
T /2

Dans le domaine frquentiel, partant des composantes de Fourier du signal carr e e priodique damplitude A et ` valeur moyenne nulle e a X(jk) = 2A t sin(kf0 t) sin(k/2) =A = T kf0 t k/2
+ +

0
2A k

si k pair si k impair

(4.20)

on peut calculer, sa densit spectrale de puissance R2 (f ) e R2 (f ) =

|X(jk)|2 = 2
k=1,3,5,

2A (f kf0 ) k

V2 /Hz

(4.21)

Partant de celle-ci, il vient


+ +

P2 =

R2 (f ) df = 2
k=1,3,5,

2A k

= A2

V2 f ef

(4.22)

131

4. Description et comparaison des signaux

4.2.3. Signaux permanents alatoires e


Un signal permanent est un signal dont la puissance est nie et lnergie innie. e Parmi ceux-ci, on trouve essentiellement les signaux alatoires tels que x4 (t). Ces e signaux nont pas de transforme de Fourier car leur intgrale en valeur absolue est e e innie
+

|x(t)| dt

(4.23)

On devra donc tenter de trouver une modlisation spectrale par une approche dife frente de celles vues jusquici. Cest ce que lon verra ` la section 4.7. e a Par contre, si lon est en possession dune suite de valeurs enregistres de dure nie e e T = N t, on peut calculer la puissance et le spectre damplitudes X(jf ) de cette suite x[n] = x(t = n t) : Px 1 N
N 1 N 1

x2 [n]
n=0

V2

(4.24)

X(jf )

1 N

x[n] exp(j2f nt)


n=0

[V]

(4.25)

4.2.4. Signaux permanents quasi-priodiques e


Un signal permanent tel que le signal x3 (t) est constitu de quatre composantes e spectrales dont les frquences sont dans un rapport irrationnel. Cela signie que, e malgr la prsence de frquences discr`tes, le signal nest pas priodique ; on doit e e e e e alors le considrer comme un signal alatoire permanent. Lestimation de la puise e sance et de son spectre se fera donc comme ci-dessus ` partir dune suite de valeurs a enregistres. e

4.3. Comparaison des signaux


La corrlation est utilise dans les radars, les sonars, les communications nume e e riques, la dtection de signaux noys dans du bruit, la mesure de temps de transe e mission, le GPS (Global Positioning System), etc. Dans chaque cas, on dispose de deux fonctions : le signal de rfrence x(t) et le ee signal ` analyser y(t). Il faut alors trouver une opration mathmatique permettant a e e de comparer ces signaux et den mesurer la ressemblance ou la corrlation. Ceci e se fait simplement en eectuant lintgrale du produit des signaux que lon dcale e e progressivement lun par rapport ` lautre a
+

rxy ( ) =

x(t) y(t + ) dt

(4.26)

132

4.3. Comparaison des signaux On obtient alors une opration mathmatique qui, de par sa forme, est tr`s proche e e e de la convolution. Cependant, contrairement ` la convolution qui permet de calculer a le signal de sortie dun ltre linaire, la corrlation sert ` mesurer le degr de e e a e ressemblance de deux signaux et dextraire des informations qui, dans une large mesure, dpendent de lapplication considre. e ee Deux illustrations en sont donnes dans les gures 4.4 et 4.5. Dans la premi`re, on e e compare deux signaux dont la superposition (maximum de ressemblance) appara t apr`s un dcalage temporel gal ` 0.8. Dans la deuxi`me, on compare un signal chirp e e e a e (signal sinuso dont la frquence varie linairement avec le temps) avec sa version dal e e dcale. On y voit que la corrlation dun tel signal avec sa version dcale poss`de e e e e e e un maximum tr`s bien dni ` lendroit correspondant exactement au dcalage des e e a e deux signaux.
Exemple de corrlation 1 y(t) 0.5 0 1 1 x(t), y(t+) 0 1 1 1 x(t) y(t+) 0 1 1 0.1 rxy(+) 0

0.8

0.6

0.4

0.2

0.2

0.4

0.6

0.8

0.8

0.6

0.4

0.2

0.2

0.4

0.6

0.8

0.8

0.6

0.4

0.2

0.2

0.4

0.6

0.8

0.1 0 0.2 0.4 0.6 0.8 1 temps 1.2 1.4 1.6 1.8 2

Figure 4.4.: Intercorrlation de deux signaux e

4.3.1. Corrlation de signaux ` nergie nie e ae


Intercorrlation de deux signaux e Considrant deux signaux x(t) et y(t) ` nergie nie, on dnit la fonction dintercorrlation e ae e e (c) comme lintgrale du produit du signal x(t) avec le signal y(t) dcal dune vae e e leur : + rxy ( ) =

x(t) y(t + ) dt

V2 sec

(4.27)

133

4. Description et comparaison des signaux


Exemple de corrlation 1 y(t) 0 1 0 1 x(t), y(t+) 0.5 1 1.5 2 2.5 3

1 1 x(t) y(t+) 0 1

0.5

1.5

2.5

0 0.4 0.2 0 0.2 0

0.5

1.5

2.5

rxy(+)

0.5

1.5 temps

2.5

Figure 4.5.: Autocorrlation dun signal chirp e Par changement de variable = t + , on montre que
+

rxy ( ) =

x( ) y() d = ryx ( )

(4.28)

On voit ainsi que la fonction rxy ( ) est aussi la version retourne de ryx ( ) autour e de lordonne Oy. e Comme on peut le constater, les fonctions dintercorrlation e
+

x(t) y(t + ) dt = rxy ( )

et de convolution

x() y(t ) d = x(t) y(t)

sont formellement tr`s proches. On montre quelles sont relies entre elles par : e e rxy ( ) = x( ) y( ) V2 sec (4.29)

Cette relation valable dans lespace temps a bien entendu son quivalent dans lese pace des frquences que lon dsigne sous le nom de densit interspectrale dnergie : e e e e Rxy (jf ) = X (jf ) Y (jf ) V2 / Hz2 (4.30)

134

4.3. Comparaison des signaux Autocorrlation dun signal e Dans le cas particulier o` y(t) = x(t), on obtient la fonction dautocorrlation (fac) u e du signal x(t) :
+

rxx ( ) =

x(t) x(t + ) dt

V2 sec

(4.31)

qui, pour un dcalage nul, donne lnergie du signal x(t) : e e


+

rxx (0) =

x(t)2 dt Wx

(4.32)

4.3.2. Corrlation de signaux ` puissance nie e a


Dans ce cas, les signaux sont permanents et poss`dent une nergie inniment e e grande ; on ne peut donc pas utiliser les dnitions prcdentes. Pour cette catgorie e e e e de signaux, on rednit les deux fonctions de corrlation comme suit : e e rxy ( ) = lim 1 T T
+T /2

x(t) y(t + ) dt
T /2

V2

(4.33)

1 rxx ( ) = lim T T

+T /2

x(t) x(t + ) dt
T /2

V2

(4.34)

Dans le cas dun dcalage nul, on trouve la puissance du signal x(t) : e 1 rxx (0) = lim T T
+T /2 2 x(t)2 dt Xef f = Px T /2

V2

(4.35)

Il est dautre part vident que si les signaux sont priodiques, lintgration se fera e e e sur une priode seulement. e La gure 4.6 montre des fonctions dautocorrlation reprsentatives de quelques e e signaux alatoires. On y trouve successivement trois signaux dont les puissances e sont les mmes, ` savoir 0.2 V2 f : e a ef un bruit blanc gaussien : son caract`re non prvisible est manifeste et il est e e conrm par ltroitesse du pic de la fac. e e un bruit ` large bande : ce signal a t obtenu en ltrant passe-bas le bruit a ee blanc. Son contenu spectral moins tendu fait quil est raisonnablement possible e de prvoir une valeur future pas trop loigne. Une mesure de cet horizon de e e e prvision est donne par la largeur ` mi-hauteur du pic de la fac. e e a un bruit ` bande troite : ce signal a t obtenu en ltrant le bruit blanc ` a e ee a laide dun ltre passe-bande. Son contenu frquentiel troit se manifeste par un e e comportement oscillant de mani`re assez rguli`re. Cette pseudo-priodicit est e e e e e encore plus facile ` dterminer ` laide de sa fac : elle se mesure par la distance a e a sparant le pic central du premier pic latral. e e

135

4. Description et comparaison des signaux

x(t) 0.2 1 0.1 0 1 2 1 0 1 2 (a) 0 0.1 0.2 2 0.2 1 0.1 0 1 2 1 0 1 2 (b) 0 0.1 0.2 2 0.2 1 0.1 0 1 2 1 0 temps 1 2 (c) 0 0.1 0.2 2 1 1 1

rxx()

0 dcalage

Figure 4.6.: Quelques signaux et leur fonction dautocorrlation e

136

4.4. Proprits et calcul numrique ee e

4.4. Proprits et calcul numrique e e e


4.4.1. Proprits de lautocorrlation e e e
On rappellera tout dabord que la fonction dautocorrlation consiste ` dcaler un e a e signal par rapport ` lui-mme, puis ` intgrer le produit des deux. On montre alors a e a e aisment que la fonction dautocorrlation poss`de les proprits suivantes : e e e ee 1. Lorsque le dcalage temporel est nul ( = 0), la fac est gale ` lnergie du e e a e signal pour les signaux ` nergie nie : ae
+

rxx (0) =

x(t)2 dt Wx

(4.36)

ou, ` la puissance moyenne pour les signaux ` puissance nie : a a rxx (0) = lim 1 T T
+T /2

x(t)2 dt Px
T /2

2. Comme la correspondance entre les deux signaux ne peut pas tre aussi forte e que lorsque les signaux se superposent exactement cela entra que la fac est ne maximum pour un dcalage nul. On a donc : e rxx (0) rxx ( ) 3. La fac est une fonction paire : rxx ( ) = rxx ( ) (4.38) (4.37)

4. La fac dun bruit blanc (ainsi appel par analogie ` la lumi`re blanche constie a e tue de toutes les frquences lumineuses) est une impulsion de Dirac. En eet, e e le bruit blanc tant form dune multitude de frquences possdant la mme e e e e e puissance, il en rsulte un signal variant si rapidement que sa valeur prsente e e est indpendante des valeurs passes et que sa valeur est non nulle pour = 0 e e seulement. On a donc : rxx ( ) = 2 (t) (4.39) o` 2 est la variance du signal alatoire ; cest galement, comme on la vu u e e plus haut, la puissance du signal alatoire. e 5. La fac dun signal priodique quelconque est une fonction priodique paire. e e Considrons comme exemple le signal x(t) = A sin(t + ). On a alors : e rxx ( ) = = do` : u 1 T A2 T
+T /2

x(t) x(t + ) dt
T /2 +T /2

sin(t + ) sin((t + ) + ) dt
T /2

A2 cos( ) (4.40) 2 On remarque ainsi que lamplitude de cette fac est la puissance A2 /2 du signal x(t) et que la fac ne nous donne aucune information sur la phase du signal. rxx ( ) =

137

4. Description et comparaison des signaux 6. Dans le cas dun signal x(t) perturb par du bruit n(t), il est possible de e retrouver la fac du signal non perturb. Considrant y(t) = x(t) + n(t), on a e e en eet : 1 ryy ( ) = lim T T 1 = lim T T
+T /2

(x(t) + n(t)) (x(t + ) + n(t + )) dt


T /2 +T /2

(x(t) x(t + ) + n(t) n(t + )


T /2

+ x(t) n(t + ) + n(t) x(t + )) dt = rxx ( ) + rnn ( ) + rxn ( ) + rnx ( ) do` : u ryy ( ) = rxx ( ) + rnn ( ) + rxn ( ) + rnx ( ) (4.41) Dans le cas o` le signal x(t) et le bruit n(t) ne sont pas corrls, on a bien u ee entendu rxn ( ) = 0 = rnx ( ) ; ce qui donne nalement : ryy ( ) = rxx ( ) + rnn ( ) (4.42)

De plus, comme gnralement la fac rnn ( ) du bruit tend rapidement vers 0, e e on voit que, pour un dcalage susamment grand, il restera la fac rxx ( ) du e signal x(t). Une illustration de cette derni`re proprit (gure 4.7) montre comment lautocore ee rlation permet dextraire un signal noy dans un bruit blanc. Dans cette gure, e e le signal est une sinuso damplitude 1 volt et le bruit blanc poss`de une valeur de e ecace de 5 volt. Le signal extrait est reconnaissable mais encore perturb par du bruit. Comme ce e bruit rsiduel diminue avec la racine carre du nombre dchantillon, on voit quon e e e peut diminuer le bruit en augmentant le nombre dchantillons enregistrs. e e

4.4.2. Exemples dautocorrlation e


La fonction dintercorrlation est tr`s souvent utilise pour dtecter la prsence dun e e e e e message et mesurer un temps de propagation. Dans ce but, le signal mis est choisi e de mani`re ` ce que le pic de sa fonction dautocorrlation soit tr`s bien dni. Les e a e e e signaux le plus souvent utilis sont les signaux chirp (` frquence variable au cours e a e du temps) et les squences binaires pseudo-alatoires. e e Autocorrlation dun signal chirp e Le signal chirp est un signal sinuso dal dont la frquence (ou la pulsation) varie e linairement avec le temps. Il est dni comme suit e e x(t) = A sin((t) + )

138

4.4. Proprits et calcul numrique ee e


Signal + bruit avec 20000 chantillons 20 10 x(t) 0 10 20 30 20 rxx() 10 0 5 1 0.5 rxx() 0 4 3 2 1 0 1 2 3 4 5 0 1 2 3 4 5 6 7 8 9 10

0.5 1 5 4 3 2 1 0 dcalage 1 2 3 4 5

Figure 4.7.: Extraction dun signal avec laide de lautocorrlation e avec (t) =
0

(t) dt 0 t tmax

(t) = min +

max min t tmax

Sa fonction dautocorrlation poss`de un maximum tr`s bien dni correspondant e e e e 2 a ` la puissance du signal qui vaut A /2 (gure 4.8a). Autocorrlation dune SBPA e Une squence binaire pseudo-alatoire (SBPA) est une succession de valeurs binaires e e (gnralement 1) dont la distribution temporelle poss`de un caract`re alatoire e e e e e pendant une certaine dure et qui ensuite se rp`te priodiquement. Sa fonction e e e e dautocorrlation poss`de galement un pic tr`s bien dni gal ` la puissance A2 e e e e e e a du signal (gure 4.8b).

4.4.3. Proprits de lintercorrlation e e e


Comme pour la fonction dautocorrlation, on se contentera dnoncer les proprits e e ee des fonctions dintercorrlation : e 1. En gnral la c nest ni paire, ni impaire. e e

139

4. Description et comparaison des signaux


Signal chirp 1

0.5 x(t)

0.5

0.1

0.2

0.3

0.4

0.5 temps

0.6

0.7

0.8

0.9

Autocorrlation dun signal chirp 0.5 0.4 0.3 rxx() 0.2 0.1 0 0.1 0.2 0.5 0.4 0.3 0.2 0.1 0 dcalage 0.1 0.2 0.3 0.4 0.5

Squence binaire pseudoalatoire 1 0.5 s[n] 0 0.5 1 0 50 100 temps n Autocorrlation dune SBPA 1.2 1 0.8 rss [m] 0.6 0.4 0.2 0 0.2 100 50 0 dcalage m 50 100 150 200 250

Figure 4.8.: Fonctions dautocorrlation dun signal chirp et dune SBPA e

140

4.4. Proprits et calcul numrique ee e 2. Le maximum de la c se situe ` lendroit du dcalage correspondant au maxia e mum de similitude entre les deux signaux. Cette proprit est tr`s utilise ee e e pour mesurer des temps de propagation. 3. Comme le fait de retarder y(t) par rapport ` x(t) dune valeur quivaut ` a e a avancer le signal x(t) par rapport ` y(t), on aura : a rxy ( ) = ryx ( ) (4.43)

4. Si les deux signaux sont priodiques de mme priode, la c sera galement e e e e priodique. e

4.4.4. Calcul numrique de la corrlation e e


Le calcul numrique dune corrlation se fait en remplaant lintgrale par la somme e e c e du produit des valeurs chantillonnes avec une priode constante unit. e e e e Dans le cas o` lon a susamment de points ` disposition, on peut calculer la u a somme sur N points sans atteindre les limites des signaux enregistrs. On a alors : e 1 rxy [m] = N
N 1

x[n] y[n + m]
n=0

V2 ,

N m +N

(4.44)

Dans le cas o` lon souhaite utiliser toutes les valeurs ` disposition, le nombre u a de points intervenant dans la somme diminue au fur et ` mesure que le dcalage a e augmente. Pour viter de biaiser le rsultat de la corrlation, on la calcule alors e e e comme suit : 1 rxy [m] = N |m|
N |k|

x[n] y[n + m]
n=0

V2 ,

0mN 1

(4.45)

Mais alors, on voit bien que, m augmentant, le nombre de points ` disposition a N |m| diminue. Ce qui, statistiquement, rend le rsultat de lintercorrlation plus e e incertain dans les extrmits de la fonction (voir gure 4.8b). e e ` A cette fonction dintercorrlation correspond son image frquentielle Rxy [jk] que e e lon obtient apr`s TFD des signaux numriss x[n] et y[n] : e e e Rxy [jk] = 1 X [jk] Y [jk] N V2 (4.46)

o` k est le compteur frquentiel tel que u e f =k fe k = 0, , N 1 N (4.47)

141

4. Description et comparaison des signaux

4.5. Rapport signal sur bruit (SNR)


Comme on va le voir plus loin, les fonctions de corrlation sont tr`s puissantes pour e e extraire un signal x(t) masqu par un bruit n(t). An de chirer prcisment la e e e qualit (mauvaise ou non) dun signal, on utilise la notion de rapport signal/bruit e (Signal to Noise Ratio) dnie comme suit : e SN RdB = 10 log Px Pn = 20 log Xef f Nef f [dB] (4.48)

Un SNR gal ` 0 dB, signie que la puissance Pn du bruit est gale ` celle du signal e a e a Px ou, de mani`re quivalente, que Xef f = Nef f . e e
Quelques valeurs SNR pour x(t) + n(t) 5 0 5 5 0 5 5 0 0 5 SNR = 0 [dB] 0 0.2 0.4 0.6 0.8 1 2 0.5 200 20 100 0 0 20 SNR = 20 [dB] 0 0.2 0.4 0.6 temps t 0.8 1 100 0.5 0 dcalage P0 = Px + Pn Px 0.5 0 SNR = 20 [dB] 0 0.2 0.4 0.6 0.8 1 SNR = 40 [dB] 0 0.2 0.4 0.6 0.8 1 2 0 2 0.5 2 0 2 0.5 4 2 P0 = Px + Pn Px Autocorrlation de x(t) + n(t)

0.5

0.5

0.5

Figure 4.9.: Illustrations de quelques valeurs SNR Dans la gure 4.9, la colonne de gauche montre un signal sinuso dal auquel est ajout un bruit de plus en plus fort. Mme si visuellement on observe quun SNR e e de 40dB est presque indtectable, il est important de savoir quen pratique il est e frquent dexiger une qualit de signaux dont les SNR sont suprieurs ` 60dB, voire e e e a 96dB en haute-dlit audio. Malheureusement, il nest pas rare de devoir traiter e e des signaux dont le SNR est infrieur ` 0dB et dans ces cas l`, comme on le verra, e a a les fonctions de corrlation sont extrment utiles. e e Enn, comme on la vu dans la section prcdente, les fonctions dintercorrlation e e e sont nulles pour des signaux indpendants, non corrls. Ainsi, dans le cas dun e ee signal x(t) perturb par un bruit additif n(t) indpendant, la fonction dautocorre e e

142

4.6. Trois applications de la corrlation e lation est simplement gale ` la somme des deux fac e a rx+n ( ) = rxx ( ) + rxn ( ) + rnx ( ) + rnn ( ) = rxx ( ) + rnn ( ) (4.49)

On voit alors que la puissance de deux signaux indpendants est gale ` la somme e e a des puissances individuelles car rx+n (0) = Ptot = rxx (0) + rnn (0) = Px + Pn (4.50)

Ce qui permet parfois, lorsque le signal x(t) est priodique, destimer les deux e puissances et den dduire la valeur du SNR comme le montre la colonne de droite e de la gure 4.9.

4.6. Trois applications de la corrlation e


4.6.1. Le radar
Comme exemple illustratif, imaginons le principe du radar avec lequel on dsire e dtecter la prsence ou non dun avion puis conna e e tre la distance ` laquelle il se a trouve.
Signal mis 1 0.5 0 0.5 1 0 100 200 300 400 500 600 700 800 900 1000

Signal reu en prsence de lavion 0.1 0.05 0 0.05 0.1 0 100 200 300 400 500 Instants n 600 700 800 900 1000

Figure 4.10.: Signaux mis et reus par un radar e c Le radar met un signal chirp x(t) et capte en retour lcho y(t) renvoy par lavion e e e (gure 4.10). Sil ny a pas davion dans la zone couverte par le radar, le signal reu c

143

4. Description et comparaison des signaux y(t) est constitu dun bruit n(t) seulement. De plus, il est vident que si un avion e e est prsent, le signal y(t) reu en retour consiste en une version attnue, retarde, e c e e e et fortement bruite du signal mis x(t). Ainsi, le signal reu peut tre dcrit par : e e c e e y(t) = A x(t td ) + n(t) avec : A = une fonction dattnuation dpendant de la distance et de la forme de lavion e e td = le temps mis par londe pour faire son aller et retour n(t) = le bruit additif capt par lantenne et gnr par llectronique du radar. e e ee e Pratiquement, le signal reu est tellement perturb par le bruit quune analyse c e visuelle ne permet pas de dceler la prsence ou labsence dun signal rchi par e e e e lavion (gure 4.10). Les gures 4.11a et 4.11b illustrent le principe de lutilisation dun signal chirp pour dtecter un avion et mesurer sa distance. Considrons les deux situations suivantes : e e 1. Absence dun avion : Le signal reu y(t) est fortement attnu et perturb. c e e e Seule une intercorrlation entre x(t) et y(t) permet de savoir si un avion est e prsent ou non. Dans ce dernier cas, aucun pic bien distinct nappara dans e t le graphe (gure 4.11a). 2. Prsence dun avion : Ici, lintercorrlation fait appara un pic tr`s troit e e tre e e se dgageant nettement au-dessus du bruit de fond (gure 4.11b). On notera e que ce pic est lg`rement dcal vers la droite par rapport ` la position cene e e e a trale ; ce dcalage correspond au temps daller et retour du signal mis. Une e e fois ce temps dtermin, on peut calculer la distance de lavion par rapport e e au radar.

4.6.2. La mesure dun dbit e


On prsente ici un dbitm`tre industriel ralis par lInstitut dAutomatisation Ine e e e e dustrielle de la heig-vd. Le principe, de mme que sa ralisation, en est tr`s simple. e e e Une camra fournit rguli`rement des images dun ux de granuls (gure 4.12). En e e e e eectuant la comparaison par intercorrlation de deux images successives, on obtient e un point lumineux se situant aux coordonnes du dplacement y(t). Connaissant e e la section A du conduit, on peut calculer le dbit au cours du temps : e Q(t) = A y(t) t

La seule dicult de cette mesure rside dans le temps ncessaire pour calculer e e e lintercorrlation en temps rel. En eet, si lon imagine que lon dispose dimages e e de 100x400 pixels, on doit traiter 40000 pixels par intercorrlation ; ce qui entra e ne un nombre doprations valant environ e Nop
2 Npxl = 16 108

Mme avec un DSP tr`s performant (Tclock 10 ns), il nest pas possible de fournir e e une information en moins dune seconde. Par contre, en utilisant la FFT on peut

144

4.6. Trois applications de la corrlation e


Signal reu en labscence de lavion 0.1 0.05 0 0.05 0.1 0 100 200 300 400 500 600 700 800 900 1000

5 4 3 2 1 0 1

x 10

Intercorrlation en labscence de lavion

2 500

400

300

200

100

0 dcalage m

100

200

300

400

500

Signal reu en prsence de lavion 0.1 0.05 0 0.05 0.1 0 100 200 300 400 500 600 700 800 900 1000

5 4 3 2 1 0 1

x 10

Intercorrlation en prsence de lavion

2 500

400

300

200

100

0 Instants n

100

200

300

400

500

Figure 4.11.: a) Intercorrlation entre un signal chirp et du bruit e b) Intercorrlation entre un signal chirp et du bruit corrl e ee

145

4. Description et comparaison des signaux

Figure 4.12.: Interface du dbitm`tre de granuls e e e

146

4.6. Trois applications de la corrlation e esprer fournir des rsultats dans le temps imparti car celle-ci demande beaucoup e e moins doprations e Nop Npxl log2 (Npxl ) 40 103 15 = 6 105

Lalgorithme de calcul est alors le suivant 1) 2) 3) 4) 5) 6) acquisition de image1 acquisition de image2 FFT bidimensionnelle de image1 et image2 => IMG1 et IMG2 calcul de Rxy = conj(IMG1) * IMG2 FFT inverse pour obtenir rxy recherche des coordonnes du maximum dintensit e e

Une fois ces calculs eectus, il reste encore susamment de temps pour calculer le e dbit actuel, lisser cette valeur, acher les images, etc (gure 4.12). e

4.6.3. La mesure du rythme cardiaque


On sintresse ici a la mesure automatique des pulsations cardiaques a laide de e ` ` moyens simples : un stthoscope muni dune capsule microphonique et la carte-audio e dun PC permettant denregistrer le son caractristique des battements cardiaques. e

Figure 4.13.: Analyse dun signal phonocardiographique

147

4. Description et comparaison des signaux Dun point de vue spectral, ces pulsations de tr`s basse-frquence (environ une e e pulsation par seconde) modulent un soue basse-frquence situ aux environs de e e 100 Hz (modulation damplitude). Cest ce qui rend le son audible puisque loreille humaine nentend pas les sons infrieurs ` 20 Hz. Comme le rythme cardiaque est e a priodique, on peut esprer, grce ` lautocorrlation, liminer le bruit environnant e e a a e e et faire appara clairement la priode du rythme cardiaque. tre e Cependant, ` cause des perturbations lies ` la mesure, les choses ne sont pas aussi a e a simples et, tr`s vite, on se rend compte que la recherche de lenveloppe du signal e mesur sera bien plus fructueuse. Les direntes tapes ` parcourir pour obtenir le e e e a rythme cardiaque avec un bon taux de russite sont illustres par la gure 4.13. e e Apr`s acquisition du signal x0 (t) ` laide de la carte son dun PC (fe = 8 kHz) e a et sa sauvegarde dans un chier *.wav, on peut, avec Matlab, eectuer les calculs ci-dessous : 1. limination des frquences inintressantes par ltrage passe-bande du signal e e e entre 60 et 500 Hz xf (t) ; 2. limitation des amplitudes du signal ` 3 o` est lcart-type ou valeur a u e ecace du signal ltr xlim (t) ; e 3. recherche de lenveloppe du signal ; celle-ci sobtient de mani`re similaire ` la e a dmodulation damplitude par le redressement du signal et son ltrage passee bas xenv (t) ; 4. autocorrlation de lenveloppe rxx ( ) ; e 5. recherche du maximum de rxx ( ) situ dans le domaine des pulsations care diaques ordinaires ; pour des pulsations comprises entre 50 et 200 puls/min, le premier pic se trouvera entre 1.2 et 0.3 secondes. Cet exemple montre, ` lvidence, combien lautocorrlation est puissante pour exa e e traire une information noye dans du bruit. e

4.7. Description des signaux alatoires e


Par dnition, les signaux alatoires ne peuvent pas tre dcrits analytiquement. On e e e e peut cependant tenter de les classer dans une des trois catgories types qui sont : e les bruits ` large bande dans lesquels toutes les frquences sont prsentes ` ama e e a plitudes gales (gure 4.14a) ; e les bruits ` bande limite dans lesquels les composantes hautes frquences sont a e e nulles (gure 4.14b) ; les bruits colors dans lesquels toutes les frquences sont prsentes mais avec des e e e amplitudes dcroissantes (gure 4.14c). e Comme aucune description analytique nest possible pour les signaux alatoires, on e tente den extraire des moyennes temporelles en observant leurs fonctions dautocorrlation (fac) illustres ` la gure 4.15. On voit alors que la fac du premier signal e e a est extrmement troite ; on la modlise par une impulsion de Dirac. La deuxi`me e e e e fac rappelle une fonction en sinus cardinal. Enn, dans la partie non bruite, la e troisi`me peut tre modlise par une exponentielle dcroissante symtrique. e e e e e e

148

4.7. Description des signaux alatoires e

Bruits: (a) large bande (b) bande limite (c) color 1 0.5 0 0.5 1 5 1 0.5 0 0.5 1 5 1 0.5 0 0.5 1 5 4 3 2 1 0 t 1 2 3 4 5 (c) 4 3 2 1 0 1 2 3 4 5 (b) 4 3 2 1 0 1 2 3 4 5 (a)

Figure 4.14.: Trois signaux alatoires types e

1 0.5 0 0.5 5 1 0.5 0 0.5 5 1 0.5 0 0.5 5

(a)

(b)

(c)

Figure 4.15.: Fonctions dautocorrlation des trois bruits types e

149

4. Description et comparaison des signaux On dnit alors la densit spectrale de puissance Rxx (jf ) comme tant la transfore e e me de Fourier de la fonction dautocorrlation rxx ( ) : e e rxx ( ) = lim
+

1 T T

+T /2

x(t) x(t + ) dt
T /2

V2

(4.51) (4.52)

Rxx (jf ) =

rxx ( ) exp(j2f ) d

V2 sec = V2 /Hz

Lobservation de la densit spectrale de puissance (gure 4.16a) des trois signaux e permet den dduire quelques proprits et de dnir des mod`les reprsentant aussi e ee e e e bien que possible chacune des trois densits spectrales de puissance (gure 4.16b). e Le bruit blanc ` densit spectrale constante et bande innie Il contient toutes a e les frquences de ` + et sa densit spectrale de puissance est constante. Il e a e est alors reprsent par e e Rxx (f ) = A2 < f < + V2 V2 /Hz (4.53) (4.54) dont la fac est une impulsion de Dirac : rxx ( ) = A2 ( ) Le thor`me de Parseval nous dit alors que sa puissance est innie. Comme cela e e nest pas possible, on prf`re travailler avec un mod`le plus raliste, le bruit ` ee e e a densit spectrale constante et a bande limite e e ` Le bruit ` densit spectrale constante et bande limite Il contient toutes les a e e frquences de fmax ` +fmax . Sa puissance nie est souvent dsigne par la variance e a e e 2 2 e statistique x qui nest autre que le carr de la valeur ecace Xef f du signal. Ce bruit est alors reprsent par e e 2 x si fmax < f < +fmax V2 /Hz 2 fmax (4.55) Rxx (f ) = 0 sinon dont la fac vaut
2 rxx ( ) = x

sin(2 fmax ) 2 fmax

< < +

V2

(4.56)

Le bruit color ` puissance nie Il contient toutes les frquences de ` +. ea e a 2 Mais sa puissance x est nie car son contenu spectral diminue assez rapidement avec la frquence. Un mod`le souvent utilis est le suivant : e e e 2 1 < f < + V2 /Hz (4.57) Rxx (f ) = x 2 fc f 1 + fc dont la fac vaut
2 rxx ( ) = x ea | |

< < + [1/sec]

V2

(4.58) (4.59)

avec a = 2 fc

150

4.7. Description des signaux alatoires e

(a)

0.5

0 5 1 4 3 2 1 0 1 2 3 4 5

(b)

0.5

0 5 1 4 3 2 1 0 1 2 3 4 5

(c)

0.5

0 5 1 4 3 2 1 0 f 1 2 3 4 5

(a)

0.5

0 5 4 3 2 1 0 1 2 3 4 5

(b)

0.5

0 5 4 3 2 1 0 1 2 3 4 5

(c)

0.5

0 5 4 3 2 1 0 f 1 2 3 4 5

Figure 4.16.: a) Densits spectrales de puissance des trois bruits types e b) Trois mod`les simples pour les reprsenter e e

151

4. Description et comparaison des signaux

4.7.1. Tension quivalente de bruit e


Il est intressant de relever que, pour les composants semiconducteurs, la donne de e e la densit spectrale de puissance R(f ) est remplace par une tension quivalente de e e e bruit qui nest autre que la racine carre de la densit spectrale de puissance : e e en (f ) R(f ) V Hz (4.60)

Figure 4.17.: Tension quivalente de bruit a lentre dun LF 411 e e ` Par exemple, les caractristiques de lamplicateur oprationnel LF411 (g. 4.17) e e montrent que, dans les basses frquences (f < 30 Hz), le spectre du bruit dcro e e t a e ` raison de 10 [dB] par dcade environ (icker noise = bruit de grenaille) et quil reste pratiquement constant au del` de 300 Hz. Il vaut alors : a nV en 25 = Hz f > 300 [Hz]

Connaissant cette valeur, on peut ainsi estimer la valeur ecace du bruit dans un domaine de frquences donn. Sintressant, par exemple, au domaine de frquences e e e e 1 kHz < f < 100 kHz la puissance du bruit vaut
f2

Pn =
f1

e2 (f ) df n

e2 f = 625 1018 n

V2 99 kHz = 6.2 1011 [V2 f ] ef Hz

Ce qui correspond ` une tension ecace de bruit denviron 8Vef f prsente ` lena e a tre de lamplicateur oprationnel. e e

152

4.8. Syst`mes linaires et densits spectrales e e e

4.8. Syst`mes linaires et densits spectrales e e e


Il est tr`s frquent que lon doive tudier des signaux relis entre-eux par le passage e e e e au travers dun syst`me linaire, par exemple un ltre. Celui-ci tant dcrit par sa e e e e rponse impulsionnelle h(t) ou sa rponse frquentielle H(jf ), les signaux dentre e e e e x(t) et de sortie y(t) sont alors relis entre eux par le produit de convolution e
+

y(t) =

h() x(t ) d

(4.61)

On sintresse ici ` prciser, en particulier aux niveaux des units, quelles sont les e a e e relations temporelles et frquentielles entre des signaux ` nergie nie ou ` puissance e ae a nie.

