Universit Paul Sabatier

UL4

COURS D'INSTRUMENTATION
ANALYSE DES SIGNAUX
MODELISATION DES SYSTEMES

I - Signaux et systmes
II - Transforme de Fourier d'un signal
III - Convolution
IV - Transforme de Fourier de signaux discrets
V - Systmes linaires et filtres
VI - Reprsentation d'un systme de suspension par un filtre

2002-2003
1

ANALYSE DES SIGNAUX - MODELISATION DES SYSTEMES

I - Signaux et systmes
I-1 - notion de signal
I-2 - notion de systmes

3
3
7

II - Transforme de Fourier d'un signal

II-1 - Reprsentation temporelle et frquentielle d'un signal
II-2 - TF de fonctions priodiques
II-3 - TF de fonctions non-priodiques
II-4 - Spectre de puissance de Fourier
II-5 - TF inverse
II-6 - Proprits essentielles de la TF
II-7 - Applications de la TF en analyse temporelle

10
10
12
23
26
27
28
29

III - Convolution
III-1 - Dfinition du produit de convolution
III-2 - Procdure de convolution
III-3 - Thorme de convolution (Plancherel)

33
33
33
36

IV - Transforme de Fourier de signaux discrets

IV-1 - Chane d'instrumentation numrique
IV-2 - Transforme de Fourier discrte
IV-3 - Pathologie des donnes discrtises
IV-4 - Thorme d'chantillonnage
IV-5 - Spectre de Puissance discret

37
37
39
41
45
47

V - Systmes linaires et filtres

V-1 - Notion de convolution et rponse impulsionnelle
V-2 - Dfinition d'un filtre - Rponse harmonique
V-3 - Rponse indicielle - Gain d'un filtre
V-4 - Cas gnral : Mthode de calcul des rponses
V-5 - Stabilit et causalit

48
49
53
57
58
61

VI - Reprsentation d'un systme de suspension par un filtre

63

I - Signaux et systmes
I-1 - notion de signal
Notion trs extensive...
Quantit mesurable qui dpend du temps
Exemples :
- intensit i(t) d'un courant lectrique
- position d'un mobile M(t) ou M(x,y,t)
- un son
Caractristiques des signaux

{
{
{

- dterministes
- alatoires

(exactement prvisibles)
(dcrits par des probabilits)

- analogiques
(x=x(t))
- discrets ou chantillonns (x=xn avec n Z)
- valeurs continues
- valeurs quantifies

Signaux dterministes

20
V(t)

Tension (V)

15

(Vi)i=1,N

10
5
0
-5
(V*i)i=1,N
-10

20

40

100

120

140

120

140

Signaux alatoires

20
V(t)

15
Tension (V)

60
80
Temps (s)

(Vi)i=1,N

10
5
0
-5
(V*i)i=1,N
-10

20

40

60
80
Temps (s)
4

100

 Exemples de signaux
- Echelon unit ou fonction de Heaviside, u(t)
Dfinition :

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

t
0
u(t) modlise l'tablissement instantan d'un rgime constant
Rq: quelquefois u(0)=1/2
- signal rectangulaire (crneaux) r(t)
Dfinition :

ra(t) = 1 |t|<a
ra(t) = 0 |t|>a
r(t)
1

-a
0 a
Rq: version normalise ra(t) = 1/(2a) |t|<a
ra(t) = 0
|t|>a
5

- Signaux sinusodaux (rels)

x(t) = A cos(wt+j)
-> w = 2pf
-> f = 1/T
-> T
-> A
-> j

la pulsation
la frquence
la priode
l'amplitude
la phase l'origine
A cos(wt+j)

-j/w

signal

4
2

0
-2
-4
-6

T
0

50

100

150 200
Temps (s)

250

300

Notation complexe
On dfinit :
Alors :

z(t) = A ei(wt+j) = C eiwt

C amplitude complexe, C = A eij
x(t) = Re(z(t)) = 1/2 (z(t) + z*(t))

z(t) n'est utilis que par raison de commodits

seul x(t) a un sens physique

350

I-2 - notion de systmes

Entit, ou appareil, o l'on peut distinguer des signaux d'entre
et des signaux de sortie.
e(t)

Systme

s(t)

On ne s'intresse pas ncessairement aux composantes du

systme, c'est une boite noire.
Modlisation par un oprateur A
=> s(t) = A e(t)
avec
s(t) S ensemble des signaux de sortie
e(t) E ensemble des signaux d'entre
On distingue :
- Les systmes analogiques : e et s sont analogiques
- Les systmes discrets : e et s sont discrets
- Les convertisseurs
-> convertisseur analogique-numrique (CAN)
e(t)

s(t)
CAN
t
-> convertisseur numrique-analogique (CNA)

e(t)

s(t)
CNA
t

t
7

 Exemples de systmes analogiques

- Amplificateur idal
- Ligne retard
- Drivateur

=> s(t) = k e(t)

