Cours Ts

Introduction la Thorie et au Traitement du Signal
Vincent Barichard
LERIA - Universit dAngers
L3 - Unit 4
Introduction au Traitement du Signal
Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux
Quest-ce quun signal ?

On appelle signal la reprsentation physique de linformation qui est convoye dune source vers un destinataire Exemples :
lectriques (tension aux bornes dune rsitance, . . . ) accoustiques (parole, musique, . . . ) optique (niveaux de gris dune image, imagerie mdicale, . . . )
Reprsentation et analyse des signaux
Quest-ce quun signal ? <2>

La notion de signal est lie celle de systme Un systme est un appareil o lon peut distinguer des signaux dentre et des signaux de sortie (enceinte, tlphone, modem)
Dnition La thorie du signal est la discipline qui permet de fournir une description mathmatique des signaux. Elle reste indpendante de la nature des signaux.
Introduction au Traitement du Signal Reprsentation et analyse des signaux 5
Classication des signaux Modlisation de signaux Proprits des signaux
Classication selon la dimension (et la nature) de la variable indpendante

Le premier type de classication fait intervenir la nature de la variable indpendante (temps, position spatiale, . . . ) relle ou complexe Ce type de classication fait aussi intervenir la dimension de la variable :
Dimension 1 : le cas du temps s(t) Dimension 2 : le cas des images s(x, y ) Dimension 3 : le cas des lms s(x, y , t) La notion de dimension peut-tre gnralise au rang n
Dans ce cours nous traiterons essentiellement de variables de temps une dimension
Classication dterministe - alatoire
Les signaux dterministes sont prvisibles et modlisable analytiquement
Les signaux alatoires ne sont pas prvisibles (parole, les signaux dorigine physique)
Les signaux pseudo-alatoires sont des signaux priodiques dont la priode est grande devant la dure dobservation (la mare)
Classication discret/continu
amplitude continue amplitude discrte
temps continu
temps discret
10
Classication nergtique
Une classication peut tre faite partir des notions dnergie et de puissance dun signal Contenu C dun signal s(t) :
+
C=
s(t)dt
nergie Es de s(t) fonction relle ou complexe de t :

+
Es =
|s(t)|2 dt
Lnergie est aussi appele valeur quadratique de s(t)

Classication nergtique <2>
La puissance moyenne Ps dun signal s(t) :
Ps = lim
1 T
|s(t)|2 dt
T
Dans le cas particulier o s(t) est un signal priodique de 1 priode T on a : Ps = T T |s(t)|2 dt La puissance moyenne est aussi appele valeur quadratique moyenne de s(t)
12
Classication nergtique <3>

Une classication possible des signaux consiste observer leurs nergies Dnition (Signaux nergie nie) Sont les signaux pour lesquels 0 < Es < , c--d que lintgrale est borne et Ps = 0 (signaux rencontrs dans la nature). Dnition (Signaux puissance moyenne nie) Sont les signaux pour lesquels 0 < Ps < et Es (signaux inexistants dans la nature).
Introduction
La reprsentation la plus naturelle dun signal est la reprsentation temporelle La reprsentation obtenue constitue alors un chronogramme ou oscillogramme Les signaux physiquement ralisables sont parfois dicilement reprsentables, on leur associera dans ce cas un modle mathmatique plus facile dutilisation Un modle de signal peut avoir une nergie innie, une amplitude non borne et tre dcrit par une fonction complexe du temps
15
Fonction chelon unit

Dnition (chelon unit de Heaviside) +1 si t > 0 0 si t < 0 u(t) = 1 2 si t = 0 (par convention)
16
Fonction rectangle
Dnition (Rectangle) 1 +1 si |t| < 2 1 1 1 rect(t) = u(t + )u(t ) = 0 si |t| > 2 1 2 2 + 2 si |t| = 1 (par convention) 2
17
Fonction rectangle gnralise

Dnition (Rectangle gnralis) La fonction rectangulaire de dure T , damplitude A et centre sur est donne par : rectg (t, A, , T ) = A rect (t ) T
18
Fonction sinus cardinal

Dnition (Sinus cardinal (dnition mathmatique)) sin(x) sinc(0) = 1 , Proprits : sinc(x) = 0 : x = k, k lN x
sinc(x) =
19
Fonction sinus cardinal <2>

Dnition (Sinus cardinal normalis) En thorie du signal on est souvent amen considrer la fonction sinc en fonction du temps : La fonction est alors normalise, cest-dire : sin(ft) ft
sinc(ft) =
sinc(ft)d(ft) = 1
Remarque : Labsence du nombre comme argument de la fonction sinc constitue un abus de notation frquemment utilis en thorie du signal
Impulsion de Dirac <1>
Lors de la mesure des phnomnes physiques rels, il est impossible de distinguer deux grandeurs trop voisines (cause : imprcision des appareils) Cela nous amne dnir une nouvelle classe de signaux : les signaux presque partout gaux lexception dun nombre ni de points La notion dimpulsion de Dirac a t introduite par des spcialistes de la physique des particules dont Paul Dirac pour fournir un modle de signal discontinu
21
Impulsion de Dirac <2>