4.8.1. Signaux ` nergie nie ae


Ce sont les signaux dont la TF existe car ils sont intgrables en valeur absolue e
+

|x(t)| dt <

(4.62)

Il sagit gnralement de signaux temporaires ou ` dcroissance rapide. On dnit e e a e e alors les densits spectrales damplitude (DSA) des signaux x(t) et y(t) e
+

X(jf ) =
+

x(t) exp(j2 f t) dt [V/Hz]

Y (jf ) =

y(t) exp(j2 f t) dt [V/Hz]

et lon a Y (jf ) = H(jf ) X(jf ) Pour ces signaux, les fonctions de corrlation se calculent comme suit e
+

(4.63)

rxy ( ) =

x(t) y(t + ) dt [V sec]

(4.64)

et on peut montrer que les relations suivantes sont vraies : Rxx (f ) = X (jf ) X(jf ) [V2 /Hz2 ] Rxy (jf ) = X (jf ) Y (jf ) = |X(jf )|2 H(jf ) [V2 /Hz2 ] Ryy (f ) = |H(jf )|2 Rxx (f ) [V2 /Hz2 ] (4.65) (4.66) (4.67)

153

4. Description et comparaison des signaux

4.8.2. Signaux ` puissance nie a


La TF de ces signaux nexiste pas car leur nergie est innie. Il sagit gnralement e e e de signaux alatoires permanents. On les modlise alors par leur fonction dautoe e corrlation e 1 +T /2 x(t) x(t + ) dt [V2 ] (4.68) rxx ( ) = lim T T T /2 et on dnit leur densit spectrale de puissance (DSP) Rxx (f ) comme la transe e forme de Fourier de la fonction dautocorrlation e e
+

Rxx (f ) =

rxx ( ) exp(j2 f ) d [V2 /Hz]

(4.69)

Lorsque les signaux x(t) et y(t) sont relis entre eux par une opration de ltrage e e linaire, le produit de convolution relie galement les fonctions de corrlation entre e e e elles et lon a : + rxy ( ) =

h() rxx ( ) d [V2 ] V2 /Hz

(4.70) (4.71)

Rxy (jf ) = T F (rxy ( ) = H(jf ) Rxx (f ) o` Rxy (jf ) est la densit interspectrale de puissance. u e

Le tableau 4.1 runit les relations existant entre les signaux, les fonctions de corre e lation et les densits spectrales damplitudes (DSA) ou de puissance (DSP). e Energie nie [units] e entre e syst`me e sortie relations Puissance nie [units] e entre e syst`me e sortie relations Domaine temporel signaux x(t), y(t) [V] x(t) h(t) y(t) y(t) = h(t) x(t) Corrlation e [V2 ] rxx ( ) h( ) rxy ( ) rxy ( ) = h( ) rxx ( ) DSA T F (x(t), y(t)) [V/Hz] X(jf ) H(jf ) Y (jf ) Y (jf ) = H(jf ) X(jf ) DSP [V2 /Hz] Rxx (f ) H(jf ) Rxy (jf ) Rxy (jf ) = H(jf ) Rxx (f ) Ryy (f ) = |H(jf )|2 Rxx (f )

Table 4.1.: Relations temporelles et frquentielles e

4.9. Signaux, spectres et statistique


La page suivante, tire de louvrage de F. de Coulon [2], illustre les proprits e ee temporelles, spectrales et statistiques de quelques signaux. Comme on la dj` dit ea

154

4.9. Signaux, spectres et statistique plus haut, ces descriptions ne sont que des points de vue dirents dune mme e e ralit : le signal temporel x(t). Ces points de vue sont complmentaires et cest le e e e but du traitement des signaux de les relier entre eux et den tirer ecacement le maximum dinformation.

155

4. Description et comparaison des signaux

Figure 4.18.: Descriptions temporelle, spectrale et statistique de signaux typiques [2]

156

4.10. Quelques exemples

4.10. Quelques exemples


Exemple 1 : Signal temporaire On applique une exponentielle dcroissante u1 (t) = U0 exp(at) (t) ` un ltre passee a bande idal. On demande : e 1. Dessinez la rponse frquentielle du ltre. e e 2. Esquissez les densits spectrales damplitude |U1 (jf )| et |U2 (jf )|. e 3. Que valent les densits spectrales dnergie S1 (f ) et S2 (f ) ? e e 4. Calculez les nergies W1 et W2 des signaux dentre et de sortie. e e 5. A.N. : U0 = 10 [V], Solution : a = 24 000 [1/sec], f1 = 4 [kHz], f2 = 6 [kHz]

157

4. Description et comparaison des signaux Exemple 2 : Signal alatoire permanent e Un oprateur vous informe quil a mesur ` la sortie dun amplicateur un bruit e e a large bande dont la valeur ecace vaut U1,ef f = 0.01 [Vef f ]. 1. Quelle est la puissance P1 de ce bruit ? Linformation apporte par loprateur e e est-elle signicative et susante ? 2. Apr`s discussion, celui-ci prcise que cette mesure a t eectue avec un volte e ee e m`tre ` vraie valeur ecace dont la bande passante est de 100 kHz. Choisissez e a un mod`le de densit spectrale de puissance correspondant. e e 3. Esquissez R1 (f ) et calculez sa valeur. 4. La sortie de cet amplicateur est branche sur un ltre passe-bas idal dont e e la frquence de coupure est xe a 1 kHz. Esquissez la densit spectrale de e e ` e puissance R2 (f ) du bruit apr`s le ltre. e 5. Quelle valeur ecace U2,ef f mesurerez-vous apr`s le ltre ? e Solution :

158

4.10. Quelques exemples Exemple 3 : Signal alatoire permanent e ` A la sortie dun amplicateur dont la bande passante est de 100 [kHz], on mesure un bruit de 10 [mVef f ]. On ltre ce bruit avec un ltre RC passe-bas ralis avec e e R = 1.6 [k] et C = 100 [nF]. 1. Choisissez un mod`le de densit spectrale de puissance R1 (f ) du bruit de e e sortie de lamplicateur et calculez sa valeur. 2. Calculez la frquence de coupure du ltre passe-bas. e 3. Esquissez sur un mme diagramme les densits spectrales de puissance R1 (f ) e e et R2 (f ) prsentes ` lentre et ` la sortie du ltre RC. e a e a 4. Quelle sera la valeur ecace de la tension ` la sortie du ltre RC ? a Solution :

159

4. Description et comparaison des signaux Exemple 4 : Signal temporaire On applique une impulsion de tension damplitude E et de largeur t ` un ltre a passe-bande LC-R caractris par sa frquence de rsonance f0 et son facteur de e e e e qualit Q0 . Admettant que la largeur de limpulsion est beaucoup plus petite que e les temps caractristiques du ltre : e 1. Esquissez u1 (t) et u2 (t) ainsi que |U1 (jf )| et |U2 (jf )|. 2. Calculez U1 (jf ) et U2 (jf ). 3. Calculez lnergie W1 du signal dentre. e e 4. Calculez lnergie W2 du signal de sortie du ltre. e 5. A.N. : E = 10 [V], Solution : t = 10 [sec], f0 = 1 [kHz], Q0 = 10.

160

4.11. Exercices

4.11. Exercices
Correl 0 Considrant deux signaux numriques x(n) et y(n) dnis comme suit : e e e

n x(n) y(n)

0 0

0 0 0

1 0 0

2 0 0

3 0 0

4 0 0

5 1 0

6 2 0

7 3 4

8 4 3

9 0 2

10 0 1

11 0 0

12 0 0

13 0 0

14 0 0

0 0

calculez et reprsentez la fonction dintercorrlation e e


+

rxy (m) =
n=

x(n) y(n + m)

4 x(n) 2 0 0 2 4 6 8 10 12 14 16 18 20

4 y(n) 2 0 0 2 4 6 8 10 12 14 16 18 20

30 rxy(m) 20 10 0 10

0 n, m

10

Figure 4.19.: Exercice Corr 0

161

4. Description et comparaison des signaux Correl 1 Considrant le signal x(t) dni comme suit : e e A si t < t < 0 0 si t=0 x(t) = +A si 0 < t < t 0 si |t| t

on demande : 1. esquissez x(t) ; 2. calculez sa fonction dautocorrlation pour les valeurs particuli`res suivantes e e = 0, t, 2t ; 3. esquissez la fonction rxx ( ), < < +.

Correl 2 Considrant les 3 signaux suivants : e une exponentielle dcroissante x(t) damplitude A et de constante de temps 1 , e une impulsion rectangulaire y(t) centre en t = 0, damplitude A et de largeur t, e une impulsion triangulaire z(t) centre en t = 0, damplitude A et de base 2t, e on demande : 1. esquissez ces 3 signaux ; 2. calculez des valeurs particuli`res de leur fonction dautocorrlation ; e e 3. calculez leur fonction dautocorrlation pour compris entre + et ; e 4. esquissez ces fonctions. Remarque Le calcul de la troisi`me fonction nest pas simple ; sans entrer dans le e dtail des calculs, imaginez comment vous devriez vous y prendre pour le faire. e Correl 3 Calculez la fonction dintercorrlation des signaux x(t) et h(t) de lexere cice Corr 3. Avant de vous lancer dans les calculs, imaginez o` se situera le maxiu mum de la fonction. Esquissez le rsultat de lintercorrlation. e e

x(t) 1 t 0 T

h(t)

t 0 2T

Figure 4.20.: Exercice Corr 3

162

4.11. Exercices Correl 4 On souhaite conna la fonction dintercorrlation des signaux h2 (t) et tre e h1 (t) de lexercice Corr 4 :
+

r21 ( ) =

h2 (t) h1 (t + ) dt

Pour cela : 1. imaginez tout dabord lendroit o` se situera le maximum de la c ; u 2. montrez que, pour les points particuliers suivants = {2t, t, 0, +t}, on a, respectivement, h21 ( ) = 0, A2 t , A2 t , 0 ; 3 6 3. pourquoi, comme il est prcis dans la remarque ci-dessous, le calcul est-il plus e e simple lorsque est compris entre 0 et t ? 4. que pensez-vous des rsultats graphiques obtenus avec Matlab (gure 4.21) ? e
Ex.CR4 1 h1(t)

0.5

0 5 1 h2(t) 4 3 2 1 0 1 2 3 4 5

0.5

0 5 4 3 2 1 0 1 2 3 4 5

0.4 r21() 0.2 0 5 4 3 2 1 0 temps [t] 1 2 3 4 5

Figure 4.21.: Exercice Corr 4

Remarque Pour donner une ide de ce que reprsente lapproche analytique, voici e e le calcul de la partie la plus simple correspondant au dcalage avanc de h1 (t + ) e e avec compris entre 0 et t. Comme lon a : r21 ( ) =
+

h2 (t) h1 (t + ) dt

il faut commencer par dcrire les 2 fonctions suivantes : e h2 (t) = A t t h1 (t + ) = A 1 t+ t

163

4. Description et comparaison des signaux valables pour 0 < t < t, respectivement, < t < t . Puis, tenant compte des parties nulles, il vient :
t

r21 ( ) =
0 t

h2 (t) h1 (t + ) dt A tA t t+ t 2 t t t t t 1 dt dt

= = = A t
0 2

t 0

A2 t2 t3 t2 t 2 3t 2t 0 2 (t )2 (t )3 A 1 = t 2 t 3t 2 (t + ) = A2 (t ) 6 t2 Ce qui donne en particulier les 2 valeurs suivantes : r21 ( = 0) = A2 t 6 r21 ( = t) = 0

SAL 1

Sachant quun signal alatoire x(t) dcrit par sa fac e e


2 rxx ( ) = x exp (a | |)

avec a = 2fc

poss`de la densit spectrale de puissance suivante e e Rxx (f ) =


2 x fc

1 1+
f fc 2

on demande de calculer sa puissance de deux mani`res direntes. Que vaut-elle ? e e


2 Rponse : Px = x e

SAL 2

Sachant quun bruit x(t) dont la fac vaut rxx ( ) = 104 V2 exp (a | |) avec a = 1000 sec1

passe au travers dun ltre passe-bande idal caractris par ses deux frquences de e e e e coupure fi = 100 [Hz] et fs = 200 [Hz], on demande de calculer les valeurs ecaces des signaux dentre x(t) et de sortie y(t). e Rponse : Ux,ef f = 10 mV, Uy,ef f = 3.3 mV e

164

4.11. Exercices SAL 3 On consid`re un bruit large-bande x(t) dont la densit spectrale de puise e sance est constante et vaut Rxx (f ) = R0 = 106 V2 /Hz Sachant que le signal x(t) passe au travers dun ltre RC passe-bas ralis avec e e R = 1 k et C = 1 nF, calculez la valeur ecace du bruit y(t) en sortie du ltre. Rponse : Py = fc R0 , Uy,ef f = 700 mV e SAL 4 Idem SAL 3, mais avec un ltre CR passe-haut. Au vu du rsultat obtenu, e quel est le probl`me ? Que pensez-vous de Rxx (f ) ? e Rappel :
x2 1+x2

dx = x atan(x)

SAL 5 On consid`re un bruit x(t) de puissance moyenne Px = 102 V2 f . Ade ef mettant que sa densit spectrale de puissance Rxx (f ) puisse tre dcrite par une e e e fonction triangulaire de hauteur R0 et de base 2f0 = 20 kHz, calculez la valeur de R0 apr`s avoir dessin Rxx (f ). e e Rponse : R0 = Px /f0 = 106 V2 /Hz e SAL 6 Admettant quun signal alatoire de puissance Px est dcrit par la densit e e e spectrale de puissance suivante 2 si f0 < f < +f0 R0 |f |f0 f0 Rxx (f ) = 0 sinon calculez la valeur de R0 apr`s avoir dessin Rxx (f ). e e Rponse : R0 = 3 Px /f0 e 2 SAL 7 On admet quun signal x(t) poss`de une densit spectrale de la forme e e Rxx (f ) = R0 1+ 1
f f0 2,

< f < +

Sachant que la tension ecace du signal x(t) vaut Uef f , calculez R0 . Rponse : R0 = Px / (f0 ) e

165

Bibliographie
[1] B.P. Lathy, Linear Systems and Signals, Berkeley-Cambridge Press, Carmichael CA, 1992 [2] F. de Coulon, Thorie et traitement des signaux, Presses polytechniques roe mandes, Lausanne, 1984 [3] M. Alonso, E.J. Finn, Physique gnrale : champs et ondes, Editions pdagoe e e giques, Montral, 1970 e

167

Deuxi`me partie . e Etude des signaux et syst`mes e numriques e

169

5. Echantillonnage et reconstruction des signaux analogiques


Dans ce chapitre, les approches temporelle et frquentielle de lchantillonnage sont e e analyses en dtail de mani`re ` bien mettre en vidence le recouvrement spectral e e e a e qui conduit au thor`me de Shannon. e e Puis, les eets de la quantication, la notion de rapport signal sur bruit (SNR) sont e e e a tudis de mani`re ` conduire au meilleur choix dun ltre anti-repliement.

5.1. Introduction
La plupart des signaux que lon doit traiter et analyser tels que la parole, les signaux biologiques, sismiques, radars, audio ou vido sont analogiques par nature. e Cest-`-dire quils sont fonction dune variable continue, le temps, et queux-mmes a e varient de mani`re continue. Ces signaux peuvent tre traits analogiquement ` e e e a laide de ltres par exemple. Les signaux dentre et de sortie sont alors analogiques e (gure 5.1).

x(t)

Systme analogique

y(t)

Figure 5.1.: Traitement analogique dun signal x(t) Souvent, pour des raisons de simplicit, de prcision, de stockage de linformation, e e de exibilit, etc, un traitement numrique quivalent est possible et prfrable. e e e ee On utilise alors des convertisseurs analogiques-numriques (CAN) et numriquese e analogiques (CNA) pour relier au processeur numrique les signaux analogiques e dentre et de sortie. Le schma correspondant est donn ` la gure 5.2. e e ea

x(t)

A N

x[n]

Systme numrique

y[n]

N A

y(t)

Figure 5.2.: Traitement numrique dun signal analogique x(t) e

171

5. Echantillonnage et reconstruction des signaux analogiques Conceptuellement, on peut considrer la conversion AN comme un processus faie sant intervenir trois actions successives : lchantillonnage ` priode xe Te , la quane a e tication du signal et son codage. Pratiquement, ces oprations sont eectues dans e e un mme lment, le convertisseur AN, qui reoit le signal analogique et le convere ee c tit en un signal discret quanti. e De mme pour la conversion NA, les oprations implicitement ralises sont la e e e e quantication et le maintien de la valeur numrique pendant une priode dchane e e ` tillonnage. A ceci sajoute gnralement un ltrage passe-bas des escaliers gnrs e e e ee par le convertisseur NA.

Te xa(t) x(t) Filtre xe(t)

CAN
Q x[n] P y[n] N A yq(t) y(t) Filtre

Figure 5.3.: Dtail dune cha analogique-numrique-analogique e ne e La gure 5.3 prsente les lments qui interviennent lors du traitement numrique e ee e dun signal analogique. On y trouve un ltre antirecouvrement (on verra plus loin sa raison dtre), un chantillonneur command par une horloge de priode Te , un e e e e quanticateur Q, un processeur numrique P, un convertisseur NA et un ltre de e lissage.

5.2. Analyse temporelle


5.2.1. Types de signaux
De mani`re gnrale, les signaux peuvent tre classs dans les catgories suivantes : e e e e e e 1. Signaux continus en temps et en amplitude : x(t). On les appelle galee ment signaux analogiques (gure 5.4a) ; ils proviennent gnralement de proe e cessus physiques. 2. Signaux discrets en temps, continus en amplitude : xe (t = nTe ). Ce sont les signaux chantillonns (gure 5.4b). Ils ne sont dnis qu` des inse e e a tants dtermins multiples de la priode dchantillonnage Te , mais leur ame e e e plitude peut varier de mani`re continue. e 3. Signaux discrets en temps et en amplitude : xq [n]. De tels signaux sont quantis en amplitude ; ils ne peuvent prendre que des valeurs dtermines, e e e gnralement, multiples dun pas de quantication. Ce sont les valeurs nume e e riques fournies par les convertisseurs analogiques-numriques (CAN). Ils ne e sont dnis quaux instants dchantillonnage et correspondent aux signaux e e numriques (gure 5.4c). e

172

5.2. Analyse temporelle


Temps continu x(t)
Signal analogique Te

discret xe(t=nTe)
Signal chantillonn

continue

A
(a) t

(b) t

Amplitude

Q
xq(t)
Signal numrique maintenu Te

xq[n]
Signal numrique

discrte

N A
(d) t (c) n

Figure 5.4.: Divers types de signaux 4. Signaux continus en temps, discrets en amplitude : xq (t). Ce sont des signaux quantis similaires ` ceux dcrits en 3, dont la valeur est maintenue e a e par un bloqueur dordre zro entre 2 priodes dchantillonnage (gure 5.4d). e e e Ces signaux correspondent ` ceux fournis par les convertisseurs numriquesa e analogiques (CNA).

5.2.2. Quantication dun signal : exemple


Donne On consid`re un convertisseur AN 8 bits travaillant entre 0 et 5.12 V e e avec un codage par arrondi et une priode dchantillonnage Te = 0.5 [msec]. Le e e signal dentre est une exponentielle amortie : e x(t) = U0 exp(t/ ) (t) Question 1. Tracez la caractristique du convertisseur et les graphes x(t) et xq [n]. e 2. Quelles valeurs obtiendra-t-on pour xe [n], xq [n] et q[n]. Rponse Le codage sur 8 bits par arrondi transforme le domaine de conversion e de la tension dentre 0 5.12 [V ] en 28 = 256 valeurs numriques discr`tes avec e e e U0 = 1 [V ] = 1 [ms]

173

5. Echantillonnage et reconstruction des signaux analogiques un pas de quantication de 20 [mV] (gure 5.5a). Lchantillonnage et la quantie cation du signal sont reprsents dans la gure 5.5b. Le tableau suivant donne les e e direntes valeurs demandes avec les erreurs relatives causes par la quantication : e e e

n xe [n] xq [n] q[n] q [n] %


q 256 255 254 5.12 5.10 5.08

0 1.000 1.00 50 0.00

1 0.6065 0.60 30 1.08

2 0.3679 0.36 18 2.15

3 0.2231 0.22 11 1.39

4 0.1353 0.14 7 +3.47

5 0.0821 0.08 4 2.56

6 0.0498 0.04 2 19.7

7 0.0302 0.04 2 +32.5

8 0.0183 0.02 1 +9.29

xq

0.9

0.8

(a)

0.7

(b)

0.6

3 2 1 0

0.06 0.04

0.5

0.4

0.3

0.02 x
0.01 0.03 0.05 5.09

0.2

0.1

5.11

[V]
0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 x 10
3

temps [sec]

Figure 5.5.: Quantication et chantillonnage e

5.2.3. Echantillonnage des signaux analogiques


Le signal dentre x(t), dont lamplitude varie au cours du temps, est appliqu e e a e e e e e ` un chantillonneur pour tre transform en une suite de valeurs rguli`rement espaces. Cette suite de valeurs est reprsentative du signal dentre dans la mesure e e e o` la priode dchantillonnage est compatible avec la rapidit du signal. u e e e Envisag dans le domaine temporel (gure 5.6), on peut considrer que le processus e e dchantillonnage revient mathmatiquement ` multiplier le signal analogique x(t) e e a par une suite dimpulsions de Dirac Te (t) de priode Te , appel "peigne de Dirac". e e Le signal chantillonn xe (t) peut alors tre reprsent par lexpression : e e e e e xe (t) = x(t) Te (t) (5.1)

La fonction ainsi obtenue est une suite dimpulsions de Dirac dont la surface est module par le signal x(t). Bien entendu, il sagit l` dun mod`le mathmatique e a e e facilitant lanalyse de lchantillonnage et qui, dun point de vue pratique, donne e heureusement des rsultats pas trop dirents de ce que lon obtient avec un chane e e tillonneur rel. e

174

5.3. Analyse frquentielle e


x(t)

Te(t)
1

t Te xe(t) = x(t) . Te(t)

Figure 5.6.: Echantillonnage dun signal Si on veut respecter la forme du signal, il est important davoir des impulsions susamment proches les unes des autres. Dans le cas contraire, il nest plus possible de voir les variations les plus rapides du signal ` traiter. Ceci conduit ` une ambigu e, a a t car rien nexclut que les points chantillonns du signal A puissent appartenir ` un e e a autre signal B contenant des frquences plus leves (gure 5.7). e e e
x(t)

A
t Te

Figure 5.7.: Ambigu e due ` lchantillonnage t a e

5.3. Analyse frquentielle e


Comme le choix de la priode dchantillonnage Te dpend de la rapidit du signal, e e e e donc de son spectre, il est ncessaire danalyser le comportement de lchantillone e neur galement dans le domaine frquentiel. e e

175

5. Echantillonnage et reconstruction des signaux analogiques Nous venons de voir que lchantillonnage dun signal analogique est modlis dans e e e lespace temps par la multiplication du signal x(t) par un peigne temporel de Dirac Te (t). Or, on sait qu` une multiplication temporelle correspond, dans lespace des a frquences, une convolution frquentielle entre le spectre X(jf ) du signal x(t) et e e celui du peigne de Dirac D(jf ) : xe (t) = x(t) Te (t) Xe (jf ) = X(jf ) D(jf ) (5.2)

5.3.1. Spectre dun peigne de Dirac


Te(t) 1 t 0

Te
D(jf) = 1 fe(f) Te 1/Te f

fe

Figure 5.8.: Peigne dimpulsions de Dirac et son spectre

Proprit Le spectre dun peigne temporel de Dirac Te (t) de priode Te est un e e e peigne frquentiel de Dirac fe (f ) de priode fe = 1/Te et damplitude 1/Te . e e Dmonstration Comme la suite dimpulsions Te (t) est un signal priodique, on e e peut la dcrire par sa dcomposition en srie de Fourier : e e e
+

Te (t) =
k=

D(jk) exp (+j2 kfe t)

avec

fe =

1 Te

o` D(jk) reprsente les coecients de Fourier de Te (t) qui valent : u e D(jk) 1 Te


+Te /2

(t) exp (j2 kfe t) dt =


Te /2

1 Te

0+

(t) 1 dt =
0

1 Te

Ce qui, en terme de transformation de Fourier, scrit galement e e D(jf ) = 1 f (f ) Te e (5.3)

et donne un peigne frquentiel de Dirac. Une reprsentation graphique en est donne e e e a ` la gure 5.8.

176

5.4. Recouvrement spectral

5.3.2. Spectre dun signal chantillonn e e


On a vu ci-dessus que le spectre dun signal chantillonn se calcule en eectuant e e la convolution entre les spectres X(jf ) et D(jf ) et que ce dernier est un peigne de Dirac de priode spectrale fe . Comme la convolution entre une impulsion de Dirac e et une fonction continue reproduit la valeur de la fonction a lendroit o` se situe u ` limpulsion de Dirac, on voit que le spectre de base X(jf ) est rpt en tous les e ee multiples de la frquence dchantillonnage fe . On a donc : e e 1 Xe (jf ) = X(jf ) D(jf ) = Te
+

X (j(f m fe ))
m=

(5.4)

Ce rsultat tr`s important montre que le spectre dun signal chantillonn est la e e e e somme dune rptition priodique du spectre du signal analogique X(jf ) (gure e e e 5.9) et que la priode de ce spectre est gale ` la frquence dchantillonnage fe . e e a e e
x(t) X(f)

xe(t)

Xe(f)

Te

t -fe +fe

Figure 5.9.: Lchantillonnage dun signal analogique provoque la rptition de son e e e spectre

Echantillonnage dune sinuso de Considrant un signal sinuso e dal x(t) de fre quence f0 = 3 [kHz] chantillonn ` la frquence fe = 8 [kHz], on obtient les points e ea e e e e e a e chantillonns x(nTe ) reprsents ` la gure 5.10a. Malgr le faible nombre de points obtenus (quatre points pour une priode et demie), le signal x(t) est univoquement e dni du point de vue de Fourier. e Le spectre original et sa rptition font appara des raies spectrales se trouvant e e tre aux frquences m fe f0 = 3, 5, 11, 13, 19, . On en dduit que, dans la e e bande de base qui stend de 0 ` fe /2 = 4 [kHz], il ny a quune seule raie spectrale e a situe en f0 = 3 [kHz]. Cest la raie correspondant au signal original (gure 5.10b). e

5.4. Recouvrement spectral


` A cause de la rptition du spectre de base autour des multiples de fe , on imae e gine aisment que les spectres vont se superposer si la frquence dchantillonnage e e e

177

5. Echantillonnage et reconstruction des signaux analogiques


1 0.5 x(t), x(n Te) 0 0.5 1 0 0.05 0.1 0.15 0.2 0.25 temps [ms] 0.3 0.35 0.4 0.45 0.5

0.5 0.4 |X (jf)| 0.3 0.2 0.1 0 15 10 fe 5 0 frquence [kHz] 5 +fe 10 15

Figure 5.10.: Echantillonnage dune sinuso (fe > 2 f0 ) de devient trop petite. La gure 5.11 illustre cette situation dans les domaines temporel et spectral. En rduisant la frquence dchantillonnage, on diminue la distance e e e entre les spectres qui, pour nir, se recouvrent. Cette superposition correspond ` la a somme des spectres qui conduit ` une dformation irrcuprable du spectre initial : a e e e il nest plus possible de reconstituer le signal x(t) ` partir du spectre ainsi obtenu. a Il est donc important de ne pas oublier que lchantillonnage dun signal nest pas e une opration aussi anodine quelle para Si la priode dchantillonnage est trop e t. e e petite, cela peut modier gravement le signal temporel peru apr`s chantillonnage. c e e Comme le montre la gure 5.12, une sinuso de frquence leve peut tre perue de e e e e c comme un signal de frquence beaucoup plus faible. e Le recouvrement spectral illustr par les gures 5.11 et 5.13 peut galement tre e e e interprt comme un repliement du spectre autour de fe /2. Cette frquence paree e ticuli`rement importante fN = fe /2 porte le nom de frquence de Nyquist et elle e e dlimite le domaine danalyse compris entre fe /2. Ainsi que le montre la gure e 5.13, les valeurs obtenues par superposition des spectres peuvent appartenir aussi bien ` une sinuso de 2 kHz qu` celle de 6, 10 ou 14 kHz. Ce qui fait que si a de a lon ny prend pas garde, la frquence relle 6 kHz est perue comme un signal e e c basse-frquence de 2 kHz. Tout se passe comme si les signaux de frquences 6, 10 e e ou 14 kHz taient perus comme un seul signal de frquence 2 kHz. e c e En analysant la gure 5.13, on voit que les raies spectrales apparentes dues ` a lchantillonnage se situent en e fapp = m fe fk , m=0 (5.5)

et que, si la frquence dchantillonnage nest pas assez leve, elles peuvent se e e e e retrouver dans la bande de base fe /2 < f < +fe /2. Un exemple de repliement spectral bien connu est le phnom`ne observ au cie e e nma lorsquun chariot quip de roues ` rayons se dplace. La sc`ne lme est e e e a e e e

178

5.4. Recouvrement spectral

x(t)

X(f)

xe(t)

Xe(f)

Te

t -fe +fe Xe,k(f)

xe(t)

Te

t -fe

xe(t)

Xe(f) = Xe,k(f)

Te

t -fe +fe

Figure 5.11.: Echantillonnage et recouvrement spectral

1 0.5 0 0.5 1 0 2 4 6 8 10 12 14 16 18 20

Figure 5.12.: Sinuso fortement sous-chantillonne de e e

179

5. Echantillonnage et reconstruction des signaux analogiques

16k -16k 14k 12k fe = 8k -8k 4 -6k 6k -6 -2 2 6 8 f [kHz] 10k X(f)

-4k

-2k

2k

4k = fe/2

-fe

-fe/2

fe/2

fe

Figure 5.13.: Illustration du recouvrement spectral e e e a chantillonne par la camra ` raison de 24 images par secondes. Lorsque le chariot dmarre et accl`re, la frquence du signal reprsent par la rotation des rayons e ee e e e augmente et ` un moment dpasse la frquence de Nyquist (12 images par seconde). a e e D`s cet instant, la vitesse de rotation semble diminuer, sannuler et mme devee e nir ngative. Linformation contenue dans limage est fausse par le recouvrement e e spectral et ne correspond plus ` la ralit. Il sagit de leet stroboscopique bien a e e connu.

