Vous êtes sur la page 1sur 44

Support de cours : traitement du signa

A) INTRODUCTION................................................................................................................. 2
I) Objectif du cours ............................................................................................................................................................... 2
II) Quelques dfinitions........................................................................................................................................................ 2
III) La chane de linformation ........................................................................................................................................... 3
IV) Les principales fonctions du traitement du signal.................................................................................................... 4
Elaboration des signaux................................................................................................................................................... 4
Identification des signaux............................................................................................................................................... 4
E) Les systmes numriques ............................................................................................................................................... 4

B) LE TRAITEMENT DES SIGNAUX ANALOGIQUES ...................................................... 5


I) Reprsentation des signaux............................................................................................................................................. 5
Modlisation des signaux................................................................................................................................................ 5
II) Classification des signaux.............................................................................................................................................. 6
Reprsentation temporelle des signaux......................................................................................................................... 6
Classification nergtique............................................................................................................................................... 7
Classification spectrale .................................................................................................................................................... 8
III) Les signaux numriques................................................................................................................................................ 8
IV) Analyse de Fourier......................................................................................................................................................... 9
Srie de Fourier................................................................................................................................................................. 9
Gnralisation ................................................................................................................................................................. 11
Reprsentation bilatrale ............................................................................................................................................... 12
La transforme de Fourier............................................................................................................................................. 13
Proprits de la transforme de Fourier...................................................................................................................... 14
V) Systme de transmission.............................................................................................................................................. 15
Dfinition ......................................................................................................................................................................... 15
Proprits des systmes de transmission : SLIT ....................................................................................................... 16
VI) Filtres et Convolution.................................................................................................................................................. 17
Dfinition ......................................................................................................................................................................... 17
Proprits de la convolution : ....................................................................................................................................... 18
Thorme de Plancherel :.............................................................................................................................................. 18
VII) Introduction la notion de corrlation.................................................................................................................... 18
Puissance et nergie des signaux................................................................................................................................. 18
Corrlation et densit spectrale .................................................................................................................................... 19
VIII) Filtrage des signaux analogiques............................................................................................................................ 20
IX) Filtrage frquentiel....................................................................................................................................................... 22
Thorme fondamental des filtres ............................................................................................................................... 22
Filtres ralisables ............................................................................................................................................................ 23
X) La modulation ................................................................................................................................................................ 23
Transmission par modulation ....................................................................................................................................... 24
Les diffrentes formes de modulation......................................................................................................................... 24
XI) Le bruit........................................................................................................................................................................... 26
Sources de bruit .............................................................................................................................................................. 26
Dtection d'un signal noy dans le bruit ..................................................................................................................... 28

C) Le traitement numrique du signal...................................................................................... 30


I ) L'chantillonnage........................................................................................................................................................... 30
II ) Echantillonnage idal................................................................................................................................................... 33
III ) Restitution du signal initial partir de l'chantillonn ......................................................................................... 34
IV ) Effet de repliement du spectre.................................................................................................................................. 35
V ) Transforme de Fourier Discrte............................................................................................................................... 36
Dfinition ......................................................................................................................................................................... 37
VI ) Convolution et corrlation numriques................................................................................................................... 38
a) Convolution discrte.................................................................................................................................................. 38
b) Corrlation discrte ................................................................................................................................................... 39
VII ) Notions de filtrage numrique................................................................................................................................. 39
a) Introduction................................................................................................................................................................. 39
b) Transformation en z................................................................................................................................................. 40
c) Synthse des filtres numriques par la fonction de transfert.............................................................................. 41
d) Transformation d'Euler ou quivalence de la drivation .................................................................................... 42

VIII) Bibliographie ................................................................................................................... 43

Support de cours : traitement du signal, ES3, 2006-2007

A) INTRODUCTION
I) Objectif du cours
Le traitement du signal peut tre peru comme faisant partie de la culture gnrale dun
ingnieur mais en tant que spcialiste de la mesure, le gomtre est amen traiter diffrentes
observations issues de divers domaines comme la topomtrie, la photogrammtrie et la
tldtection. Il sagit de matriser les notions et les outils de base du traitement du signal et
de les appliquer un cas concret qui est celui de ltalonnage des distancemtres.
Dans une premire partie, le cour s sarticule autour de lanalyse de Fourier des signaux
analogiques en introduisant les concepts de convolution, de corrlation, de modulation et de
filtrage.
Ces notions seront reprises brivement dans la seconde partie consacre au traitement
numrique des signaux. Cette seconde partie aborde galement le dlicat problme de
lchantillonnage avec le thorme de Shannon et introduit la transforme de Fourier discrte.
Au cours de travaux dirigs, les tudiants se familiariseront aux concepts du traitement
numrique du signal en laborant et en traitant leurs propres signaux laide doutils
informatiques. Ensuite deux exemples concrets leur seront donns tudier, lun portant sur le
traitement de donnes GPS, en particulier la composante verticale, pour trouver le spectre de
la mare Brest quils pourront comparer celui diffus sur le site dIFREMER et lautre
exemple ddi au traitement des mesures de distances effectues au cours dun talonnage
dun distancemtre onde continue module.

II) Quelques dfinitions


Le Signal est la reprsentation physique de linformation quil transporte de sa source
son destinataire. Il sert de vecteur une information. Il constitue une manifestation physique
dune grandeur mesurable (courant, tension, force, temprature, pression.) quil transporte
de sa source son destinataire.
Les signaux considrs dans ce cours sont des signaux dpendants du temps obtenus
laide de capteurs.
Le traitement du signal sapplique tous les signaux physiques. Le traitement dimage peut
tre considr comme une extension du traitement du signal deux dimensions.
Tout ce qui nest pas Signal est Bruit. Cest donc une notion relative. Il est dfinit comme
tout phnomne perturbateur qui gne la perception ou linterprtation dun signal, par
analogie avec les nuisances acoustiques (interfrences, bruit de fond).
La thorie du signal a pour objectif fondamental la description mathmatique des signaux.
Cette reprsentation du signal permet de mettre en vidence ces principales caractristiques
(distribution frquentielle, nergie) et danalyser les modifications subies lors de la
transmission et du traitement de ces signaux.
Le traitement du signal fera donc appel des notions mathmatiques et physiques en
sappuyant sur le s ressources de linformatique, de llectronique et de la physique applique.
Le traitement de linformation fournit un ensemble de concepts permettant dvaluer les
performances des systmes de transfert dinformations en particulier lorsque le signal est
bruit. Cela inclut les mthodes de codage de linformation , de la confidentialit
cryptage .