=> s(t) = e(t-a)
=> s(t) = e'(t)

k: constante
a: constante

Exemples de systmes discrets

calculateur : opration sk = ek + a sk-1
ek

sk

Retard
1

Le circuit RC
R

i(t)
s(t)

e(t)
C
C'est un systme dcrit par l'oprateur
R i(t) + s(t) = e(t)
s(t) = q(t)/C
i(t) = q'(t) = C s'(t)
=> RC s'(t) + s(t) = e(t)
Systme du 1er ordre

A: e(t) -> s(t)

 Exemple de systme mcanique

s(t)
e(t)

k
A

Bilan sur B
- force du ressort -k (s(t) - e(t) - lo), lo cart l'quilibre
- frottement
-a s'(t)
RFD
=> m s"(t) = -k (s(t) - e(t) - lo) - a s'(t)
=> m s"(t) + a s'(t) + k s(t) = k (e(t) + lo)
Sytme du 2nd ordre -> 2 conditions initiales ex:

s(0)=lo
s'(0)=0

Exemple de systmes : les capteurs

s(t)

e(t)
Capteur

grandeur physique
ou
mesurande

grandeur
electrique

Capteurs :
- actifs :
s = q, i, v
ex : photodiode, thermocouple...
- passifs :
s = R, L, C
ex : thermorsistance...
- capteurs composites
ex : dtecteur de photons gamma
9

II - Transforme de Fourier d'un signal

II-1 Reprsentation temporelle et frquentielle d'un signal

Signal : forme physique dpendante du temps, relle ou
vectorielle, contenant une information physique.
Un signal peut tre associ deux reprsentations contenant
la mme quantit d'information

Reprsentation temporelle

Reprsentation spectrale
V(n)

v(t)

La reprsentation spectrale V(n) montre l'importance de la

contribution d'une composante la frquence n dans le signal v(t)

10

Exemple :
- V(n1) = 0

<=>

- V(n2) max <=>

v(t)

pas de contribution la frquence n1

prsence d'une forte contribution
la frquence n2
V(n)

To

no = 1
To

On passe d'une reprsentation l'autre par

"transformation de Fourier"

v(t)
t
abscisse (x)

Oprateur
TF

V(n)
n
inverse de la distance (k)

Mathmatiquement, l'opration TF consiste projeter la

fonction tudier dans l'espace des fonctions sin(2pnt) (n R).

11

II-2 - TF de fonctions priodiques

Fonctions priodiques :
f(t) est priodique, de priode T, si et seulement si
"t R, "n Z, f(t+nT) = f(t)
Dcomposition en srie de Fourier d'une fonction priodique
Si la fonction priodique f (de priode T) est continuement
drivable, borne et intgrable, on dmontre (voir cours de
math) que la srie suivante converge:

f(t)=a o + a k cos(2kt)+b k sin(2kt)

k=1

- n = 1/T : frquence fondamentale du signal

on pose w = 2pn (pulsation)
- coefficients de la srie de Fourier
T/2
2
f(t) cos(kt) dt
-> a k =
T
T/2
T/2

-> b k = 2 f(t)sin(kt) dt
T
T/2
T/2

-> a o = 1 f(t) dt
T
T/2

12

valeur moyenne de f(t)

 Reprsentation complexe de la srie de Fourier

f(t) =

C k e ikt

k=

avec
T/2

C k = 1 f(t) e ikt dt
T
T/2

Lien entre les deux reprsentations

C o = ao
a i bk
Ck = k
2
Proprits
- f est priodique => on peut choisir l'intervalle
d'intgration de dure T
T/2

(k+1)T

T/2

kT

dt = dt =

- Si f(t) est paire

dt

=>

ak = 0

- Si f(t) est impaire =>

- Si f(t) est relle

=>

13

bk = 0

"k

"k

ak = a-k
bk = -b-k
Ck = C-k*

 Spectre en frquence de f
La suite {Ck}kZ, en gnral complexe, est le spectre en
frquence de f.
- Le spectre d'une fonction priodique est discontinu.
Il n'existe que pour des frquences multiples de n = 1/T
=> Spectre de raies ou spectre discret.
- Ck se dcompose en :
-> un spectre d'amplitude
-> un spectre de phase
Rappel : C k = C k e

f(t)

- Exemple : f(t) relle

14
12
10
8
6
4
2
0
20 40

a 2k +b 2k
Ck =
2
bk
k = Arctg
ak

60 80
t (s)

100 120
jk

Ck

-3n -2n -n

n 2n 3n
14

-3n -2n -n

n 2n 3n

- Frquence fondamentale et harmoniques

-> n = 1/T :

frquence fondamentale de f(t)