5.4.1. Quelques exemples


Sous-chantillonnage dune sinuso e de Donne On consid`re un signal sinuso x(t) de frquence f0 = 5 [kHz} que lon e e dal e e e chantillonne avec une frquence fe = 8 [kHz]. Questions 1. Dessinez la fonction x(t) et les points chantillonns x(t = nTe ). e e 2. Calculez la frquence apparente fapp du signal x[n] = x(t = nTe ). e 3. Dessinez la sinuso basse-frquence passant par les points chantillonns. de e e e 4. Calculez et dessinez le spectre du signal chantillonn. e e Rponses Les courbes demandes sont calcules et dessines avec Matlab a laide e e e e ` des commandes ci-dessous : % param`tres des signaux e fo = 5e3; fe = 8e3; To = 1/fo; Te = 1/fe; % calcul de x(t)

180

5.4. Recouvrement spectral tmax dt = tt = xt =


1 0.5 x(t), x(n Te) 0 0.5 1 0 0.05 0.1 0.15 0.2 0.25 temps [ms] 0.3 0.35 0.4 0.45 0.5

= 5e-3; kmax = 500; tmax/kmax; 0:dt:tmax; sin (2*pi* tt/To);

0.5 0.4 |Xe(jf)| 0.3 0.2 0.1 0 15 10 f


e

0 frquence [kHz]

+f

10

15

Figure 5.14.: Sous-chantillonnage dune sinuso e de

La frquence apparente vaut fapp = |f0 fe | = 3 [kHz]. Comme elle se situe en e dessous de la frquence de Nyquist fN = fe /2 = 4 [kHz], elle sera associe ` la e e a prsence dune oscillation de priode 0.33 [ms] qui nexiste pas en ralit (gure e e e e 5.14). % signal apparent fapp = fo - fe; xta = sin (2*pi * tt * fapp); % chantillonnage de x(t) e tn = 0:Te:tmax; xn = sin (2*pi * tn/To); % traage dans le domaine temporel c subplot(2,1,1); h1 = plot (tt, xt); grid; set(h1,LineWidth,2); hold on; plot(tn, xn, o, tt, xta, -); xlabel (temps [sec]); Le spectre original et sa rptition font appara e e tre des raies se trouvant aux fre quences suivantes :

181

5. Echantillonnage et reconstruction des signaux analogiques k = 1, m = 0, 1, 2, 3 +m fe f0 m fe f0 0 5 5 1 +3, +13 3, 13 2 +11, +21 11, 21 3 +19, +29 19, 29 ... ... ...

On en dduit linformation errone que, dans la bande de base allant de 0 ` fe /2 = e e a 4 [kHz], il ny a quune raie spectrale : celle correspondant au signal apparent de frquence fapp = 3 [kHz] (gure 5.14). e Echantillonnage dun signal carr e Considrons un signal carr de priode T0 = 1 [ms] dont on sait que son spectre e e e est constitu de raies situes en tous les multiples impairs de la fondamentale f0 = e e 1 [kHz]. Ce signal est chantillonn a la frquence fe = 12.8 [kHz]. e e` e Comme le rapport entre fe = 12.8 [kHz] et f0 = 1 [kHz] nest pas entier ; le recouvrement spectral fait appara de mani`re vidente des raies parasites en des tre e e frquences inattendues (gure 5.15). Ces raies apparentes se situent en e fapp = m fe k f0 En ne considrant que les premiers spectres latraux (m = 1), on peut calculer les e e frquences apparentes suivantes e fapp = 12.8 (1, 3, 5, 7, 9, 11, 13, 15, ) De mani`re plus dtaille, cela donne : e e e

m = 1, k = 1,
+12.8+( ) +12.8 ( ) 12.8+( ) 12.8 ( )

1
+13.8 +11.8 11.8 13.8

3
+15.8 +9.8 9.8 15.8

5
+17.8 +7.8 7.8 17.8

7
+19.8 +5.8 5.8 19.8

9
+21.8 +3.8 3.8 21.8

11
+23.8 +1.8 1.8 23.8

13
+25.8 0.2 +0.2 25.8

15
+27.8 2.2 +2.2 27.8

17
+29.8 4.2 +4.2 29.8

Les valeurs mises en gras correspondent aux frquences apparentes que lon retrouve e dans la bande de base comprise entre 0 et fN = fe /2 = 6.4 [kHz]. Echantillonnage dune suite dimpulsions rectangulaires An de mieux comprendre comment un spectre est modi par le recouvrement e spectral, on consid`re une SIR de priode T0 = 1 [ms] et de largeur t = 0.2 [ms]. e e Cette SIR est chantillonne ` la frquence fe = 16 [kHz] e e a e On sait que le spectre de la SIR est constitu de raies situes en des multiples de la e e ` fondamentale f0 = 1 [kHz] sannulant pour tous les multiples de 1/t = 5 [kHz]. A cause de lchantillonnage, ce spectre devient priodique fe . Une illustration en est e e donne dans la gure 5.16 o` lon a reprsent e u e e

182

5.4. Recouvrement spectral


Signal chantillonn xe(t) 1 0.5 x(t) 0 0.5 1 0 1 2 3 4 5 temps [ms] 6 7 8 9 10

Spectre thorique (o) et spectre d au repliement spectral () 0 1 f0 = 1 3 5 20 13 30 11 9 7 7 9 11 13 fe/2 = 6.4

10 |X(jf)| [dB]

40

6 8 frquence [kHz]

10

12

14

Figure 5.15.: Echantillonnage dun signal carr e le signal temporel x(t) et les valeurs chantillonnes xe (n) ; e e le spectre de base X(jf ) et son enveloppe (sinus cardinal) ; le spectre de base X(jf ) et ses copies en f = fe ; le spectre Xe (jf ) du signal chantillonn qui provient de la somme des spectres e e prcdents. e e Comme le spectre du signal chantillonn est la somme de tous les spectres dcals e e e e en m fe , on voit que le spectre rsultant est compos du spectre original auquel e e viennent sajouter les raies spectrales des spectres latraux. e Dans cet exemple o` nous avons choisi un rapport entier entre fe et f0 gal ` 16, les u e a raies spectrales se superposent alors exactement. Si bien que lon observe des raies situes ` lendroit o` on les attend. Le risque est alors grand de ne pas voir que les e a u amplitudes des raies spectrales sont fausses par le recouvrement spectral. e En particulier, si lon consid`re la raie spectrale dordre 4, on voit que le rsultat du e e a e ` lchantillonnage sera la somme des composantes dordre +20, 12, (fe 4), +36, 28, (2 fe 4) ... dues aux dcalages spectraux fe , 2fe , etc. On voit donc que, e de mani`re gnrale, le repliement spectral fait appara en la frquence fk = k f0 e e e tre e des composantes spectrales provenant de k f0 m fe . ` A titre informatif, voici le code Matlab cr pour analyser lchantillonnage de la ee e SIR. % cration dune priode e e 1. 2. 3. 4.

183

5. Echantillonnage et reconstruction des signaux analogiques

1 x(t), xe(t) 0.5 0 2.5

1.5

0.5

0.5

1.5

2.5

X(jf)

0.2 0.1 0 20 0.3 0.2 0.1 0 15 10 5 0 5 10 15 20 15 10 5 0 5 10 15 20

Xe(jf)

X(j(f kfe))

20 0.3 0.2 0.1 0 20

f /2
e

+f /2
e

15

10

0 t, f

10

15

20

Figure 5.16.: Echantillonnage dune SIR

184

5.4. Recouvrement spectral T0 = 1; delta = 1/5; k0 = 256; dt = T0/k0; t0 = -T0/2:dt:T0/2-dt; xt0 = (t0>(-delta/2)) & (t0<(+delta/2)); % cration de Nper priodes e e Nper = 5; tt = -Nper*T0/2:dt:Nper*T0/2-dt; xt = []; for k1 = 1:Nper, xt = [xt,xt0]; end; % echantillonnage tous les ndt points ndt = 16; Te = ndt*dt; tn = tt(1:ndt:length(tt)); xn = xt(1:ndt:length(xt)); % spectre de xt (analogique) duree = max(tt)-min(tt)+dt; fmax = 1/dt; df = 1/duree; ff = -fmax/2:df:fmax/2-df; Xjf = fftshift(fft(xt))/length(xt); Xf = abs(Xjf); % spectre thorique de xt (enveloppe) e Xjfth = delta/T0*sinc(ff*delta/T0); % spectre de xn fe = 1/Te; Nfft = length(xn); dfe = fe/Nfft; ffe = -fe/2:dfe:fe/2-dfe; Xejf = fftshift(fft(xn))/Nfft; % graphes subplot(4,1,1); plot(tt,xt,tn,xn,.); subplot(4,1,2); stem(ff,Xf,k.); hold on; plot(ff,abs(Xjfth)); subplot(4,1,3); stem(ff,Xf,k.); hold on; stem(ff-fe,Xf,b.); stem(ff+fe,Xf,r.); subplot(4,1,4); stem(ffe,abs(Xejf),.); hold on; plot(ff,abs(Xjfth));

185

5. Echantillonnage et reconstruction des signaux analogiques Echantillonnage dune exponentielle dcroissante e Donne Une exponentielle dcroissante damplitude A = 10 V , de constante de e e temps = 0.2 msec est chantillonne avec Te = /2 = 0.1 msec. e e Question Calculez le contenu spectral du signal chantillonn pour f = 0 et e e f = fc en se limitant a leet des 2 premiers spectres latraux seulement. e ` Rponse e Sachant que le signal x(t) = A exp(t/ ) (t) poss`de le spectre suivant e X(jf ) = A 1 + j2 f

le spectre du signal chantillonn xe (t) vaut : e e Xe (jf ) = 1 Te


+

X (j(f k fe ))
k=

1 = Te

A 1 + j2 (f k fe ) k=

1 0.8 0.6 0.4 0.2 0 0 0.1 0.2 0.3 0.4 0.5 temps [sec] 0.6 0.7 0.8 0.9 x 10 1
3

x(t) x[n]

x 10 2

1.5

X(f) Xe(f)

0.5

0 10

10

frquence [kHz]

Figure 5.17.: Echantillonnage dune exponentielle amortie et son spectre

186

5.5. Thor`me de lchantillonnage e e e La mthode la plus simple pour calculer Xe (jf ) consiste ` utiliser Matlab. Dans le e a calcul qui suit, on notera que pour des raisons dchelle, la priode dchantillonnage e e e nest pas prise en compte dans le calcul des spectres. % parametres A = 10.0; tau = 0.2e-3; fc = 1/(2*pi*tau); Te = tau/2; fe = 1/Te; % spectre original en f = 0 et f = fc: f = [0, fc]; Xf0 = A*tau ./ (1 + j*2*pi * f*tau) Xfm = abs (Xf0) >> Xfm = 0.2000e-3 0.1414e-3 % repetition spectrale % spectre original Xf0 = A*tau ./ (1 + j*2*pi * f*tau) % spectres dus ` fe a Xfp1 = A*tau ./ (1 + j*2*pi * (f + fe)*tau); Xfm1 = A*tau ./ (1 + j*2*pi * (f - fe)*tau); % spectres dus a 2fe ` Xfp2 = A*tau ./ (1 + j*2*pi * (f + 2*fe)*tau); Xfm2 = A*tau ./ (1 + j*2*pi * (f - 2*fe)*tau); % spectre rsultant e Xfe = Xf0 + Xfm1 + Xfp1 + Xfm2 + Xfp2 Xfem = abs (Xfe) >> Xfem = 0.2031e-3 0.1415e-3 % erreurs relatives erreurs = (Xfem - abs(Xf0)) ./ abs(Xf0) >> erreurs = 0.0157 0.0008 Cet chantillonnage de lexponentielle amortie avec Te = /2 conduit donc aux e erreurs relatives suivantes : 1.57% pour lamplitude de la composante continue 0.08% pour lamplitude ` la frquence de coupure (fc = 796 [Hz]). a e Une illustration de la somme de ces spectres est donne ` la gure 5.17. e a

5.5. Thor`me de lchantillonnage e e e


Les exemples ci-dessus ont montr a lvidence que les rsultats fournis par lanalyse e` e e dun signal chantillonn peuvent tre gravement modis si lon ny prend pas e e e e garde. En 1948, Shannon a montr que, pour viter ces probl`mes, il sut de e e e

187

5. Echantillonnage et reconstruction des signaux analogiques satisfaire lingalit suivante : e e fe > 2 fmax Te < Tmin 2 (5.6)

Ce thor`me snonce galement de la mani`re suivante : e e e e e Un signal x(t) peut tre reprsent de mani`re univoque par e e e e une suite de valeurs chantillonnes si la frquence dchane e e e tillonnage fe est au moins 2 fois plus leve que la plus grande e e des frquences contenues dans le signal. e En pratique, on limite, avant chantillonnage, le spectre du signal avec un ltre e passe-bas analogique dont la frquence de coupure dpend de la bande passante e e utile. An de laisser un peu despace pour la bande de transition du ltre antirecouvrement, on choisira : fe (3 5) fmax Te Tmin 35 (5.7)

Plus de dtails seront donns dans la section 5.7. e e

5.5.1. Filtre antirecouvrement


En gnral, les frquences prsentes dans un signal stendent sur un domaine plus e e e e e e a e tendu que ce qui est utile pour le message ` transmettre. Suivant la qualit attendue pour celui-ci, on limite plus ou moins le domaine frquentiel sur lequel portera e le traitement du signal. Connaissant ce domaine dintrt, dlimit par la frquence fmax , on pourra viter ee e e e e le recouvrement spectral en ltrant analogiquement le signal x(t) avant son e e chantillonnage. Comme il nest pas possible, avec un ltre rel, de supprimer totalement les frquences suprieures ` fmax , on est amen ` accepter leet dun e e a e a lger recouvrement spectral. e La gure 5.18 illustre le recouvrement spectral que lon obtient avec des ltres de Butterworth dont la rponse frquentielle et le recouvrement spectral sont dcrits e e e par H(f ) = 1+ 1
f fc 2m

Hfe (f ) = H(f fe ) = 1+

1
f fe fc 2m

(5.8)

5.5.2. Exemple
Donne Considrons un signal x(t), ` spectre constant dans une large bande de e e a frquence que lon ltre passe-bas avec un ltre de Butterworth dordre m = 6 et e de frquence de coupure fc = 1 [kHz]. e Dans ce qui suit, on souhaite estimer la valeur de la frquence dchantillonnage fe e e ncessaire pour que leet du recouvrement spectral ` la frquence de coupure fc e a e soit infrieur ` 1%. e a

188

5.5. Thor`me de lchantillonnage e e e


Filtres de Butterworth dordre m
0

10

20

30

Module [dB]

40

m=4

m=4

50

60

m=6

m=6

70

80

m=8

m=8

90

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

frquence [fe]

Figure 5.18.: Recouvrement spectral pour un ltre de Butterworth (fe = 4 fc ) Solution Puisque en f = fc , lamplitude de la rponse frquentielle du ltre e e de Butterworth vaut 1/ 2 = 0.707, lamplitude due au recouvrement spectral en cet endroit devra tre infrieure ` 1% de 0.707 ; cest-`-dire, 0.00707 = 1/141 (e e a a gure 5.19).
0 10

0.707 H(f) H(ffe)

H(f) [dB]

20 30 40 50 60 0 500 1000 1500 2000 2500 3000

1/141

frquence [Hz]

Figure 5.19.: Eet du ltre antirecouvrement dordre 6 avec fe = 3.28 fc Ne considrant que le premier spectre latral, leet du recouvrement est dcrit par e e e la rponse frquentielle centre en +fe : e e e 1 1 = lorsque f = fc Hf e (f ) = H(f fe ) = 12 141 f fe 1 + fc

189

5. Echantillonnage et reconstruction des signaux analogiques On a donc : 1+ fc fe fc


12

=1+

fe fc fc

12

= 1412 = 2 104

De cette quation, on tire : e fe = 1 + 2 104


1/12

fc

= 3.28 fc = 3.28 [kHz] Remarque Il est important de relever que ce rsultat provient dune estimation e base sur les modules des spectres alors que, pour tre exact, il aurait fallu travailler e e avec les spectres complexes (voir lexemple du paragraphe 5.4.1).

5.6. Quantication dun signal chantillonn e e


5.6.1. Quantication uniforme
Le convertisseur AN eectue la numrisation dun signal analogique apr`s chane e e tillonnage et dlivre des squences numriques codes avec un pas de quantication e e e e Q dpendant du nombre de bits du convertisseur. Dans le cas dune loi de quantie cation uniforme o` les valeurs codes sont obtenues par arrondi dans le domaine de u e conversion CAN du convertisseur, on a : Q= CAN 2n (5.9)

Considrant pour la suite que le CAN travaille avec n bits entre +Umax et Umax e (gure 5.20), on a CAN = 2 Umax et le pas de quantication vaut alors CAN 2 Umax Umax = = n1 (5.10) n n 2 2 2 Le pas de quantication Q rapport au domaine de conversion CAN dnit la e e rsolution du convertisseur e Q= RCAN Q CAN = 1 = 1 LSB 2n (5.11)

On dit, de mani`re quivalente, que la rsolution est gale au poids du bit le plus e e e e faible du convertisseur. Lorsque les valeurs codes sont obtenues par arrondi, lerreur due au codage se e rpartit uniformment autour de la droite de conversion idale et la caractristique e e e e de codage est celle reprsente ` la gure 5.20. Dans le domaine de quantication, e e a lerreur maximum due ` la quantication vaut alors : a EQ = Q Umax = n 2 2

190

5.6. Quantication dun signal chantillonn e e Par exemple, si lon consid`re un CAN 4 bits travaillant entre 8 [V], on aura e CAN = 16 [V] Q= 2 8 [V] = 1.00 [V] 24 EQ = 0.50 [V] RCAN = 1 16

En observant attentivement la gure 5.20, on voit que le domaine de conversion stend plus prcisment de Umin = 80.5 = 8.5 [V] ` Umax = +80.5 = 7.5 [V]. e e e a Ce qui donne bien videmment CAN = 16 [V]. e Remarque Il est important de bien distinguer entre rsolution et prcision dun e e convertisseur. Gnralement, ces deux grandeurs sont du mme ordre. On peut e e e cependant tr`s bien imaginer lexemple dun convertisseur 4 bits qui aura une rsoe e lution de 1/16 = 6.25% alors que les 16 valeurs fournies par le convertisseur peuvent e e a tre prcises ` 0.1%.
10 original codage erreur

Sortie code

10 10

10

Tension dentre

Figure 5.20.: Loi de quantication uniforme et signal derreur pour un convertisseur 4 bits travaillant entre 8[V]

5.6.2. Bruit de quantication


Nous venons de voir que lopration de quantication remplace chaque valeur du e signal x(t = nTe ) par une approximation. Leet de cette approximation revient, mathmatiquement, ` superposer au signal dorigine x(t) un signal derreur e(t) que e a lon appelle le bruit de quantication. Lamplitude maximum de ce signal derreur est EQ = Q/2 (gure 5.21). Sa puissance est une mesure de la dgradation que subit e le signal.

191

5. Echantillonnage et reconstruction des signaux analogiques


10 original codage bruit

Amplitude

10

0.2

0.4

0.6

0.8

1.2

temps

Figure 5.21.: Numrisation et bruit de quantication dun signal analogique ne e dbordant pas le domaine du CAN e Si le pas de quantication est beaucoup plus petit que lamplitude du signal x(t), on peut raisonnablement admettre que le signal derreur est constitu de segments e de droite compris entre Q/2 et de dure variable t (gure 5.21). Lquation e e dcrivant ce signal derreur lmentaire scrit alors : e ee e e(t) = et sa puissance moyenne vaut : PQ = = 1 t 1 t
+t/2

t t Q t pour t+ t 2 2

e2 (t) dt
t/2 +t/2 t/2

Q t t 1 2 3

dt
3

1 = t

Q t

t 2

Ce qui donne nalement le rsultat bien connu pour une distribution statistique e uniforme : 2 EQ Q2 PQ = = (5.12) 3 12 La valeur ainsi obtenue est une estimation de la puissance du bruit de quantication susante pour la plupart des cas rels. Si lon exprime cette puissance par rapport e au nombre de bits du convertisseur, on obtient : PQ = 1 12 2 Umax 2n
2

Umax 2n 3

192

5.6. Quantication dun signal chantillonn e e La puissance du bruit de quantication PQ permet de calculer la valeur ecace du bruit de quantication qui vaut : Qef f = Q PQ = 12 (5.13)

Le spectre du signal derreur est plus dicile ` valuer. Mais dans la plupart des cas, ae les conditions sont remplies pour que la densit spectrale du bruit de quantication e puisse tre considre constante. e ee

5.6.3. Rapport signal sur bruit


Lorsque quun signal est perturb par du bruit, il est ncessaire de chirer limpore e tance de cette perturbation par rapport au signal. On introduit alors la notion de rapport signal sur bruit (SNR = Signal to Noise Ratio) dni comme le quotient e entre la valeur ecace du signal Xef f et celle du bruit Nef f : SN R Xef f Nef f (5.14)

Dans notre cas, bruit est du ` la quantication du signal. On a donc Nef f = Qef f le a avec Qef f = Q/ 12. Le rapport signal sur bruit dun convertisseur vaut alors : SN R = X Xef f = 2n1 12 ef f Umax Q/ 12 (5.15)

Exprim en dB, ce rapport signal sur bruit vaut : e SN RdB 20 log(SN R) = (n 1) 20 log(2) + 10 log(12) + 20 log do` : u Xef f Umax

Xef f < 6 n + 4.8 dB (5.16) Umax On voit ainsi que le rapport signal sur bruit dun convertisseur A-N dpend de e son domaine de conversion et de la valeur ecace du signal. Comme lamplitude de celui-ci ne doit pas dpasser le domaine du convertisseur si lon veut viter des e e saturations, on voit que le SNR sera toujours infrieur ` 6n + 4.8 dB. e a SN RdB = 6 n + 4.8 dB + 20 log

5.6.4. SNR de quelques signaux


Signal sinuso dal pleine chelle e Dans le cas particulier o` le signal analogique est une sinuso damplitude gale u de e a ` la tension maximum Umax du convertisseur AN, on a : 1 Umax Xef f = = 2n1 Q 2 2

193

5. Echantillonnage et reconstruction des signaux analogiques Le rapport signal sur bruit maximum que lon peut avoir apr`s quantication vaut e alors : Xef f 2n1 Q/ 2 n1 SN Rmax = = = 6 2 Qef f Q/ 12 Exprim en dB, ce rapport devient : e SN Rmax, dB 20 log(SN R) = (n 1) 20 log(2) + 10 log(6) 6 (n 1) + 7.8 dB do` u SN Rmax, dB 6 n + 1.8 dB si A = Umax (5.17) Il est important de se rappeler que ce rsultat nest valable que pour une sinuso e de dont lamplitude couvre toute la plage du convertisseur AN et quil reprsente le e SNR maximum possible pour un convertisseur donn. e Ainsi, pour un convertisseur 8 bits, le rapport signal sur bruit maximum vaut environ 50 dB. Ceci est susant pour la plupart des applications industrielles, mais pas du tout en haute-dlit o` lon dsire un rapport dau moins 96 dB. Dans ce e e u e cas, 16 bits sont ncessaires avec un convertisseur dexcellente linarit. e e e Dans le cas plus gnral o` lamplitude A du signal sinuso est infrieure ` Umax , e e u dal e a on aura : Umax A Umax (5.18) SN RdB 6 n + 1.8 dB 20 log A Signal triangulaire pleine chelle e Dans le cas particulier o` le signal analogique est un triangle damplitude gale ` la u e a tension maximum Umax du convertisseur AN, on montre aisment (voir exercices) e que le rapport signal sur bruit obtenu apr`s quantication vaut au maximum : e SN Rmax, dB = 6 n si A = Umax (5.19)

Dans le cas plus gnral o` lamplitude A du signal triangulaire est infrieure ` e e u e a Umax , on aura : SN RdB 6 n 20 log Umax A A Umax (5.20)

Signal ` distribution gaussienne a Dans le cas o` lon peut admettre que la distribution statistique dun signal quelu conque est gaussienne, on montre que le risque de dpassement du domaine de e conversion est infrieur ` e a 5% si Xef f 0.3% si Xef f Umax 2 Umax 3

194

5.6. Quantication dun signal chantillonn e e En considrant ce dernier cas (satisfaisant dun point de vue pratique), on a : e SN Rmax, dB = 6 n + 4.8 dB 20 log 3 = 6 n 4.7 dB si Xef f = Umax 3

Dans ce cas, plus gnral que celui du signal sinuso e e dal, on voit que le rapport signal sur bruit ne dpassera pas 43 dB pour un convertisseur 8 bits. Une illustration de e la quantication de trois signaux types est donne dans la gure 5.22. e
Sinus
1 0.5 1 0.5 0 0.5 1 0 0.5 1 0 0.5 1

Triangle
1 0.5 0 0.5 1 0

Bruit

Signaux

0 0.5 1

0.5

temps

temps

temps

1 0.5 0 0.5 1 0 0.5 1 0 0.5 1

1 0.5 0 0.5 1 0 0.5 1

Quantification 4 bits

0.5 0 0.5 1

SNR

theor

= 26 dB

24 dB

19 dB

Figure 5.22.: Quantication avec 4 bits de trois signaux types

5.6.5. Non linarit du convertisseur e e


Jusqu` prsent, on a considr des convertisseurs AN parfaits, exempts de toute a e ee erreur de linarit ; cela signie que la relation sortie-entre est dcrite par une e e e e droite et que les pas de quantication se rpartissent rguli`rement le long de cette e e e droite. Or dans la ralit, la relation sortie-entre nest jamais exactement linaire. e e e e Une illustration en est donne ` la gure 5.23. e a En gnral, la valeur absolue de la dirence entre la courbe relle et la droite e e e e idale ne dpasse pas un demi LSB. Dans ce cas, lerreur de non linarit est au e e e e maximum quivalente ` la perte dun bit de poids faible. On admet alors, de mani`re e a e conservative, que le nombre de bits eectif est diminu de 1 e nef f = n 1

195

5. Echantillonnage et reconstruction des signaux analogiques Ce qui conduit aux rsultats globaux suivants e RN L = 1 2nef f = 1 2n1 , QN L = Umax Umax = n2 nef f 1 2 2 (5.21)

On voit ainsi que le rapport signal sur bruit calcul jusquici est rduit dun facteur 2 e e ou de 6 dB. Le rapport signal sur bruit est alors corrig de la mani`re suivante : e e SN RN L, dB
Convertisseur linaire

SN RdB 6 dB
Convertisseur non linaire

(5.22)

Sortie code 4 bits

Sortie code 4 bits


0.5 0 0.5 1

0.5

0.5

Tension dentre
1 1

Tension dentre

x(t), yq,NL(t)
0.5 0 0.5 1

0.5

0.5

x(t), yq(t)

0.5

0.5

1 1

1 1

0.5

0.5

temps

temps

Figure 5.23.: Eet dune non-linarit e e Signaux sinus triangle bruit gaussien SN Rmax [dB] 6n + 1.8 6n 6n 4.7 SN Rmax avec NL [dB] 6n 4 6n 6 6n 11

Table 5.1.: Limite des convertisseurs AN

5.6.6. Conclusion
Les situations que lon vient danalyser peuvent se rsumer dans le tableau 5.1. e De celui-ci, on notera que de mani`re gnrale, une conversion AN relle peut e e e e dicilement fournir un rapport signal sur bruit suprieur ` 6(n 1) dB mme si e a e

196

5.7. Choix dun ltre et de la frquence dchantillonnage e e la plage du convertisseur est utilise dans sa totalit. On retiendra donc la relation e e suivante SN R < 6 n 6 [dB] (5.23) comme reprsentative de ce que lon peut obtenir au mieux dans des situations e relles. e Quelques de valeurs de SNR Comme nous venons de le voir, le traitement numrique des signaux introduit des e erreurs dont on peut estimer la valeur. Celles-ci ne seront acceptables que si elles ne dpassent pas des limites psycho-physiologiques gnralement connues. e e e En tlphonie par exemple, il est important et susant que les locuteurs puissent ee se reconna au son de leurs voix. Comme les frquences fondamentales prsentes tre e e dans les voix humaines dpassent rarement 1 kHz, on admet quune bande passante e de 4 kHz est susante pour laisser passer les harmoniques ncessaires. Cette bande e passante permet de xer la frquence dchantillonnage utilise en tlphonie nue e e ee mrique ` 8 kHz. De plus, de mani`re ` ce que la voix numrise ne soit pas trop e a e a e e granulaire, une dynamique de 50 dB est demande : des convertisseurs 8 bits sont e gnralement accepts. e e e Applications Tlphonie ee Mesures industrielles Audio numrique e Multim`tre numrique e e Dynamique 50 dB 70 dB 96 dB > 100 dB Nombre de bits 8 12 16 18

Table 5.2.: Quelques valeurs SNR typiques En audio de haute qualit, les limites que lon souhaite atteindre sont xes par les e e capacits de loreille humaine ; la dynamique et la bande passante demandes sont e e donc bien plus leves quen tlphonie. Ainsi, pour reproduire la qualit sonore e e ee e dune salle de concert, on exige une bande passante de 20 kHz et une dynamique de plus de 80 dB car cela correspond au rapport entre le volume sonore dun grand orchestre et le bruit de fond dune salle silencieuse.