Support de cours : traitement du signal, ES3, 2006-2007

III) La chane de linformation


Elle met en relation un systme physique qui dlivre un message et un autre systme physique
qui doit recevoir et exploiter cette information. Pour illustrer la chane de linformation on
pourra utiliser lexemple de la parole (signal) pour exprimer une ide (information)

Information
(ide)
Cration du signal
(codage, modulation..)
(cration des sons laide
des cordes vocales)

Traitement de
linformation
et du signal

Bruit

Transmission du signal
(ligne lectrique, onde..)
(propagation du son)

Traitement
du signal

Bruit

Rcepteur
(dtection, dcodage,
dmodulation..)
(oreille, cerveau)

Bruit

Traitement du
signal et de
linformation

Information
(ide)

exploitation

Support de cours : traitement du signal, ES3, 2006-2007

IV) Les principales fonctions du traitement du signal


Elles peuvent se diviser en deux catgories :

Elaboration des signaux


* Synthse : cration des signaux de formes appropries en procdant par
exemple une combinaison de signaux simples.
* Modulation, changement de frquence : moyen permettant dadapter un
signal aux caractristiques frquentielles dune voie de transmission.
Ex : Distancemtre onde module, Signaux GPS
* codage : traduction en code binaire (quantification)

Identification des signaux


* filtrage : limination de certaines composantes indsirables
* dtection : extraction du signal dun bruit de fond (corrlation)
* identification : classement dun signal dans des catgories pralablement
dfinies.
* analyse : isolement des composantes utiles dun signal de forme complexe
(Analyse de Fourier).
* mesure : estimation dune grandeur caractristique dun signal avec un
certain degr de confiance (valeur moyenne, cart type..)

E) Les systmes numriques

Actionneur

Processus physique

Signal
Analogique

information

Capteur

Signal
analogique
chantillonneur

Convertisseur
numrique - analogique

Signal
numrique

Signal analogique
chantillonn

Systme de contrle
(ordinateur)

Convertisseur
analogique - numrique

Support de cours : traitement du signal, ES3, 2006-2007

Le numrique prsente un grand nombre davantages par rapport un contrle de processus


par un systme analogique :
* reproductibilit des systmes
* stabilit : pas de drive en temps et en temprature
* adaptabilit et souplesse demploi (modification du programme)
* fiabilit
* rapidit : jusqu 10 MHz en temps rel.

B) LE TRAITEMENT DES SIGNAUX ANALOGIQUES


I) Reprsentation des signaux
Modlisation des signaux
Un signal exprimental est une grandeur physique relle et doit donc tre physiquement
ralisable. Les signaux physiques reprsents par une fonction du temps s(t) possdent les
caractristiques suivantes :
Energie borne
Amplitude borne
Continue temporellement
Causal ( s(t) =0 pour t < 0 )
Spectre du signal born

Signal(t)

S(t)
borne
Temps t

Support born
Sur le plan thorique, les signaux sont reprsents par des fonctions
A nergie thorique infinie
Avec des discontinuits (signal carr)
Dfinies sur R , signaux non causaux
A spectre infini
A valeurs complexes : s(t) = Aejt . Cest une reprsentation sous forme dune fonction
harmonique damplitude complexe A et de pulsation = 2F o F reprsente la frquence du
signal.

Support de cours : traitement du signal, ES3, 2006-2007

II) Classification des signaux


Diffrents modes de classement peuvent tre envisags :
* reprsentation temporelle
* reprsentation frquentielle
* caractristique nergtique
* caractristique morphologique : continu - discret

Reprsentation temporelle des signaux


Il y a deux types fondamentaux :
Le signal certain (dterministe), dont lvolution peut tre parfaitement dcrite par un
modle mathmatique. Connaissant les lois physiques qui les rgissent et les conditions
initiales, on est en mesure de dterminer le rsultat. Les signaux priodiques font partie de
cette catgorie.
Le signal alatoire dont le comportement temporel est imprvisible. On se contente
dapprciations statistiques pour estimer son comportement (ex : variable alatoire
gaussienne). Le bruit en fait partie.

Signaux Physiques

Signaux
dterministes

priodiques

sinusoidaux

Signaux alatoires

Non
priodiques

complexes

stationnaires

ergodiques

Non
stationnaires

Non ergodiques

Un signal est stationnaire si sa valeur moyenne est indpendante du temps.


Un signal est ergodique sil est identique de faire une moyenne statistique un instant donn
sur diffrents essais ou de faire une moyenne temporelle suffisamment longue sur un seul
essai.