Dnition (Impulsion de Dirac) Limpulsion de Dirac peut-tre interprte comme la limite dune impulsion rectangulaire, de surface unit, dont la dure tend vers zro : 1 t (t) = lim rect( ) T 0 T T Dnition (Intgrale de limpulsion de Dirac)
+
(t)dt = 1
22
Reprsentation de limpulsion de Dirac

La reprsentation graphique de limpulsion de Dirac est obtenue laide dune che verticale place en t = t0 et de longueur 1 :
Le contenu = 1 Lamplitude tend vers + t0 est un point (T 0) Attention ! ! ! La hauteur de la che reprsente, non pas lamplitude de limpulsion de Dirac, mais son contenu, seule grandeur caractristique.
Proprits de limpulsion de Dirac (intgration) <1>

Daprs ce qui prcde :
( )d =
du(t) 0 pour t < 0 = (t) = u(t) 1 pour t > 0 dt

1 2
Ceci est vrai car, par convention u(0) =
24
Proprits de limpulsion de Dirac (intgration) <2>

De la mme manire : 1 1 drect(t) = (t + ) (t ) dt 2 2 En eet, rect est dni par deux fonctions chelon unit
25
Proprits de limpulsion de Dirac (multiplication)<1>
Soit la fonction s(t) continue en t = 0 ou t = t0 . En 0, on obtient :s(t).(t) = s(0).(t) Dans le cas gnral : s(t).(t t0 ) = s(t0 ).(t t0 ) En eet, rappelons que (t) = 0 pour t = t0 Limpulsion de Dirac est donc un oprateur dchantillonnage car elle permet daccder la valeur dune fonction pour nimporte quelle valeur de t
26
Proprits de limpulsion de Dirac (multiplication)<2>
Exemple de multiplication dune fonction s(t) par une impulsion de Dirac :

s(t) s(t). t 0 (t )
(t t0)
1 s(t 0 )
=
0 t0 t 0 t0 t
27
Peigne de Dirac
Cette fonction correspond une suite dimpulsions de Dirac espaces de T sur laxe des temps :
T(t)
3T
+T
+4T
Dnition (Peigne de Dirac)

k=+
T (t) =
k=
(t kT )
Reprsentation et analyse des signaux 28
Signaux causals
Dnition (Signal causal) Un signal est causal lorsquil est nul pour t < 0. Il est clair que tous les signaux realisables physiquement sont causals (ou causaux).
s(t) s(t)
Signal causal
Signal anti-causal
30
Dnitions
Soit un signal s(t) rel, alors il est possible dcrire s(t) comme la somme de sa partie paire et de sa partie impaire :
s(t) = si (t) + sp (t) avec
si (t) sp (t)
partie impaire de s(t) partie paire de s(t)
Et ceci pour nimporte quel signal ! On en dduit : sp (t) = si (t) =

1 2 1 2
(s(t) + s(t)) (s(t) s(t))

Exemple
s(t)
Soit le signal s(t) suivant :

t t1 0 t2
s(t) peut se dcomposer en la somme de sp (t) et si (t) :

s(t) s(t) s(t) s(t)
t 0
t 0
32
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Principe de la reprsentation vectorielle des signaux

Le principe de la reprsentation vectorielle des signaux revient considrer tout signal s(t) comme la combinaison linaire de m fonctions k (t) C l
m +
s(t) =
k=1
k k (t)
ou
s(t) =
k=
k k (t)
Les ccients k ( trouver !) constituent une reprsentation discrte du signal s(t) Ceci constitue le fondement de lanalyse des signaux Lintrt majeur de cette dcomposition linaire dun signal laide de signaux plus simples est de faciliter lanalyse des signaux trs gnraux
Mesure de la distance euclidienne

Dnition (Distance euclidienne entre deux vecteurs) La distance euclidienne entre deux vecteurs x = (x1 , x2 , , xn ) et y = (y1 , y2 , , yn ) est dnie par :
n
d(x, y ) =
i=1
|xi yi |2
le symbole | | est une norme dans le cas dun vecteur complexe
dT (s, r ) permet de mesurer le degr de dissemblance entre deux signaux sur un intervalle de temps T
Espace L2 des signaux nergie nie

Dnition (norme de L2 (T )) Lensemble des signaux, fonctions relles ou complexes du temps, dnis sur une dure T et de carr intgrable (c--d dnergie nie) forme un espace L2 (T ) de norme :
t2
||s|| = d(s, 0) =
t1
|s(t)|2 dt
||s||2 reprsente lnergie de s(t) La distance entre deux signaux s(t) et r (t) est donne par :
t2
d(s, r ) = ||s r || =
t1
|s(t) r (t)|2 dt
Produit scalaire
Dnition (Produit scalaire de deux vecteurs) Le produit scalaire de deux vecteurs x = (x1 , x2 , , xn ) et y = (y1 , y2 , , yn ) peut scrire de la faon suivante :
n
x y =
i=1
xi yi
et en particulier
x x = ||x||2
yi dsigne le conjugu complexe de yi
Dnition (Produit scalaire de deux signaux) Le produit scalaire de deux signaux s(t) et r (t) L2 (T ) vaut : < s, r >=
T
s(t)r (t)dt et en particulier < s, s >= ||s||2
Signaux orthogonaux
Dnition (Vecteurs orthogonaux) Deux vecteurs x et y sont orthogonaux si leur produit scalaire est nul : x y = 0. Dnition (Signaux orthogonaux) Deux signaux s(t) et r (t) sont orthogonaux si leur produit scalaire est nul : < s, r >= T s(t)r (t)dt = 0. Dnition (Ingalit de Schwarz) De manire analogue au cas du produit scalaire de deux vecteurs, soit s(t) et r (t) deux signaux dnergie nie. On montre que : | < s, r > |2 ||s||2 ||r ||2 =< s, s > < r , r >
Erreur quadratique moyenne