5.7. Choix dun ltre et de la frquence e dchantillonnage e


Nous venons de voir que, lors dune conversion AN, deux eets ngatifs appae raissent : 1. le recouvrement spectral caus par limpossibilit davoir un ltre idal ; e e e 2. la limitation du rapport signal sur bruit due ` la rsolution du convertisseur. a e

197

5. Echantillonnage et reconstruction des signaux analogiques Gnralement le nombre de bits et la bande passante ncessaires sont xs par e e e e lapplication ; il reste donc ` trouver la frquence dchantillonnage fe et lordre n a e e du ltre antirecouvrement. Le crit`re le plus frquemment admis pour trouver ces e e deux valeurs est le suivant : Leet du recouvrement doit tre infrieur ` la rsolution lie e e a e e a a e e ` la quantication et ` la non linarit du convertisseur CAN. Admettant que lon utilise un ltre passe-bas de Butterworth dordre m et de frquence de coupure fc , on aura, a lextrmit de la bande passante (f = fc ), une e e e ` attnuation du recouvrement spectral valant (voir section 5.5.1) e H(f fe )|f =fc = 1+ 1
fc fe fc 2m

On a vu que la rsolution dun convertisseur AN ` n bits possdant une none a e linarit de 1 LSB vaut pratiquement e e 2 R 1 2n1

Admettant qu` la frquence de coupure le recouvrement spectral doit tre infrieur a e e e a e ` la rsolution du convertisseur, il vient 1+ do` : u 1+ fc fe fc fc fe fc fc fe fc Ce qui donne nalement : fe > fc 1 + 2n1
1/m 2m

fc fe fc

2m

> 2n1

>
2m

2n1 2n1

>
m

> 2n1

(5.24)

Le tableau 5.3 donne le rapport fe /fc pour dirents ltres de Butterworth et e convertisseurs AN entachs dune non linarit de 1 LSB. On notera que si lon e e e 2 souhaite utiliser un ltre dordre 2 seulement avec un convertisseur 8 bits, il faut choisir une frquence dchantillonnage 13 fois suprieure ` la frquence de coupure. e e e a e Alors que, si lon adopte un ltre dordre 8, une frquence dchantillonnage 3 ` 5 e e a fois suprieure a la frquence de coupure sut suivant le nombre de bits du CAN. e e ` Cest pourquoi, admettant que lchantillonneur est prcd dun ltre antirecoue e e e vrement dordre 8, on propose gnralement une frquence dchantillonnage telle e e e e que fe (3 5) fc (5.25)

198

5.8. Reconstruction du signal Ordre m du ltre 2 4 5 6 7 8 Nombre de bits n du 8 10 12 14 13 24 47 92 4.4 5.8 7.7 10.6 3.7 4.5 5.6 7.1 3.3 3.9 4.6 5.5 3.0 3.5 4.0 4.7 2.9 3.2 3.6 4.1 CAN 16 182 14.5 9.0 6.7 5.5 4.7

Table 5.3.: Rapport fe /fc en fonction de lordre du ltre (Butterworth) et du convertisseur analogique numrique (n bits 1 LSB) e 2

5.8. Reconstruction du signal


5.8.1. Convertisseur NA
Le convertisseur NA convertit un signal numrique en un signal analogique. Son e but est de fournir un signal continu entre chaque chantillon. Cette opration e e consiste ` raliser une interpolation continue entre les valeurs numriques fournies a e e par le processeur ` chaque priode dchantillonnage. On peut imaginer dirents a e e e interpolateurs allant du simple au compliqu : e linterpolateur dordre 0 qui maintient constante la valeur numrique fournie ; e linterpolateur dordre 1 qui relie linairement deux valeurs numriques succese e sives ; linterpolateur dordre 2 qui relie paraboliquement trois valeurs numriques suce cessives ; linterpolateur idal qui remplace chaque valeur numrique par un sinus cardinal. e e Linterpolateur le plus simple est celui dordre zro et cest galement celui qui est e e ralis par un convertisseur numrique-analogique classique. Il est souvent dsign e e e e e sous le nom de bloqueur dordre zro. e
8

amplitude

8 0 1 2 3 4 5 6 7 8 9 10

temps

Figure 5.24.: Interpolation dordre zro ralise par un convertisseur NA e e e

199

5. Echantillonnage et reconstruction des signaux analogiques

5.8.2. Interpolateur idal e


Dans lnonc du thor`me dchantillonnage, Shannon a galement donn son coe e e e e e e rollaire qui prcise quun signal x(t) peut tre reconstruit ` partir des valeurs chane e a e tillonnes en utilisant la fonction dinterpolation suivante : e g(t) = sin ( fe t) ( fe t) (5.26)

Cela signie que le signal peut tre reconstruit avec une somme de sinus cardinaux e temporels centrs sur les instants dchantillonnage t = n Te et damplitudes gales e e e aux valeurs chantillonnes x[n] : e e
+

xa (t) =
n=

x[n]

sin ( fe (t n Te )) ( fe (t n Te ))

(5.27)

Une illustration de cette interpolation est donne ` la gure 5.25. On notera que e a cette interpolation idale nest pratiquement ralisable quen temps dir et de e e ee mani`re approche seulement. e e
Interpolateur idal
1 0.5 0 0.5 3 1 0.5 0 0.5 3 1 0.5 0 0.5 3

temps [Te]

Figure 5.25.: Reconstruction dun signal triangulaire ` laide dun interpolateur a idal e Une comparaison entre les rsultats fournis par linterpolateur dordre zro et line e terpolateur idal peut tre faite en observant les reconstructions illustres ` la gure e e e a 5.26. Comme le signal original poss`de une discontinuit, cela conduit a un eet de e e ` Gibbs assez prononc. Dans le cas dun signal sans discontinuit chantillonn assez e ee e rapidement, la reconstruction est presque parfaite.

200

5.8. Reconstruction du signal


Interpolateur dordre zro
1.2 1 0.8 0.6 0.4 0.2 0 0.2 0 50 100 150 200 250 300

Interpolateur idal
1.2 1 0.8 0.6 0.4 0.2 0 0.2 0 50 100 150 200 250 300

temps

Figure 5.26.: Echantillonnage et reconstruction dune rampe

5.8.3. Rponses impulsionnelle et frquentielle dun CNA e e


Le bloqueur dordre zro fournit un signal analogique en escalier dont chaque nie veau est gal ` la valeur du signal numrique. Fondamentalement, cela signie que e a e le signal x[n] est remplac par une suite dimpulsions rectangulaires damplitude e variable. ` A cette opration de maintien de la valeur x[n] correspond un oprateur linaire e e e dont la rponse impulsionnelle h(t) est une impulsion damplitude 1 et de dure Te e e (gure 5.27 ) : 1 0 si 0 t < Te (5.28) sinon

h(t) =

La rponse en frquence dun tel oprateur est la transforme de Fourier H(jf ) de e e e e sa rponse impulsionnelle h(t) : e H(jf ) = Te sin ( f Te ) exp (j f Te ) ( f Te ) (5.29)

Sa reprsentation bien connue est rappele ` la gure 5.28. Pour comparaison, on y e e a a superpos en traitill la rponse frquentielle dun interpolateur idal. On notera e e e e e que le CNA agit comme un ltre passe-bas entre 0 et fe /2 et quil sera bon den tenir compte lors de la reconstruction du signal analogique.

201

5. Echantillonnage et reconstruction des signaux analogiques

1 0.8 (t) 0.6 0.4 0.2 0 5 4 3 2 1 0 1 2 3 4 5

1 0.8 h(t) 0.6 0.4 0.2 0 5 4 3 2 1 0 temps [Te] 1 2 3 4 5

Figure 5.27.: Rponse impulsionnelle dun bloqueur dordre zro e e

Te x 1 0.8

CNA idal

module

0.6 0.4 0.2 0 5

frquence [fe]
1 0.5

phase /

0 0.5 1 5 4 3 2 1 0 1 2 3 4 5

frquence [fe]

Figure 5.28.: Rponse frquentielle dun interpolateur dordre zro e e e

202

5.9. Analyse qualitative dune cha A-N N-A ne

5.8.4. Filtre de reconstruction ou de lissage


On peut se rapprocher dun signal analogique plus habituel en liminant les escaliers e du signal xs (t) cr par le CNA. Pour cela, on fait suivre le convertisseur dun ltre ee passe-bas, dit de reconstruction ou de lissage. La bande passante de celui-ci doit e tre susante pour laisser passer linformation contenue dans la bande de base du signal numrique. Comme celui-ci stend de 0 ` fe /2, les ltres antirecouvrement e e a et de reconstruction sont gnralement les mmes. e e e

5.9. Analyse qualitative dune cha A-N N-A ne


Une illustration des dirents points tudis dans ce chapitre est donne dans les e e e e gures qui suivent. On y dcrit ` laide de graphiques les eets du ltre antirecoue a vrement (FAR), de linterpolateur dordre zro (CNA) et celui du ltre de lissage e (FL). Les signaux rencontrs correspondent a ceux du schma fonctionnel suivant : e e `

x0(t)

FAR

x(t)

A N

x[n]

Systme numrique

y[n]

N A

ys(t)

FL

y(t)

Figure 5.29.: Cha de traitement des signaux ne

5.9.1. Echantillonnage sans ltre antirecouvrement


La gure 5.30 montre le signal x0 (t) chantillonn sans ltrage pralable et son e e e spectre. On y voit en particulier combien le spectre damplitude Xe (f ) rsultant e sloigne du spectre original X0 (f ). e

5.9.2. Echantillonnage avec ltre antirecouvrement


La gure 5.31 montre le signal x(t) chantillonn avec un ltre antirecouvrement et e e son spectre. On y voit en particulier que le spectre damplitude Xe (f ) rsultant est e tr`s proche, entre 0 et fc , du spectre original X0 (f ). e

5.9.3. Eet du convertisseur NA


La gure 5.32 montre le signal chantillonn et son spectre ainsi que celui du bloe e queur dordre 0 qui nest autre que le premier lobe de la fonction sinus cardinal. Il est bien clair que ce spectre, qui est aussi la rponse frquentielle du bloqueur, va e e modier le spectre du signal y[n] appliqu au CNA. e

203

5. Echantillonnage et reconstruction des signaux analogiques

0.2 Signal x0(t) 0.15 0.1

1.2 1 0.8 0.6 Spectre de x0(t)

0.05 0.4 0 0.05 X0(f) 0.2 0 10 20 30 40 0 0 0.2 0.4 0.6 0.8 1

0.2 Signal x[n] 0.15 0.1

1.2 1 0.8 0.6 Spectre de x[n]

0.05 0.4 0 0.05 0.2 0 10 20 temps [Te] 30 40 0 0 0.2

Xe(f)

0.4 0.6 frquence [fe]

0.8

Figure 5.30.: Echantillonnage sans ltre antirecouvrement

0.2 Signal filtr x(t) 0.15 0.1

1.2 1 0.8 0.6 Spectres

0.05 0.4 0 0.05 0.2 X(f) 0 10 20 30 40 0 0 0.2 0.4

FAR

X0(f) 0.6 0.8 1

0.2 Signal x[n] 0.15 0.1

1.2 1 0.8 0.6 Spectre Xe(f)

0.05 0.4 0 0.05 0.2 0 10 20 temps [Te] 30 40 0 0 0.2 X0(f) 0.4 0.6 frquence [fe] 0.8 1

Figure 5.31.: Echantillonnage avec ltre antirecouvrement

204

5.9. Analyse qualitative dune cha A-N N-A ne

0.2 Signal y[n] 0.15 0.1

1.2 1 0.8 0.6 Spectre de y[n]

0.05 0.4 0 0.05 0.2 0 10 20 30 40 0 0 0.2 0.4 Y(f) 0.6 0.8 1

1.2 1 0.8 0.6 0.4 0.2 0 0 1 2 3 temps [Te] 4 5 Bloqueur

1.2 1 0.8 0.6 B(f) 0.4 0.2 0 0 0.2 0.4 0.6 frquence [fe] 0.8 1 Spectre du bloqueur

Figure 5.32.: Signal numrique et bloqueur dordre 0 e

0.2 Signal ys(t) 0.15 0.1

1.2 1 0.8 0.6

0.05 0.4 0 0.05 0.2 0 10 20 30 40 0 0 0.2 Ys(f) = Y(f) B(f)

0.4

0.6

0.8

0.2 Signal y(t) 0.15 0.1

1.2 1 0.8 0.6 Spectres

0.05 0.4 0 0.05 0.2 0 10 20 temps [Te] 30 40 0 0 Y(f) 0.2

FL

X(f) 0.4 0.6 frquence [fe] 0.8 1

Figure 5.33.: Reconstruction sans et avec ltre de lissage

205

5. Echantillonnage et reconstruction des signaux analogiques

5.9.4. Reconstruction du signal analogique


La gure 5.33 montre le signal en escalier et son spectre Ys (f ) = Y (f ) B(f ) qui provient du produit entre le spectre de y[n] et la rponse frquentielle du bloqueur. e e An dliminer les escaliers de ys (t), on fait suivre le CNA dun ltre passe-bas e identique au ltre antirecouvrement puisque les frquences suprieures ` fe /2 ne e e a contiennent aucune information intressante. e

5.9.5. Correcteur damplitude


Il est frquent de complter ce ltre passe-bas par un correcteur damplitude ace e centuant les frquences leves. Ce correcteur, de rponse frquentielle 1/B(f ) pour e e e e e f compris entre 0 et fe /2, est construit de mani`re ` compenser le comportement e a passe-bas du bloqueur. On obtient alors une rponse frquentielle Y (f ) e e X(f ) proche de celle du signal original.

206

5.10. Exercices

5.10. Exercices
Ech 1 : Considrant un signal dont le spectre est reprsent ` la gure 5.34, e e e a dterminez la frquence dchantillonnage minimum pour quil ny ait pas de recoue e e vrement spectral. Admettant fe = 16 [kHz], 1. dessinez le spectre du signal chantillonn pour f compris entre e e 2. que faut-il faire pour viter le recouvrement spectral ? e 3. dessinez le nouveau spectre ; quel en est lavantage ?

16kHz ;

X(jf) [V/Hz]

0.1

0.05

0 20 15 10 5 0 f [kHz] 5 10 15 20

Figure 5.34.: Exercice 1

Ech 2 : On consid`re un signal xa (t) = cos(2 1000 t) : e 1. que valent sa priode T0 et sa frquence f0 ? e e 2. esquissez xa (t) sur 3 priodes au moins et dessinez son spectre Xa (jf ) ; e 3. marquez les points dchantillonnage de xa (t) lorsque Te = T0 /4 ; esquissez le e spectre Xe (jf ) ; analysez x[n] et Xe (jf ) ; 4. faites de mme lorsque Te = 3 T /4 ; quelle sinuso passe parmi ces points ? e de concluez ; 5. dans le cas o` Te = T0 /2, il se passe quelque chose de particulier ; analysez et u commentez.

Ech 3 : On consid`re une SIR damplitude A = 10 [V ], de priode T0 = 1 [msec] e e et de largeur t = T0 /4 que lon chantillonne avec Te = T0 /20 ; e 1. esquissez x(t)et xe (t) ; 2. esquissez X(jf ) et Xe (jf ) ; 3. que valent X(jf ) et Xe (jf ) pour f = 3 [kHz] ? Rp. : Xe (+j3) = X(+j3) + X(j17) + X(+j23) + e

207

5. Echantillonnage et reconstruction des signaux analogiques Ech 4 : Soit un signal en dents de scie damplitude comprise entre A = 5 [V ], de priode T0 = 1 [msec] que lon chantillonne avec la frquence fe = 8 [kHz] ; e e e 1. esquissez x(t)et xe (t) ; 2. sachant que X(jk) = (1)k+1 A/(jk), k = 0, esquissez X(jf ) et Xe (jf ) ; 3. que valent X(jf ) et Xe (jf ) pour f = 1 [kHz] ? Ech 5 : Considrant le signal analogique e 4 cos(380 t) + 16 sin 600 t + xa (t) = 2 cos(100 t) + 5 sin 250 t + 6 4 1. quelle valeur minimum faut-il choisir pour fe si lon veut respecter le thor`me e e dchantillonnage ? e 2. soit fe = 3 fe,min , esquissez les spectres damplitudes et de phases du signal xe (t). Ech 6 : Un signal analogique xa (t) = cos(2 240 t) + 3 cos 2 540 t + 6

est chantillonn ` raison de 600 chantillons par seconde. e ea e 1. que vaut la frquence de Nyquist fN = fe /2 ? e 2. si elles existent, que valent les frquences apparentes fapp ? e 3. si x(n) est restitu a laide dun convertisseur NA suivi dun ltre passe-bas e` idal tel que fc = fe /2, que vaut le signal reconstruit ya (t) ? e Ech 7 : Considrant un signal carr ` valeur moyenne nulle de priode T0 = 1 [ms] e ea e et damplitude A = 1 [V ] que lon chantillonne ` la frquence fe = 9.8 [kHz], on e a e demande : 1. Quelles sont les frquences et amplitudes des raies spectrales du signal analoe gique ? Esquissez le spectre damplitudes. 2. Quelle est la largeur de la bande de base ? Quelles sont les composantes spectrales relles prsentes dans la bande de base ? e e 3. Quelles sont les frquences apparentes prsentes dans la bande de base ? e e 4. Quelles sont les amplitudes de chacune de ces raies ? 5. Les rsultats de lanalyse spectrale sont donns dans la gure 5.35 ; associez les e e numros des composantes spectrales thoriques aux raies spectrales obtenues e e apr`s chantillonnage. e e Ech 8 : Considrant une exponentielle dcroissante x(t) = eat (t) que lon chane e e tillonne avec une frquence fe , montrez que le spectre du signal chantillonn vaut : e e e 1 2 (a + j2f ) Xe (jf ) = + a + j2f k=1 (a + j2f )2 + (2 kfe )2
+

208

5.10. Exercices
Signal chantillonn x (t)
e

1 0.5 x(t) 0 0.5 1 0 1 2 3 4 5 temps [ms] 6 7 8 9 10

Spectre thorique (o) et spectre d au repliement spectral () 0 f0 = 1 10 |X(jf)| [dB]

20

30

40

0.5

1.5

2.5 3 frquence [kHz]

3.5

4.5

5 fN

Figure 5.35.: Echantillonnage et repliement spectral pour un signal carr e AnNa 1 : Considrant quun signal est chantillonn ` 40kHz et numris avec 16 e e ea e e bits, quelle est la dure denregistrement que lon peut stocker dans 1 Moct ? e AnNa 2 : Un ltre numrique est constitu des lments suivants : e e ee un convertisseur AN ` 12 bits avec un temps de conversion de 5s, a un processeur DSP de 16 bits avec un cycle dhorloge de 50ns, un convertisseur NA ` 12 bits avec un temps dtablissement de 0.5s. a e Calculez la bande passante maximum que peut traiter ce ltre sachant que pour chaque valeur chantillonne le DSP calcule le signal de sortie avec lquation suie e e vante :
19

y(n) =
m=0

h(m) x(n m)

en eectuant une multiplication et une addition en un seul cycle dhorloge. AnNa 3 : Un signal sinuso dal damplitude 6 V est numris ` laide dun convere ea tisseur 16 bits. Sachant que celui-ci travaille entre 10 V et quil est entch dune a e 1 non-linarit de 2 LSB, calculez : e e 1. sa rsolution et son pas de quantication ; e 2. les valeurs ecaces du signal et du bruit de quantication ; 3. le rapport signal sur bruit du signal numris. e e

209

5. Echantillonnage et reconstruction des signaux analogiques AnNa 4 : On chantillonne un signal sinuso e dal damplitude 5 V avec un CAN 16 1 bits / 10 V entach dune de non-linarit de 2 LSB. Est-il possible de garantir e e e un SNR dau moins 90 dB ? AnNa 5 : On chantillonne un signal analogique e x(t) = 4 cos(2 300 t) 2 cos(2 900 t) [V ] avec un convertisseur AN 16 bits travaillant entre 5 V qui poss`de une non linae e 1 e a rit de 2 LSB. Les valeurs numriques du CAN sont transmises ` travers une ligne e 4 dont le dbit est de 10 oct/sec. On demande : e 1. y a-t-il repliement spectral ? 2. que valent la rsolution et le pas de quantication du convertisseur ? e 3. que vaut la puissance du signal x(t) ? quelle est sa valeur ecace ? 4. que vaut le rapport signal sur bruit de conversion AN ? AnNa 6 : On utilise un ltre analogique passe-bas de Butterworth dordre 6 et de frquence de coupure 4 kHz comme ltre antirepliement. Considrant que le signal e e e e e chantillonn est perturb par une composante spectrale damplitude A =5 V et de frquence f0 = 8 kHz, on demande : e 1. quelle frquence dchantillonnage faut-il choisir pour que le repliement de la e e perturbation se fasse en f fc ? 2. quelle sera lamplitude Ar du signal repli en f = fc ? e AnNa 7 : On utilise un ltre analogique passe-bas de Butterworth dordre 3 1 comme ltre antirepliement en amont dun convertisseur AN 12 bits avec 2 LSB de non linarit. Sa frquence de coupure fc est xe ` 8 kHz. e e e e a 1. quelle est la rsolution du convertisseur comprenant la quantication et la e non-linarit ; e e 2. esquissez la rponse frquentielle du ltre et celle cause par le repliement e e e spectral ; 3. calculez la frquence dchantillonnage ncessaire pour que laaiblissement du e e e repliement spectral en f = fc soit infrieur ` la rsolution du convertisseur. e a e Rp. : fe = 13.7 fc e AnNa 8 : Un signal x(t) sinuso dal damplitude A = 10 [V] de frquence f = e 1 [kHz] est chantillonn tr`s rapidement (` 1 [MHz], par exemple) ` laide dun e e e a a convertisseur analogique-numrique 4 bits travaillant entre 10 [V]. e 1. esquissez les signaux x(t), xe [n], xq (t) ; 2. esquissez lerreur de quantication e(t) ; 3. quelle est la valeur ecace de ce bruit de quantication ? 4. que vaut le SNR ?

210

5.10. Exercices AnNa 9 : On remplace le signal sinuso dal de lexercice prcdent par un signal e e triangulaire de mmes amplitude et frquence. Quest ce qui change ? e e

211

6. Description des signaux et syst`mes numriques e e


Ce chapitre dcrit tout dabord les signaux numriques au travers de quelques e e exemples fondamentaux. Il sattarde ensuite sur la description des syst`mes nume e riques et de leurs proprits. ee Puis, considrant les syst`mes linaires et temporellement invariants (LTI), on de e e e nit le produit de convolution avant danalyser en dtail sa ralisation et quelques e e applications telles que linterpolation numrique. e On termine enn par la description des mod`les rcursifs de quelques syst`mes e e e fondamentaux.

6.1. Signaux numriques e


Les signaux numriques sont mathmatiquement reprsents par des squences de e e e e e nombres notes x[n] pour < n < +. Dans le cas o` la squence provient de e u e lchantillonnage priodique dun signal continu x(t), on aura : e e x[n] = x(n Te ) Les signaux discrets sont souvent reprsents graphiquement (gure 6.1). Bien que e e labscisse soit dessine de mani`re continue, il est important de noter que la squence e e e x[n] nest dnie que pour n entier. Pour n non entier, x[n] est simplement non e dnie. e
0.6 0.4 signal x[n] 0.2 0 0.2 0.4 10 5 0 instants n 5 10 15

Figure 6.1.: Graphe dun signal numrique e

213

6. Description des signaux et syst`mes numriques e e

6.1.1. Quelques signaux fondamentaux


Parmi linnit de squences que lon peut imaginer, il y en a quelques unes qui e e sont fondamentales pour lanalyse des signaux et des syst`mes. Ce sont : e 1. Limpulsion unit dnie par : e e [n] = 1 si n = 0 0 si n = 0 (6.1)

Un aspect important de cette squence est quelle peut servir ` dnir nime a e porte quelle autre squence. En eet, toute squence (telle que celle de la e e gure 6.1) peut tre considre comme une somme dimpulsions dcales [nk] e ee e e et damplitude x[k]. La suite x[n] peut donc tre dcrite par lexpression suie e vante :
+

x[n] =
k=

x[k] [n k]

(6.2)

2. Le saut unit dni par : e e [n] = De mani`re quivalente, on a : e e


+

1 si n 0 0 si n < 0

(6.3)

[n] =
k=0

[n k]

(6.4)

Inversement, limpulsion unit peut tre dcrite par la dirence de deux sauts e e e e units : e [n] = [n] [n 1] (6.5) 3. Lexponentielle numrique dcrite par : e e x[n] = Rn [n] (6.6)

Dans le cas o` 0 < R < 1, on obtient une exponentielle dcroissante alors que u e pour |R| > 1, lamplitude de la squence ne cesse daugmenter avec n. e 4. La sinuso dcrite par : de e x[n] = cos (n 0 + ) avec 0 = 2 f0 Te . 5. La suite complexe gnralement dcrite par une exponentielle numrique dont e e e e largument est complexe : x[n] = (a + jb)n [n] (6.7)

214

6.1. Signaux numriques e En remplaant largument a + jb par sa reprsentation polaire c e b a + jb = a2 + b2 arctan R exp(j0 ) a on obtient x[n] = Rn exp(jn 0 ) [n]

(6.8)

Grace a la relation dEuler, on voit que cette squence est une oscillation a e ` ` valeurs complexes dont lamplitude varie exponentiellement avec le temps n. Lenveloppe sera croissante si R > 1 et dcroissante si R < 1. e 6. Le phaseur de pulsation 0 : x[n] = exp (jn 0 )
1 0 1 10 1 0 1 10 1 0 1 10 1 0 1 10 5 0 5 10 15 5 Sinusode 0 5 10 15 5 Exponentielle 0 5 10 15 5 Saut unit 0 5 10 15 Impulsion unit

(6.9)

Figure 6.2.: Quelques signaux fondamentaux Les squences exponentielle, sinuso e dale et complexe dcrites ci-dessus sont particue li`rement importantes dans lanalyse des syst`mes linaires. e e e On notera que pour les signaux discrets, la pulsation normalise 0 se mesure en e radians par chantillon et non pas en radians par seconde comme pour la pulsation e 0 des signaux continus.

6.1.2. Priodicit des signaux numriques e e e


Du point de vue de la priodicit, il existe une dirence importante entre signaux e e e continus et discrets. Dans le cas de ces derniers, la priodicit existe si : e e x[n] = x[n + N ]

215

6. Description des signaux et syst`mes numriques e e o` N est un entier reprsentant la priode de la squence. Ce qui, pour une sinuso u e e e de discr`te, scrit : e e x[n] = A cos (n0 + ) = A cos (n0 + N 0 + ) Comme la sinuso est priodique 2 , on doit avoir de e N 0 = k 2 Or ceci nest possible que si 0 / est rationnel. Considrons comme exemple le cas o` 0 = 1. On a alors N = 2 k ; ce qui nest e u pas possible car N et k sont des entiers et que est irrationnel. Par contre, si 0 = 3/11, on a alors : N 0 = N 3/11 = k 2 N= 22 k 3 (6.10)

et la plus petite valeur de N satisfaisant cette quation est 22 lorsque k vaut 3. e Ces deux valeurs signient quil faut 22 chantillons pour retrouver la valeur de e dpart (une priode numrique) et que cette priode numrique contient 3 priodes e e e e e e du signal analogique chantillonn. e e On voit donc que les squences sinuso e dales nont pas ncessairement la mme e e priode que leur correspondant analogique et, suivant la valeur de 0 , elles peuvent e mme ne pas tre priodiques du tout. e e e
Sinus numrique de pulsation 3 / 11 1 0.5 0 0.5 1 0 5 10

Tanl

Tnum
15 20 25

Sinus numrique de pulsation 1 1 0.5 0 0.5

Tanl
1 0 5 10

Tnum
15 20 25

Figure 6.3.: Priodes numrique et analogique e e

216

6.2. Syst`mes numriques e e On doit encore rappeler le fait que linterprtation des hautes et basses frquences e e est dirente pour les signaux discrets ou continus. En eet, pour une sinuso e de analogique, loscillation sera dautant plus rapide que la pulsation 0 est leve. e e Dans le cas du signal discret x[n] = A cos (n0 + ), loscillation sera dautant plus rapide que 0 se rapproche de et elle deviendra plus lente si 0 varie de ` 2. a Cette deuxi`me partie correspond au phnom`ne de repliement spectral. En fait, ` e e e a cause de la priodicit des spectres des signaux discrets, ce qui se passe autour de e e = 2 est indistinguable de ce qui se passe autour de = 0.