Support de cours : traitement du signal, ES3, 2006-2007

Classification nergtique
Par analogie avec la puissance instantane fournie une rsistance :
P(t) =u(t) i(t)
1 t2
P(t )dt
t t1
W
La puissance moyenne sur lintervalle t : Pt =
t

Lnergie dissipe sur un intervalle t : W =

Par extension, on appelle nergie Ws et puissance moyenne Ps dun signal s(t) sur lintervalle
t les valeurs quadratiques et quadratiques moyennes :

W s = s 2 (t )dt et Ps =
t2

t1

1 t2 2
s ( t ) dt
t t1

Lnergie totale, et la puissance moyenne totale sobtiennent facilement :


+

1
T > T

W s = s 2 ( t ) dt et Ps = lim

T /2

T / 2

s 2 ( t ) dt

Pour un signal priodique (priode To), la puissance moyenne totale est calcule sur une
priode :
Ps =

1 T0 2
s (t ) dt
To 0

La plupart des signaux peuvent tre classs partir de ces deux grandeurs :
Signaux nergie finie : signaux de type transitoire
Signaux puissance moyenne finie : signaux priodiques
Remarques :
Les signaux puissance moyenne finie ont une nergie totale infinie
Les signaux nergie totale finie ont une puissance moyenne nulle

Support de cours : traitement du signal, ES3, 2006-2007

Classification spectrale
Un signal peut tre class suivant la distribution de son nergie ou de sa puissance en fonction
de sa composition frquentielle "spectre du signal". Le domaine des frquences f occup par
son spectre est aussi appel la largeur de bande du signal.
Lanalyse de Fourier et les outils mathmatiques associs permettent de passer
indiffremment dune reprsentation lautre (temporelle frquentielle).

Distribution
spectrale

frquence
Pour les signaux bande troite, il est possible de les classer par le domaine de variation de la
frquence moyenne Fmoy.
Fmoy < 250 kHz => signaux basses frquences (BF)
250 Hz < Fmoy < 30 MHz => signaux hautes frquences (HF)
30 MHz < Fmoy < 300 MHz => signaux trs hautes frquences (VHF)
300 MHz < Fmoy < 3 GHz => signaux ultra hautes frquences (UHF)
Fmoy > 3 GHz => signaux super hautes frquences (SHF)
Lorsque la frquence du signal devient trs grande, pratiquement suprieure que lques
trahertz, la longueur d'onde est le paramtre de rfrence.
700 nm < < 0,1 mm signal lumineux infrarouge
400 nm < < 700 nm signal lumineux visible
10 nm < < 400 nm signal ultraviolet

III) Les signaux numriques


Ce sont des signaux temps discrets (signaux discrets ou chantillonns) et amplitudes
discrtes (quantifies).
Ainsi, quatre formes de signaux, qui se retrouvent dans un systme numrique de contrle
d'un processus physique, peuvent tre distingues :
Signal amplitude et temps continus (Signal Analogique)

Temps

Support de cours : traitement du signal, ES3, 2006-2007


Signal temps continu et amplitudes discrtes (Signal Quantifi)
A

Temps
Signal amplitudes continues et temps discret (Signal Echantillonn)

temps
Signal amplitudes discrtes et temps discrets (Signal Numrique)

temps

La numrisation d'un signal est l'opration qui consiste faire passer un signal de la
reprsentation dans le domaine des temps et amplitudes continus au domaine des temps et
amplitudes discrets.

IV) Analyse de Fourier


Srie de Fourier
Dans le cours de physique sur les oscillateurs linaires, on montre qu'en rgime asymptotique
le circuit rpond une excitation sinusodale e( t ) = e M cos t par une rponse sinusodale
s( t) = s M cos(t M ) de mme pulsation. Ceci a permis notamment de dvelopper un outil
de rsolution puis sant : la notation complexe qui permet de transformer la drivation
temporelle en une multiplication par j et donc de transformer les quations diffrentielles
qui rgissent le systme en quations linaires algbriques.
Ce chapitre montre que des signaux sinusodaux permettent d'engendrer par superposition tout
signal priodique ou non priodique. On appelle analyse de Fourier l'ensemble des mthodes

Support de cours : traitement du signal, ES3, 2006-2007


qui permettent dcomposer une fonction g(t) en une somme, ventuellement infinie de
fonctions sinusodales (harmoniques) qui reprsentent une base de fonctions orthogonales.
De faon plus gnrale, on dcompose la fonction g(t) dans la base des fonctions orthogonales
harmoniques comme on dcompose un vecteur dans une base orthonorme.
Exemple : Voici trois fonctions de mme pulsation = 2Fo =

g 1 (t ) = cos t

2
To

g 2 ( t ) = co s 2 t

g 3 (t ) = co s 3 t

0.5

-0.5

-1
0

To/2

To
(s)

3
1
1
g3 ( t ) = cos t + cos 3t et g 2 ( t ) = (1 + cos 2t )
4
4
2
On remarque que plus la fonction varie rapidement plus son spectre contient des frquences
leves.

10

Support de cours : traitement du signal, ES3, 2006-2007

Gnralisation
Si s(t) est une fonction de la variable t priodique, de priode To, alors elle peut se
dcomposer dans la base des fonctions trigonomtriques, dite srie de Fourier (DSF) :

s( t ) = a0 + a n cos 2nFo t + bn sin 2nFo t


n =1

dont les amplitudes vrifient :

1 T
Avec a 0 =
s (t )dt
T0 0
2 T
an =
s (t ) cos (2nF0 t )dt Pour n>= 1
T0 0
2T
bn =
s (t ) sin (2nF0t )dt Pour n>=1
T0 0
Le dveloppement en srie de Fourier utilise la proprit dorthogonalit des fonctions
trigonomtriques, savoir :
T

cos(2Ft) cos (2F t )dt = 0 , sin( 2Ft ) sin(2F t )dt = 0 si


0

F F0

=> Toute fonction priodique de frquence F0 peut se dcomposer en une somme de fonctions
sinusodales de frquences 0, F0 , 2 F0 , 3 F0 , nF 0 dont les amplitudes sont les coefficients an
et bn .
=> Ce sont les composantes de Fourier :
F0 : frquence fondamentale
n F0 : harmoniques
En utilisant la formule trigonomtrique cos(a + b ) = cos (a )cos (b ) sin(a )sin(b ) lexpression
peut galement se mettre sous la forme rduite :

s( t ) = a0 + c n cos( 2nFot + n )
n =1

b
avec lamplitude : c n = a 2n + bn2 et la phase : n = arctg n
an

=> le spectre damplitude du signal reprsente les amplitudes du fondamental et des


diffrentes harmoniques en fonction de la frquence.
=> le spectre de phase du signal reprsente les phases du fondamental et des diffrentes
harmoniques en fonction de la frque nce.