Soit s(t) L2 de dimension n Soit un ensemble {k (t)} de m fonctions linairement indpendantes (m < n) {k (t)} forme une base de F L2 On peut chercher une approximation (t) L2 de s(t) telle s que : = m k k (t) s k=1 Les k constituent alors les ccient dapproximation de s(t) Dnition (Erreur dapproximation) On appelle erreur dapproximation e(t) la dirence entre le signal s(t) et son approximation (t) e(t) = s(t) (t) s s La qualit de lapproximation (la norme) est la distance entre s(t) et (t) : ||e|| = d(s, ) s s Le carr de cette distance ||e||2 , est appele erreur quadratique moyenne, elle correspond lnergie du signal erreur
Approximation optimale dun signal au sens des moindres carrs <1>

Dnition Lapproximation (t) de s(t) est optimale au sens des moindres s carrs si ||e|| est minimale, cest--dire si le signal derreur, e(t), est orthogonal aux fonctions k (t) : < e, >= 0
s(t) e(t)
~ s(t)
42
Approximation optimale dun signal au sens des moindres carrs <2>

Daprs le schma prcdent et grce Pythagore, on obtient : ||e||2 + ||||2 = ||s||2 s 2 = ||s||2 ||||2 Do ||e|| s En remplaant par les formules des produits scalaires : ||s||2 =
T m m
|s(t)|2 dt
|||| s
= < , >= s s
k=1 l=1
k l < k , > l
Do ||e|| =
T
|s(t)| dt
k=1 l=1
k l < k , > l
Mthode de calcul des ccients dapproximation <1>

On a vu que : = m k k (t) s k=1 Comment calculer les k autorisant lapproximation optimale de s(t) partir dun jeu de fonctions k (t) donn ? Reponse : en projetant (t) sur les fonctions k (t) s On a : Or Donc < , >= s l
m k=1 k
< k , > l
s =+e s < , >=< s, > < e, > s l l l
Comme lapproximation est optimale si lerreur est orthogonale aux fonctions k (t) : < e, >= 0 l Do : < , >=< s, > s l l
m
On peut en conclure :
k=1
k < k , >=< s, > l l


Nous pouvons voir lcriture prcdente sous sa forme matricielle avec l = 1, 2, , m Nous obtenons : A M = N avec
0 < 1 , > 1 < 2 , > 1 < 2 , > 2 .. . < k , > l . .. < m , > 1 . . . . . . . . . . . . < m , > m 1 C C C C C C C C C C C A
B B < 1 , > 2 B B . B . . B M=B . B . B . B B . . @ . < 1 , m >
46

A= 1 2 . . . . . . . . . m < s, > 1 < s, > 2 . . . . . . . . . < s, m >
et N =
Lensemble des ccients optimaux dapproximation est alors donn par le vecteur A : A = M1 N
Exemple <1>
On se propose de rechercher lapproximation, du signal s(t) s par une combinaison linaire de trois fonctions exponentielles dcroissantes k (t) = e kt dnies sur ]0, +] On a : 1 (t) = e t , 2 (t) = e 2t et 3 (t) = e 3t
s(t) +1
1
t 0 1 2
et e 2t
3t
48
Exemple <2>
On peut chercher dans un premier temps valuer les dirents produits scalaires < k , > : l < k , >= l
+
k (t) (t)dt = l
0
e kt e lt dt =
1 k +l 0 k=1 k=2 1 1 2 3 On en dduit la matrice : M = 1 1 3 4 1 1 4 5 e (k+l)t dt =
0 +
k=3
1 4 1 5 1 6
l=1
l=2
l=3
Notons que dans cet exemple particulier les fonctions k (t) ne sont pas orthogonales : < k , >= 0 pour k = l l
Exemple <3>
Les projections de s(t) sur les fonctions k (t) sont donnes par les produits scalaires :
+ 0 +
< s, (t) > = k =

0
s(t) (t)dt k s(t)e kt dt

2 1 2 1
=
0
e kt dt
e kt dt
1 1 kt 1 = e kt + e k k 0 1 k k = e (e 2) + 1 k
50
Exemple <4>
On en dduit le vecteur N :
< s, > 1 N = < s, > = 2 < s, > 3
1 k 1 k 1 k
e 1 (e 1 2) + 1 0, 39957 e 2 (e 2 2) + 1 = 0, 37382 0, 30096 e 3 (e 3 2) + 1
Les ccients dapproximation sont alors donns par le vecteur A : +72 +240 +180 0, 39957 A = M1 N = 240 +900 720 0, 37382 +180 720 +600 0, 30096 6, 775 = +23, 850 16, 652
Exemple <5>
La meilleur approximation possible pour le signal s(t) laide dune combinaison linaire des fonctions k (t) est donn par : (t) = 6, 7751 (t) + 23, 8502 (t) 16, 6523 (t) s
~ s(t)
+1 s(t)
t 0 1 2
52
Exemple <6>
Le calcul de lerreur quadratique moyenne donne :
||e|| = ||s|| |||| s
=
0
|s(t)| dt
k=1 l=1
k l k +l
= 2 1, 19 = 0, 81 Ici lensemble des k (t) nest pas complet car lerreur ne pourra jamais tre gale 0 Pour trouver un meilleur ensemble de fonctions k (t) on procde par comparaison de la valeur de lerreur
Approximation dun signal par une base de fonctions orthonormales