-> kn , k Z et k 1 : harmoniques de f
!!! La 1ere frquence harmonique est pour
La 2nde frquence harmonique est pour
...
La nieme frquence harmonique est pour

k=2
k=3
k = n+1

Dcomposition en srie de cosinus

f(t) signal rel priodique - frquence fondamentale n

[
k=1

f(t)=a o + a k cos(kt)+b k sin(kt)

ao, ak et bk dja dfinis, w = 2pn
On peut crire :

f(t) = X o + X k cos(kt k )
k=1

En identifiant :
Xo = ao
X k = a 2k +b 2k =2C k
bk
k = Arctg = k
ak
Avantage : plus explicite que la srie complexe
15

- Exemple : x(t) de priode T

x(t) = X o + X k cos(kt k )
k=1

w = 2p/T
valeur moyenne

Xo

T
X1

T/2
X2

T/3
X3
.
. etc...
.

x(t)

temps (s)
{Xn} : Spectre d'amplitude en srie de cosinus
{Fn} : Spectre de phase en srie de cosinus

16

- Reprsentation de Xn : Spectre de raies

Xo

X2

X4

X1

X3
2n

3n

4n

Exemples de dcomposition - Mthodes

- Identification
Quelquefois, le spectre ne contient que quelques
termes non nuls. On procde alors par identification.
-> Exemple : f(t) = 20 cos(2pnt-p) + 10 cos(6pnt)
Dcomposition en srie de cosinus
=> Xo = 0
X1 = 20
F1 = p
frquence n
X2 = 0
X3 = 10
F3 = 0
frquence 3n
Xn>3 = 0

17

-> Signal sinusodal : f(t) = sin(2pnt)

par identification => an = 0 "n, b1 = 1 et bn = 0 "n 1
a k i bk
=> C k =
donc C1 = -i/2 et C-1 = i/2
2
Spectre d'amplitude
Ck
1/2
n

Spectre de phase
jk
p /2
n
-n
-p /2

-n
n
Reconstruction du signal :

f(t) =
k=

C k e ikt

=> f(t) = sin(wt)

-> Signal cosinusodal : f(t) = cos(2pnt)

par identification => bn = 0 "n , a1 = 1 et an = 0 "n 1
a k i bk
=> C k =
donc C1 = 1/2 et C-1 = 1/2
2
Spectre d'amplitude
Ck

Spectre de phase
jk
n

1/2
n

-n

-n
n
Reconstruction du signal :

f(t) =
k=

C k e ikt
18

=> f(t) = cos(wt)

- dcomposition d'un signal carr.

signal

0.0

-A

-2T

-T

2T

temps (s)
Calcul des coefficients :

f(t) =
k=

=> si k pair
si k impair
si k = 0

Cke

ikt

T/2

avec C k = 1 f(t) e ikt dt

T
T/2

|C(k)| = 0
|C(k)| = 2A
k
|C(0)| = 0
Spectre d'amplitude
Ck

-5n -3n -n
19

3n 5n

 Remarque importante :
Souvent, le spectre contient une infinit de termes non
nuls. Seuls les coefficients (Xk ou Ck) de valeurs
leves sont indispensables pour reconstruire le signal avec
une bonne approximation.
Exemple : signal carr
kmax=1

kmax=3

kmax=35

kmax=5

temps

20

 Reprsentation d'un spectre discret - "fonction de Dirac"

- Fonction de Dirac - Dfinition
d(x) = 0 "n 0
d(x) = 1 si x=0
d (x-a)

d(x)

x
a

- Application au spectre de raies

Soit {C k } les coefficients de Fourier d'une fonction
priodique x(t), de priode To = 1/no. La transforme de Fourier de
x(t) peut tre considre comme une fonction x () telle que :

x ()= C k (ko )
k=

spectre d'amplitude : x () = C k (ko )

k=

1
Ex. : x(t) = cos(2pnot) ->TF -> x () = ( + o ) + ( o )
2
^x(n)

Spectre
d'amplitude

1/2
n
-n
21

- La distribution de Dirac
Dfinition :

(x) = lim r (x)

0

avec re(t) signal rectangulaire normalis

1
2e

re(t)

re(t) = 1/(2e) |t|<e

re(t) = 0
|t|>e

d (t)

e -> 0

t
-e

Proprits :

-> (x) dx = 1

-> (x)f(x)dx = f(0)

-> (cx) = 1 (x)

c
Fonctions tendant vers d(x) lorsque e -> 0
-> Exponentielle de |x|
-> Lorentzienne

1 e
2
1
x 2 + 2

-> Gaussienne

x2
e

sin x
sin 2 x
,

1
x
x2

()

-> Autres fonctions

22

()