11

Support de cours : traitement du signal, ES3, 2006-2007

=> Le spectre dune fonction priodique est discontinu : seules certaines frquences sont
contenues dans le spectre.

Spectre du
signal s(t)
C1
C3

C2
ao

frquence
0

F0

2F0

3F0

Exemple :
Le spectre de g(t) ne contient que la frquence F0 alors que celui de g3 (t) on observe F0 et
3F0 .
Plus une fonction priodique varie brutalement, plus les harmoniques leves jouent un rle
important dans le DSF.
Exemple : Dveloppements en srie de Fourier jusqu 9 harmoniques des fonctions crneaux,
f(t) et triangle g(t).
g ( t ) = sin ( t ) +

sin ((2 n + 1) t )

(2 n + 1)
n =1

f (t ) =

cos ( t ) +

n =1

cos ((2 n + 1 ) t )
(2 n + 1) 2

0.5

-0.5

-1
0

0,2

0,4

(s)

0,6

0,8

Des signaux brefs ont un spectre trs tendu en frquence.

Reprsentation bilatrale
Elle fait intervenir les fonctions complexes trigonomtriques
+

s( t ) = S ( nF0 ) exp j 2nF0t

12

Support de cours : traitement du signal, ES3, 2006-2007


T0

1
1
Avec une amplitude complexe : S ( nF0 ) = (a n jbn ) =
2
T0

s(t) exp ( j2nF t )dt


0

b
cn
et de phase : ( nF0 ) = arctg n
2
an
Avec an =a-n , bn =-b-n

De module : S (nF0 ) =

Le spectre S(F) du signal priodique s(t) est alors reprsent par la relation :
+

S ( F ) = S ( nF0 ) ( F nF0 ) Spectre discret

O ( F ) est la fonction de Dirac : (F ) = 1 si F = 0


( F ) = 0 si F diffrent de 0

S(-3F0 )
S(-F0 )

-3F0

-2F0

-F0

S(3F0 )

S(0)
S(-F0 )

F0

2F0

3F0

Spectre en amplitude dans la reprsentation bilatrale

La reprsentation bilatrale permet dintroduire la transforme de Fourier.

La transforme de Fourier
On peut considrer la transforme de Fourier des fonctions non priodiques comme une
extension de la srie de Fourier o la priode tend vers linfini.
+

S ( F ) = s (t ) exp ( j 2Ft)dt Spectre continu

S(F) peut tre une fonction complexe

13

Support de cours : traitement du signal, ES3, 2006-2007


+

Et la transforme inverse : s( t ) = S ( F ) exp ( j 2Ft)dF

Proprits de la transforme de Fourier


On considre X(F) et Y(F) les transformes de Fourier respectives de x(t) et y(t).
* Linarit :
ax(t)+by(t) ----> aX(F) + bY(F)
* Homothtie :
x (at ) >

1 F
X
a a

* Translation :

x (t a ) > X ( F ) exp ( j2Fa )


x (t) exp (+ j 2bt ) > X ( F b)
*Drivation :
d
x( t ) > ( j 2F ) X ( F )
dt

* Conjugu :

x * (t ) > X * ( F )

* Impulsion de Dirac :
Cest un signal impulsionnel de la forme :
(t)

1/

(t )dt = 1
+

/2

/2

( t ) = lim > 0 (t )
(t ) > 1

14

Support de cours : traitement du signal, ES3, 2006-2007

V) Systme de transmission
Dfinition
Un systme de transmission fait correspondre un signal dentre e(t) quelconque un signal
de sortie s(t) (rponse du systme) :

e(t)

Systme de transmission

s (t)

La rponse du systme est fonction de lentre et des caractristiques du systme. On peut


comparer cette rponse au signal dentre en effectuant le rapport des puissances de ces deux
signaux.
Gain en puissance
G P = 10 log 10

Ps
Exprim en dcibel
Pe

GV = 20 log 10

Vs
Exprim en dcibel
Ve

Gain en tension

Bande passante
Cette comparaison des puissances ou tensions d'entre et de sortie d'un systme de
transmission est utilise lorsqu'on veut tudier l'influence d'une autre grandeur : par exemple
la frquence.
On considre une tension sinusodale, fournissant l'entre suppose indpendante de la
frquence, une puissance moyenne constante. On tudie l'volution de la puissance de sortie
sur une charge rsistive en fonction de la frquence.
On appelle bande passante du systme de transmission la zone de frquences pour les
lesquelles on a :
Ps 1
ou G p 3dB
Pe 2

La bande passante 3 db est la tranche des frquences pour lesquelles l'affaiblissement de la


puissance de sortie, puissance entrante constante, est infrieur 3 dB par rapport sa valeur
maximale.

15

Support de cours : traitement du signal, ES3, 2006-2007

dB

Ps/Psm

-3

1/2

Bande passante -3dB

frquence

Proprits des systmes de transmission : SLIT


Nous allons nous intresser des systmes de transmission qui possdent les trois proprits
suivantes : linarit, continuit et stationnarit.
Systmes linaires :
Si s1 (t) est la rponse e1 (t),
Si s2 (t) celle de e2 (t) alors la rponse du signal a e1 (t) + b e2 (t) sera a s1 (t) + b s2 (t)
Il est important de noter que presque tous les systmes physiques sont linaires pour les
faibles signaux.
Systmes continus :
Soit sn (t) la suite des rponses en (t), le systme est dit continu si nous avons la proprit
suivante :
Lim (sn (t)) lorsque n tend vers l'infini est identique la rponse du signal lim(en (t))
Systmes stationnaires :
Un systme est stationnaire si son comportement est indpendant du temps ou invariant par
translation :
Si e(t) a pour rponse s(t) alors e(t-T) a pour rponse s(t-T)
Les filtres sont dfinis comme des systmes de transmission linaires, continus et
stationnaires.