Lexemple prcdent met en vidence lintrt de travailler partir dune base orthogonale, car dans ce cas : < k , >= 0 l pour k=l
Lquation dapproximation devient : k < k , >=< s, > k k De plus, si la base est en plus orthonormale, alors : < k , >= 1k k Lquation dapproximation devient : k =< s, > (A = N ) k
Erreurs dapproximation dans le cas de fonctions orthonormales

Comme < k , >= 0 pour k = l alors : l
m
||e||2 =
T
|s|2 dt
k=1
|k |2 < k , > k
Comme < k , >= 1 on obtient : k

m
||e||2 =
T
|s|2 dt
k=1
|k |2
55
Choix dune base

Dnition (Identit de Parseval) Dans le cas de lapproximation dun signal dans une base orthonorme < k , >= 1, k. Si k + alors ||e||2 0. Une k faon damliorer la qualit de lapproximation dun signal consiste alors choisir une base comportant un nombre lev de fonctions de sorte qu la limite, pour une base de dimension innie, lapproximation soit parfaite. Le choix dune base dpend de la nature du problme trait Il se peut mme que lutilisation dune base non-orthonorme puisse tre optimale pour la reprsentation dun signal particulier
56
Sries de Fourier Transforme de Fourier
Les Ccients de Fourier Dcomposition en srie de Fourier
Jean Baptiste Joseph Fourier

Jean Baptiste Joseph Fourier (1768-1830) est linititateur de la thorie portant son nom Il a utilis les quations direntielles pour dcrire les phnomnes lis la conduction de la chaleur Il dmontre alors que lquation rgissant la diusion de la chaleur peut scrire comme la somme de plusieurs quations trigonomtriques Les sries de Fourier peuvent alors tre utilises pour dcrire des fonctions priodiques complexes
Introduction au Traitement du Signal Analyse de Fourier 59
Choix dune base orthonorme

On se place dans lespace des signaux de priode T et dnergie nie sur T obtenus par priodisation des motifs des signaux
s(t)
t t1
0
t2
Une base orthonorme complte de cet espace est obtenue par les fonctions :
t 1 k (t) = e +j2k T T Introduction au Traitement du Signal Analyse de Fourier 61
Ccients dapproximation
En utilisant la base prcdente, les ccients dapproximation k du signal s(t) sont donns par : 1 k =< s, >= k T Posons Xk =
1 k , T k=+ k= t2 =t1 +T t1
s(t)e j2k T dt
alors
k=+
s(t) =
k k (t) =
k= t2 =t1 +T t1
Xk e +j2k T s(t)e j2k T dt

t
avec Xk =
1 T
Les ccients Xk sont appels ccients de srie de Fourier

Ccients de Fourier
En remplaant k par n et Dnition (Srie de Fourier)
n=+ 1 T
par F0 (frquence de s(t)) :
s(t) =
n=
Xn e +j2nF0 t
t2 =t1 +T t1
avec Xn =
1 T
s(t)e j2nF0 t dt
Tout signal de priode T peut se reprsenter par une somme n de fonctions lmentaires dont les frquences, nF0 = T sont les multiples de la frquence de s(t)
Analyse de Fourier
63
Ccients de Fourier (remarques)

Pour quun signal s(t) puisse tre analys il doit satisfaire aux conditions de Dirichlet :
Le signal s(t) est born Il possde un nombre ni de maxima et de minima Il nest discontinu quen un nombre ni de points
Remarques X0 = 1 T s(t)dt est la valeur moyenne de s(t)

T
X1 e j2F0 t + X1 e j2F0 t est appel fondamental ou premier harmonique de s(t) Xn e j2nF0 t + Xn e j2nF0 t (n {1, 0, +1}) reprsentent les harmoniques de s(t)
Analyse de Fourier
64
Reprsentation graphique
Le systme le plus commode pour reprsenter les ccients complexes, consiste tablir deux graphiques distincts donnant respectivement le module |Xn | et la phase (ou argument) arg [Xn ] en fonction de la frquence (ou de lindice n)
|X n| arg [Xn]
n 3 2 1 0 +1 +2 +3
n 0 +1 +2 +3
Spectre damplitude (module)

Spectre de phase (argument)

Analyse de Fourier 65
Exemple <1>
Dterminer les ccients de Fourier du signal rectangulaire
s(t)
+1 T
t
0 _ T 2 1
priodique suivant : Les ccients Xn sont donns par : Xn = 1 T