II-3 - TF de fonctions non-priodiques

Par extension de la formule de calcul pour une fonction
priodique, on calcule la transforme de Fourier d'une fonction
non-priodique en faisant tendre la priode vers l'infini.
Dmo: Soit x(t) priodique, priode T => fondamental no

on a : x(t) = C k e

i2 k o t

k=

on peut crire : x(t) =

k=

et C k = 1
To

T o /2

i2 k o t
dt
x(t) e

T o /2

C k i2 k o t
e

avec Dn = (n+1)no - nno = no = 1/To

cart entre 2 frquences successives dans le spectre
Passons la limite To ->
=> Dn = no -> 0 : les points du spectre se rapprochent
=> kno -> n
: kno devient une variable continue n
C
: la srie de coefficient -> fonction continue
=> k -> C(n)

=> -> d : la somme devient une integrale

x(t) = C()e i2t d

23

 Expression de la transforme de Fourier C(n)

Ck
T o

D'aprs le calcul prcdent : C() = lim

=> C() = lim 1
T o T o
or

Dn = 1/To

et

T o /2

i2 k o t
dt
x(t) e

T o /2

kno -> n (pour To -> )

donc :

C() = x(t) e i2t dt

C(n) est priori complexe :

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

x(t)
dt
<
-> x(t) L1(R)

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

24

 Exemple : calcul de la TF du signal crneau

Rappel : r(t) = 1 |t|<a
et r(t) = 0 |t|>a
r(t)
1

-a

C() = r(t) e

i2t

dt = e i2t dt=>C() = 2a
a

sin(2a)
2a

|TF[ra (t)]|

2a

-5
a

-4
a

-3
a

-2
a

-1
0
1
a
a
frquence
25

2
a

3
a

4
a

5
a

II-4 - Spectre de puissance de Fourier

Dfinition :
Le spectre de puissance est le carr du spectre d'amplitude.

Thorme de Parseval:
La puissance totale dans le spectre est gale la
puissance totale dans le signal.

Cas des signaux continus priodiques (priode T)

Spectre d'amplitude
|Ck|

->

-> Thorme de Parseval :

Spectre de puissance
|Ck|2

Ck

k=

= 1 f(t) 2 dt
T
o

Cas des signaux continus non-priodiques

Spectre d'amplitude
|C(n)|

->

-> Thorme de Parseval :

2
C() d = f(t) dt

26

Spectre de puissance
|C(n)|2
2

II-5 - Remarque sur la TF inverse

Notations
x(t) ->TF-> C(n)
=> C(n) = TF[x(t)](n) ou TF(x(t)) ou TF(x)
C(n) = x ()
=> x(t) = TF-1[C(n)](t) ou TF-1(C(n)) ou TF-1(C)
Calcul pratique de la transforme de Fourier inverse
Si x est une fonction continue, intgrable telle que
x L1(R) alors :
"tR

TF(TF(x(t))) = x(-t)

La TF de la TF d'un signal et gal au signal invers dans le temps

27

II-6 - Proprits essentielles de la TF

Linarit
" a, b C

TF(af + bg) = a TF(f) + b TF(g)

Transposition - conjugaison
Si TF(f(t)) = f (n)

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

f (-n)
f *(-n)

Translation ou retard
TF(f(t-a)) = e i2a TF(f(t))
Modulation
TF(e i2at f(t)) = f (n-a)
Similitude (changement d'unit)

()

TF(f(at)) = 1 f
a a
Drivation

Si f est n fois drivable => TF(fn(t)) = (i2pn)n TF(f(t))

28

II-7 - Applications de la TF en analyse temporelle

La TF permet la dcomposition d'un signal selon son contenu
frquentiel. Cela permet de dterminer ses caractristiques :
-> dtection de priodes
-> caractrisation des fluctuations d'un signal
-> caractrisation du bruit instrumental
En outre la TF permet :
-> l'tude des corrlations entre deux signaux
-> la mesure du retard d'un signal sur l'autre
-> la caractrisation des systmes (voir chapitre V)

29

Bruit Blanc
"Signal"
0.8
0.6

signal

0.4
0.2
0
-0.2
-0.4
-0.6
-0.8

-400

-200

0
t(s)

200

400

spectre d'amplitude

Spectre
10-1

10-2

10-3

10-4
0.01

0.1
frequence (Hz)

Rq: spectre plat

30

Bruit "Brownien"
"Signal"
10

signal

0
-10
-20
-30
-40

-400

-200

0
t(s)

200

400

spectre d'amplitude

Spectre
102
101
100
10-1
10-2
10-3
0.001

0.01
0.1
frequence (Hz)
Rq: spectre de puissance en 1/f2
31

Bruit "rouge"
"Signal"
3.5
3.0

signal

2.5
2.0
1.5
1.0
0.5
0.0

-400

-200

0
t(s)