16

Support de cours : traitement du signal, ES3, 2006-2007

VI) Filtres et Convolution


Dfinition
Une impulsion brve, injecte l'entre d'un SLIT, ne donne jamais en sortie une impulsion
infiniment brve mais un signal de dure finie.
Cette rponse est appele : la rponse impulsionnelle du SLIT, not h(t).
C'est la rponse du SLIT une impulsion de Dirac (t).
Pour un signal d'entre quelconque, on veut tablir une relation mathmatique qui lie le signal
d'entre e(t) et le signal de sortie s(t) pour un SLIT.
Dcomposition du signal d'entre quelconque en impulsions de largeur t
La rponse sera donc une combinaison linaire des rponses aux impulsions
Signal d'entre e(t)

Signal de sortie h(t)


h(t-t0 )

(t-t0 )
t

t0

t0
e(t)
e(it)

e(0)

t
it
t
On considre en entre une impulsion de largeur t et damplitude 1/t . En sortie le SLIT
donne une rponse note h t (t) qui tend vers h(t) lorsque t tend vers 0.
=> s( it ) = e(i t )(ht (t i t ) t )

=> s( t ) = s (i t )
i= 0

Lorsque t -> 0 et pour les signaux non causaux :


+

s( t ) = e ( ) h(t )d

La relation ci-dessus dfinit le produit de convolution de la fonction des fonctions e(t) et h(t).

17

Support de cours : traitement du signal, ES3, 2006-2007


La convolution exprime la rponse un signal quelconque partir de la rponse
impulsionnelle. Elle dpend du filtre caractris par h(t) et l'histoire du signal :
+

s( t ) = e (t ) h(t ) = e( ) h( t ) d

Les filtres sont donc des systmes de convolution.

Proprits de la convolution :
Commutativit : x y = y x
Distributivit : x (y+z) = x y+x z
Associativit : x (y z) = (x y) z = x y z
Elment neutre : distribution de Dirac : x = x = x

Thorme de Plancherel :
Il nonce la relation trs importante entre la transforme de Fourier et le produit de
convolution :
La transforme de Fourier d'un produit de convolution est un produit simple des transformes
de Fourier :
Si x (t) ---- > X(f)
Si y(t) ----> Y(f)

alors

x(t) y(t) ----> X(f).Y(f)

De mme

x(t)y(t) ----> X(f) Y(f)

Donc si e(t) ----> E(f), h(t) ----> H(f) et s(t) ----> S(f) alors S(f)=E(f).H(f).
H(f) est la fonction de transfert du SLIT.

VII) Introduction la notion de corrlation


La fonction dintercorrlation de deux signaux quantifie la similitude des deux fonctions au
cours du temps.

Puissance et nergie des signaux


Toute transmission est lie une transmission d'nergie. Lorsqu'on fait une mesure, le
processus subit toujours un prlvement d'nergie de la part du dispositif de mesure.
On peut caractriser un signal selon les critres de puissance et d'nergie dans l'espace
temporel ou frquentiel.

18

Support de cours : traitement du signal, ES3, 2006-2007


Puissance temporelle d'un signal :
Puissance instantane : p (t ) = x( t ) x * (t )
+

Energie totale : Ex = x (t ) x * (t )dt

De la mme faon on peut dfinir la puissance frquentielle d'un signal (densit spectrale de
puissance)
S xx ( f ) = X ( f ) X * ( f )
+

Energie totale : E X = S xx ( f ) df

Corrlation et densit spectrale


Dfinition de la fonction de corrlation pour les signaux nergie finie.
+

C xx ( t ) = x ( ) x * ( t )d

La fonction de corrlation traduit la similitude d'un signal ou de deux signaux au niveau de la


forme et de la position en fonction du paramtre t. Elle permet par exemple de dtecter le
dcalage temporaire ou dphasage entre deux signaux. Elle est applique dans les rcepteurs
GPS pour calculer des speudodistances.
Dans le cas de la fonction d'autocorrlation, c'est une tude de la ressemblance du processus
avec lui mme au cours du temps et par consquent si le signal est priodique, la fonction
d'autocorrlation permettra de dtecter cette priodicit.
Relation avec la densit spectrale d'nergie.
1

TF ( S xx ( f )) = x( t ) x * (t ) =

x ( ) x * ( t )d

Donc C xx ( t ) = TF 1 ( S xx ( f ))
La densit spectrale d'nergie (donc la redistribution de l'nergie sur l'axe des frquences) est
la transforme de Fourier de la fonction d'autocorrlation.

Corrlation dun signal priodique :


1
C xx ( t ) =
T0

T0

x ( ) x * ( t )d
0

x( t ) = a0 + an cos nt + bn sin n t
n =1

19

Support de cours : traitement du signal, ES3, 2006-2007

C xx ( t ) = a02 +

1 2
an + bn2 cos nt
2 1

Identit de Parseval :
Ex = a 0 +
2

1 2
a n + bn2
2 n=1

L'nergie totale d'un signal ne dpend pas de la reprsentation choisie : elle sera la mme qu'il
s'agisse de la reprsentation temporelle ou frquentielle.

x( t ) dt =

X ( f ) df

VIII) Filtrage des signaux analogiques


Filtrage ou fentrage temporel

e(t)

Filtre temporel (t)

s (t)

Le terme de "filtrage" est habituellement utilis dans le domaine frquentiel. Dans le domaine
temporel, on parle de fentrage, opration qui consiste prlever, interrompre ou seulement
attnuer un signal.
s(t) =e(t). (t)
La modification qu'entrane ce filtrage temporel au niveau du spectre en frquence de e(t) est
donn par la relation de Plancherel :
S(f) = E(f) (f)

e(t)

20

Support de cours : traitement du signal, ES3, 2006-2007

s(t)

1 (t)

1
t
s(t)

2 (t)