T 0
s(t) e j2n T dt
Exemple <2>
Xn = 1 T
T 2
+1 e j2n T dt +
1 T
T
T 2
1 e j2n T dt
T
T 2
Xn = Xn
T t t 1 T 2 e j2n T e j2n T T j2n 0 1 = 2 e jn 1 e j2n j2n
Dnition (Formules dEuler) e it e it Or Xn = cos(t) + i sin(t) = cos(t) i sin(t) e j2n = 1 donc 1 = e jn 1 jn

Exemple <3>
do Xn = on a alors : s(t) =
n= 1 T, n=+ n= 2 jn
pour n impair pour n pair ou nul Xn e j2n T

t
n=+
En notant F0 = s(t) = =
on obtient :
Xn e j2nF0 t 2 1 1 e 5j2F0 t e 3j2F0 t e j2F0 t + j 5 3 1 +3j2F0 t 1 +5j2F0 t e +j2F0 t + e + e + 3 5

Exemple <4>
En exploitant les formules dEuler :
s(t) =
s(t)
4 1 1 sin(2F0 t) + sin(6F0 t) + sin(10F0 t) + 3 5

~ s(t)
+1
+1
T 0 t 0
T t
reprsentation tronque (n = 3)
Reprsentation tronque (n = 20)

Autre forme de dcomposition en srie de Fourier <1>

En utilisant la formule dEuler, on peut rcrire les ccients tels que : e j2nF0 t = cos(2nF0 t) + j sin(2nF0 t) Do :
n=+
s(t) =
n=
Xn (cos(2nF0 t) + j sin(2nF0 t))
avec Xn = 1 T s(t) cos(2F0 nt)dt j

T T
s(t) sin(2F0 nt)dt
Analyse de Fourier
71
Autre forme de dcomposition en srie de Fourier <2>

On obtient alors, pour les signaux rels, la formulation suivante :
n=+
s(t) = A0 +
n=1
[An cos(2F0 nt) + Bn sin(2F0 nt)]
avec A0 = An = Bn = 1 T 2 T 2 T s(t)dt
T
s(t) cos(2F0 nt)dt

T
s(t) sin(2F0 nt)dt

T
Analyse de Fourier
72
Proprits
Cette autre formulation est trs commode car elle peut donner lieu des simplications dans les calculs, cest le cas notamment pour :
Si le signal s(t) est impair, s(t) = s(t) A0 An = 0 = 0 Bn =
4 T
T 2
s(t) sin(2F0 nt)dt
Si le signal s(t) est pair, s(t) = s(t) A0 An = =

2 T 4 T
T 2
0T
2
s(t)dt s(t) cos(2F0 nt)dt
Bn
= 0
Analyse de Fourier
73
Introduction et dnition Exemples et proprits
Introduction <1>
La dcomposition en srie de Fourier dun signal s(t) de priode T est un outil puissant Il serait intressant de disposer dun outil pour obtenir la reprsentation frquentielle dun signal s(t) non priodique sur lintervalle < t < + Le passage la limite de la dcomposition en srie de Fourier permet de dcouvrir ce moyen Soit sT (t) = Xn =
+ j2ntF0 : signal Xn e j2nF0 t dt T sT (t)e
priodique
1 T
avec F0 =
1 T
T +
En passant la limite, on introduit : s(t) =

Introduction au Traitement du Signal Analyse de Fourier
lim sT (t)
76
Introduction <2>
n=+
Alors : s(t) =
T + 1 T
lim
n=
1 T
1 T
sT (t)e j2nF0 t dt e j2nF0 t

T
Or limT + Do : s(t) Or F0 =
1 T
= 0, donc
n=+
dF en limite
+
T +
lim
dF
n=
s(t)e j2nF0 t dt e j2nF0 t
donc dpend de T
+ + S(F )
On en dduit : s(t)
s(t)e j2F t dt e j2F t dF
S(F ) est appel Transforme de Fourier de s(t) et correspond la dcomposition du signal s(t) dans une base continue de fonctions exponentielles
Dnitions
Dnition (Transforme de Fourier) La transforme de Fourier de s(t), note F{s(t)}, est la projection de s(t) sur une base continue de fonctions exponentielles complexes : S(F ) = F{s(t)} =< s, e +j2Ft >
+
S(F ) =
s(t)e j2Ft dt
Dnition (Transforme de Fourier inverse) s(t) = F 1 {s(t)} =< X , e j2Ft >