6.2. Syst`mes numriques e e


Un syst`me numrique est une fonction ou un algorithme prdni qui op`re sur e e e e e un signal numrique (appel lentre ou lexcitation) et qui produit un autre signal e e e numrique nomm la sortie ou la rponse du syst`me. e e e e Un tel syst`me est dni mathmatiquement comme un oprateur ou une transfore e e e mation qui modie une squence dentre x[n] en une squence de sortie y[n]. On e e e peut reprsenter cette transformation par un oprateur T tel que y[n] = T {x[n]} et e e en donner lquation ou son schma fonctionnel (section 6.2.2). e e

6.2.1. Exemples de syst`me numriques e e


Quelques syst`mes simples e Considrons des syst`mes simples dcrits par les quations du tableau 6.1. e e e e A chacun de ces syst`mes, on applique ` linstant n = 0 le signal : e a x[n] = { 0, 1, 2, 3, 4, 5, 0, 0, 0, 0, } Les rponses de chacun des syst`mes sont alors les suivantes : e e 1. Lquation (a) reprsente le syst`me identit qui restitue simplement le signal e e e e quon lui applique : y[n] = { 0, 0, 0, 1, 2, 3, 4, 5, 0, 0, 0, 0, } 2. Lquation (b) reprsente un dcalage arri`re dun pas : e e e e y[n] = { 0, 0, 0, 0, 1, 2, 3, 4, 5, 0, 0, 0, } 3. Dans le cas (c), le signal est avanc dun pas : e y[n] = { 0, 0, 1, 2, 3, 4, 5, 0, 0, 0, 0, 0, } 4. La sortie du syst`me (d) fournit ` chaque instant la valeur maximum du signal e a considr aux instants prsent (n), prcdent (n 1) et suivant (n + 1) : ee e e e y[n] = { 0, 0, 1, 2, 3, 4, 5, 5, 5, 0, 0, 0 }

217

6. Description des signaux et syst`mes numriques e e

y[n] = x[n]

y[n] = x[n 1]

y[n] = x[n + 1]

y[n] = max {x[n 1], x[n], x[n + 1]}

y[n] =

x[k]

y[n] = x[n] x[n 1]

Table 6.1.: Equations dcrivant des syst`mes numriques e e e 5. Le syst`me (e) reprsente un accumulateur qui fait la somme des valeurs qui e e apparaissent au cours du temps : y[n] = { 0, 0, 0, 1, 3, 6, 10, 15, 15, 15, 15, 15 } 6. Le syst`me (f) eectue la dirence entre la valeur actuelle et la prcdente ; e e e e ce qui, numriquement, correspond a la drivation analogique : e e ` y[n] = { 0, 0, 0, 1, 1, 1, 1, 1, 5, 0, 0 }

Moyenneur glissant Un moyenneur glissant dordre 5 est dni par lquation : e e y[n] = 1 (x[n 2] + x[n 1] + x[n] + x[n + 1] + x[n + 2]) 5 (6.11)

Ce syst`me fournit ` chaque instant n la valeur moyenne des 5 chantillons x[n] e a e entourant et correspondant ` la position n. Un tel oprateur est frquemment utilis a e e e pour attnuer des uctuations et mettre ainsi en vidence une tendance ` moyen e e a terme. Une illustration en est donne par la gure 6.5 reprsentant lenregistrement e e dune temprature. e On notera que ce moyenneur centr sur linstant n est un syst`me non causal ; e e cest-`-dire que pour pouvoir lutiliser, il est ncessaire davoir pralablement ` sa a e e a disposition les valeurs ` traiter. Si lon dsirait eectuer ce traitement en temps rel a e e

218

6.2. Syst`mes numriques e e

6 5 (a) 4 3 2 1 0 1 2 0 2 4 6 8

6 5 (b) 4 3 2 1 0 1 2 0 2 4 6 8

6 5 (c) 4 3 2 1 0 1 2 0 2 4 6 8

6 5 (d) 4 3 2

20 6 (e) 15 4 2 10 0 2 (f)

1 0 1

5 4 0 2 0 2 4 6 8 2 0 2 4 6 8 6 2 0 2 4 6 8

Figure 6.4.: Rponses des syst`mes considrs e e ee

30 20 x[n] 10 0 5

10

15

20

25

30

35

40

0.2 h[n10] 0.1 0 0.1 5 30 20 y[n] 10 0 5

10

15

20

25

30

35

40

10

15 20 instants n

25

30

35

40

Figure 6.5.: Lissage de lvolution dune temprature e e

219

6. Description des signaux et syst`mes numriques e e (syst`me causal), on ne pourrait calculer la moyenne glissante que sur les 5 points e les plus rcents : e y[n] = 1 (x[n] + x[n 1] + x[n 2] + x[n 3] + x[n 4]) 5 (6.12)

6.2.2. Schma fonctionnel dun syst`me numrique e e e


Un syst`me numrique peut tre dcrit, comme on la vu, par la donne dune e e e e e equation liant le signal de sortie au signal dentre. On peut galement, et cest e e frquemment le cas, reprsenter ces syst`mes ` laide de diagrammes fonctionnels. e e e a Ceux-ci illustrent alors graphiquement les oprations eectues sur le signal dentre e e e ainsi que les connexions les reliant. Les plus frquentes sont laddition de 2 valeurs e (), la multiplication de 2 signaux entre eux (), la multiplication dun signal par un coecient (), le dcalage avant (z) et le dcalage arri`re (z 1 ). e e e Deux illustrations de schmas fonctionnels sont prsentes dans la gure 6.6. Le e e e premier des deux schmas correspond ` lquation non linaire suivante : e a e e y[n] = 0.5 (x1 [n] + x1 [n 1]) x2 [n] + 0.9 y[n 1] dans laquelle on trouve un moyenneur causal dordre 2 (premier cadre) et un ltre passe-bas dordre 1 (deuxi`me cadre). e Le deuxi`me schma fonctionnel illustre une quation aux dirences linaire dordre 2 e e e e e y[n] = b0 x[n] + b1 x[n 1] + b2 x[n 2] a1 y[n 1] a2 y[n 2] reprsentant un ltre rcursif dordre 2. e e

6.2.3. Proprits des syst`mes e e e


Suivant leurs proprits, on peut classer les syst`mes de la faon suivante : ee e c 1. Syst`me statique e Un syst`me statique ou sans mmoire est un syst`me dont la sortie y[n] ne e e e dpend que du signal dentre ` linstant n. Par exemple : e e a y[n] = a x[n] + n x[n]2 2. Syst`me dynamique e Inversement, un syst`me tenant compte de ce qui sest pass ou se passera est e e dit dynamique ou avec mmoire : e y[n] = 1 (x[n 1] + x[n] + x[n + 1]) 3

220

6.2. Syst`mes numriques e e

z-1 x1[n]

x1[n-1]
Filtre passe-bas dordre 1

0.5
Moyenneur dordre 2

y[n] 0.9 z-1

x2[n]

y[n-1]

x[n]

z-1

x[n-1]

z-1

x[n-2]

b0

b1

b2 y[n]

- a2 - a1

y[n-2]

z-1

y[n-1]

z-1

Figure 6.6.: Deux exemples de schmas fonctionnels e

221

6. Description des signaux et syst`mes numriques e e 3. Syst`me linaire e e Un syst`me linaire satisfait au principe de superposition : e e y[n] = T {a x1 [n] + b x2 [n]} = a T {x1 [n]} + b T {x2 [n]} = y1 [n] + y2 [n] 4. Syst`me temporellement invariant e Un syst`me invariant dans le temps est un syst`me pour lequel un dcalage e e e temporel sur le signal dentre conduit ` un signal de sortie simplement dcal e a e e de la mme valeur : e si T {x[n]} = y[n] alors T {x[n + d]} = y[n + d] De mani`re quivalente, un syst`me est dit temporellement invariant lorsquon e e e peut croiser les oprations de dcalage et de transformation sans modier le e e signal de sortie. On a alors : yD,T [n] = yT,D [n] On notera que tous les syst`mes dcrits par une quation aux dirences ` e e e e a coecients constants sont temporellement invariants. 5. Syst`me causal e Un syst`me est causal si la squence de sortie ne dpend que des valeurs e e e actuelles ou passes de la squence dentre. e e e 6. Syst`me stabl e e Un syst`me est stable si, quelle que soit la squence damplitude nie applie e que ` lentre, sa sortie ne devient pas inniment grande. e a e On notera que les proprits mentionnes ci-dessus sont des proprits lies aux ee e ee e syst`mes et sont indpendantes des squences appliques ` ceux-ci. e e e e a Remarque Il est important de ne pas oublier que la grande libert oerte lors e de la ralisation des syst`mes numriques peut parfois conduire ` des pi`ges. Ainsi e e e a e en est-il de la succession des oprations eectues sur un signal. En eet, on a pris e e lhabitude avec les syst`mes analogiques deectuer des oprations dans lordre qui e e nous convient sachant que le rsultat est thoriquement indpendant de lordre des e e e oprations de ltrage. Cela tait possible parce que les syst`mes analogiques rels e e e e sont pratiquement tous linaires et temporellement invariants par nature. e Or, avec les syst`mes numriques, les oprations que lon peut souhaiter faire ne e e e sont limites que par notre imagination et certaines dentre elles conduisent ` des e a rsultats qui dpendent de la succession des oprations eectues. Il est donc tr`s e e e e e important de vrier si les oprations avec lesquelles on agit sur un signal sont e e temporellement invariantes ou non.

222

6.2. Syst`mes numriques e e Quelques exemples Laccumulateur Un accumulateur dni par la relation : e
n

y[n] =
k=

x[k]

(6.13)

correspond ` lopration analogique dintgration. Cest un syst`me linaire. On a e e e e notera que si on lui applique une impulsion unit [n], sa sortie sera un saut unit e e [n]. Si on lui applique un saut unit, sa sortie ne cessera daugmenter linairement e e avec n et tendra vers linni. Laccumulateur nest donc pas un syst`me stable. e Dirences avant et arri`re La dirence entre 2 valeurs successives est lquie e e e valent de la drivation analogique. On peut eectuer la dirence avant dnie par e e e la relation : y[n] = x[n + 1] x[n] (6.14) Elle nest videmment pas causale ; ce qui est par contre le cas pour la dirence e e arri`re : e y[n] = x[n] x[n 1] (6.15) Oprateur quadratique An dillustrer ce quest un syst`me invariant temporele e lement, considrons loprateur quadratique : e e y[n] = x2 [n] (6.16)

Si lon eectue dabord llvation au carr puis le dcalage temporel, on obtient : ee e e x[n] x2 [n] x2 [n d] = yT,D [n] Dans le cas o` lon eectue le dcalage puis la contraction, on obtient : u e x[n] x[n d] x2 [n d] = yD,T [n] Comme les deux rsultats sont identiques, le syst`me est temporellement invariant. e e Sous-chantillonnage Cette opration tr`s frquente en traitement numrique des e e e e e signaux nest pas invariante temporellement. Pour le voir, considrons une situation e o` lon ne prend quun chantillon sur deux : u e y[n] = x[2n] Si lon eectue dabord la contraction puis le dcalage temporel, on obtient : e x[n] x[2n] x[2n d] = yT,D [n] Dans le cas o` lon eectue le dcalage puis la contraction, on obtient : u e x[n] x[n d] x[2(n d)] = yD,T [n] (6.17)

223

6. Description des signaux et syst`mes numriques e e Comme le rsultat dpend de lordre des oprations, le syst`me nest pas temporele e e e lement invariant. Le tableau 6.2 rassemble les proprits de quelques oprations frquemment efee e e fectues en traitement numrique des signaux et mentionne si les oprations sont e e e linaires (L), invariantes temporellement (I), causales (C), stables (S) et si elles ne e cessitent une mmoire (M). Quelques oprations sont laisses ` lanalyse du lecteur. e e e a Oprations e Dirence avant e Dirence arri`re e e Accumulation Amplication Moyenneur centr e Contraction temporelle Sous-chantillonnage e Rotation autour de Oy Multiplication temporelle Opration quadratique e Amplication et dcalage e Equations x[n + 1] x[n] x[n] x[n 1] n x[k] a x[n] (x[n + 1] + x[n] + x[n 1]) /3 x[n2 ] x[2n] x[n] n x[n] x2 [n] a x[n] + b, b = 0 L O O O O O I O O O O O C N O O O N S O O N O O M O O O N O

a b c d e f g h j k l

Table 6.2.: Proprits de quelques transformations ee

6.2.4. Interconnexions des syst`mes e


Comme pour les syst`mes analogiques, les syst`mes numriques peuvent tre intere e e e connects pour former des syst`mes plus complexes. Pour ce faire, on a deux possie e bilits : les connecter en cascade ou en parall`le (gure 6.7). Lors dune connexion e e en cascade, on a les relations suivantes : y1 [n] = H1 {x[n]} y[n] = H2 {H1 {x[n]}} y[n] = H2 {y1 [n]} Lors dune connexion en parall`le, on a les relations suivantes : e y[n] = y1 [n] + y2 [n] y[n] = H1 {x[n]} + H2 {x[n]}

Et cest seulement dans le cas o` les syst`mes sont linaires et temporellement u e e invariants que lon pourra crire comme on a lhabitude de le faire avec les syst`mes e e continus : y[n] = (H1 H2 ) {x[n]} = (H2 H1 ) {x[n]} y[n] = (H1 + H2 ) {x[n]} = H1 {x[n]} + H2 {x[n]}

224

6.3. Rponse impulsionnelle et produit de convolution e


y1[n]

H1 x[n] y1[n] y2[n] x[n]

H1

H2

y[n]

H2

y2[n]

Figure 6.7.: Interconnexions de 2 syst`mes en cascade ou en parall`le e e

6.2.5. Conclusions
Comme nous venons de le voir, les syst`mes linaires et temporellement invariants e e (syst`mes LTI) constituent une classe importante des syst`mes et cest seulement e e sur les syst`mes LTI que lon peut appliquer les notions de rponse impulsionnelle, e e de produit de convolution et de fonction de transfert.

6.3. Rponse impulsionnelle et produit de convolution e


Parmi lensemble des rponses temporelles dun syst`me, il en est une qui permet e e de calculer toutes les autres : cest la rponse impulsionnelle que lon obtient en e appliquant ` un syst`me LTI une impulsion unit [n]. Cette rponse particuli`re a e e e e est dsigne par h[n] : e e h[n] T {[n]} (6.18) On a vu au dbut de ce chapitre quun signal quelconque x[n] peut tre considr e e ee comme une suite dimpulsions damplitude variable :
+

x[n] =
k=

x[k] [n k]

(6.19)

Puisque les syst`mes que nous examinerons d`s a prsent sont linaires et temporele e ` e e lement invariants, la rponse de ceux-ci au signal x[n] sera constitue dune somme e e de rponses dues ` chaque impulsion x[k] [n k] : e a yk [n] = T {x[k] [n k]} = x[k] h[n k] Ce qui, en tenant compte de lensemble des impulsions, conduit ` : a
+ +

(6.20)

y[n] = T {x[n]} =
k=

yk [n] =
k=

x[k] h[n k]

(6.21)

Cette relation importante porte le nom de produit de convolution numrique. Les e oprations que nous venons deectuer peuvent tre dcrites et rsumes dans la e e e e e

225

6. Description des signaux et syst`mes numriques e e suite de relations suivantes [n] h[n] [n k] h[n k] x[k] [n k] x[k] h[n k] x[k] [n k] x[k] h[n k] x[n] y[n] qui sont illustres par la gure 6.8. e
[n] 1 0.5 0 5 0 5 10 [n1] 1 0.5 0 5 0 5 10 [n2] 1 0.5 0 5 6 4 2 0 5 0 5 n 10 15 20 0 5 10 15 20 1 0.5 0 5 6 4 2 0 5 0 5 n 10 15 20 0 5 10 15 20 15 20 1 0.5 0 5 0 5 10 h[n2] 15 20 15 20 1 0.5 0 5 0 5 10 h[n1] 15 20 h[n]

x[n] = k x[k] [nk] avec x[k] = [k]

y[n] = k x[k] h[nk]

Figure 6.8.: Illustration du produit de convolution Un simple changement de variable permet de montrer que le produit de convolution est commutatif :
+ +

y[n] =
k=

x[k] h[n k] =
k=

h[k] x[n k]

(6.22)

Ce rsultat scrit symboliquement sous la forme : e e y[n] = x[n] h[n] = h[n] x[n] (6.23)

Lintrt du produit de convolution rside dans le fait quun syst`me LTI est totaee e e lement caractris par sa rponse impulsionnelle h[n] et que le calcul de la rponse e e e e

226

6.3. Rponse impulsionnelle et produit de convolution e a ` un signal quelconque peut alors se faire en restant dans le domaine temporel. On notera que le produit de convolution est le rsultat direct de la linarit et de e e e linvariance temporelle ; il ne peut donc sappliquer quaux syst`mes LTI. e

6.3.1. Syst`mes causaux e


Syst`mes ` rponse impulsionnelle innie e a e Dans le cas o` le syst`me considr est causal, sa rponse impulsionnelle h[n] ne u e ee e peut pas prcder linstant de lapplication du signal x[n] au syst`me ; elle est donc e e e nulle si n < 0. Considrant que lon applique le signal x[n] ` linstant n = 0, on a e a donc :
+n +n

y[n] =
k=0

x[k] h[n k] =
k=0

h[k] x[n k]

0 n < +

(6.24)

Syst`mes ` rponse impulsionnelle nie e a e De plus, dans le cas tr`s frquent de syst`mes causaux ` rponse impulsionnelle e e e a e de dure nie (syst`mes RIF), la rponse impulsionnelle est nulle pour n < 0 et e e e pour n N . Alors, considrant que x[n < 0] = 0, la rponse impulsionnelle est de e e longueur N et la rponse du syst`me ` un signal quelconque x[n] se calcule avec : e e a
N 1

y[n] =
k=0

h[k] x[n k]

0 n < +

(6.25)

Le schma fonctionnel correspondant ` cette quation est reprsent ` la gure 6.9 e a e e ea 1 (on notera lusage de loprateur z qui eectue un dcalage arri`re). e e e

x[n]

z-1

x[n-1]

z-1

x[n-2]

z-1

x[n-3]

z-1

x[n-N+1]

h[0]

h[1]
N-1

h[2]

h[3]

h[N-1] y[n]

h[k] x[n-k]
k=0

Figure 6.9.: Reprsentation du produit de convolution e Il est important de bien comprendre les oprations sousjacentes ` lquation de e a e convolution
N 1

y[n] =
k=0

h[k] x[n k]

227

6. Description des signaux et syst`mes numriques e e On voit que lon doit tout dabord retourner le signal dentre x[k] (ici, un saut e unit) autour de lordonne an dobtenir x[k] (gure 6.10). Puis, ` chaque instant e e a n on devra : 1. dcaler x[k] en n pour obtenir x[n k] ; e 2. eectuer sa multiplication avec h[k] pour obtenir h[k] x[n k] ; 3. sommer la suite de valeurs ainsi obtenues.https ://www.cia.gov/library/publications/theworld-factbook/geos/ni.html La gure 6.10 illustre la situation pour n = 10 et lon voit que la somme des valeurs successives vaut :
10

h[k] x[n k] = 1 + 0.9 + 0.92 + + 0.910 = 6.86 = y[10]


k=0

Convolution entre x[k] et h[k] pour n=10 1 x[nk], n=10 0.5 0 5 1 h[k] 0.5 0 5 1 0.5 0 5 10 y[n] = h[k] x[nk] 5 0 5

10

15

20

25

30

10

15 h[k] x[nk]

20

25

30

y[10] = h[k] x[nk] = 6.86 0 5 10 instants k 15 20 25 30

10

15

20

25

30

Figure 6.10.: Illustration du calcul dun produit de convolution

6.3.2. Ralisation dun produit convolution e


Considrant la gure 6.9, on voit que pour calculer un produit de convolution il e faut avoir ` sa disposition les suites de valeurs h[k] et x[n k]. Cela ncessite a e donc deux espaces-mmoire de longueur N . Dans le premier (gnralement une e e e EPROM), on stockera les valeurs de la rponse impulsionnelle h[k] avec 0 k e N 1 caractrisant le syst`me que lon souhaite raliser. Dans le deuxi`me, qui e e e e sera constamment mis ` jour (gnralement une RAM), on gardera les N derni`res a e e e valeurs du signal dentre x[n] (gure 6.11). e

228

6.3. Rponse impulsionnelle et produit de convolution e

x(t)

t N-1 Te x(t) A N x[n]

y[n] =

x[n-k] h[k]
k=0

FAR

1 1 1 1 1 1 1 1

h[0] h[1] h[2] h[3]

x[n-k]

h[k]

Figure 6.11.: Schma technologique dune convolution numrique e e

n k Tp

0 0 0 0 0 0 0 0 RAM

N-1

N-1

h[N-1]

k EPROM

xn[k]
N-1

hn[k] y[n] N A y(t) FL y(t)

xn[k] hn[k] k=0

229

6. Description des signaux et syst`mes numriques e e Comme exemple illustratif, imaginons que lon souhaite raliser un quivalent nue e mrique dun ltre passe-bas analogique dont la rponse impulsionnelle h(t) et la e e sortie y(t) sont dcrites par : e h(t) = 1 t/ e
t

pour

t0

y(t) =
0

h() x(t ) d

dont lquivalent numrique scrit : e e e


n

y[n] =
k=0

Te h[k] x[n k]

On notera que dans cette expression, la priode dchantillonnage Te multiplie la e e rponse impulsionnelle h[k] dont les units sont linverse du temps. De mani`re e e e a normaliser la rponse impulsionnelle numrique par rapport a Te , on la dnit e e e ` ` comme suit : h[n] Te h(t = nTe ) (6.26) Ce qui dans notre cas particulier devient : h[n] = Te En posant : R = eTe / la rponse impulsionnelle du ltre numrique passe-bas dordre 1 scrit donc : e e e h[n] = Te n R pour n0 (6.27) Te Te / 1 n Te / e = e
n

En limitant la longueur de la rponse impulsionnelle aux N premi`res valeurs et e e admettant que le contenu de la RAM a t initialis ` zro, la rponse ` un signal ee ea e e a quelconque se calcule alors comme suit :
N 1

y[n] =
k=0 N 1

h(k) x[n k]

y[n] =
k=0

Te k R x[n k]

Une traduction algorithmique du produit de convolution pourrait tre la suivante : e {initialisation des variables} tau = 1e-3 Te = 1e-4 R = exp(-Te/tau) N = 100

230

6.3. Rponse impulsionnelle et produit de convolution e {initialisation des tableaux} for k =0:N-1 xn(k) = 0 hn(k) = (Te/tau)*R^k end {calcul et envoi du signal de sortie yn} repeat x0 = AnalogInput {initialisation et calcul de la somme} yn = x0*hn(0) for k = 1:N-1 do yn = yn + xn(k) * hn(k) end AnalogOutput (yn) {mise ` jour du tableau xn(k)} a for k = N-1:-1:1 do xn(k) = xn(k-1) end xn(0) = x0 until stop

6.3.3. Une application : linterpolation numrique e


Une application intressante du produit de convolution consiste en lagrandissement e (zoom) dune suite de valeurs par interpolation numrique. Parmi le grand nombre e dinterpolations possibles, on en prsente trois : les interpolations constante, linaire e e et parabolique. La premi`re maintient la valeur considre, la deuxi`me relie deux e ee e points successifs par un segment de droite et enn la derni`re relie ces deux points e par des arcs de parabole. Un interpolateur dordre N remplace chaque valeur dune suite x[n] (sauf la derni`re) par N nouvelles valeurs. e Du point de vue de la convolution, une fonction dinterpolation est un oprateur que e lon dcrit par sa rponse impulsionnelle h[n]. Son application a une suite x[n] de vae e ` leurs numriques remplace chacune de celles-ci par, respectivement, une constante, e deux segments de droite ou trois arcs de parabole (gure 6.12). Ces fonctions dinterpolation de longueur 2 N doivent valoir 1 au centre et 0 aux extrmits. Elles e e sont dcrites respectivement par les expressions suivantes : e h0 [n] = 1 si |n| N/2 0 si N/2 < |n| N (6.28) (6.29)

N |n| pour |n| N h1 [n] = N 2 2 N 2 (n + N ) si N < n < N/2 2 1 N 2 n2 si N/2 n +N/2 h2 [n] = 2 (n N )2 si +N/2 < n < +N N2

(6.30)

231

6. Description des signaux et syst`mes numriques e e


1

0.5

0 N 0 +N

0.5

0 N 0 +N

0.5

0 N 0 +N

Figure 6.12.: Rponses impulsionnelles de trois interpolateurs e La gure 6.13 illustre leet des interpolateurs dordre N = 15 appliqus ` trois e a impulsions damplitude 1, 4 et 2. On y voit tr`s bien que chaque impulsion est e remplace par une fonction dinterpolation et que la somme de celles-ci conduit e au rsultat global reprsent par les points interpols. Il est important de noter e e e e que pour utiliser la convolution en tant quinterpolateur, il faut au pralable insrer e e entre les valeurs ` interpoler un nombre de zros gal ` N 1. Ainsi, avant deectuer a e e a le produit de convolution pour obtenir la suite interpole e y[n] = h[n] x0 [n] on doit remplacer la suite x[n] = {0, 1, 4, 2} par une nouvelle suite valant x0 [n] = {0, 0, 0, 0, , 1, 0, 0, 0, , 4, 0, 0, 0, , 2} (6.32) (6.31)

Puis, an dliminer les eets de bords, on enl`vera du rsultat de cette convolution e e e les N valeurs extrmes obtenues de part et dautre de la suite originale x0 [n]. e La gure 6.14 montre les rsultats des trois interpolations appliques ` une suite de e e a valeurs oscillantes amorties. On notera que le choix dune fonction dinterpolation nest pas anodin car il peut conduire ` une reprsentation errone du signal analoa e e gique enregistr. La gure 6.15 illustre le rsultat de ces trois mmes interpolations e e e appliques ` une image agrandie dun facteur huit. e a

6.4. Syst`mes dcrits par des quations rcursives e e e e


Dans la section prcdente, nous avons analys les syst`mes linaires et temporellee e e e e ment invariants (LTI). Ces syst`mes taient reprsents par leur rponse impulsione e e e e nelle h[n] et lobtention de la rponse y[n] ` un signal dentre quelconque faisait e a e

232

6.4. Syst`mes dcrits par des quations rcursives e e e e

4 2 0 0 5 10 15 20 25 30 35 40 45

4 2 0 0 5 10 15 20 25 30 35 40 45

4 2 0 0 5 10 15 20 25 30 35 40 45

Figure 6.13.: Rponses individuelle et globale de trois interpolateurs dordre 15 e

10

0 0 20 40 60 80 100 120

10

0 0 20 40 60 80 100 120

10

0 0 20 40 60 80 100 120

Figure 6.14.: Trois interpolations dune mme suite de valeurs e

233

6. Description des signaux et syst`mes numriques e e

Figure 6.15.: Agrandissement dune image par interpolation constante, linaire ou e parabolique

234

6.4. Syst`mes dcrits par des quations rcursives e e e e appel au produit de convolution. Dans le calcul de celui-ci nintervient que le signal dentre x[n] et h[n] (quation non rcursive). Cette mani`re de faire ncessite, pour e e e e e chaque instant n, le calcul complet de y[n] sans utiliser des rsultats prcdemment e e e calculs : e
N 1

y[n] =
k=0

h(k) x[n k]

Dans les quelques exemples qui suivent, on montre quil est gnralement assez facile e e de trouver une quation utilisant des rsultats obtenus pralablement. Le syst`me e e e e est alors dcrit, de mani`re quivalente, par une quation rcursive. e e e e e

6.4.1. Quelques exemples


Accumulateur Un accumulateur causal est reprsent par lquation : e e e
n

y[n] =
k=0

x[k]

(6.33)

On voit immdiatement que ce rsultat peut tre rcrit sous la forme : e e e e


n

y[n] =
k=0 n1

x[k]

=
k=0

x[k] + x[n]

donc : y[n] = y[n 1] + x[n] Cette derni`re quation nest autre que la forme rcursive de laccumulateur. e e e Filtre passe-bas On a vu plus haut que la rponse dun ltre passe-bas dordre 1 e pouvait tre dcrite par : e e
N 1

(6.34)

y[n] =
k=0

Te k R x[n k]

(6.35)

Ce rsultat peut galement scrire comme suit : e e e


N 1

y[n] =
k=0

Te Te k R x[n k] =

N 1

Rk x[n k]
k=0

= =

Te

R0 x[n] + R1 x[n 1] + R2 x[n 2] + R0 x[n 1] + R1 x[n 2] + R2 x[n 3)] +

Te Te x[n] + R

235

6. Description des signaux et syst`mes numriques e e Ce qui donne nalement la forme rcursive suivante : e y[n] = Te x[n] + R y[n 1] (6.36)

On voit ainsi que le calcul de la rponse y[n], qui dans lapproche non rcursive e e demande pour chaque instant n le calcul de N multiplications et additions, peut etre remplac par une quation rcursive ne demandant quune multiplication et e e e une addition.
x[n] y[n] x[n] Te y[n] R z-1 Accumulateur 1/(n+1) Moyenneur cumulatif x[n] y[n] z-1 Filtre passe-bas (R < 1)

z-1 n

Figure 6.16.: Schmas fonctionnels : (a) dun accumulateur, (b) dun ltre passee bas, (c) dun moyenneur cumulatif

Moyenne cumule Considrons le calcul dune moyenne que lon souhaite valuer e e e a e ` lapparition de chaque nouvel chantillon : 1 y[n] = n+1
n

x[k]
k=0

(6.37)

En multipliant les 2 membres de lquation par n + 1, on obtient : e


n n1

(n + 1) y[n] =
k=0

x[k] = x[n] +
k=0

x[k]

Ce qui peut galement scrire sous la forme : e e y[n] = 1 n+1 x[n] + n 1 n


n1

x[k]
k=0

236

6.5. Exercices pour donner nalement 1 (x[n] + n y[n 1]) (6.38) n+1 Les schmas fonctionnels correspondant ` chacun de ces 3 syst`mes sont illustrs e a e e par la gure 6.16. y[n] = Conclusion Ces quelques exemples ont montr que bien des oprations linaires e e e peuvent tre ramenes ` des quations rcursives et qualors le nombre doprations e e a e e e a e ` eectuer est fortement rduit.

6.5. Exercices
SNB 1 Esquissez les signaux suivants x1 [n] = [n 2] x2 [n] = + [n + 1] + [n] x3 [n] = 2 [n + 2] [3 n] x4 [n] = 0.9n [n] x5 [n] = sin(n/6) x6 [n] = sin(n/8) [n]

SNB 2 Esquissez le signal x[n] = {..., 0, 0, -1, 0, 1, 2, 3, 0, 0, 0,...} puis faites de mme avec les signaux suivants e y1 [n] = x[n 2] y2 [n] = x[3 n] y3 [n] = x[n + 1] [n] y4 [n] = x[n] [n] y5 [n] = x[n + 1] [n] y6 [n] = x[3 n] [n 2]

SNB 3 Trouvez les expressions mathmatiques dcrivant les signaux de la gure e e SNB 3. SNB 4 Considrant les fonctions oscillantes ci-dessous, donnez pour chacune e dentre-elles la pulsation normalise 0 , la priode numrique N et le nombre de e e e priodes analogiques par priode numrique. e e e x1 [n] = cos(n /20) x2 [n] = cos(n 3/8) x3 [n] = cos(n 13/8 /3) x4 [n] = exp(j n /4 /2) x5 [n] = 3 sin(5 n + /6) x6 [n] = cos(n 3/10) sin(n /10) + 3 cos(n /5)

SNC 1 On consid`re un syst`me temporellement invariant auquel on applique suce e cessivement les signaux dentre x1 [n], x2 [n] (gure SNC 1). A ces signaux distincts e correspondent les suites y1 [n], y2 [n]. 1. Quelle est la rponse impulsionnelle du syst`me ? e e 2. Dterminez si le syst`me est linaire ou non. e e e 3. Donnez son quation aux dirences et dessinez son schma fonctionnel. e e e

237

6. Description des signaux et syst`mes numriques e e

x1[n] 2 1.5 1 0.5 0 5 0 x3[n] 1 0.8 0.6 0.4 0.2 0 0.2 5 0 5 10 ..... 1, 0.9, 0.81, 0.73, 0.656, ..... 1 0.8 0.6 0.4 0.2 0 0.2 5 0 5 10 ..... 0 1 2 5 0 3 2 1

x2[n]

5 x4[n]

10

1, 0.9, 0.81, 0.73, 0.656, .....

.....