1
t

T
T
L'enregistrement par un appareil ou le traitement d'un ordinateur d'un signal impose un temps
fini au signal qu'il soit analogique ou chantillonn.
Ce problme de la dure finie d'un signal est celui de la mesure . En effet, on enregistre le
signal dun phnomne physique pendant une dure finie. Le signal enregistr est- il une
rplique fidle du phnomne physique ?
Pour raliser une formulation de cette troncature temporelle du signal, on utilise la fonction
porte temporelle (t) de largeur .
Donc le signal tronqu peut s'crire :
s (t ) = s (t ) (t ) => S ( f ) = S ( f ) sin c (f )
Cette troncature temporelle va donc apporter des modifications sur le spectre d'autant plus
importantes que sera petit par rapport la priode du signal.
Plus la mesure ou l'observation du signal sera longue et plus le spectre du signal sera prcis,
c'est dire peu perturb par la fentre temporelle.
Par exemple : s( t ) = cos 0 t => S ( f ) =

1
( ( f f 0 ) + ( f + f 0 ) )
2

Son spectre est :


S(f)

1/2
f
-f0

f0
21

Support de cours : traitement du signal, ES3, 2006-2007



Le signal tronqu sera s (t ) = cos 0 t pour t , et nulle ailleurs.
2 2

S ( f ) = s ( f ) sin c (f ) =

(sin c ( ( f f 0 ) + sin c ( ( f + f 0 ) )
2

Dont le spectre est :


S(f)
/2

f
f0
-f0
On observe dans le signal tronqu des frquences abscentes dans le signal dorigine. Pour les
liminer il faut que le temps dacquisition soit alors infini.

IX) Filtrage frquentiel


De mme manire que dans le domaine temporel, nous parlerons de filtrage frquentiel
comme l'opration qui consiste prlever, interrompre ou seulement attnuer les composantes
frquentielles d'un signal.
E(f)

Filtre frquentiel (f)

S (f)

S(f)=E(f). (f)

Thorme fondamental des filtres


Il est trs intressant de passer dans le domaine frquentiel pour dterminer la rponse d'un
filtre car l'opration raliser est alors un simple produit. Le passage du domaine temporel au
domaine frquentiel pour le signal se fait par transforme de Fourier.
Action
Domaine temporel :

Rponse
Filtre
(Convolution par h(t)

e(t)

s(t)

Transforme de Fourier

Domaine frquentiel : E(f)

Filtre
(Produit par H(f))

S(f)

22

Support de cours : traitement du signal, ES3, 2006-2007

Filtres ralisables
Un filtre est ralisable s'il est causal car l'effet ne peut pas prcder la cause. Tout systme
physique aura donc une rponse impulsionnelle h(t) relle quelconque et par consquent une
fonction de transfert H(f) complexe.
Par consquent tout filtre physique ralisable dphase. Ce dphase peut tre linaire ou pas.
Les filtres analogiques continus ralisables sont construits partir des composants
lectroniques : rsistances, capacits, self- inductance et ampli oprationnel.

X) La modulation
La modulation des signaux vient du besoin de transmettre un signal physique, support d'une
information, entre deux points distants.
Le spectre d'un signal rel a toujours une largeur de bande spectrale. Celle-ci peut tre dfinie
- 3 db.
Par exemple :
Signal de parole "tlphonie" : fm = 300 Hz et fmax = 3,5 kHz
Signal sonore "haute fidlit ": fm= 20 Hz et fmax =16 kHz
La transmission de ce signal va tre effectu soit l'aide d'un support physique de
transmission qui peut tre un cble lectrique, une fibre optique, soit en utilisant une
propagation d'onde hertzienne (ex : signaux GPS).
Exemple du distancemtre lectro-optique bas sur le principe du dphasage employ par les
gomtres.
Pour la mesure de distance, linstrument utilise une onde (porteuse) de grande frquence,
gnralement dans linfrarouge (3 1014 Hz) module en amplitude par une onde de frquence
plus basse, gnralement de lordre de 100 MHz qui reprsente le signal informatif. La
porteuse nest utilise que pour ses proprits de propagation. La mesure de phase
directement sur la porteuse serait plus problmatique. Il faudra donc sparer le signal de la
porteuse, cest lopration de dmodulation.
De la mme faon, que pour le signal, une voie de transmission est ncessairement imparfaite
et donc ne laisse passer que certaines frquences.
On appelle la bande passante du support, la zone de frquence qui caractrise le support de
transmission. Celle- ci peut tre dfinie - 3 db.
Deux consquences :
Le spectre du signal que l'on dsire transmettre doit tre compris dans la bande passante
du support de la voie de transmission si l'on veut avoir une rception correcte sans
dformation.
Si le support de la voie de transmission a une trs large bande passante par rapport au
signal transmettre, l'utilisation de la voie de transmission n'est pas optimise.

23

Support de cours : traitement du signal, ES3, 2006-2007

Transmission par modulation


Cette opration consiste transposer un signal en un autre signal contenant la mme
information mais avec une modification en frquence du signal.
Avantages :
Multiplexage frquentiel : utilisation du mme support de transmission par plusieurs
communications.
Adaptation aux conditions particulires d'un milieu de transmission : augmentation des
distances de propagation.