+
s(t) =
S(F )e j2Ft dF
Remarques <1>
La transforme de Fourier nengendre pas de perte sur le signal de dpart que lon peut retrouver grce la transforme inverse : F 1 {F{s(t)}} = s(t) t. Conditions dexistence de la transforme de Fourier dun signal s(t) sont donnes par les conditions de Dirichlet :
s(t) doit tre absolument intgrable : |s(t)|dt < + s(t) prsente un nombre ni de minima et maxima sur un intervalle de temps ni s(t) prsente un nombre ni de discontinuits sur un intervalle de temps ni
+
Analyse de Fourier
79
Remarques <2>
Condition dexistence plus stricte
+
|s(t)|2 dt < +
Tout signal dnergie nie admet une transforme de Fourier S(F ) et on notera : s(t) S(F )
TF 1 TF
Certains signaux nergie non-nie possdent eux aussi une transforme de Fourier. Cest le cas notamment de limpulsion de Dirac.
Exemple <1>
Dterminer la transforme de Fourier du signal rectangulaire t s(t) = A rect T de la gure ci-dessous :
s(t) A
t T 2 0 +T 2
Daprs la dnition de la transforme de Fourier, nous pouvons crire : + S(F ) = s(t)e j2Ft dt
Analyse de Fourier
82
Exemple <2>
+T 2
S(F )
=
T 2
Ae j2Ft dt
= =
A +T 2 e j2Ft T 2 j2F A jFT e e jFT j2F
Grce aux formules dEuler, on obtient : A = [cos(FT ) j sin(FT ) cos(FT ) j sin(FT )] j2F A = [2j sin(FT )] j2F sin(FT ) = A F sin(FT ) = AT FT
Exemple <3>
Or : sinc(x) = sin(x) x sinc(0) = 1
On en dduit : S(F ) = AT sinc(FT ) Un signal rectangulaire damplitude A, de largeur T et centr en 0 donc pour transforme de Fourier : S(F )=AT sinc(FT )
s(t) A
AT X(F)
t T 2 0 +T 2
TF
5 T 1 0 T +1 T +5 T F=1 T
Analyse de Fourier
84
Proprits
Linarit La transforme de Fourier est une opration linaire. Ainsi, quelles que soient deux constantes a et b, (a, b) C2 : l a x(t) + b y (t) a X (F ) + b Y (F ) Dilatation et contraction x(at)
TF TF
1 F X ( ), |a| a
a lR
Si a < 1, x(at) reprsente la version dilate de x(t). Le spectre correspondant a subi quant lui une contraction frquentielle dun facteur de 1 . a Si a > 1, x(at) reprsente alors la version contracte de x(t) dont le spectre se trouve cette fois dilate.
Illustration des principes de dilatation et contraction

s(t) +1
S(T)
T
+2
t 1 0 +1
TF
0 1 2
+1
s( 1 t) 2
2S(2F)
+4
t 2 0 +2
TF
0 +1 4
Analyse de Fourier
86
Transforme de Fourier de limpulsion de Dirac

Compte tenu des proprits intgrales de (t), on a : (t) 1 En eet :
+ + TF
F{(t)} =
(t)e j2Ft dt =
(t)dt = 1
De mme :
1 (F ) Dune faon plus gnrale, pour une impulsion centre en t0 : (t t0 ) e j2Ft0 et e j2F0 t (F F0 )
TF
TF
TF
Transforme de Fourier dun signal sinusodal ternel
laide des rsultats prcdents et des formules dEuler, il est possible dvaluer les transformes de Fourier de signaux sinusodaux : 1 TF 1 cos(2F0 t) (F F0 ) + (F + F0 ) 2 2 1 TF 1 sin(2F0 t) (F F0 ) (F + F0 ) 2j 2j
Analyse de Fourier
88
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
chantillonnage idal chantillonnage-blocage
Description temporelle
Dnition (chantillonnage) Lopration dchantillonnage consiste prlever sur un signal analogique dont lvolution est continue dans le temps, des chantillons reprsentant lamplitude aux instants du prlvement. Les prlvements sont raliss rgulirement avec une priodicit constante Te appele priode dchantillonnage
s(t) s(k)
t
Introduction au Traitement du Signal chantillonnage et quantication
t = kTe
92
Transforme de Fourier lors de lchantillonnage

Lchantillonnage est idal ds lors quon eectue une prise instantane des chantillons Lchantillonnage idal peut tre modlis par le s(t) et un peigne de Dirac : s # (t) = Te s(t) k=+ (t kTe ). k=
Le facteur Te permet de normaliser lnergie du signal chantillonn s # (t)
La transforme de Fourier dun produit de signaux est un produit de convolution Pour le cas spcique dun produit de s(t) par un peigne de
m=+
Dirac : F{s # (t)} = S # (F ) =

m=
S(f mfe )
Et uniquement lors dun produit de s(t) par un peigne de Dirac !

Introduction au Traitement du Signal chantillonnage et quantication 93
chantillonnage et spectre frquentiel

Le spectre frquentiel du signal s # (t) est constitu de rpliques du spectre de s(t) dcales avec une priodicit de
S(f) Spectre de base
0 S# (f) fsup
fe =
1 Te
2f e
fe
fe
2f e
Cela revient dire que par les valeurs prleves, peuvent passer une innit de signaux analogiques
Problme lors de lchantillonnage

Plusieurs signaux distincts peuvent concider sur les mmes chantillons Soit 3 signaux sinusodaux du type sin(2ft) avec f = 4fe , 4fe , 4fe . Lchantillonnage de ces trois signaux conduit 5 3 lobtention des mmes chantillons :
1
1 Te
chantillonnage et quantication
95
Thorme de Shannon
Dnition (Thorme de Shannon) En considrant un spectre initial S(f ) born suprieurement par une limite fsup , on peut esprer conserver toute linformation lorsque fe est choisie telle que : fe > 2fsup Le non respect de la condition prcdente conduit un sous-chantillonnage qui engendre le repliement (chevauchement) des motifs spectraux Consquence : il y a perte dinformations ! Exemple : le sous-chantillonnage fe = 101Hz dun signal sinusodal de 100Hz fait apparatre un signal dont la frquence apparante est de 1Hz
Exemples
Lorsquil y a un sous-chantillonnage, il y a un chevauchement spectral :
S# (f)