10

Figure 6.17.: Ex. SNB 3

x1[n] 2 1.5 1 0.5 0 5 0 x2[n] 2 1.5 1 0.5 0 5 0 5 10 4 3 2 1 0 5 0 5 10 4 3 2 1 0 5 0

y1[n]

5 y2[n]

10

10

Figure 6.18.: Ex. SNC 1

238

6.5. Exercices SNC 2 On consid`re un syst`me LTI causal dcrit par sa rponse impulsionnelle e e e e h[n] = {4, 3, 2, 1, 0, 0, 0, } n 0 et les signaux dentre suivants e x1 [n] = [n 1] x2 [n] = +2[n] [n 1] x3 [n] = [n] [n 5] x4 [n] = [n + 5]

Esquissez ces signaux xk [n] et les rponses respectives yk [n] apr`s les avoir calcules e e e avec le produit de convolution. SNC 3 Etant donn la rponse impulsionnelle causale e e h[n 0] = {0, 1, 1, 1, 1, 2, 2, 0, 0, } dun syst`me LTI, dessinez cette rponse puis calculez et esquissez sa rponse a e e e ` x[n] = [n]. De quel ltre sagit-il ? SNC 4 Utilisez le produit de convolution pour calculer la rponse indicielle dun e syst`me causal et LTI dcrit par sa rponse impulsionnelle h[n] = 0.8n [n]. e e e SNC 5 On consid`re un syst`me dcrit par lquation aux dirences suivantes e e e e e y[n] = 2 x[n 1] + 1 3 y[n 1] y[n 2] 4 8

Dessinez son schma fonctionnel et calculez sa rponse impulsionnelle sachant que e e les CI sont nulles. SNC 6 Trouvez la rponse impulsionnelle h[n] dun syst`me causal LTI qui a e e rpondu avec le signal y[n] au signal appliqu x[n] (gure SNC 6). e e
x[n] 3 2.5 2 1.5 1 0.5 0 5 0 5 10 1 2 3 5 0 5 10 2 1 0 y[n]

Figure 6.19.: Ex. SNC 6 Remarque : Ce calcul, qui porte le nom dopration de dconvolution, se fait de e e mani`re rcursive directement ` partir de la dnition du produit de convolution. e e a e

239

6. Description des signaux et syst`mes numriques e e SNC 7 On souhaite appliquer une interpolation en cosinus dordre 4 ` la squence a e numrique x[n] = {1, 6, 3}. Pour ce faire, e 1. calculez littralement la rponse impulsionnelle h[n] en cosinus telle que h[0] = e e 1 et h[N ] = 0 ; 2. calculez les valeurs numriques de h[n] ; e 3. crez la suite x0 [n] et calculez la suite interpole y[n]. e e Rp. : e h[n] = h[n] x0 [n] h1 [n] h6 [n] h3 [n] y[n] 0 1 1 0 1 1 2 1 + cos 0.5 0 0.5 3 3.5 n N avec N n +N 1 6 0 6 0 6 0.8535 0 5.1213 0.4394 5.5607 0.5 0 3 1.5 4.5 0.1465 0 0.8787 2.5606 3.4393 0 3 0 3 3

0.1465 0 0.8535 0.8787 1.7322

0.8535 0 0.1465 5.1213 5.2678

240

7. Rponses des syst`mes e e numriques e


Nous avonsvu dans le chapitre prcdent quun syst`me numrique peut tre dcrit e e e e e e par une quation aux dirences. De mani`re gnrale, cest celle-ci qui est implane e e e e te dans un processeur an de raliser en temps rel la fonction souhaite. An que e e e e les calculs se fassent dans un temps tr`s court, on utilise de prfrence un processeur e ee spcialis pour le traitement de signaux (Digital Signal Processor = DSP) qui, en e e un cycle dhorloge (tclock 10 ns) va chercher deux variables, eectue leur produit et ajoute le rsultat dans un registre. e Cependant, avant dimplanter dans un DSP un syst`me ou un ltre numrique sous e e la forme dun algorithme, il est ncessaire danalyser et comprendre le comportement e de celui-ci. Pour ce faire, on doit pouvoir au pralable : e dcrire le syst`me considr par sa rponse impulsionnelle ou par une quation e e ee e e aux dirences ; e reprsenter ce syst`me avec une fonction de transfert ; e e prvoir la stabilit du syst`me numrique ; e e e e calculer les rponses temporelle et frquentielle du syst`me. e e e

7.1. Rponse temporelle des syst`mes linaires e e e


7.1.1. Rsolution dune quation rcursive e e e
` A titre introductif, considrons lquation linaire suivante : e e e y[n] 0.9y[n 1] + 0.2y[n 2] = x[n] 0.8n dont on recherchera la solution pour n 0 en tenant compte des deux conditions initiales : y[1] = 0, y[0] = 0. La dmarche ` suivre pour rsoudre cette quation aux dirences est la mme e a e e e e que celle utilise pour rsoudre les quations direntielles ` coecients constants. e e e e a Cest-`-dire quil faut : a 1. rechercher la solution gnrale yh [n] de lquation homog`ne ; e e e e 2. rechercher une solution particuli`re yp [n] de lquation non-homog`ne ; e e e 3. en dduire la solution gnrale y[n] = yh [n] + yp [n] ; e e e 4. calculer les coecients indtermins en tenant compte des conditions initiales. e e

241

7. Rponses des syst`mes numriques e e e

7.1.2. Solution de lquation homog`ne e e


On sait que la solution gnrale dune quation direntielle ` coecients constants e e e e a pt est une somme dexponentielles de la forme e . Il en va de mme pour une quation e e aux dirences ` coecients constants ; mais dans ce cas, lexponentielle nume a e n rique sera de la forme . On recherchera donc une solution gnrale de lquation e e e homog`ne en posant : e yh [n] = C n o` est une constante, complexe ou non, et C une constante relle. u e En portant cette solution dans lquation homog`ne, on obtient : e e C n 0.9 C n1 + 0.2 C n2 = 0 En mettant en vidence le terme commun C n2 , on obtient une quation quadrae e tique en qui est lquation caractristique de lquation aux dirences : e e e e 2 0.9 + 0.2 = 0 dont les racines sont : 1 = +0.4 2 = +0.5 La solution gnrale de lquation homog`ne scrit alors : e e e e e yh [n] = C1 n + C2 n 1 2 n = C1 0.4 + C2 0.5n

7.1.3. Solution particuli`re e


La solution particuli`re de lquation aux dirences est du mme type que la e e e e fonction du second membre de lquation ; dans notre cas, on posera : e yp [n] = C3 n 3 avec 3 = 0.8

En portant cette solution dans lquation aux dirences, il vient : e e C3 n 1 0.9 1 + 0.2 2 = n 3 3 3 3 Apr`s simplication par n , on en tire le coecient C3 : e C3 = 1 1 0.9 0.81 + 0.2 0.82 = 16 3

La solution particuli`re vaut donc : e yp [n] = 16 0.8n 3

242

7.1. Rponse temporelle des syst`mes linaires e e e

7.1.4. Solution gnrale e e


La solution gnrale e e y[n] = yh [n] + yp [n] de lquation aux dirences compl`te scrit donc : e e e e y[n] = C1 0.4n + C2 0.5n + 16 0.8n 3

Les coecients C1 et C2 se calculent en tenant compte des conditions initiales. Celles-ci nous permettent dcrire deux quations algbriques : e e e y[1] = 0 = C1 0.41 + C2 0.51 + = 2.5 C1 + 2.0 C2 + y[0] = 0 = C1 0.40 + C2 0.50 + = C1 + C2 + dont les solutions sont : 16 3 16 0.80 3 20 3 16 0.81 3

40 24 C2 = 3 3 La solution gnrale de lquation aux dirences pour n 0 est donc : e e e e C1 = + y[n] = 1 (+24 0.4n 40 0.5n + 16 0.8n ) 3

7.1.5. Gnralisation e e
On peut gnraliser ce que nous venons de voir en considrant lquation dordre N : e e e e y[n] + a1 y[n 1] + + aN y[n N ] = b0 x[n] + b1 x[n 1] + + bM x[n M ] (7.1) dont on cherchera la solution en tenant compte des N conditions initiales. Solution de lquation homog`ne e e La solution dune quation aux dirences linaire et ` coecients constants est du e e e a type : yh [n] = C n (7.2) En portant cette solution dans lquation aux dirences, on obtient une quation e e e caractristique dont les racines dterminent la forme de la solution gnrale. Celle-ci e e e e dpend des trois cas suivants. e

243

7. Rponses des syst`mes numriques e e e Racines relles et distinctes e e e Chaque terme n avec i = 1, 2, , M est une solution de lquation aux dirences i homog`ne. La solution gnrale est une combinaison linaire de tous ces termes : e e e e yh [n] = C1 n + C2 n + + CM n M 2 1 Les coecients Ci sont des constantes xes par les conditions initiales. e Racines complexes conjugues e Soit 1,2 = a jb, deux racines complexes de lquation caractristique. Alors, la e e solution yh [n] est une combinaison linaire de chaque racine leve ` la puissance n : e e e a yh [n] = C1 (a + jb)n + C2 (a jb)n On peut galement crire les racines sous forme polaire : e e a jb = R ej avec : R= On a donc (a jb)n = R ej a2 + b 2
n

(7.3)

= atan

b a

= Rn (cos(n) j sin(n))

Comme les coecients de lquation aux dirences sont rels, la solution lest gae e e e lement. Cela signie que les termes imaginaires se simplieront et que lon obtiendra nalement : yh [n] = A1 Rn cos(n) + A2 Rn sin(n) = A2 + A2 Rn cos n + atan 1 2 A2 A1

Le rsultat gnral est alors le suivant : e e e yh [n] = A Rn cos (n + ) (7.4)

Les conditions initiales permettront de calculer les valeurs de A1 et A2 ou celles de A et . Racines multiples Si la racine est de multiplicit m telle que 1 = 2 = = m , on pose : e yh [n] = C1 + C2 n + + Cm nm1 n 1 Ici galement, les coecients C1 ` Cm seront xs par les conditions initiales. e a e (7.5)

244

7.2. Stabilit des syst`mes numriques e e e Solution particuli`re e La solution particuli`re yp [n] a la mme forme que le second membre de lquation e e e aux dirences x[n]. Comme exemple, on peut rappeller les cas particuliers suivants : e

x[n] = A yp [n] = C x[n] = A n yp [n] = C n x[n] = A cos(n + ) yp [n] = C cos(n + )

7.2. Stabilit des syst`mes numriques e e e


Nous venons de voir que la dynamique de la rponse dun syst`me dpend directee e e ment des racines de son quation caractristique. Comme la rponse du syst`me est e e e e n e dcrite par des exponentielles , il sut que le module de la racine soit infrieur e a e e e a ` lunit pour que cette rponse tende vers zro au fur et ` mesure que n augmente. Comme on le verra plus loin, les racines de lquation caractristique ne sont autres e e que les ples de la fonction de transfert reprsentant le syst`me. On parlera donc o e e indiremment de ples du syst`me ou de racines de lquation caractristique. e o e e e Conclusion Un syst`me numrique est stable si toutes les racines de son quation e e e caractristique sont ` lintrieur du cercle de rayon unit (gure 7.1), alors quun e a e e syst`me analogique nest stable que si ses ples sont ` partie relle ngative. e o a e e

7.3. Instants caractristiques e


On conna limportance des param`tres dynamiques dun syst`me pour valuer son t e e e comportement temporel. Dans le cas des syst`mes analogiques, on sait que, si les e ples p1,2 sont complexes conjugus ` partie relle ngative, la solution homog`ne o e a e e e yh (t) est une fonction sinuso dale amortie telle que : yh (t) = C exp t cos 2 t + T

avec et T reprsentant la constante de temps et la priode doscillation de lvolue e e tion temporelle du signal. On montre aisment que ces deux temps caractristiques e e valent respectivement : = 1 Re {p1,2 } T = 2 2 = |Im {p1,2 }|

Dans le cas des syst`mes numriques, il est galement intressant dvaluer des e e e e e instants caractristiques Kc et Kp correspondant ` la constante de temps et ` la e a a

245

7. Rponses des syst`mes numriques e e e

Figure 7.1.: Poles et rponses impulsionnelles dun syst`me numrique e e e

246

7.4. Transformation en z priode doscillation T . Il est important de noter ici que Kc et Kp sont des valeurs e sans unit, multiples de la priode dchantillonnage Te du signal considr. e e e ee Ces instants caractristiques sont dnis de la mme mani`re que les param`tres e e e e e continus et T : 1. Linstant Kc est celui pour lequel lamplitude Rn a diminu ou augment dune e e valeur gale a e. On a donc RKc = e1 . En prenant le logarithme naturel de e ` cette galit, on obtient : e e Kc = 1 1 = ln(R) |ln(R)| (7.6)

2. La priode Kp dune oscillation est telle que Kp = 2. On en tire donc : e 2 (7.7) Comme la dure du rgime transitoire est gale a environ cinq fois la constante de e e e ` temps, on a : 5 (7.8) Ktr 5 Kc = |ln(R)| et le nombre doscillations visibles pendant cette dure vaudra : e Kp = Nosc = Ktr 5 = Kp 2 |ln(R)| |ln(R)| (7.9)

7.4. Transformation en z
La transformation en z fait pour les syst`mes numriques ce que la transformation e e de Laplace fait pour les syst`mes continus. En particulier, elle permet la reprsene e tation des syst`mes numriques linaires ` laide dune fonction de transfert H(z) e e e a dont les ples sont les racines de lquation caractristique. o e e

7.4.1. Dnition e
La transformation en z sapplique ` une suite de nombres x[n] au travers de la a dnition suivante : e
+

X(z) = Z {x[n]} =
n=0

x[n] z n

(7.10)

On peut montrer que cette dnition dcoule de la transformation de Laplace dun e e signal analogique x(t) :
+

X(s) =
t=0

x(t) est dt

En eet, considrant que x[n] est la reprsentation chantillonne de x(t), on peut e e e e remplacer lintgrale par une somme. Il vient alors : e
+ +

X(s)
n=0

x(n Te ) es nTe Te = Te
n=0

x(n Te ) esTe

247

7. Rponses des syst`mes numriques e e e En dnissant la variable z par e z e+sTe (7.11) et en attribuant ` la priode dchantillonnage Te la valeur unitaire, on obtient : a e e
+

X(z) =
n=0

x[n] z n

Ce rsultat sert de dnition ` la transformation en z. e e a On notera que la dnition de la variable z correspond ` celle de loprateur de e a e dcalage avant gal ` une priode dchantillonnage Te et que lop`rateur de dcalage e e a e e e e arri`re ou de retard est naturellement e z 1 esTe (7.12)

7.4.2. Calcul de quelques transformes e


Impulsion unit Elle est dnie par : e e 1 si n = 0 [n] = 0 si n = 0 En appliquant la dnition de la transformation en z, on obtient : e
0

D(z) = Z {[n]} =
n=0

1 z n = 1

(7.13)

Saut unit Il est dni par : e e 1 si n 0 0 si n < 0

[n] =

En appliquant la dnition de la transformation en z, on obtient : e


+

E(z) = Z { [n]} =
n=0

z n

Cette somme est celle dune suite gomtrique (z 1 ) qui est nie si |z 1 | < 1. Dans e e ce cas, la somme de la suite gomtrique vaut : e e E(z) = 1 z = 1 z 1 z1 si z 1 < 1 (7.14)

248

7.4. Transformation en z Exponentielle Celle-ci est dnie par e y[n] = n [n] Alors : Y (z) = Z {
n + +

[n]} =
n=0

=
n=0

z 1

Cette quation reprsente la somme dune suite gomtrique de raison ( z 1 ) qui e e e e 1 est nie si | z | < 1. Dans ce cas, la somme de la suite gomtrique vaut : e e Y (z) = 1 z = 1 1z z X(z) 1
z z1 z (z1)2 z z z 2 cos 0 z z 2 2 cos 0 z+1 sin 0 z z 2 2 cos 0 z+1 z 2 cos 0 z z 2 2 cos 0 z+2 sin 0 z z 2 2 cos 0 z+2

si

z 1 < 1

(7.15)

x[n] n 0 [n] [n] n n cos(n 0 ) sin(n 0 ) n cos(n 0 ) n sin(n 0 )

x(t) t 0 (t) (t) t exp(a t) cos(0 t) sin(0 t) exp(a t) cos(0 t) exp(a t) sin(0 t)

X(s) 1
1 s 1 s2 1 s+a s 2 s2 +0 0 2 s2 +0 s 2 (s+a)2 +0 0 2 (s+a)2 +0

Table 7.1.: Quelques transformes en z et de Laplace e

7.4.3. Quelques proprits de la transformation en z e e


La transformation en z poss`de des proprits similaires ` celles de la transformation e ee a de Laplace. Seules quelques unes sont rappeles ci-apr`s sans dmonstration. e e e 1. linarit : e e Z {a x[n] + b y[n]} = a X(z) + b Y (z) 2. dcalage temporel : e Z {x[n + d]} = z +d X(z) (7.17) (7.16)

249

7. Rponses des syst`mes numriques e e e 3. amortissement : Z {n x[n]} = X 4. valeur initiale : x[0] = X(z)|z 5. valeur nale (si le syst`me est stable) : e x[] = (z 1) X(z)|z=1 (7.20) (7.19) z

(7.18)

7.4.4. Equation aux dirences et fonction de transfert e


Nous avons vu quun syst`me pouvait tre dcrit par une quation aux dirences e e e e e dordre N :
N M

y[n] +
k=1

ak y[n k] =
k=0

bk x[n k]

(7.21)

On notera au passage que lordre M de la partie non-homog`ne de lquation nest e e pas ncessairement gal ` celui de la partie homog`ne. Son schma fonctionnel est e e a e e reprsent ` la gure 7.2. e ea
x[n] z-1 x[n-1] z-1 x[n-2] z-1 x[n-M]

b0

b1
M

b2
N

bM y[n]

y[n] =

bk x[n-k] -

ak y[n-k]
k=1

k=0

- aN

- a2

- a1

y[n-N]

z-1

y[n-2] (b)

z-1

y[n-1]

z-1

y[n]

Figure 7.2.: Schma fonctionnel dune quation aux dirences e e e Dans le cas particulier des syst`mes dordre 2, on a donc e y[n] + a1 y[n 1] + a2 y[n 2] = b0 x[n] + b1 x[n 1] + b2 x[n 2] (7.22)

Utilisant la proprit de linarit, la transformation en z de lquation aux diee e e e e rences se calcule aisment et donne : e Y (z) + a1 z 1 Y (z) + a2 z 2 Y (z) = b0 X(z) + b1 z 1 X(z) + b2 z 2 X(z)

250

7.5. Rponse frquentielle des syst`mes LTI e e e En mettant en vidence Y (z) et X(z), il vient : e Y (z) 1 + a1 z 1 + a2 z 2 = X(z) b0 + b1 z 1 + b2 z 2 Comme le rapport des grandeurs de sortie Y (z) et dentre X(z) dnit la fonction e e de transfert H(z), on obtient : H(z) Y (z) b0 + b1 z 1 + b2 z 2 = X(z) 1 + a1 z 1 + a2 z 2 (7.23)

En multipliant numrateur et dnominateur par z 2 , cette fonction de transfert peut e e encore scrire sous la forme quivalente : e e H(z) = b0 z 2 + b1 z + b2 z 2 + a1 z + a2 (7.24)

On remarque alors que le dnominateur de H(z) nest autre que lquation caracte e e ristique de lquation aux dirences reprsentant le syst`me : e e e e 2 + a1 + a2 = 0 (7.25)

La recherche des poles de H(z) est donc quivalente ` la recherche des racines e a de lquation caractristique. On notera que la forme de H(z) en z 1 est dite de e e ralisation (qu. 7.23) alors que celle en z est dite analytique (qu. 7.24) . e e e

7.5. Rponse frquentielle des syst`mes LTI e e e


7.5.1. Fonction de transfert et rponse frquentielle e e
On a vu plus haut que la variable z correspond ` loprateur davance a e z = esTe avec s = + j (7.26)

Comme dans le cas dune rponse frquentielle on travaille en rgime sinuso e e e dal permanent, la variable de Laplace vaut simplement s = j et la variable z devient alors z = ejTe = ej avec Te = 2f /fe (7.27) La variable = 2 f /fe est la pulsation normalise dnie entre + et ; elle e e reprsente les frquences comprises entre +fe /2 et fe /2. On voit donc que pour e e calculer une rponse frquentielle, il sut de remplacer la variable z par la valeur e e se situant sur le cercle de rayon unit et dargument = 2f /fe . e Ainsi, de la fonction de transfert H(z) = b0 z 2 + b 1 z + b2 z 2 + a1 z + a2 (7.28)

251

7. Rponses des syst`mes numriques e e e on tire la rponse frquentielle e e H(j) = b0 e+j2 + b1 e+j + b2 e+j2 + a1 ej + a2 (7.29)

Dans le cas o` la fonction de transfert est dcrite avec loprateur de retard z 1 u e e H(z) = on a bien videmment e H(j) = b0 + b1 ej + b2 ej2 1 + a1 ej + a2 ej2 (7.31) b0 + b1 z 1 + b2 z 2 1 + a1 z 1 + a2 z 2 (7.30)

Les rponses frquentielles pour f = 0, f = fe /4 et f = fe /2 se calculent aisment e e e car on a f = 0 = 0 z = +1 fe = 4 2 fe f= = 2 Ce qui donne pour une cellule biquadratique f= z = +j z = 1

H(jf )|f =0 = H(z)|z=+1 = H(jf )|f =fe /4 = H(z)|z=j =

b0 + b1 + b2 1 + a1 + a2 b0 b2 + j b1 1 a2 + j a1 b0 b1 + b2 1 a1 + a2

(7.32) (7.33) (7.34)

H(jf )|f =fe /2 = H(z)|z=1 =

7.5.2. Ples, zros et rponse frquentielle o e e e


Toute fonction de transfert peut tre dcrite ` laide des ples et zros qui sont les e e a o e racines des dnominateur et numrateur : e e b0 z 2 + b1 z + b2 (z z1 ) (z z2 ) H(z) = 2 =A z + a1 z + a2 (z p1 ) (z p2 ) (7.35)

Comme la variable z parcourt le cercle unit de 0 ` quand la frquence varie de e a e 0 a fe /2 (gure 7.3), on voit que la rponse frquentielle saaiblit si la frquence e e e ` est proche des zros car (z zk ) samenuise et quelle passe par un maximum lorsque e la frquence se situe aux environs des poles car (z pk ) diminue. e La conguration poles-zros dun ltre passe-bande ainsi que sa rponse frquentielle e e e sont reprsentes ` la gure 7.3. Une bonne interprtation de la signication des e e a e ples et zros permet ainsi dvaluer facilement une rponse frquentielle. o e e e e

252

7.5. Rponse frquentielle des syst`mes LTI e e e


Im +fe/4 p1 z2 +fe/2 -fe/2 p2 -fe/4 z1 f0

H(f)

f=0

Re 0 f0 fe/2

Figure 7.3.: Poles, zros et rponse frquentielle dun ltre passe-bande e e e Evaluation dune rponse frquentielle e e Considrons comme exemple un ltre passe-bande dcrit par une fonction de transe e fert dordre 2 (z z1 ) (z z2 ) H(z) = A (z p1 ) (z p2 ) et caractris par les points suivants. e e 1. Il ne doit pas laisser passer la frquence nulle qui se situe en z = +1 dans le e plan complexe ; on doit donc avoir un zro en cet endroit, do` e u z1 = +1 2. Il doit bloquer les signaux de frquence fe /2 qui se situe en z = 1 ; on a e donc z2 = 1 3. Il doit laisser passer la frquence centrale f0 qui correspond ` deux ples situs e a o e en p1,2 = R ej0 (7.36) avec la pulsation normalise 0 = 2 e
f0 fe

et R < 1 pour que le ltre soit stable.

La fonction de transfert sera donc dcrite par e H(z) = A (z 1) (z + 1) (z Re+j0 ) (z Rej0 ) z2 1 = A 2 z 2R cos 0 z + R2

ou, de mani`re quivalente, par e e H(z) = A 1 z 2 1 2R cos 0 z 1 + R2 z 2 (7.37)

253

7. Rponses des syst`mes numriques e e e La rponse frquentielle vaut donc e e H(j) = A 1 ej2 1 2R cos 0 ej + R2 ej2 (7.38)

Comme application numrique, considrons le cas particulier o` e e u f0 = fe /8 0 = /4, R = 0.9, A = 1 R = 0.1

Pour un ltre passe-bande, on doit bien videmment obtenir e H(f = 0) = 0, H(f = fe /2) = 0

De plus, avec 0 = /4 et 20 = /2, il vient 1 ej/2 H(j0 ) = A 1 2R cos(/4) ej/4 + R2 ej/2 1+j = A 1 1 1 2R 2 j 2 jR2 = A 1+j 1+j =A 1 R (1 j) jR2 1 R + jR jR2

Comme R = 0.9 et A = 1 R, on obtien nalement H(jf0 ) = (1 R) 1+j 1+j = = 1.05 + 0.053 [rad] (1 R)(1 + jR) 1 + j0.9

7.5.3. TFD et rponse frquentielle e e


Sachant que les transformations de Fourier directe et inverse dune suite de valeurs numriques sont dnies par : e e

X(j) =
n=

x[n] exp(jn)
+

(7.39)

x[n] =

1 2

X(j) exp(+jn) d

(7.40)

il est possible de calculer la rponse frquentielle H(j) en transformant de Fourier e e soit la rponse impulsionnelle h[n], soit lquation aux dirences. Comme illustrae e e tion, appliquons ces deux approches ` un syst`me dordre 1. a e Syst`me dcrit par une rponse impulsionnelle e e e En transformant de Fourier la rponse impulsionnelle h[n] dun syst`me numrique e e e dordre 1, h[n] = A Rn [n] 0<R<1

254

7.5. Rponse frquentielle des syst`mes LTI e e e on obtient la rponse frquentielle H(j) suivante e e

H(j) =
n=

h[n] ejn A Rn ejn


n=0

= =
n=0

A R ej

Lobservation de ce rsultat nous montre que lon a aaire ` une suite gomtrique. e a e e Se souvenant que la somme dune suite gomtrique innie de raison r vaut : e e

rn =
n=0

1 1r

si |r| < 1

(7.41)

on peut calculer aisment H(j) : e H(j) = A 1 1 R ej si |R| < 1 (7.42)

Syst`me dcrit par une quation aux dirences e e e e On a vu quun syst`me numrique dordre 1 peut galement tre dcrit par une e e e e e e e quation rcursive : y[n] = A x[n] + R y[n 1] Les proprits de linarit et de dcalage de la transformation de Fourier permettent ee e e e dcrire immdiatement e e Y (j) = A X(j) + R ej Y (j) En regroupant les termes communs, puis en eectuant leur rapport, on obtient la fonction de transfert du syst`me ou sa rponse frquentielle : e e e A Y (j) = H(j) X(j) 1 R ej Comme on pouvait sy attendre, les deux expressions de la rponse frquentielle e e sont identiques ; elles ne dpendent pas de la mthode de calcul utilise. e e e Relation avec la transformation en z Les rsultats que nous venons de calculer peuvent galement sobtenir directement e e a e ee c ` partir des transformes en z des fonctions et signaux considrs en remplaant j loprateur davance z par son quivalent frquentiel e . Ainsi, dans le cas de la e e e rponse impulsionnelle e z h[n] = A Rn [n] H(z) = A zR on obtient ej 1 H(j) = H(z)|z=ej = A j =A e R 1 Rej

255

7. Rponses des syst`mes numriques e e e

7.6. Calcul et traage de quelques rponses c e frquentielles e


An dillustrer le calcul et le traage de quelques rponses frquentielles, considrons c e e e quelques exemples de syst`mes numriques dcrits soit par leur rponse impulsione e e e nelle, soit par leur quation rcursive. e e

7.6.1. Moyenneur non causal


Un moyenneur non causal dordre 5 est dcrit par lquation aux dirences suie e e vante : 1 y[n] = x [n 2] + x[n 1] + x[n] + x[n + 1] + x[n + 2] (7.43) 5 et sa rponse impulsionnelle est : e si 2 n 2 1/5 h[n] = 0 sinon

(7.44)

Les rponses impulsionnelle et indicielle de ce ltre sont illustres a la gure 7.4. e e ` Utilisant la transformation en z, on calcule aisment la fonction de transfert de ce e ltre : 1 2 H(z) = z + z 1 + z 0 + z 1 + z 2 5 dont la rponse frquentielle vaut e e H(j) = do` : u H(j) = 1 j2 e + ej + ej0 + e+j + e+j2 5 (7.45) 1 1 + 2 cos() + 2 cos(2) 5

On constate que la rponse frquentielle ainsi obtenue est relle ; ceci nest pas e e e surprenant si on se souvient que la rponse impulsionnelle h[n] considre est paire. e ee Le traage de la rponse frquentielle de ce moyenneur (gure 7.5) montre quil agit c e e comme un ltre passe-bas et quil annule mme la sortie pour certaines pulsations. e

7.6.2. Moyenneur causal


Un moyenneur causal dordre 5 est dcrit par lquation aux dirences suivantes : e e e 1 y[n] = x [n] + x[n 1] + x[n 2] + x[n 3] + x[n 4] (7.46) 5

256

7.6. Calcul et traage de quelques rponses frquentielles c e e

1 0.8 h[n] 0.6 0.4 0.2 0 5 4 3 2 1 0 1 2 3 4 5

1 0.8 y[n] 0.6 0.4 0.2 0 5 4 3 2 1 0 Instants n 1 2 3 4 5

Figure 7.4.: Rponses impulsionnelle et indicielle dun moyenneur non causal e dordre 5

1 H(j)

0.5

0 3 2 1 0 1 2 3

1 |H(j)|

0.5

0 3 4 2 /H(j) 0 2 4 3 2 1 0 Pulsation normalise [rad] 1 2 3 2 1 0 1 2 3

Figure 7.5.: Rponse frquentielle dun moyenneur non causal dordre 5 e e

257

7. Rponses des syst`mes numriques e e e et sa rponse impulsionnelle est : e si 0n4 1/5 h[n] = 0 sinon

(7.47)

Les rponses impulsionnelle et indicielle de ce ltre sont illustres ` la gure 7.4 et e e a on constate que, par rapport au moyenneur non causal, ces rponses temporelles e sont simplement retardes de deux chantillons. e e Utilisant la transformation en z, on calcule aisment la fonction de transfert de ce e ltre : H(z) = 1 0 z + z 1 + z 2 + z 3 + z 4 5 z 2 2 = z + z 1 + z 0 + z 1 + z 2 5

dont la rponse frquentielle vaut e e H(j) = do` : u H(j) = e


j2

ej2 +j2 e + e+j + 1 + ej + ej2 5 (7.48)

1 + 2 cos() + 2 cos(2)

On constate ainsi que, ` un phaseur pr`s, la rponse frquentielle obtenue est la a e e e mme que prcdemment ; ce qui nest pas surprenant puisque le moyenneur causal e e e nest quune version translate du moyenneur non causal. Les modules des deux e rponses frquentielles sont donc les mmes ; seules les phases di`rent (gure 7.7). e e e e On notera que la phase ainsi obtenue est linaire par rapport ` la frquence ; ce qui e a e nest autre que leet de la translation temporelle.