Les diffrentes formes de modulation


La modulation d'un signal utilise une onde porteuse :
V p = A cos(t + )

Cette onde porteuse est utilise pour transmettre le signal informatif en modifiant l'une de ces
caractristiques au rythme du signal transmettre :
Amplitude A du signal porteur : modulation d'amplitude
Frquence fp du signal porteur : modulation de frquence
Phase du signal porteur : modulation de phase
La frquence de modulation est nettement infrieure la frque nce de la porteuse.
Modulation d'amplitude
Voma = A(1 + ms(t )) cos( t + ) avec s (t ) max 1 et = 2F
Cas particulier : s( t ) = cos t = 2f
Voma = A cos( t + ) +

Am
(cos[( ) + ] + cos[( + )t + ])
2

Le spectre se compose donc de trois raies, F, F- f, F+f


La largeur spectrale occupe par le spectre : 2f

24

Support de cours : traitement du signal, ES3, 2006-2007

Dans le cas gnral :


N

s( t ) = a i cos ( i t )
0

Voma = A cos(t + ) +
0

ma i
[cos[( i ) + ] + cos[( + i ) + ]]
2

spectre

f
F

F-fN

F +fN

2fN
Ainsi si l'on dsire transporter par un mme canal plusieurs informations de type BF, l'cart
entre les deux porteuses doit tre de 2 fN.
Exemple
En radiodiffusion o le spectre des signaux BF a t volontairement tronqu 4,5 kHz,
chaque metteur occupe autour de sa frquence porteuse une largeur spectrale de 9 kHz. Ainsi
pour la gamme "Grandes Ondes" situ entre 150 et 450 kHz, il peut thoriquement tre plac
environ 30 metteurs. En ralit, afin d'viter toutes les interfrences, seuls 10 metteurs
peuvent coexister.

Procd de modulation : l'metteur

Control de gain
(Signal modulant )

Oscillateur
(Onde porteuse)

Amplificateur

Filtre
Passe-bande

OMA

Gain G
25

Support de cours : traitement du signal, ES3, 2006-2007

Procd de dmodulation synchrone : le rcepteur

Signal OMA

Oscillateur local
0

Multiplieur

Filtre
Passe-bande

Signal
BF

OMA : S oma = A(1 + ms(t )) cos( t + )


OL : S ol = B cos ( 0 t )
AB
Sortie : S sortie =
(1 + ms ( t ) )[cos (( 0 ) t + ) + cos(( + 0 )t + )]
2

XI) Le bruit
Comme il a t dfini dans l'introduction, le bruit correspond tout signal indsirable limitant
l'intelligibilit d'un signal utile.
Dans cette partie nous allons donner quelques renseignements sur la nature du bruit et la
notion de rapport signal /bruit.

Sources de bruit
Bruit externe et bruit interne
Relativement au systme considr (filtre, dtecteur, etc..) les sources de bruits sont classables
en deux grandes catgories : externe et interne.
Bruit externe
La source de bruit est localise l'extrieur du systme et agit sur celui-ci par influence. On
peut alors distinguer deux origines :
Perturbations naturelles (bruits cosmiques, bruits atmosphriques);
Perturbations artificielles (parasites gnrs par des quipements lectriques
industriels)

26

Support de cours : traitement du signal, ES3, 2006-2007


Bruit interne
Les causes des perturbations internes un systme de traitement peuvent se classer en deux
groupes :
Perturbations impulsionnelles engendres par des commutations de courants
Le bruit de fond gnr dans les cbles et les composants lectroniques en raison des
mcanismes statistiques de la conduction lectrique. On peut distinguer el bruit thermique
(dans les circuits passifs comme les rsistances) et le bruit de grenaille (dans les composants
actifs comme les diodes, transistors)
Ces perturbations externes ou internes peuvent tre limines ou fortement diminues par des
blindages mais le bruit de fond est irrductible une temprature de donne.
Du fait de l'agitation thermique, une tension de bruit apparat dans le conducteur.
On montre que ce bruit (bruit blanc) possde une densit spectrale de puissance constante.
Sa fonctio n d'autocorrlation est en premire approximation une impulsion de Dirac :
1

Cbb ( t ) = kT ( t )
2

Rapport signal/bruit
Le rapport signal/bruit est une caractristique de la dgradation d'un signal par dfinition
informatif, par un bruit non informatif. C'est un moyen pour caractriser un systme de
transmission en comparant le rapport S/B son entre et le rapport S/B sa sortie ou pour
comparer "la qualit" des diverses mthodes de traitements de signaux.
Le signal tant indpendant du bruit :
Ps +b = Ps + Pb
On dfinit donc le rapport signal / bruit :

Ps
Pb

Ce rapport peut s'exprimer en db :

db = 10 log 10

Ps
Pb

27

Support de cours : traitement du signal, ES3, 2006-2007

Dtection d'un signal noy dans le bruit


Dtection par autocorrlation
Les proprits des fonctions de corrlation donnent lieu diverses mthodes de traitement des
signaux bruits. Ces traitements supposent un bruit blanc.
Soient un signal x(t) et un bruit b(t), indpendant du signal. Le signal complet traiter s(t) est
donc la somme des deux signaux :
s( t ) = x (t ) + b(t )

La fonction d'autocorrlation de ce signal devient :


+

C ss( t ) = s ( ) s( t )d =

( x( ) + b( ))( x ( t ) + b( t ))d

C ss( t ) = C xx ( t ) + C xb( t ) + Cbx ( t ) + Cbb ( t )


x(t) et b(t) tant indpendants :
C ss( t ) = C xx ( t ) + Cbb ( t )

C ss( t ) C xx ( t )
Cette mthode permet de dtecter la prsence d'un signal mme lorsque le rapport signal/bruit
est faible. Cependant, cette mthode ne permet pas de restituer la forme du signal car la
fonction de corrlation ne conserve que l'information frquence. La phase est perdue. On ne
peut donc pas retrouver la forme du signal partir de la fonction de corrlation.
La figure ci-dessous permet de montrer l'utilisation de cette technique de dtection par
autocorrlation d'un signal noy dans le bruit. Le signal bruit est un signal sinusodal pur
auquel a t ajout un signal de bruit blanc.
Dtection par corrlation avec un signal sinusodal pur
Cette mthode de dtection d'un signal noy dans un bruit peut tre encore plus efficace en
terme d'extraction d'un signal faible par rapport au bruit en ralisant une dtection synchrone.
Au lieu de faire l'autocorrlation du signal s(t), le procd consiste raliser la corrlation de
ce signal avec un signal sinusodal xp (t). En faisant varier la frquence de ce signal sinusodal,
la fonction de corrlation sera non nulle chaque fois que la frquence du signal xp (t) sera
identique celle contenue dans le signal x(t) (cf. figure ci-dessous). En effet, nous avons la
fonction de corrlation :