Chevauchement spectral

2f e
fe
fe
Le sous-chantillonnage dimages naturelles sans motif rptitif se manifeste par une dgradation de limage Dans le cas du sous-chantillonnage dimages comportant des objets texture priodique peut prsenter des artefacts
2f e
97
Description
Dnition (chantillonnage-blocage) Lopration dchantillonnage-blocage dun signal s(t) consiste conserver la valeur chantillonne entre deux prlvements successifs.
Amplitude
Te
Temps
Le signal issu dun tel traitement prend une forme dite en marches descalier ; on le notera s (t)
Dnition <1>
La quantication est la seconde tape ncessaire la numrisation des signaux Elle permet la mmorisation du signal Son rle est daecter une valeur de rsolution nie un chantillon dont lamplitude est en thorie inniment prcise Dnition (Quantication) Quantier un chantillon, cest arrondir sa valeur celle de lchelon le plus proche sur une grille de niveaux. Remarque : Lorsque les chelons sont pas constants, la quantication est uniforme
Dnition <2>
Ltendue de la grille couvre la gamme dynamique des signaux
Grille de quantification
X(t) X (t) Xq(t) t = kTe
convertir Sur N bits, on peut coder 2N chelons
La quantication est une opration non conservatrice, et le bruit de quantication reprsente lerreur lie larrondi
Choix de frquences et formats de quantication Interpolation la restitution du signal
Domaines Tlphonie numrique
Caractristique du signal initial Signal vocal

|X(f)|
fe 8 kHz
Format. Quantif 8 bits
Dbit 64 kbits/s
400
1k
f(Hz)
Audio numrique HiFi
Signal musical * Piano : 30 4kHz * Spectre audition moyen

|X(f)|
48 kHz 44,1 kHz (CD) 32 kHz

(DAT -LP)
16 bits par canal en PCM linaire
705 kbits/s par canal
40
2k
15k
f(Hz)
Vido numrique
Signal vido fourni par une camra CCD (= 13 millions de points/s)

13 Mhz
8 bits (N&B) 3x8 bits

(couleur)
100 Mbits/s
105
Principe
Le principe consiste calculer des points intermdiaires entre chantillons originaux an de faciliter la restitution du signal analogique et den amliorer la qualit Cette technique est utilise dans certains lecteurs de CD On connat N + 1 point dun signal aux coordonnes : (yi , xi ) et 0 i N alors : Dnition (Interpolation) Lopration dinterpolation consiste estimer la valeur dun point dabscisse x intermdiaire aux xi . Les points (yi , xi ) sont appels les points dinterpolation ou de collation. Lestimation de y est ralise avec une fonction dinterpolation f (x) qui passe par les points de collation.
Fonctions dinterpolation <1>

videmment, il est existe plusieurs types de fonctions dinterpolation : Interpolation linaire : les points intermdiaires calculs sont placs sur la droite passant par les deux chantillons considrs Pour 3 points interpols, la frquence dchantillonnage quivalente du signal passe 4fe . Les calculs des valeurs intermdiaires sont donns par : 3xk1 + xk , 4 xk1 + xk , 2 xk1 + 3xk 4
a=
b=
c=
108
Fonctions dinterpolation <2>

Xk X k1 a Te /4 Te b
Polynme dinterpolation : la fonction f (x) est un polynme de degr infrieur ou gale N. Ce polynme scrit : P(x) = ao + a1 x + a2 x 2 + + aN x N On rappelle que par N + 1 points dirents passe un unique polynme de degr N
Compression de signaux audio (MPEG audio) Compression dimages (JPEG)
Introduction
La compression de signaux est une des nombreuses applications drivant du traitement du signal Les compressions classiques (comme celles bases sur lutilisation dun dictionnaire) sont non destructives Appliquer une compression destructive pose certaines questions :
Quelles parties supprimer ? Quel sera le rendu du signal restitu ?
Une des solutions est dutiliser les faiblesses de lhumain (audition, il, . . . ) an de supprimer les parties nayant que peu dincidence sur la perception du signal Lanalyse spectrale ou frquentielle des signaux permet de raliser ce type de compression destructive
Introduction au Traitement du Signal Compression des signaux 111
Principe
LE MP3 : Ne jamais transmettre ce que lon ne peut pas entendre. La compression audio qui est entirement base sur les caractristiques de loreille humaine saccompagne de pertes Le format MP3 a t dvelopp par linstitut Fraunhofer depuis 1987 Lencodage au format MP3 est bas sur quatres tapes de compression :
1
2 3 4
Dcomposition du signal source en sous-bandes (transforme de Fourier) tude et dtermination de seuils de masquage Utilisation des seuils pour quantier les sous-bandes Assemblage des sous-bandes dans un format de chier cohrent, utilisable par un dcodeur
Sensibilit de loreille humaine