200

400

spectre d'amplitude

Spectre
100
10-1
10-2
10-3
10-4
0.001

0.01
0.1
frequence (Hz)
Rq: spectre de puissance en 1/f
32

III - Convolution
III-1 - Dfinition du produit de convolution

f(t) = g(t) * h(t) = g()h(t) d

Commutativit : f(t) = g(t) * h(t) = h(t) * g(t)

Fonction "unit" : g(t) * d(t) = g(t)

III-2 - Procdure de convolution

Interprtation par une reprsentation graphique
Exemple 1 : g(t) * h(t)
avec

h(t)

= e-t
=0

pour t>0
pour t<0

et

g(t)

=1
=0

pour t>0
pour t<0

33

h(t) => h(-t)

h(-t) => h(t-t)

g(t) h(t-t)

Intgration :

g()h(t ) d

34

Exemple 2 : g(t) * [d(t-t1) + d(t-t2)] rplication d'une fonction

d(t-t1) + d(t-t2)

g(t)

t1

=> g(t) * [d(t-t1) + d(t-t2)] = g(t-t1) + g(t-t2)

g(t-t1) + g(t-t2)

t1

35

t2

t2

III-3 - Thorme de convolution (Plancherel)

Un des plus important outils de l'analyse scientifique
Soit X(n)=TF[x(t)] et Y(n)=TF[y(t)]
TF

y(t)x(t) Y()X()
TF

Y()X() y(t)x(t)
Exemple : convolution du signal crneau avec lui-mme

36

IV - Transforme de Fourier de signaux discrets

IV-1 - Chane d'instrumentation numrique
m(t)
Phnomne
Physique
t

Bruit
s(t)
T

Capteur

t
si*(t i)

Echantillonneur

Quantification
(CAN)

Electronique
t
ti

Traitement
Stockage

Ordinateur

m(t)

s(t)

si(ti)
s*i(ti)
=> N couples de valeurs (ti, s*i(ti)) qu'il faut traiter pour extraire
l'information physique contenue dans m(t).
37

Modlisation de donnes chantillonnes

Soit h(t) un signal que l'on discretise en N valeurs
-> (kk)k=0,1...N = h(tk)
La suite peut tre considre comme le produit de 3 fonctions:

- la fonction h(t)

t
- fentre temporelle

-T0/2

T0/2

...

...

- peigne de Dirac

t
t0 t1 ...

- suite (kk)
Fonction :

h(t) r T (t) ( t t k )
0
k=
38

tN-1

IV-2 - Transforme de Fourier discrte

Une srie de N nombres (kk)k=0,1...N peut se dcomposer
en N composantes sinusodales de frquence nj = j/T0
(T0 = dure de l'acquisition) pour j=-N/2, ..., N/2 - 1
N1

a j = h k ei2 jt k
k=0
N / 21

1
hk = N
a j ei2 jt k
j=N / 2
- A noter :
(kk) = h(tk) avec tk =kT0/N
N1

a 0 = h k =>
k=0

moyenne = a0/N

frquence d'chantillonnage :

f = N/T0 = t 1 t
k+1
k

frquence de Nyquist :

fNy = f/2 = N/(2T0)

fNy = nN/2

C'est la frquence maximale du spectre

Le terme la frquence de Nyquist est :
N1

N
2

= hk
k=0

eik

N1

= hk
k=0

(1)k

N1

= h k eik = a N
k=0

=> le terme la frquence de Nyquist peut tre

permut a chacun des bouts du spectre
N / 21
N/2
1
1
i2
t
j
k
=> h k = N a j e
=N
a j ei2 jt k
j=N / 2
j=N / 2+1
39

 Les frquences dans le spectre sont quidistantes

nj = j/T0 => Dn = nj+1 - nj = 1/T0
=> cart entre les frquences = inverse de la dure totale du signal
Le spectre est limit en rsolution
Chaque terme du spectre est priori complexe
Si la srie (kk) est relle
=> a-j = a*j
- Remarques importantes :
Quelquefois les constantes de normalisation diffrent:
N1

-> a j = h k

ei2 jt k

et

N / 21
1
h k = N a j ei2 jt k
j=N / 2

et

hk = 1
N

k=0

N1
1
-> a j =
h k ei2 jt k

N k=0
N1
1
-> a j = N h k ei2 jt k
k=0

et

hk =

N / 21

j=N / 2

N / 21

j=N / 2

a j ei2 jt k

a j ei2 jt k

Les trois reprsentations sont totalement quivalentes

Calcul pratique
On calcule les transformes de Fourier discrtes
l'aide de l'algorithme de "Fast Fourier Transform" (FFT)
(voir Matlab et autres programmes de calcul)

40

IV-3 - Pathologie des donnes discrtises

On a vu (IV-1) que la limitation en dure et la discrtisation
d'un signal h(t) conduit son estimation par la fonction:

( )

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

k=

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

pas donner un spectre discret.
Solution : rpliquer les donnes avec une priode T0

h'(t) = h(t) r (t) tt

T0
k
k=

tjT0
j=

( )