7.6.3. Filtre passe-bas dordre 1


On a vu plus haut quun ltre passe-bas numrique dordre 1 tait dcrite par sa e e e rponse impulsionnelle e h[n] = A Rn [n] R < 1 ou par sa fonction de transfert H(z) = A 1 R z 1

On en a dduit que sa rponse frquentielle vaut : e e e H(j) = A 1 R ej (7.49)

258

7.6. Calcul et traage de quelques rponses frquentielles c e e

1 0.8 h[n] 0.6 0.4 0.2 0 2 0 2 4 6 8 10

1 0.8 y[n] 0.6 0.4 0.2 0 2 0 2 4 Instants n 6 8 10

Figure 7.6.: Rponses impulsionnelle et indicielle dun moyenneur causal dordre 5 e

1 0.8 |H(j)| 0.6 0.4 0.2 0 0.2 3 2 1 0 1 2 3

2 /H(j)

0 Pulsation normalise [rad]

Figure 7.7.: Rponse frquentielle dun moyenneur causal dordre 5 e e

259

7. Rponses des syst`mes numriques e e e

1.2 1 0.8 h[n] 0.6 0.4 0.2 0 0 5 10 15 20

1.2 1 0.8 y[n] 0.6 0.4 0.2 0 0 5 10 Instants n 15 20

Figure 7.8.: Rponses impulsionnelle et indicielle dun ltre passe-bas dordre 1 e

1 0.8 |H(j)| 0.6 0.4 0.2 0 0.2 3 2 1 0 1 2 3

2 /H(j)

0 1 Pulsation normalise [rad]

Figure 7.9.: Rponse frquentielle dun ltre passe-bas dordre 1 e e

260

7.6. Calcul et traage de quelques rponses frquentielles c e e De mani`re ` avoir un gain unit pour = 0, on choisit e a e A=1R (7.50)

Cette fonction ` valeur complexe peut encore tre dcrite par : a e e H(j) = A 1 R cos() + jR sin() (7.51)

Ce qui permet de calculer le module et la phase de la rponse frquentielle : e e |H(j)| = A (1 R cos()) + (R sin()) H(j) = arctan
2 2

(7.52)

R sin() (7.53) 1 R cos() Les rponses temporelles et frquentielles sont prsentes dans les gures 7.8 et 7.9. e e e e

7.6.4. Filtre passe-bas dordre 2


Prenons, comme nouvel exemple, un ltre passe-bas numrique dordre deux avec e rsonance dcrit par sa rponse impulsionnelle e e e h[n] = A Rn sin (n 0 ) [n] R<1 (7.54)

Les rponses impulsionnelle et indicielle de ce ltre sont reprsentes dans la e e e gure 7.10. La transforme en z de h[n] (voir tableau 7.1) donne la fonction de transfert e H(z) = A R sin 0 z R sin 0 z 1 =A z 2 2R cos 0 z + R2 1 2R cos 0 z 1 + R2 z 2

dont on tire la rponses frquentielle e e H(j) = A qui pour = 0 donne un gain H(j0) = A R sin (0 ) 1 2R cos (0 ) + R2 R sin (0 ) ej 1 2R cos (0 ) ej + R2 ej2 (7.55)

De mani`re ` avoir un gain unit pour = 0, on choisit e a e A= 1 2R cos (0 ) + R2 R sin (0 ) (7.56)

Il est galement possible de retrouver cette rponse frquentielle ` partir de la e e e a donne des ples du ltre. Cette approche, tr`s simple, est laisse comme exercice. e o e e

261

7. Rponses des syst`mes numriques e e e

0.5 h[n] 0 0.5

10

15

20

1.5

1 y[n] 0.5 0 0 5 10 Instants n 15 20

Figure 7.10.: Rponses impulsionnelle et indicielle dun ltre passe-bas dordre 2 e

2 1.5 |H(j)| 1 0.5 0 3 2 1 0 1 2 3

2 /H(j)

0 1 Pulsation normalise [rad]

Figure 7.11.: Rponse frquentielle dun ltre passe-bas dordre 2 e e

262

7.7. Analyse et ralisation dun ltre e

7.7. Analyse et ralisation dun ltre e


Dans cette section, on souhaite illustrer les direntes tapes ` parcourir pour e e a analyser et raliser un ltre numrique. Pour cela, considrons un ltre dcrit par e e e e la fonction de transfert suivante : H(z) = 0.21 z 1 1 1.6 z 1 + 0.81 z 2

et tudions ses rponses temporelle et frquentielle. e e e

7.7.1. Calcul de la rponse temporelle du ltre e


Nous avons vu que le comportement dynamique dun ltre numrique est dtermin e e e par les instants caractristiques Kc et Kp et que leurs valeurs se calcule ` partir des e a ples de la fonction de transfert H(z). o Ples et rponse temporelle o e En multipliant numrateur et dnominateur de H(z) par z 2 , on obtient la forme e e canonique ncessaire pour lanalyse : e H(z) = 0.21 z2 z 1.6 z + 0.81

On calcule aisment les poles de cette fonction de transfert qui valent : e 1 p1,2 = 1.6 1.62 4 0.81 2 = 0.8 j 0.412 = 0.9 ej 0.476 Comme ces ples sont complexes et de module infrieur ` 1, on en dduit que la o e a e rponse transitoire, cest-`-dire la solution homog`ne de lquation aux dirences, e a e e e comportera une oscillation amortie du type : yh [n] = C Rn cos(n + ) ce qui, en tenant compte des valeurs numriques, donne : e yh [n] = C 0.9n cos(0.476 n + ) Instants caractristiques e La rponse tant oscillante, il faut rechercher la constante de temps Kc et la priode e e e doscillation Kp : Kc = 1 = 9.5 |ln(0.9)| Kp = 2 = 13.2 0.476

263

7. Rponses des syst`mes numriques e e e On aura donc une dure du rgime transitoire valant e e Ktr 5 Kc = 47.5 instants

et un nombre doscillations visibles denviron Nosc Ktr Kp 3.6 oscillations

Rponses temporelles dun filtre numrique 0.5 0.4 0.3 0.2 h[n] 0.1 0 0.1 0.2 0 5 10 15 20 25 30 35 40 45 50

1.5 y[n]

0.5

10

15

20

25 n Te

30

35

40

45

50

Figure 7.12.: Rponses impulsionnelle et indicielle du ltre e

Evaluation de la rponse indicielle e ` A un saut unit dont limage est e X(z) = 1 z = 1 1z z1

correspond la rponse indicielle suivante e Y (z) = X(z) H(z) = z 0.21 z 2 1.6 z + 0.81 z1 z

Dans cette rponse, on retrouve naturellement les deux ples (p1,2 = 0.9 ej 0.476 ) dus e o au ltre, plus un ple (p3 = +1) du au saut unit appliqu ` lentre. Lvolution o e ea e e

264

7.7. Analyse et ralisation dun ltre e temporelle sera donc celle dcrite prcdemment, ` laquelle on doit ajouter un terme e e e a constant A correspondant au pole p3 : y[n] = A + C 0.9n cos(0.476 n + ) Ces informations peuvent tre compltes par les valeurs initiale et nale que lon e ee calcule en utilisant le thor`me des valeurs limites : e e y[0] = Y (z)|z = 0 y[] = (z 1) Y (z)|z=1 = 0.21 =1 1 1.6 + 0.81

La gure 7.12 illustre les rponses impulsionnelle et indicielle de ce ltre. On remare quera que toutes les valeurs calcules ci-dessus sont conrmes par ces graphes. e e

7.7.2. Calcul de la rponse frquentielle e e


Partant de la fonction de transfert du ltre H(z) = 0.21 z 0.21 z 1 = 2 1 + 0.81 z 2 1 1.6 z z 1.6 z + 0.81

on obtient lexpression de la rponse frquentielle en remplaant la variable z par le e e c +j phaseur e ; il vient alors : H(j) = 0.21 ej 0.21 e+j = +j2 1 1.6 ej + 0.81 ej2 e 1.6 e+j + 0.81

Quelques valeurs particuli`res e On a vu plus haut que H(jf )|f =0 = H(z)|z=+1 H(jf )|f =fe /4 = H(z)|z=+j H(jf )|f =fe /2 = H(z)|z=1 Ce qui donne dans notre cas H(j0) = H(jfe /4) = 0.21 = +1 = 10 1 1.6 + 0.81

+j 0.21 = 0.129 + j 0.015 = 0.130 3.02 1 + 0.81 j 1.6 0.21 = 0.06 = 0.06 1 + 1.6 + 0.81

H(jfe /2) =

265

7. Rponses des syst`mes numriques e e e Traage de la rponse frquentielle c e e Le calcul et le traage de cette rponse frquentielle se fait avantageusement avec c e e laide de Matlab. Dans ce cas, il faut dcrire la fonction de transfert avec loprateur e e davance z 0.21 z H(z) = 2 z 1.6 z + 0.81 Le calcul et traage se fait ensuite avec les commandes suivantes : c % donnees: num = [0, 0.21, 0]; den = [1, -1.6, 0.81]; % reponse frequentielle fe = 1; Npoints = 500; [Hjf, ff] = freqz(num,den,Npoints,fe); % tracage figure; subplot(2,1,1); plot(ff, 20*log10(abs(Hjf))); grid on; title(Rponse frquentielle dun filtre numrique); e e e ylabel(|H(jf)|); axis([0,0.5,-30,+10]); subplot(2,1,2); plot(ff,angle(Hjf)*180/pi); grid on; ylabel(/H(jf)); xlabel(f / f_e); La gure 7.13 prsente le module et la phase de la rponse frquentielle du ltre. e e e On y retrouve bien les trois valeurs particuli`res e H(0) = 10 H(jfe /4) = 0.130 3.02 = 17.7 dB 3.02 H(fe /2) = 0.06 = 24 dB

7.7.3. Comment raliser ce ltre ? e


Une fois le comportement du ltre analys et vri, il reste ` le raliser. Pour e e e a e cela, on implantera lquation aux dirences correspondant au ltre dsir dans un e e e e processeur numrique. Puis on devra bien entendu le relier au monde analogique e a laide des convertisseurs AN et NA et des ltres dantirepliement (FAR) et de ` lissage (FL) (gure 7.14). Lquation aux dirences du ltre est dduite directement de la fonction de transe e e fert 0.21 z 1 Y (z) = H(z) = X(z) 1 1.6 z 1 + 0.81 z 2

266

7.7. Analyse et ralisation dun ltre e

Rponse frquentielle dun filtre numrique 10

0 HdB(f)

10

20

30

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

0.5

50 H(jf)

100

150

200

0.05

0.1

0.15

0.2

0.25 f / fe

0.3

0.35

0.4

0.45

0.5

Figure 7.13.: Rponse frquentielle du ltre e e

Te x0(t) x(t)

FAR

A N

x[n]

Systme numrique

y[n]

N A

ys(t)

FL

y(t)

Figure 7.14.: Schma bloc dun ltre numrique e e

267

7. Rponses des syst`mes numriques e e e En eet, les produits croiss de cette quation donnent : e e Y (z) 1.6 z 1 Y (z) + 0.81 z 2 Y (z) = 0.21 z 1 X(z) Ce qui, par transformation inverse, correspond a lquation ` e y[n] 1.6 y[n 1] + 0.81 y[n 2] = 0.21 x[n 1] Algorithmiquement, cette quation scrit plutot sous la forme suivante e e y[n] = 0.21 x[n 1] + 1.6 y[n 1] 0.81 y[n 2] Cest cette quation aux dirences qui sera implante dans le processeur et excue e e e te ` chaque nouvel instant dchantillonnage Te . Le code ralisant ce ltre pourrait e a e e scrire comme suit : e % initalisation des constantes b0 = 0.0; b1 = +0.21; b2 = 0.0; a1 = -1.6; a2 = +0.81; % initalisation des variables xn1 = 0.0; xn2 = 0.0; % valeurs anciennes de x[n] yn1 = 0.0; yn2 = 0.0; % valeurs anciennes de y[n] % operation de filtrage (xn0, yn0: valeurs actuelles) repeat xn0 = AnalogInput; yn0 = b0*xn0 + b1*xn1 + b2*xn2 - a1*yn1 - a2*yn2; AnalogOutput(yn0); % mise a jour des 2 piles xn et yn yn2 = yn1; yn1 = yn0; xn2 = xn1; xn1 = xn0; until stop;

7.8. Classication des syst`mes numriques e e


Au travers des sections prcdentes, nous avons vu direntes formes de reprsene e e e tation des syst`mes numriques : quations aux dirences, schmas fonctionnels et e e e e e fonctions de transfert. Les divers exemples ont permis de montrer que la rponse e dun syst`me peut se calculer en prenant en compte le signal dentre seulement ou e e les signaux dentre et de sortie simultanment. e e De ces deux possibilits dcoule une classication des syst`mes quil est important e e e de conna tre. Ces deux classes de reprsentations des syst`mes linaires sont souvent e e e dsignes avec des acronymes anglo-saxons qui seront utiliss par la suite. e e e

268

7.8. Classication des syst`mes numriques e e

7.8.1. Syst`mes non rcursifs (dits RIF, FIR ou MA) e e


La rponse y[n] dun syst`me causal non rcursif dordre N se calcule uniquement ` e e e a partir du signal dentre x[n]. Son quation aux dirences est rappele ci-dessous e e e e et sa reprsentation fonctionnelle est donne ` la gure 7.15a. e e a
N

y[n] =
k=0

bk x[n k] = b0 x[n] + b1 x[n 1] + b2 x[n 2] + + bN x[n N ] (7.57)

On peut remarquer que sa rponse impulsionnelle correspond aux coecients bk ; e elle est donc de longueur nie N . Ainsi le calcul de y[n] revient-il ` convoluer le a signal dentre et la rponse impulsionnelle h[k] bk du syst`me linaire. On peut e e e e e e e galement observer que ce syst`me eectue une pondration des valeurs du signal dentre et que cela correspond ` une moyenne glissante (moving average). e a Ces syst`mes sont donc dsigns avec lacronyme RIF (Rponse Impulsionnelle e e e e Finie) ou FIR (Finite Impulse Response) ou MA (Moving Average) et leur fonction de transfert scrit e H(z) = b0 + b1 z 1 + b2 z 2 + + bN z N (7.58)

De par leur structure, les syst`mes FIR sont toujours stables, mais ils demandent e passablement de temps de calcul car la longueur de la rponse impulsionnelle dun e tel syst`me est gnralement tr`s leve (N > 100). e e e e e e

7.8.2. Syst`mes rcursifs (dits RII, IIR ou ARMA) e e


La rponse y[n] dun syst`me causal rcursif dordre N se calcule ` partir du signal e e e a dentre x[n] et des valeurs prcdentes de la sortie y[n k]. Son quation aux e e e e dirences est rappele ci-dessous et sa reprsentation fonctionnelle est donne ` la e e e e a gure 7.15b.
M N

y[n] =
k=0

bk x[n k]
k=1

ak y[n k]

(7.59)

On peut remarquer que ces syst`mes ont une rponse impulsionnelle inniment e e longue et quils sont dcrits par leur fonction de transfert e H(z) = b0 + b1 z 1 + b2 z 2 + + bM z M 1 + a1 z 1 + a2 z 2 + + aN z N (7.60)

On observe ainsi que le dnominateur de cette fonction de transfert reprsente une e e Rponse Impulsionnelle Innie RII ou IIR (Innite Impulse Response) ou Auto Ree gressive (AR) et que son numrateur dcrit une moyenne glissante (Moving Average e e MA). Do` lappellation ARMA (Auto Regressive and Moving Average). u Gnralement, lordre dun syst`me IIR est peu lev (N = 1 10) et il est ralis e e e e e e e en plaant en srie des cellules biquadratiques (cellules IIR dordre 2). Il est donc c e tr`s ecace en temps de calcul mais, de par sa structure rcursive, il peut devenir e e instable.

269

7. Rponses des syst`mes numriques e e e

7.8.3. Caractristiques des ltres FIR et IIR e


Les qualits (indiques en gras) et les dfauts des ltres FIR et IIR sont prsents e e e e e dans le tableau de la gure 7.15.
x[n] z-1 x[n-1] z-1 x[n-2] z-1 x[n-M]

b0

b1
M

b2

bM y[n]

y[n] =

bk x[n-k]
k=0

(a)

x[n]

z-1

x[n-1]

z-1

x[n-2]

z-1

x[n-M]

b0

b1
M

b2
N k=1

bM y[n]

y[n] =

bk x[n-k] - ak y[n-k]
k=0

- aN

- a2

- a1

y[n-N]

z-1

y[n-2] (b)

z-1

y[n-1]

z-1

y[n]

Caractristiques e slectivit e e ordre nombre doprations e mmoire ncessaire e e temps de propagation constant (phase linaire) e stabilit e nombre de bits ncessaires e prcision des coecients e cycles limites ltres adaptatifs

Filtres FIR ou MA faible e e lev e e lev e e leve naturellement ralisable e absolue raisonnable raisonnable aucun possibles

Filtres IIR ou ARMA e e leve faible faible faible impossible au sens strict limite e e e lev e e leve prsents e diciles

Figure 7.15.: Schmas fonctionnels et caractristiques des ltres FIR et IIR e e

270

7.9. Exercices

7.9. Exercices
SNT 1 Considrant les syst`mes numriques suivants e e e y1 [n] = x[n] + x[n 4] + x[n 8]
6

y2 [n] =
k=0

x[n k]
6

y3 [n] = n
k=0

x[n k] avec y4 [2] = y4 [1] = 0

y4 [n] = x[n] + y4 [n 1] 0.5y4 [n 2]

dessinez leur schma fonctionnel ainsi que leurs rponses impulsionnelle et indicielle. e e SNT 2 Considrant le schma fonctionnel dun ltre numrique (gure SNT 2), e e e 1. Ecrivez son quation aux dirences et sa rponse impulsionnelle. e e e 2. Dessinez les rponses impulsionnelle et indicielle. e 3. Ce ltre est-il rcursif ? Quelle est son action ? e
x[n] z-1 z-1 z-1 z-1 z-1

-5

-3

-2

Figure 7.16.: Ex. SNT 2

y[n]

SNT 3 Ecrivez lquation aux dirences dun moyenneur causal dordre 5 et e e dessinez sa rponse y[n] au signal x[n] = [n] [n 10]. e SNT 4 On souhaite raliser lquivalent numrique dun ltre analogique passee e e bas dordre 1. Pour cela : 1. Considrez lquation direntielle du ltre analogique e e e RC dy(t) + y(t) = x(t) dt

et remplacez la drive par une direntielle nie pour obtenir lquation aux e e e e dirences du ltre numrique. e e 2. Utilisez vos rsultats et calculez les coecients du ltre numrique dont la e e frquence de coupure se situe aux environs de 1kHz alors que le signal dentre e e est chantillonn ` fe = 10 kHz. Dessinez son schma fonctionnel. e ea e

271

7. Rponses des syst`mes numriques e e e 3. Calculez les premiers points de sa rponse indicielle et comparez ` celle du e a ltre analogique. 4. Que valent en particulier y[0] et y[] ? Comparez ` y(0) et y(). Justiez les a dirences. Que se passe-t-il si on augmente la frquence dchantillonnage ? e e e SNT 5 On consid`re deux ltres numriques dcrits par e e e y[n] = x[n] + 1.2y[n 1] 0.4y[n 2] y[n] = x[n] x[n 1] + 1.2y[n 1] 0.4y[n 2] Que valent y[0] et y[] si x[n] = [n] ? Quelle est la fonction de chaque ltre ? SNT 6 Considrant six syst`mes numriques linaires dcrits par leurs quations e e e e e e aux dirences : e 1 2 3 4 5 6 y[n] = x[n] + 0.8 y[n 1] y[n] = x[n] 0.8 y[n 1] y[n] = x[n] + 1.2 y[n 1] y[n] = x[n] 1.2 y[n 1] y[n] = x[n] + 1 y[n 1] 0.8 y[n 2] y[n] = x[n] + 1.2 y[n 1] 0.32 y[n 2]

1. Calculez et dessinez leurs racines dans le plan complexe ; o` se situent-elles u par rapport au cercle unit ? e 2. Calculez les instants caractristiques Kc , Kp et Nosc pour chaque cas. e 3. Donnez lexpression gnrale de leur rponse transitoire et esquissez leur re e e e ponse indicielle. SNT 7 Calculez la rponse indicielle dun syst`me numrique dcrit par e e e e y[n] = x[n] + 1.6 y[n 1] 0.75 y[n 2] avec y[0] = y[1] = 0

En particulier, que valent y[0], y[], Ktrans et Nosc ? SNTZ 1 Calculez la transforme en z de la suite suivante e y[n] = {10, 8, 6, 4, 2, 0, 0, }, SNTZ 2 Considrant un ltre numrique dcrit par e e e y[n] = x[n] + 1.7 y[n 1] 0.72 y[n 2] 1. Calculez sa fonction de transfert H(z). 2. Calculez la dure du rgime transitoire et le nombre doscillations visibles. e e 3. Admettant x[n] = [n], esquissez y[n] apr`s avoir calcul y[0] et y[]. e e n0

272

7.9. Exercices SNTZ 3 Rpondez aux questions de lexercice prcdent pour e e e y[n] = x[n] + 1.2 y[n 1] 0.75 y[n 2] SNTZ 4 Considrant la rponse indicielle dun syst`me dcrit par e e e e H(z) = z1 z 2 1.6 z + 0.81

calculez la dure du rgime transitoire et le nombre doscillations visibles ainsi que e e les valeurs y[0] et y[]. Esquissez y[n]. SNTZ 5 Quelle est la fonction de transfert H(z) dun ltre dont la rponse ime pulsionnelle est dcrite par e h[n] = exp nTe sin (n 2f0 Te ) (n)

lorsque Te = 1 msec, = 10 msec, f0 = 100 Hz ? Rp. : e h[n] = Rn sin(n0 ) H(z) = 0.53 z 1.46 z + 0.82

z2

SNF 1 Considrant un moyenneur pondr dcrit par lquation aux dirences e ee e e e suivante qui accorde plus dimportance aux valeurs rcentes e y[n] = 1 (3x[n] + 2x[n 1] + x[n 2]) 6

1. Dessinez son schma ainsi que ses rponses impulsionnelles et indicielle. e e 2. Calculez sa rponse frquentielle H(j). e e 3. Que valent |H(j)| et H(j) si f = 0, fe /4, fe /2 ? 4. Esquissez |H(j)| et H(j) pour < < +. SNF 2 Un ltre passe-bas dordre 1 est dcrit par e y[n] = x[n 1] + 0.9y[n 1] 1. Dessinez son schma fonctionnel. e 2. Calculez sa rponse frquentielle H(j). e e 3. Que valent |H(j)| et H(j) lorsque f = 0, fe /4, fe /2 ? 4. Esquissez |H(j)| et H(j) pour < < +.

273

7. Rponses des syst`mes numriques e e e SNF 3 Considrant un ltre dordre 2 dcrit par e e y[n] = R sin (0 ) x[n 1] + 2R cos (0 ) y[n 1] R2 y[n 2] avec R = 0.8 et 0 = /4. 1. Calculez sa rponse frquentielle H(j). e e 2. Que valent |H(j)| et H(j) si f = 0, fe /4, fe /2 ? 3. Esquissez |H(j)| et H(j) pour < < +. Quel type de ltre est ainsi ralis ? e e

SNF 4 Un ltre numrique biquadratique est dcrit par lquation aux dirences e e e e suivante y[n] = a0 x[n] + a1 x[n 1] + a2 x[n 2] b1 y[n 1] b2 y[n 2] 1. Dessinez son schma fonctionnel. e 2. Calculez sa rponse frquentielle H(j). e e 3. Que valent |H(j)| et H(j) si f = 0, fe /4, fe /2 ? 4. Quelles conditions faut-il satisfaire pour que le ltre soit : a) un ltre passe-bas de gain unit ? e b) un ltre passe-haut de gain unit ? e

SNF 5 On applique un signal sinuso dal permanent x(t) = 5 sin(2 1kHz t) ` un a ltre numrique dcrit par y[n] = 0.1 x[n] + 0.9 y[n 1]. Sachant que fe = 10 kHz, e e que vaut le signal analogique y(t) obtenu apr`s conversion NA ? e

SNF 6

Considrant un moyenneur non causal centr dordre 5 : e e

1. Ecrivez son quation aux dirences et dessinez son schma fonctionnel. e e e 2. Calculez sa rponse frquentielle H(j) et crivez-la ` laide de fonctions en e e e a cosinus seulement. 3. Que valent H(0) et H() ? Y a-t-il des pulsations pour lesquelles H(j) sannule ?

SNF 7 Calculez puis esquissez les rponses indicielle y[n] et frquentielle H(j) e e dun ltre dcrit par sa rponse impulsionnelle e e h[n] = A {10, 8, 6, 4, 2, 0, 0, }, n 0, A=1

Que doit valoir A pour que le gain de ce ltre soit gal ` 1 ? e a

274

7.9. Exercices SNF 8 Considrant un ltre numrique dcrit par e e e y[n] = x[n] + 1.7 y[n 1] 0.72 y[n 2] 1. Calculez sa fonction de transfert H(z) et sa rponse frquentielle H(j). e e 2. Recherchez les valeurs numriques de H(j) lorsque f = 0, fe /4, fe /2. e 3. Esquissez |H(j)|. SNF 9 Rptez lexercice prcdent pour un ltre numrique dcrit par e e e e e e y[n] = x[n] x[n 1] + 1.2 y[n 1] 0.72 y[n 2] SNF 10 Considrant le schma fonctionnel du ltre numrique de lexercice SNT e e e 2 pour lequel la rponse impulsionnelle vaut e h[n] = {+2, +3, +5, 5, 3, 2, 0, 0, }, n = 0, 1, 2, 3,

1. Calculez sa fonction de transfert H(z) et sa rponse frquentielle H(j). e e 2. Ecrivez cette derni`re avec un phaseur et une somme de sinus. e 3. Ecrivez le module et la phase de H(j). Observez-alors que la phase est linaire ; expliquez a posteriori pourquoi cette phase doit tre linaire. e e e 4. Esquissez le module et la phase de H(j) apr`s avoir calcul les valeurs e e particuli`res pour f = 0, fe /4, fe /2, 3fe /4, fe . e

275

Troisi`me partie . e Travaux pratiques

277

8. Analyse de signaux priodiques e


Le but de ce travail pratique est dapprendre ` gnrer et analyser des signaux a e e dans les domaines temporels et frquentiels. Pour ce faire, vous crerez des signaux e e priodiques tels que les suites dimpulsions rectangulaires (sir), triangulaires (sit), e exponentielles (sie) et oscillantes amorties (sinam) pour les analyser ensuite.

1 x1(t) 0 1 5 4 x2(t) 2 0 5 2 x3(t) 1 0 5 2 x4(t) 0 2 5 1 x5(t) 0.5 0 0.5 5 0 5 10 temps [ms] 15 20 25

10

15

20

25

10

15

20

25

10

15

20

25

10

15

20

25

Figure 8.1.: Exemples de signaux

Commencez par lire la section 8.4 et observez ` quel point il est simple de crer a e des signaux priodiques o`, sauf pour la sit, deux lignes de code susent. Copiez e u dans votre rpertoire de travail les fonctions sir.m, sit.m, sie.m, sinam.m ge e nratrices de quelques signaux utiles. Puis, dans la fentre de commandes Matlab, e e tapez help sir.m ou autres pour voir comment on utilise ces fonctions.

279

8. Analyse de signaux priodiques e

8.1. Analyse temporelle


8.1.1. Cration de quelques signaux e
Ecrivez un chier signaux_a.m dans lequel vous calculerez et tracerez les signaux de la gure 8.1. Puis : 1. Gnrez un vecteur temps constitu de N = 1000 valeurs comprises entre tmin e e e et tmax . 2. Pour chacun des signaux, dnissez les param`tres tdec , T0 , rc, , Tp ainsi que e e lamplitude A et le dcalage en ordonne. e e 3. Calculez et tracez les cinq signaux. 4. Modiez les valeurs des param`tres ; est-ce que tout se passe bien ? est-il e raisonnable de prendre des valeurs faibles pour N ?

8.1.2. Valeurs moyennes, puissance


Pour mmoire, on rappelle que la puissance dun signal peut tre calcule dans les e e e domaines temporel ou frquentiel (thor`me de Parseval) e e e Px = 1 T
t0 +T +

x2 (t) dt =
t0 k

|X(jk)|2

(8.1)

et que la puissance totale dun signal est gale a la somme des puissances DC et AC e `
2 2 Px = Pdc + Pac = Xdc + Xac

(8.2)

On en dduit alors que la puissance et la valeur ecace de la composante alternative e valent 2 (8.3) Pac = Px Xdc , Xac = Pac Comme les signaux que lon traite avec Matlab sont des grandeurs analogiques numrises, il est important de dnir comment on calcule les valeurs associes aux e e e e signaux analogiques x(t) ou numriques x[n] : e la composante continue ou valeur moyenne du signal Xdc 1 = T
t0 +T

x(t) dt,
t0

1 Xdc = N

N 1

x[n]
n=0

(8.4)

la puissance normalise du signal e 1 t0 +T 2 1 Px = x (t) dt, Px = x2 [n] (8.5) T t0 N n=0 An dobtenir les param`tres caractristiques de vos signaux, crivez une fonction e e e fournissant ces valeurs : function [Xdc, Xac, Px] = ParamSignal (xt); Quatre lignes de codes susent si vous employez les deux fonctions lmentaires, ee mais tr`s utiles, que sont sum et length. e
N 1

280

8.2. Analyse spectrale

8.1.3. Analyse des rsultats e


Pour chacun des signaux ci-dessus, 1. rappelez lexpression des valeurs thoriques des param`tres Px , Pdc , Pac ; e e tirez-en Xef f , Xdc , Xac et calculez leur valeur avec Matlab ; 2. utilisez votre fonction ParamSignal.m pour calculez les valeurs mesures sur e vos signaux ; 3. ` laide dun tableau, comparez ces rsultats aux valeurs thoriques et explia e e quez les dirences ventuelles. e e Sinus Xdc thor. e Xdc mes. Xac thor. e Xac mes. Triangle Exponentielle Impulsion Sinus amorti

8.2. Analyse spectrale


Le travail qui est demand dans cette section sinspire directement du chapitre e consacr ` lanalyse spectrale numrique. Vous devez donc commencer par relire e a e son contenu et vous attachez plus particuli`rement aux deux premiers exemples e danalyse spectrale. Une fois cela fait, copiez dans votre rpertoire de travail le e chier enreg_signaux.txt et crez un nouveau chier signaux_c.m dans lequel e vous eectuerez les oprations et analyses suivantes. e 1. Chargez le chier enregistr et extrayez les informations utiles e mesure = load(enreg_signaux.txt); tt = mesure(:,1); xt = mesure(:,2); N = length(xt); dt = tt(2) - tt(1); duree = N * dt; 2. Tracez et observez le signal x(t) ; a) que valent sa puissance et ses valeurs moyenne et ecace ? b) que valent la dure du signal et sa priode dchantillonnage ? e e e c) que vaudront lincrment frquentiel et la frquence maximum du spectre ? e e e 3. Calculez le vecteur f [k] des frquences et le spectre X[jk] du signal x(t)]. e Vriez que la puissance calcule avec X[jk] donne bien le mme rsultat que e e e e celle calcule avec x(t)]. e 4. Tracez (subplot(2,1,k)) les spectres damplitudes unitlatraux Ak et Aw,k e avec des axes satisfaisants ; observez et analysez ; a) pouvez-vous mettre en vidence des composantes spectrales ? e b) que valent leurs frquence, amplitude et phase ? e c) quelle est lincertitude sur la valeur des frquences ? e d) commentez lallure du contenu spectral.