membrane basilaire
trier oreille interne
Tympan oreille moyenne oreille externe
Loreille humaine permet de distinguer des sons dont les frquences sont comprises entre 100Hz et 16 kHz Elle est plus sensible entre 2 et 4 kHz La voix a une bande passante (frquences) comprise entre 500Hz et 2kHz
Compression des signaux
114
Seuil de perception
dB
30
20
10 Frquence (kHz) 0 2 4 6 8 10 12 14
Seuil de perception des sons de loreille humaine en fonction de leur frquence
En dessous de 500Hz, le volume doit tre trs lev pour percevoir le signal En partant de 3kHz, on remarque que plus on monte en frquence, plus le volume doit tre lev pour pouvoir entendre le son
Principe de masquage des frquences
Quand une grande quantit dnergie est prsente sur une frquence (pic), loreille ne peut pas distinguer les plus basses nergies prsentes aux frquences voisines
Les fortes nergies masquent les petites : les masqueurs
30
20
10

dB
10

Zone de masque 12 14 Frquence (kHz)
116
Sub Band Coding

Le principe du Sub Band Coding (SBC) dpend du principe de masquage des frquences Lide est de sauvegarder la bande passante en supprimant les informations des frquences masques Le rsultat ne sera pas le mme que le signal original, mais si le calcul est bien fait, loreille ne verra pas la dirence Un chier au format MP3 est un chier dans lequel est stocke la bande passante conserve aprs passage dun algorithme de SBC Un tel chier ne peut tre lue quavec un dcodeur qui retransforme la bande passante en un signal audio (transforme de Fourier inverse)
Introduction
Comme pour la compression des sons, la compression destructive des images utilise les dfauts de la vision humaine La rduction de la taille de limage est obtenue par :
limination des informations redondantes prsentes dans limage (sans perte) limination de la redondance physiologique (perte dinformations)
La norme JPEG est un standard de compression dimage numrique largement utilise Elle a t propose et instaure au dbut des annes 1990 Elle utilise les deux aspects de la rduction dimages :
Suppression des hautes frquences spatiales dans limage Compression statistique
Sensibilit de lil en frquences spatiales

Les variations de lintensit lumineuse intra-image peuvent tre assimiles des frquences spatiales Lil ne prsente pas la mme sensibilit toutes les frquences spatiales Chaque couleur a sa propre longueur donde Les longueurs dondes du visible sont comprises entre 390 nm (lumire violette) et 720 nm (lumire rouge)
Sensibilit Luminosit
Longueur dondes 400 500 600 700
120
Principe du JPEG
Donnes T.F Codeur en zigzag Q Codage (table dHuffmann)
Donnes compresses
Dcodage (table dHuffmann)
Dcodeur en zigzag
T.F
Donnes Dcodes
Cette technique exploite :

1 2
3 4
Un quadrillage de limage orginale par bloc de 8 8 Les proprites de dcomposition en sous-bandes de frquences (Fourier) Une lecture en zigzag des donnes transformes Une quantication dont la rsolution est dgressive avec la frquence spatiale Un codage de taille variable utilisant une table dHumann
Algorithme JPEG
1 2
Limage est dcoupe en blocs de taille xe (88 pixels) Chaque bloc subit une transforme en cosinus discrte qui est une version adapte de la transforme de Fourier
Dcorrlation des ccients Linformation est principalement dans les basses frquences
Ces ccients sont quantis par des ccients dnis dans une matrice 88 (objectif : rduire linformation dans les hautes frquences) On code statistiquement les ccients quantis (code dHumann) pour rduire la redondance statistique
Il est ncessaire davoir un dcodeur pour pouvoir rinterpreter limage


Cours Ts

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Ts

Transféré par

Droits d'auteur :

Formats disponibles

Introduction la Thorie et au Traitement du Signal

Introduction au Traitement du Signal

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Quest-ce quun signal ?

Introduction au Traitement du Signal

Reprsentation et analyse des signaux

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Quest-ce quun signal ? <2>

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Classication selon la dimension (et la nature) de la variable indpendante

Dans ce cours nous traiterons essentiellement de variables de temps une dimension

Introduction au Traitement du Signal

Reprsentation et analyse des signaux

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Classication dterministe - alatoire

Les signaux dterministes sont prvisibles et modlisable analytiquement

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Introduction au Traitement du Signal

Reprsentation et analyse des signaux

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

nergie Es de s(t) fonction relle ou complexe de t :

Lnergie est aussi appele valeur quadratique de s(t)

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Classication nergtique <2>

La puissance moyenne Ps dun signal s(t) :

Introduction au Traitement du Signal

Reprsentation et analyse des signaux

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Classication nergtique <3>

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Introduction au Traitement du Signal

Reprsentation et analyse des signaux

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Fonction chelon unit

Introduction au Traitement du Signal

Reprsentation et analyse des signaux

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Introduction au Traitement du Signal

Reprsentation et analyse des signaux

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Fonction rectangle gnralise

Introduction au Traitement du Signal

Reprsentation et analyse des signaux

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Fonction sinus cardinal

Introduction au Traitement du Signal

Reprsentation et analyse des signaux

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Fonction sinus cardinal <2>

Introduction Reprsentation temporelle des signaux Reprsentation vectorielle des signaux

Classication des signaux Modlisation de signaux Proprits des signaux

Impulsion de Dirac <1>