=>

=> TF h' = TF[h]TF r T TF tt k

0
k=

[]

( )

Fentrage

41

TF

tjT

0
j=

( )

=> TF h' =TF[h]TF r T t

0 k=

[]

j
T

j=

Repliement Discrtisation

 Repliement (Aliasing)

42

 Fentrage (Leakage)

Remarque : il existe d'autres fonctions que la fonction crneau

pour le fentrage - Hanning, exponentielle... (voir TP)

43

 Conclusions sur les pathologies

44

IV-4 - Thorme d'chantillonnage

Toute fonction f dont le spectre est limit en frquence
(TF(f) = 0 pour |n| > nc , nc frquence caractristique) peut tre
dtermine de manire unique par la connaissance de ses
valeurs chantillonnes une frquence 2nc.
Frquence d'chantillonnage ne=2nc
=> rplique du spectre tout les ne=2nc
n e=2n c

TF(f)

...
-n c 0 n c

...
-n c 0 n c

n (Hz)

n (Hz)

2nc est la frquence minimale laquelle il faut chantillonner

le signal pour pouvoir connatre son contenu frquentiel.
n e>2n c

...

n e<2n c

...
-n c 0 n c

...

n (Hz)
45

...
-n c 0 n c

n (Hz)

Exemple : signal sinusodal la frquence no.

-> ne>2no
-ne

-ne/2 ne/2

ne

n e-n o n e+n o

-n e-n o -n e+n o -n o n o

-> ne=2no
-ne

-ne/2 ne/2

t
-2n o

-n o

no

ne

2n o

-> ne<2no
-ne

t
46

-ne/2 ne/2

-2n e+n o -n o -n e+n o n e-n o

ne

n o 2n e-n o

IV-5 - Spectre de Puissance discret

Soit la srie temporelle h(tk) avec tk =kT0/N et k=0, 1,...N.
On a les relations :
N1

a j = hk

ei2 jt k

N / 21
1
h k = N a j ei2 jt k
j=N / 2

et

k=0

avec nj = j/T0
=> Spectre d'amplitude
|ak|

->

Spectre de puissance
|ak|2

Thorme de Parseval pour les donnes discrtes

N1

hk

k=0

N/21

= 1 aj
N j=N/2

47

V - Systmes linaires et filtres

Introduction
-> Rappel sur les systmes
Un systme est une entit, ou un appareil, o l'on peut
distinguer des signaux d'entre et des signaux de sortie.
e(t)

Systme

s(t)

-> Proprits des systmes tudis

Soit un systme A et un signal e(t) : s(t) = A e(t) => s=A(e)
- Linarit:

A(le1+be2) = lA(e1) + bA(e2)

- Causalit:

Si "t < t0, e1(t) = e2(t)

=> "t < t0, s1(t) = s2(t)

- Invariance: Si A : e(t) -> s(t)

=> e(t-a) -> s(t-a)

48

"a

V-1 - Notion de convolution et rponse impulsionnelle

Rponse impulsionnelle
La rponse impulsionnelle d'un systme S linaire est le signal
de sortie s(t) de ce sytme lorsqu'on lui applique une impulsion
unit (distribution de Dirac) l'entre.
e(t)

Systme
S

s(t)

Par la suite, on notera la rponse impulsionnelle par h(t)

si e(t) = d(t) alors s(t) = h(t)
Rponse d'un systme un signal quelconque
-> Approximation d'une fonction continue l'aide de d(t)
e(t)
Dt

...

...
t
t i+1

ti

t i+2

t i+3

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

i=

49

Avec :
- rDt/2(t) fonction crneau normalise rDt/2(t) = 1/Dt |t|<Dt/2
rDt/2(t) = 0
|t|>Dt/2
- ti = i Dt
Passage la limite : Dt -> 0 => rDt/2(t-ti) ->

d(t-ti)

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

i=

e (t) e(t i ) (t t i )t
i=

-> Rponse du systme

Entre
-S->
d(t)
-S->
d(t-ti)
-S->
e(ti) Dt d(t-ti)
-S->

Sortie
h(t)
h(t-ti)
(si S stationnaire)
e(ti) Dt h(t-ti) (si S linaire)

=> s(t) e(t i ) h(t t i )t

i=

-> Passage la limite : Dt -> 0,

=>
=>
=>

Dt
ti

->
->
->

dt'
t'

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

i=

et

s(t)= e(t' ) h(tt' )dt' = e(t)h(t)

Le signal de sortie d'un systme est le produit de convolution du

signal d'entre par la rponse impulsionnelle.
50

-> Reprsentation graphique

s(t)

e(t)
-S->

t
e1=e(t1)

s1(t)
-S->
t

e2=e(t2)

s2(t)
-S->
t

e3=e(t3)

s3(t)
-S->
t

t
s4(t)

e4=e(t4)
-S->

51

 Exemple de convolution : le circuit RC

R
s(t)

e(t)
C

=> RC s'(t) + s(t) = e(t)

Rsolution de l'quation diffrentielle du premier ordre

=> s(t)= e(t' ) h(t t' )dt' = e(t)h(t)

avec

1
e RC u(x)
h(x)=
RC

rponse impulsionnelle
h(t)

1/RC

e-1/RC
0
t
0 t=RC

52

V-2 - Dfinition d'un filtre - Rponse harmonique

Dfinition d'un filtre

Un filtre est un systme linaire, continu et invariant.
Un filtre est entirement dfini par sa rponse harmonique
(ou fonction de transfert).