281

8. Analyse de signaux priodiques e ` 5. A partir des composantes spectrales choisies comme signicatives, reconstruisez le signal original xo (t) et calculez sa valeur ecace ainsi que le rapport signal sur bruit (SNR) de lenregistrement propos. Rappel : e SN R = 10 log Pxo Ptot

8.3. Reconstruction dun signal


Comme on la vu dans lanalyse de Fourier, la reconstruction ou synth`se dun signal e se fait ` partir de ses K composantes spectrales X(jk) : a
+K

x(K) (t) =
k=K

X(jk) exp (+j2kf0 t)

(8.6)

En pralable ` votre travail, rappelez ce que valent les spectres dune SIR et dune e a SIT puis ouvrez un chier signaux_b.m dans lequel vous crerez des signaux de e priode T0 = 1 ms et dapproximation K = 5, 10, 20. Pour cela : e 1. Construisez les trois signaux priodiques suivants pour une dure 5T0 : e e a) un signal triangulaire similaire ` celui de la gure 8.1 ; a b) une SIR centre caractrise par A = 5, t = 0.2 ms ; e e e c) un signal carr dmarant au anc montant et damplitude comprise entre e e -2.5 et +2.5. 2. Pour chacun des signaux tracez les trois approximations (subplot(3,1,k)) ; observez-les et concluez. 3. Pour chacun des trois signaux, calculez leur puissance dans les domaines temporel et frquentiel. Comparez et expliquez les dirences. e e

8.4. Annexe
Voici les chers Matlab permettant de gnrer les signaux particuliers dnis en e e e introduction. Vous noterez ` quel point la fonction modulo est utile pour gnrer a e e des signaux priodiques. e Suites dimpulsions rectangulaires (sir.m)
function [x] = sir(temps, T0, rc); % sir(temps, T0, rc) % Calcul dune suite dimpulsions rectangulaires damplitude 1,dure 5T_{0} e % de rapport cyclique rc demarrant lorsque temps = 0 % Parametres: % temps = variable temporelle

282

8.4. Annexe
% rc = rapport cyclique = 0.5 par defaut % Exemple dutilisation: % xt = amplitude * sir((temps+decalage),T0, rc); % valeurs par defaut if nargin == 2, rc = 0.5; end; tm = mod(temps,T0); % rampe comprise entre 0 et T0 x = tm/T0 < rc; % x = 1 ou 0

Suites dimpulsions triangulaires (sit.m)


function [x] = sit(temps, T0, rc); % sit(t, T0, rc) % Calcul dune suite dimpulsions % priode T0, de rapport cyclique e % Parametres: % temps = variable % T0 = priode e % rc = rapport cyclique = 0.5 par % Exemple dutilisation: % xt = amplitude * sit(temps, T0,

triangulaires damplitude 1, de rc demarrant lorsque temps = 0

defaut rc);

% verification des parametres dentree if nargin == 2, rc = 0.5; end; % valeur par defaut if (rc > 1)|(rc < 0) error(Le rapport cyclique doit etre compris entre 0 et 1); end; % creation du signal x = 0 x = zeros(size(temps)); tm = mod(temps,T0); % rampe comprise entre 0 et T0 % creation des triangles k1 = find(tm/T0 < rc/2); x(k1) = tm(k1)/T0; % rampe positive 0 ... rc/2 k2 = find((tm/T0 >= rc/2)&(tm/T0 < rc)); x(k2) = rc - tm(k2)/T0; % rampe negative rc/2 ... 0 % normalisation x = x/max(x);

Suites dimpulsions exponentielles amorties (sie.m)


function [x] = sie(temps, T0, tau); % sie(temps, T0, tau) % Calcul dune suite dimpulsions exponentielles damplitude 1, % de constante de temps tau demarrant lorsque temps = 0 % Parametres: % temps = variable temporelle % T0 = periode % tau = constante de temps % Exemple dutilisation:

283

8. Analyse de signaux priodiques e


% xt = amplitude * sie(temps+decal, T0, tau);

tm = mod(temps,T0); % rampe comprise entre 0 et T0 x = exp(-tm/tau);

Suite de sinuso des amorties (sinam.m)


function [y] = sinam(temps, T0, tau, Tp); % sinam(temps, T0, tau, Tp) % Calcul dune suite de sinusoides amorties de periode Tp, % damortissement tau se repetant avec la periodicite T0 % Utilisation: % yt = amplitude * sinam(temps+decal, T0, tau, Tp); tm = mod(temps,T0); % rampe comprise entre 0 et T0 y = exp(-tm/tau).*sin(2*pi*tm/Tp);

284

9. Signaux et syst`mes numriques e e


9.1. Numrisation des signaux analogiques e
Lorsquon analyse et/ou traite signaux par programmation (Matlab ou autres), ces signaux sont par dnition numriques. Au sens strict, on ne peut donc plus parler e e de signaux analogiques. Cependant, on se permet de le faire si lincrment temporel e utilis pour les dcrire est beaucoup plus petit que le temps caractristique minimum e e e du signal. Dans tout ce qui suit, il est donc extrmement important de bien distinguer au e niveau des variables entre les signaux analogiques numriss xt (quivalent de x(t)) e e e et les signaux chantillonns xn (quivalent de x[n]) qui sont tous deux numriques. e e e e Dans le premier cas, on choisira un nombre lev de points de mani`re ` avoir un e e e a incrment temporel dt tr`s petit alors que dans le deuxi`me cas, lincrment tempoe e e e rel Te sera x par la frquence dchantillonnage qui doit respecter le thor`me de e e e e e Shannon ; gnralement, le nombre de points sera beaucoup moins lev que dans e e e e le premier cas. Une illustration en est donne dans la gure 9.1. e

9.2. Echantillonnage des signaux analogiques


9.2.1. Signal sinuso dal
Construisez un signal x(t) de priode T0 = 1 ms de dure tmax = 20 ms avec un incre e e ment temporel de 20 s. Tracez ce signal (plot(tt,xt)) dans une fentre subplot e (5,1,1). Echantillonnez ce signal avec les frquences dchantillonnage fe valant e e 4kHz, 2kHz, 1.1kHz, 0.9kHz et tracez (plot(tn,xn)) les signaux x[n] dans les fentres (5,1,k). Observez et concluez. e

9.2.2. Signal audio


Dans cette section, vous allez crer un son pur chantillonn ` 8 kHz durant 1 e e e a ` laide de la carte-son, vous couterez plusieurs sons dont les 9 frquences seconde. A e e sont comprises entre 800 Hz et 7200 Hz. Pour ce faire, crez une boucle for k1 = e 1:9 dans laquelle vous gnrez les signaux sinuso e e daux de frquence f0 = k1*800 et damplitude 1 ; e tracez les graphes correspondants avec subplot(3,3,k1); plot(tn(1:80),xn(1:80)); ylabel(num2str(f0));

285

9. Signaux et syst`mes numriques e e

2 2

2 x 10

3
3

2 20

10

10

20

30

2 2

0 1 temps [s]

2 x 10

3
3

2 20

10

0 10 temps [t/Te]

20

30

% signal analogique numris e e tmin = -2e-3; tmax = +10e-3; Npts = 1000; dt = (tmax - tmin)/Npts; tt = tmin:dt:tmax-dt; A = 2; T0 = 1e-3; xt = A*sin(2*pi*tt/T0); subplot(2,2,1); plot(tt,xt); subplot(2,2,2); plot(tt,xt,.); xlabel(temps [s]);

% signal chantillonn e e tmin = -2e-3; tmax = +10e-3; fe = 8000; Te = 1/fe; tn = tmin:Te:tmax-Te; A = 2; T0 = 1e-3; xn = A*sin(2*pi*tn/T0); subplot(2,2,3); plot(tn/Te,xn,.); subplot(2,2,4); plot(tn/Te,xn,tn/Te,xn,.); xlabel(temps [t/Te]);

Figure 9.1.: Exemple de signal numris ou chantillonn e e e e

286

9.3. Rponse temporelle des syst`mes numriques e e e coutez le signal avec soundsc(xn,fe); pause(2); e Connaissant la frquence dchantillonnage et la dure du signal, e e e calculez les frquences fk du spectre numrique ; e e rptez les oprations ci-dessus en traant les spectres Xjk dans une nouvelle e e e c gure : Xjk = fft(xn)/Npts; subplot(3,3,k1); plot(fk,abs(Xjk)) ; coutez, observez et concluez. e

9.2.3. Signal modul en frquence e e


Dans cette section vous gnrerez un signal dont la frquence varie linairement au e e e e cours du temps (signal chirp). Apr`s avoir trac le signal et son volution spectrale, e e e vous pourrez lcouter et conclure ce point consacr ` lchantillonnage des signaux. e ea e 1. Sachant quun signal chirp est dcrit par e x(t) = sin((t)) = sin 2 f1 t + calculez sa frquence instantane e e f (t) = Considrant que lon choisit e 0 t tmax = 1 [sec] f1 = 100 [Hz] fe = 8 [kHz] = 8000 [Hz/sec] 1 1 d(t) (t) 2 2 dt 2 t 2

2. 3. 4.

5.

calculez les frquences fmin , fmax . A quel instant t, la frquence vaudra-t-elle e e 4 kHz ? Tracez ` la main lvolution de la frquence f (t) ; imaginez lallure du signal a e e x(t). Que se passera-t-il danormal ` lcoute de ce signal ? a e Calculez le signal x[n] ; tracez-le avec la fonction large_plot.m (voir en annexe). Dans une nouvelle gure, tracez son spectrogramme specgram(xn,Nfft,fe), avec le code des couleurs colorbar et Nfft valant 128 ou 256. Quest-ce qui change avec 128 et 256 ? Ecoutez le signal et concluez.

9.3. Rponse temporelle des syst`mes numriques e e e


9.3.1. Produit de convolution
On a vu que la rponse temporelle dun syst`me linaire causal peut se calculer avec e e e le produit de convolution suivant
min(n,N 1)

y[n] =
k=0

h[k] x[n k],

n = 0, 1, 2, 3,

287

9. Signaux et syst`mes numriques e e La fonction conv existe bien entendu dans Matlab. Cependant, an de bien comprendre lalgorithme de convolution, vous crerez votre propre fonction [yn] = e myconv(hn,xn). Pour cela : 1. Calculez ` la main la convolution entre xn = [1,2,3,4] et hn = [5,6] ; a quelle est la longueur du rsultat yn ? e 2. Quest ce qui change si on augmente la longueur de xn avec des 0 (par exemple, xn = [1,2,3,4,0,0]) ? 3. Ecrivez un chier myconv.m dont la premi`re ligne sera e function [yn] = myconv(hn,xn); 4. Dnissez les longueurs des signaux dont vous aurez besoin. Ecrivez la double e boucle for vous permettant de calculer yn(n). 5. Testez votre fonction avec les signaux dnis au point 1. e

9.3.2. Rponses impulsionnelles et temporelles e


On dsire dcouvrir le comportement de syst`mes dcrits par les rponses impule e e e e sionnelles suivantes : h1n h2n h3n h4n h5n h6n = = = = = = [1 1 1 [5 4 3 [1 2 3 [1 2 3 0.7^n; [3.27, 1 1]; 2 1]; 4 5 4 3 2 1]; 4 5 -5 -4 -3 -2 -1]; % n = 0...10; -0.7^n]; % n = 0...10;

Pour ce faire : 1. Tracez ces rponses impulsionnelles avec subplot(3,2,k); plot(hkn,.) ; e observez et commentez. 2. Dans une nouvelle gure, calculez et tracez leur rponse yn = conv(xn,hnk) e a un signal carr xn = [0,ones(1,20),zeros(1,20)]. e ` 3. Observez et analysez ces rponses ; ` quels types de ltres a-t-on aaire ? e a 4. Quelles sont les longueurs de xn et yn ? Justiez leur valeur. 5. Que faut-il faire pour que le gain des ltres passe-bas soit gal ` 1 ? e a

9.3.3. Equations aux dirences e


Un ltre ou syst`me numrique dordre 2 est dcrit de mani`re gnrale par une e e e e e e e e quation aux dirences telle que y[n] + a1 y[n 1] + a2 y[n 2] = b0 x[n] + b1 x[n 1] + b2 x[n 2] ou par sa fonction de transfert H(z) b0 + b1 z 1 + b2 z 2 Y (z) = X(z) 1 + a1 z 1 + a2 z 2

288

9.4. Rponse frquentielle des syst`mes numriques e e e e 1. Ecrivez une fonction [yn] = filtre_ed2(b,a,xn) vous permettant de calculer la rponse temporelle dun ltre dcrit par les vecteurs a et b de longueur e e 2. 2. Considrant un ltre dcrit par a = [1,-1.4,+0.45] et b = [1,2,1], calcue e lez ses ples et ses zros. o e 3. Quel sera le comportement transitoire du syst`me ? Que faut-il faire pour que e le gain du ltre soit gal ` 1 ? e a 4. Calculez et tracez sa rponse ` xn = [0, ones(1,50)]. e a 5. Observez et commentez ; de quel type de ltre sagit-il ? 6. Rptez les points 2 ` 5 lorsque e e a a) a = [1,-1.4,+0.7] et b = [1,2,1]; b) a = [1,-1.4,+0.9] et b = [1,-2,1]; c) a = [1,-1.4,+0.45] et b = [1,-2,1]; d) a = [1,-1.4,+0.7] et b = [1,-2,1]; e) a = [1,-0.7,0] et b = [1,0,0]; 7. Comparez vos rsultats avec ceux fournis par la fonction filter(b,a,x) de e Matlab.

9.4. Rponse frquentielle des syst`mes numriques e e e e


Connaissant la fonction de transfert dun syst`me numrique e e H(z) b0 + b1 z 1 + b2 z 2 Y (z) = X(z) 1 + a1 z 1 + a2 z 2

on peut facilement calculer sa rponse frquentielle en remplaant loprateur de e e c e 1 retard z par sa transforme de Fourier exp(j) o` est la pulsation normalise e u e 2f Te = 2 On obtient alors H(j) Y (j) b0 + b1 ej + b2 ej2 = X(j) 1 + a1 ej + a2 ej2 f fe +

1. Ecrivez une fonction [H] = myfreqz(b,a,W) permettant de calculer la re ponse frquentielle dun syst`me numrique dordre 2. e e e 2. Calculez et tracez les modules et phases des rponses frquentielles des ltres e e numriques tudis plus haut. e e e 3. Comparez vos rsultats ` ceux fournis par la fonction freqz(b,a,W) de Mate a lab.

289

9. Signaux et syst`mes numriques e e

9.5. Annexe
Voici le code du chier large plot.m qui permet de tracer des enregistrements de longue dure. e function [] = large_plot(x,y); % [] = large_plot(x,y); % plot a graph on 10 sub-graphs Npts = length(x); Ndiv = 10; Npdiv = round(Npts/Ndiv); min_y = min(y); max_y = max(y); for kk = 1:Ndiv deb = 1+Npdiv*(kk-1); fin = deb+Npdiv-1; subplot(Ndiv,1,kk); plot(x(deb:fin),y(deb:fin)); axis([x(deb),x(fin),min_y,max_y]); end;

290

10. Synth`se et ralisation dun ltre e e numrique e


10.1. Introduction
Une cellule biquadratique est dcrite par la fonction de transfert gnrale e e e H(z) b0 + b1 z 1 + b2 z 2 Y (z) = X(z) 1 + a1 z 1 + a2 z 2

Celle-ci permet, suivant les valeurs des coecients bm et am , de raliser les ltres de e base passe-bas, passe-haut, passe-bande et coupe-bande. Par transformation inverse de cette fonction de transfert, on obtient lquation aux dirences e e y[n] = b0 x[n] + b1 x[n 1] + b2 x[n 2] a1 y[n 1] a2 y[n 2] On voit ainsi que tous ces ltres peuvent tre raliss ` laide dune seule fonction e e e a a e ` laquelle on transmet les coecients correspondants au ltre souhait function [yn] = equ_diff_num2(bm, am, xn); On demande : 1. Calculez les gains Adc et AfN de la cellule biquadratique sachant que fN = fe /2. 2. Quelles sont les conditions pour raliser e a) un ltre passe-bas tel que Adc = 1 et AfN = 0 ? b) un ltre passe-haut tel que Adc = 0 et AfN = 1 ? c) un ltre passe-bande tel que Adc = 0 et AfN = 0 ?

10.2. Synth`se e
La synth`se dun ltre numrique consiste en la recherche dune fonction de transfert e e H(z) satisfaisant ` un cahier des charges donn. a e Dans le cadre de ce TP, on souhaite raliser un ltre passe-bande dordre 2 de e frquence centrale f0 = 100 Hz alors que la frquence dchantillonnage vaut fe = e e e 2 kHz. An dassurer la stabilit et la slectivit du ltre, on placera ses ples sur e e e o

291

10. Synth`se et ralisation dun ltre numrique e e e un cercle de rayon r = 0.98. Puis on ajustera son gain A0 de mani`re ` ce que e a |H(jf0 )| = 1. Sachant que z et f sont relis entre eux par e z = esTe = e
j2f Te

montrez que les correspondances suivantes sont vraies f z Etant donn le cahier des charges : e 1. Que doivent valoir H(f = 0) et H(f = fe /2) ? 2. Dessinez la position des poles et zros de ce ltre dans le plan complexe. e Tirez-en les valeurs de z1,2 et p1,2 sachant que la fonction de transfert du ltre dordre 2 scrit e (z z1 ) (z z2 ) H(z) = A0 (z p1 ) (z p2 ) 3. Calculez le gain A0 de mani`re ` ce que |H(jf0 )| = 1. e a 4. Ecrivez la fonction de transfert sous la forme dun rapport de deux trinomes. 0 +1 f0 e
j/10

fe /2 1

10.3. Analyse
Analyse frquentielle e 1. Calculez puis tracez la rponse frquentielle du ltre entre 0 et f2 /2. e e 2. Que valent les frquences de coupure infrieure fi et suprieure fs ? Sa bande e e e passante ? 3. Quelles seront les amplitudes et les phases du signal de sortie aux frquences e 50Hz, 100Hz et 150Hz ? Analyse temporelle 1. Recherchez les instants caractristiques de ce ltre. e 2. Connaissant la priode dchantillonnage Te , calculez la dure de son rgime e e e e transitoire. 3. Ecrivez la fonction de transfert avec loprateur de retard z 1 . Tirez-en lquae e tion aux dirences du ltre. e 4. Calculez sa rponse indicielle puis tracez-la avec plot(nn*Te, yn, .-). e Mesurez la dure du rgime transitoire et sa priode doscillation. e e e

292

10.4. Ralisation e

10.4. Ralisation e
La ralisation dun ltre avec Matlab consiste ` simuler le comportement de e a celui-ci en admettant que le signal dentre x[n] provient dun convertisseur AN. e Connaissant cette suite de valeurs x[n], on peut la faire passer par le processeur numrique sachant que celui-ci est reprsent par lquation aux dirences. e e e e e Pour ce faire, on demande : 1. Calculez la suite x[n] sachant que le signal dentre x(t) est une sinuso e de sin (2f t) de frquence f = 50 Hz durant 150 msec. e 2. Connaissant lquation aux dirences, calculez la rponse y[n] du ltre. e e e 3. Tracez cette rponse avec plot(nn*Te, yn, .-). e 4. Observez la partie transitoire de cette rponse ; mesurez sa priode et son e e amplitude en rgime permanent. e 5. Commentez vos observations en prenant en compte les rsultats de lanalyse. e Rptez les points ci-dessus pour les frquences f = 100 Hz et f = 150 Hz. e e e

293

11. Analyse et ralisation dun e phonocardiogramme


11.1. Introduction
On sintresse ici ` la mesure automatique des pulsations cardiaques ` laide de e a a moyens simples : un stthoscope muni dune capsule microphonique et la carte-audio e dun PC permettant denregistrer le son caractristique des battements cardiaques. e On sait que loreille humaine nentend pas les sons infrieurs ` 20Hz. Or, nous e a sommes capables dcouter le coeur battre ` une priode denviron une seconde, ou e a e a e ` une frquence denviron un Hz. Cela est possible car le signal est rendu audible par un soue (un bruit) basse-frquence situ aux environs de 100 Hz dont lame e plitude varie en fonction des pulsations cardiaques. Dun point de vue technique, on a aaire ` une modulation damplitude. a Comme le rythme cardiaque est priodique, on peut esprer, grce ` lautocore e a a rlation, liminer le bruit environnant et faire appara clairement la priode du e e tre e rythme cardiaque. Cependant, ` cause des perturbations lies ` la mesure, les choses a e a ne sont pas aussi simples et, tr`s vite, on se rend compte quil vaut mieux travailler e avec lenveloppe du signal car cest elle qui contient linformation utile et pas le signal lui-mme. Ainsi, avant de se lancer sur un chemin peu balis, il vaut mieux e e commencer par sinterroger sur le but ` atteindre et liminer ce qui est inutile en se a e posant les questions suivantes : dans quels domaines temporel et spectral se situe linformation recherche ? e doit-on considrer les fortes amplitudes ? e dans quelle zone temporelle se situent les pulsations cardiaques ordinaires ?

11.2. Mise en oeuvre


En coutant les pulsations cardiaques ` laide dun stthoscope, on remarque que e a e linformation (le rythme cardiaque) se situe aux environs du Hz et quon lentend grce ` un bruit BF situ vers la centaine de Hz. Il est donc inutile de conserver des a a e frquences suprieures ` 500Hz ; de mme, en liminant les frquences infrieures ` e e a e e e e a 60Hz, on supprime les perturbations causes par le rseau lectrique. e e e Lobservation du signal temporel montre que celui-ci est marqu par de forts pics e damplitudes qui ne semblent pas relis directement au rythme cardiaque. Si lon e admet que la distribution du bruit est gaussienne, on sait que la probabilit davoir e

295

11. Analyse et ralisation dun phonocardiogramme e des amplitudes suprieures ` 3 est quasiment nulle et que de telles amplitudes ne e a sont pas signicatives. On peut ainsi envisager rechercher la frquence cardiaque en suivant la dmarche e e suivante : 1. acquisition dun signal x0 (t) ` laide de la carte son dun PC (fe = 8 kHz) et a sauvegarde dans un chier *.wav ; 2. cration dun chier Matlab avec lequel on tracera et traitera le signal acquis e x0 (t) ; 3. limination des frquences inintressantes par ltrage passe-bande du signal e e e entre 60 et 500 Hz xf (t) ; 4. limitation des amplitudes du signal ` 3 o` est lcart-type ou valeur a u e ecace du signal ltr xlim (t) ; e 5. recherche de lenveloppe du signal ; celle-ci sobtient de mani`re similaire ` la e a dmodulation damplitude par le redressement du signal et son ltrage passee bas xenv (t) ; 6. autocorrlation de lenveloppe rxx ( ) ; e 7. recherche du maximum de rxx ( ) situ dans le domaine des pulsations care diaques ordinaires ; pour des pulsations comprises entre 50 et 200 puls/min, le premier pic se trouvera entre 1.2 et 0.3 secondes. La gure 11.1 illustre les rsultats obtenus en parcourant ces direntes tapes ; on e e e obtient ainsi le rythme cardiaque avec un taux de russite raisonnable. e

11.3. Travail ` eectuer a


1. Avant le TP, enregistrez votre propre pouls ` la frquence dchantillonnage a e e fe = 8 kHz pendant environ dix secondes ` laide dun stthoscope muni dune a e capsule microphonique. 2. Puis, ditez un chier Matlab en vous inspirant de celui prsent ci-dessous. e e e 3. Avancez progressivement dans votre programme en vous arrtant ` chaque e a etape de mani`re a pouvoir observer et analyser le rsultat de chaque action. e ` e 4. Modiez des param`tres pour voir et comprendre leur eet. e 5. Nhsitez pas ` ouvrir dautres voies que celle propose ; soyez imaginatif et e a e cratif. e 6. Sur internet, recherchez le fonctionnement de la dtection denveloppe. Puis e commentez sa mise en application dans le programme ci-dessous.

11.4. Fichier Matlab


% mesure du rythme cardiaque clear all; close all; clc;

296

11.4. Fichier Matlab

Figure 11.1.: Analyse dun signal phonocardiographique

format compact; % %% lecture du signal fichier = mon_stetho.wav; [xt0,fs,bits] = wavread(fichier); % %% initialisation T_anl = 5; % dure danalyse e xt0 = xt0(1:round(T_anl*fs)); xt0 = xt0 - mean(xt0); dt = 1/fs; duree = length(xt0)*dt; tt = 0:dt:duree-dt; % %% observation du signal et de son spectre figure; subplot(2,2,1); plot(tt, xt0); ............. subplot(2,2,5); spectrogram(xt0,hamming(256),220,512,fs,yaxis); ............. return

297

11. Analyse et ralisation dun phonocardiogramme e % %% filtrage passe-bande fc = [60, 500]; % frquences de coupure du filtre e Wn = fc/(fs/2); % pulsation normalise e [b,a] = butter(6, Wn); % filtre de Butterworth dordre 6 xt = filter(b,a,xt0); subplot(2,2,3); plot(tt, xt); ............. return % %% limitation de lamplitude a 3*sigma ` Xac = sqrt(var(xt)); A_lim = 3*Xac; xtl = xt; kf = find(abs(xtl) > A_lim ); xtl(kf) = A_lim*sign(xt(kf)); subplot(2,2,2); plot(tt, xtl); ............. return % %% enveloppe xte = xtl.^2; % redressement quadratique xte = A_lim*xte/max(abs(xte)); tau = 10e-3; p1 = exp(-1/fs/tau); % FPB dordre 1 xte = filter([1-p1,0], [1, -p1], xte); xte = filter([1-p1,0], [1, -p1], xte); subplot(2,2,4); plot(tt, xte); ............. return % %% correlation de lenveloppe long_corr = T_anl*fs; % n secondes [rxx, kx] = xcorr(xte-mean(xte), long_corr); rxx = (rxx/max(rxx)); k0 = max(find(kx<=0)); rxx = rxx(k0:end); % on ne garde que rxx(tau>=0) t_rx = (0:length(rxx)-1)/fs; subplot(2,2,6); plot(t_rx, rxx); ............. return % %% recherche de la valeur du RC

298

11.4. Fichier Matlab ...............

299

Quatri`me partie . e Annexes

301

12. Formulaire Signaux et syst`mes e


12.1. Syst`mes analogiques e
Produit de convolution pour des syst`mes causaux e
t t

y(t) =
0

h() x(t ) d =
0

x() h(t ) d

Transformation de Laplace (t) cos(t) 1 s s2 s + 2 exp(at) sin(t) 1 s+a + 2

s2

x(t 0) = s X(s)|s Formes canoniques de Bode et de Laplace 1+ s + 1 s 1 1+

x(t ) = s X(s)|s0

1 s + Q0 n

s n

2 s2 + 2n s + n

1 2 Q0

Stabilit et instants caractristiques e e stabilit e = Re (pk ) < 0 5 , Nosc = ttrans Tp Im (pk ) Re (pk ) 1 2 , Tp = , ttrans |Re (pk )| |Im (pk )|

Rponse indicielle dun syst`me dordre 2 e e Y (s) = X(s) G(s) = D(s) = 0 p1,2
2 1 n 2 s s2 + 2n s + n 1 = n jn 1 2 jp 1 t5% 3 et opt = 2

si < 1

303

12. Formulaire Signaux et syst`mes e Syst`mes contre-ractionns e e e Gbf (s) Gw (s) Y (s) G(s) = W (s) 1 + G(s)H(s)

12.2. Signaux analogiques


Valeurs ecaces des signaux carrs, sinuso e daux et triangulaires damplitude A A Xcar, ef f = A = , 1 A Xsin, ef f = , 2 A Xtri, ef f = , 3 avec Xdc = 0

Signaux priodiques dvelopps en sries de Fourier e e e e


+

x(t) =
k=

X(jk) exp (+j2kf0 t) avec X(jk) =

1 T

t0 +T

x(t) exp (j2kf0 t) dt


t0

X(j0) A0 = Ak = 2 |X(jk)| x(t) = A0 + Ak cos (2kf0 t + k ) avec k=1 k = X(jk)

SIR centre damplitude A, de priode T et de largeur t e e X(jk) = A t sin (k f0 t) t =A sinc (k f0 t) T k f0 t T

SIT centre damplitude A, de priode T et de largeur 2t e e t T sin (k f0 t) k f0 t


2

X(jk) = A

=A

t sinc2 (k f0 t) T

SIE damplitude A, de priode T et de constante de temps e X(jk) = A 1 exp ( T + j2kf0 T ) T (1 + j2kf0 ) A 1 T 1 + j2k f0 si T

304

12.3. Echantillonnage des signaux Quelques proprits des sries de Fourier e e e puissance : 1 P T
t0 +T +

x (t) dt =
t0

|X(jk)|2 = Pdc + Pac

2 P Xef f = A2 + 0

1 2

2 2 A2 = Xdc + Xac k k=1

dcalage : e modulation : rotation Oy :

y(t) = x (t + td )

Y (jk) = exp (+j2kf0 td ) X(jk) X(jk) = M (j (kf0 fp ))

x(t) = exp (j2fp t) m(t) y(t) = x(t)

Y (jk) = X (jk)

Signaux non priodiques (transformation de Fourier) e


+ +

x(t) =

X(jf ) exp(+j2f t) df

X(jf ) =

x(t) exp(j2f t) dt

convolution : e nergie : valeurs ` lorigine : a

x(t) h(t) H(jf ) X(jf ),


+ +

h(t) x(t) H(jf ) X(jf ) V2 sec ou V2 /Hz


+

W =

x2 (t) dt =
+

|X(jf )|2 df

x(t = 0) =

X(jf ) df,

X(f = 0) =

x(t) dt

Impulsion rectangulaire damplitude A et de largeur t x(t) = A rect t t X(jf ) = At sin (f t) = At sinc (f t) f t

Filtre passe-bas idal : H(jf ) = 1 e H(jf ) = rect f 2f

si f < f < +f sin (2f t) = 2f sinc (2f t) 2f t

h(t) = 2f

12.3. Echantillonnage des signaux


Signaux chantillonns e e xe (t) = x(t) Te (t) Xe (jf ) = X(jf ) D(jf ) = 1 Te
+

X (j(f m fe ))
m=

305

12. Formulaire Signaux et syst`mes e recouvrement spectral : thor`me de Shannon : e e fapp = |m fe f | < fe > 2 fmax , fe , 2 m>1 (3 5) fmax

pratiquement : fe

ltre anti-recouvrement (le plus souvent de type Butterworth dordre m = 8) : 1 1+


f fc 2m

H(f ) =

Bruit de quantication dun convertisseur n bits Umax CAN = n1 , n 2 2 Q Qef f = , 12 Xef f Qef f

Q=

SN R

non linarit = perte du bit LSB (de moindre poids) e e

SN Rmax [dB] 6 nbits 6

(y compris la perte du bit LSB)

12.4. Signaux et syst`mes numriques e e


Transformation en z (syst`mes causaux) e
+

X(z) =
n=0

x[n] z n ,

z = dcalage avant e

Y (z) = H(z) X(z)

N 1

y[n] = h[n] x[n] =


k=0

h[k] x[n k]

0n<

y[n = 0] = Y (z)|z ,

y[n ] = (z 1) Y (z)|z=1

306

12.4. Signaux et syst`mes numriques e e x[n] n 0 [n] [n] n n cos(n 0 ) sin(n 0 ) n cos(n 0 ) n sin(n 0 ) X(z) 1
z z1 z (z1)2 z z z 2 cos 0 z z 2 2 cos 0 z+1 sin 0 z z 2 2 cos 0 z+1 z 2 cos 0 z z 2 2 cos 0 z+2 sin 0 z z 2 2 cos 0 z+2

x(t) t 0 (t) (t) t exp(a t) cos(0 t) sin(0 t) exp(a t) cos(0 t) exp(a t) sin(0 t)

X(s) 1
1 s 1 s2 1 s+a s 2 s2 +0 0 2 s2 +0 s 2 (s+a)2 +0 0 2 (s+a)2 +0

Produit de convolution (syst`mes causaux RIF de longueur N) e


N 1 N 1

y[n] =
k=0

x[k] h[n k] =
k=0

h[k] x[n k]

0n<

H(z)

Y (z) = h[0] + h[1] z 1 + h[2] z 2 + X(z)

Equations aux dirences (syst`mes causaux RII dordre N) e e y[n] + a1 y[n 1] + a2 y[n 2] + = b0 x[n] + b1 x[n 1] + b2 x[n 2] +

H(z)

Y (z) b0 + b1 z 1 + b2 z 2 + b0 z N + b1 z N 1 + b2 z N 2 + = = N X(z) 1 + a1 z 1 + a2 z 2 + z + a1 z N 1 + a2 z N 2 +

Schma fonctionnel (ordre 2) e

307

12. Formulaire Signaux et syst`mes e


(partie non rcursive) x[n] z-1 x[n-1] z-1 x[n-2]

b0

b1

b2 y[n]

- a2 - a1

y[n-2]

z-1

y[n-1]

z-1

(partie rcursive)

Stabilit et instants caractristiques (ordre 2) e e poles de H(z) D(z) = z 2 + a1 z + a2 = 0 do` p1,2 = a jb = R exp(j) u b avec R = a2 + b2 , = atan a stabilit |pk | = R < 1 e 1 |ln(R)| 2 Ktr 5 Kc = 5 |ln(R)|

Kc =

Kp =

Nosc =

Ktr 5 = Kp 2 |ln(R)|

Fonctions de transfert et rponses frquentielles (ordre 2) e e H(j) = H(z)|z=e+j = b0 e+j2 + b1 e+j + b2 b0 + b1 ej + b2 ej2 = +j2 1 + a1 ej + a2 ej2 e + a1 ej + a2

b0 + b1 + b2 1 + a1 + a2 fe fe b0 + j b1 + b2 f= = z = +j H f = = 4 2 4 1 + j a1 + a2 fe fe b0 b1 + b2 f= = z = 1 H f = = 2 2 1 a1 + a2 f = 0 = 0 z = +1 H(f = 0) =

308

Domaine analogique

Interface et discrtisation

Domaine numrique

x(t) Te
0 1 2

x[n]

XD[jk]

TFD

t x(t)

A
x[n]

0 1 2

|X(jf)| RAM f t = Te = t t = nTe T N-1 t 0 n-1 f f = k f 0 k-1 f = k N-1 fe f


N-1

N
N-1

N-1

F
T 1 = N fe x[ n] =

N-1

1 N

k= 0

XD[ jk] exp +j 2 kn N

)
TFD

12.5. Analyse spectrale numrique e

x(t ) = n

X(jf) exp ( +j 2 f t) df

12.5. Analyse spectrale numrique e

Figure 12.1.: Analyse spectrale numrique e


XD[ jk] = fe 1 1 = = T NTe N
avec XSF( j k) =

X(j f) =

x(t) exp ( -j 2 f t) dt

0 x[n] exp (- j 2 kn ) N n=
XD[ jk] N

309