-> Considrons un signal priodique e(t) =>e(t) = C n e 2int

n=

avec

l : frquence fondamentale
nl (n 1) : harmoniques
T=1/l : priode fondamentale
T/2
1
Cn =
e(t) e 2int dt : coefficients de Fourier

T
T/2

-> On applique se signal e(t) l'entre d'un filtre

=> s(t) = A e(t)

= A C n e 2int
n=

= C n Ae 2int
n=

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

de connaitre Ae 2int

53

-> Remarque: Pour un signal e(t) non priodique on a un

rsultat similaire :

e(t) = C()e i2t d

C() = e(t) e i2t dt

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

i2t

d = C() Ae i2t d

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

de connaitre Ae 2it
-> Dtermination de snl(t) = Ae 2int
=> snl(t) = H(nl) e 2int
Remarque : dans le cas continu, sn(t) = H(n) e 2it

La fonction H : R -> C est la rponse harmonique du filtre A

Tout signal monochromatique de frquence l est une fonction
propre de tout filtre A et sa valeur propre est H(l)
Ae 2it = H()e 2it
Remarque : cas continu, Ae 2it = H()e 2it

54

 Conclusion
La rponse harmonique H(n) nous montre donc comment
se transforme, par le filtre A, une composante la frquence n
- Si e(t) est priodique (T=1/l)

s(t) = A e(t) = A C n e 2int

n=

= C n Ae

= C n H(n)e 2int

2int

n=

n=

- Si e(t) n'est pas priodique

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

= C() Ae

i2t

d = C() H()e i2t d

- Gnralement : on a C(n) = TF(e)

H() =

=>

et

C(n) H(n) = TF(s)

TF(s)
TF(e)

Exemple : Rponse harmonique du filtre RC

R
s(t)

e(t)
C

=> RC s'(t) + s(t) = e(t)

"n, e 2it est fonction propre de tout filtre
e(t)=e 2it -> s(t)=H(n) e 2it
55

RC s'(t) + s(t) = e(t)

=> 2pinRC H(n) e 2it +H(n) e 2it = e 2it
=> (2pinRC + 1) H(n) e 2it = e 2it
1
=> H()=
1+2iRC
Module : H() =

1
1 + (2RC) 2

filtre passe-bas

1.2
1.0

RC=1

|H(n )|

0.8
0.6
0.4
0.2
0.0
-40 -30 -20 -10 0 10 20 30 40
n (Hz)
Reprsentation log-log
100
RC=1

|H(n )|

1/2

10-1

nc =
10-2
0.01

0.1
56

n (Hz)

1
2pRC
1

10

V-3 - Rponse indicielle - Gain d'un filtre

Rponse indicielle
Dfinition : C'est la rponse un chelon unit (fonction u(t))

e(t)=u(t)

Systme
s(t)=h1(t)

h1(t) = u(t) * h(t) = h(t' )u(t t' )dt'

= h(t' ) dt'

puisque u(x) = 0 pour x<0

= h(t' ) dt'

puisque h(x) = 0 pour x<0

(voir chap V-5)

La rponse indicielle est l'intgrale de la rponse impulsionnelle

Gain d'un filtre

K = lim h1 (t)

Dfinition :

K peut tre calcule partir de la rponse harmonique:

K = H(0)

=>
57

V-4 - Cas gnral : Mthode de calcul des rponses

Filtres analogiques gouverns par une quation diffrentielle
q

b k s (t) = a j e (j) (t)

Forme gnrale :

(k)

k=0

j=0

.(k) dsigne la kime drive par rapport au temps

Condition restrictive : s(t) et e(t) acceptent une TF
Calcul de la rponse harmonique
p
q
(j)
(k)
TF b k s = TF a j e
k=0

j=0

b k TF(s
q

k=0
q

(k)

)=

a j TF(e (j) )
p

(linarit)

j=0

b k (2i) TF(s) = a j (2i) j TF(e)

k

k=0

(drivation)

j=0
p

a j (2i) j
=> TF(s) =

j=0
q

b k (2i) k

k=0
p

On note :

P(x)= a j x

j=0

=> TF(s) =

TF(e)
p

et

Q(x)= b j x j
j=0

P(2i)
TF(e)
Q(2i)

Condition restrictive : Q(x) ne s'annule pas pour x imaginaire

pur : la fraction P/Q n'a pas de ples sur l'axe imaginaire.
58

On a donc : TF(s) =
=> H() =

P(2i)
TF(e)
Q(2i)

et comme H() =

TF(s)
TF(e)

P(2i)
Q(2i)

Si le degrs de P < degrs de Q, H(n) est dcroissance rapide

et admet donc une transforme de Fourier inverse.
Or d'aprs le thorme de convolution :
TF(s) = H(n) TF(e)
et comme :

s(t) = TF-1(H) * e(t)

<=>

s(t) = h(t) * e(t)

<=>
<=>

h(t) = TF-1(H)
H(n) = TF(h)

La transforme de Fourier de la rponse

n)
impulsionnelle h(t) est la rponse harmonique H(n

Calcul de la rponse impulsionnelle

h(t) = TF-1(H) se calcule dans le cas gnral en faisant la TF
inverse de la dcomposition de H en lments simples.
2 cas :

P(2i)
n'a que des ples simples
Q(2i)
P(2i)
a des ples multiples
- H() =
Q(2i)
- H() =

59

(1)
(2)

q
k
P(2i)
(1) H() =
=
z 2i
Q(2i)
k=1 k
zk : ples de H (zro de Q)
bk : coefficient de la dcomposition
q
k
1
=> h(t) = TF (H) = TF 1
z k 2i
k=1

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

kK

avec
et

k e
kK

zkt

u(t)

K+ = {k {1, 2,...,q}; Relle(zk)>0}

K- = {k {1, 2,...,q}; Relle(zk)<0}

(2) H(n) a des ples multiples

ples
: z1, z2, ... zl de multiplicit , m1, m2..., ml
bkm
: coefficient de la dcomposition
l mk
km
P(2i)
H() =
=
m
Q(2i)
k=1 m=1(z 2i)
k

km
=> h(t) = TF (H) = TF
m
(z k 2i)
k=1 m=1
1

mk

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

kK

avec

et

kK +

K+ = {k {1, 2,...,l}; Relle(zk)>0}

K- = {k {1, 2,...,l}; Relle(zk)<0}
mk

t m1
P k (t) = mk
(1) m
( m 1) !
m=1

60

V-5 - Stabilit et causalit

Filtre stable
Soit un filtre A, on dmontre que A stable
<=>
degrs(P) degrs(Q)
P/Q n'a pas de ples sur l'axe imaginaire
(a) sinon
(b) sinon

(a)
(b)

P(2i)
ne dcroit pas avec n
Q(2i)
=> pas de TF-1(H)
$n0 tel que H(n0) =
H() =

Filtre ralisable (ou causal)

Rappel sur la causalit: Si

"t < t0, e1(t) = e2(t)

=> "t < t0, s1(t) = s2(t)

Dans le cas d'un filtre on peut crire:

avec
si
e1(t) = e2(t) + e(t)
alors
s1(t) = s2(t) + s(t)
=>
On dmontre que A est ralisable
[
<=> support(h) [0, +
<=> h(t)=0 " t<0

61

e(t)=0 "t<t0
s(t)=0 "t<t0

En effet, si

-> support(h) [0, +[ => h(s)=0 "s<0

-> e(t)=0 "t<t0

alors le produit de convolution s(t)= h(s)e(ts)ds devient

tt 0

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

0

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

avec
et

k e
kK

zkt

u(t)

K+ = {k {1, 2,...,q}; Relle(zk)>0}

K- = {k {1, 2,...,q}; Relle(zk)<0}

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

kK

avec

et

kK +

K+ = {k {1, 2,...,l}; Relle(zk)>0}

K- = {k {1, 2,...,l}; Relle(zk)<0}
mk

t m1
P k (t) = mk
(1) m
( m 1) !
m=1

Pour que support(h) [0, +[ il faut et il suffit que K+ =

Conclusion sur la stabilit et la causalit
Un filtre A est ralisable et stable

Tous les ples de P/Q ont une partie relle ngative

62

VI - Reprsentation d'un systme de suspension par un filtre

Bibliographie:
- The Fast Fourier Transform,
E. Oran Brigham, ed. Prentice Hall
- Mthodes et Techniques de traitement du signal et applications aux
mesures Physiques, J. Max, ed. Masson
- Introduction la thorie du signal et de l'information,
F. Auger, Editions Technip, ISBN 2-7108-0743-2
- Traitement numrique du signal, une introduction;
A van den Enden et N. Verhoeckx, Masson, ISBN 2-225-82522-X
- Traitement numrique des signaux,
M. Kunt, Presses Polytechniques et Universiatires Romandes,
ISBN 2-88074-352-4

63