C sx p ( t ) = C xx p ( t ) + Cbx p ( t ) = C xx p ( t )

28

Support de cours : traitement du signal, ES3, 2006-2007

29

Support de cours : traitement du signal, ES3, 2006-2007

C) Le traitement numrique du signal


Aprs avoir vues diffrentes notions de traitement du signal analogique, nous allons les
transcrire dans le cas dun signal numrique. Nous verrons en particulier le thorme de
Shannon concernant lchantillonna ge dun signal continu qui prcise les conditions pour
lesquelles une suite de valeurs numriques reprsente correctement le signal physique mesur.
Ce chapitre se dcompose en trois parties :
La premire concerne lchantillonnage et le thorme de Shannon.
La seconde concerne le spectre des signaux discrets et la transforme de Fourier discrte
La troisime aborde la notion de filtre.

I ) L'chantillonnage
Lchantillonnage consiste reprsenter un signal continu (analogique) Ve(t) par un ensemble
de valeurs discrtes Vs(nTe), avec n entier et Te (constante) la priode d'chantillonnage.
Ces valeurs discrtes auront la mme amplitude que le signal continu aux instants nTe compt
partir d'une origine arbitraire (dbut de l'chantillonnage).
Dans la suite, on ne considre pas la prcision de la numrisation ainsi que le temps de
rponse du systme numrique (acquisition, restitution) qui peuvent tre amliors en
augmentant la prcision du convertisseur (nombre de bits) et en choisissant un processeur plus
rapide.
La dtermination de la priode d'chantillonnage est plus difficile et doit satisfaire au
thorme de Shannon. Il est clair que pour restituer le signal original il suffit de diminuer la
priode Te (donc d'augmenter la frquence d'chantillonnage Fe). Mais cette diminution est
au prix du traitement (acquisition, numrisation et restitution) d'un plus grand nombre
d'chantillons donc au prix d'une consommation accrue de temps et de mmoire.

30

Support de cours : traitement du signal, ES3, 2006-2007

Signal d'entre
continu Ve

Echantillonnage
Te
Ve(nTe)
Quantification
CAN
Ve(n)

Signal Numrique
Vs(n)
Quantification
CNA
Vs(nTe)

Restitution
Filtrage Interpolation
Vs = Ve ?

Evolution d'un signal travers une chane d'acquisition

31

Support de cours : traitement du signal, ES3, 2006-2007


Question : existe-t- il pour un signal donn, une priode d'chantillonnage qui soit " un bon
compromis" entre la qualit du traitement et la minimisation du nombre de mesures ou
d'chantillons ?
On va considrer un signal continu (analogique) de frquence F = 5 Hz reprsentant 5
cycles/s que lon chantillonne diffrentes frquences dchantillonnage Fe.
Signal continu F = 5 Hz
chantillonnage 33,3 Hz
1.5
Te

-1.5
0

0.05

0.1
seconde

0.15

0.2

Signal continu F = 5 Hz
chantillonnage 10 Hz
1.5

chantillonnage 4,5 Hz

-1.5
0

0.2

0.4

seconde

0.6

0.8

L'chantillonnage consiste prendre des valeurs du signal continu une frquence


d'chantillonnage donne. On voit d'aprs les graphes ci-dessus que la restitution du signal
dpend de cette frquence d'chantillonnage.
Pour restituer correctement le signal d'origine, il faut que la frquence d'chantillonnage soit
au moins deux fois plus grande que la frquence du signal d'origine. C'est le thorme de
Shannon :
La frquence d'chantillonnage doit tre au moins deux fois plus grande que la plus grande
frquence contenue dans le signal.
En d'autres termes, si on chantillonne une frquence Fe, on ne pourra restituer sans
dformation que les frquences du signal infrieures la frquence Fe/2 , dite frquence de
Nyquist.

32

Support de cours : traitement du signal, ES3, 2006-2007


Exemple : dans le cadre dun talonnage dun distancemtre onde continue module on
cherche dterminer lerreur cyclique qui est une erreur priodique dont la priode est gale
la demie longueur donde de modulation 0 . Il faudra donc faire des mesures de distances
avec un pas maximal de 0 /2 pour reprsenter correctement lerreur cyclique.

II ) Echantillonnage idal
On suppose que le signal s(t) a un spectre born. Envisag dans le domaine temporel, le
processus d'chantillonnage revient multiplier le signal continu s(t) par une srie
d'impulsions unit : le "s ignal" obtenu est alors constitu d'une succession d'impulsions, dont
la hauteur est module par l'amplitude du signal s(t).
On utilise la proprit de localisation du pic de Dirac en faisant intervenir le peigne de Dirac :
k = +

k = +

k =

k =

se (t ) = s (t ) (t kTe) =

s (kTe) (t kTe))

k =+
k = +

avec TF (t kTe) = Fe ( f kFe)


k =
k =

Il est important d'tudier le spectre de ce signal chantillonn pour dterminer la modification


ventuelle que cette opration d'chantillonnage lui a fait subir.
D'aprs le thorme de Plancherel :
k = +
k = +

S e ( f ) = Fe S ( f ) * ( f kFe) = Fe S ( f kFe)
k =
k =

Par consquent, le spectre du signal chantillonn Se(f) s'obtient en priodisant avec une
priode gale Fe le spectre du signal continu multipli par Fe.

Se(f)

S(f)

-fmax

fmax

-fmax

fmax

Fe

Fe
Priodisation du spectre du signal chantillonn

33

Support de cours : traitement du signal, ES3, 2006-2007


A partir du diagramme ci-dessus, on peut retrouver le thorme de Shannon : pour que la
rptition priodique du spectre du signal chantillonn ne dforme pas le motif rpt, il faut
et il suffit que la frquence d'chantillonnage Fe soit gale ou suprieure 2 fmax.

III ) Restitution du signal initial partir de l'chantillonn


Si on dispose du signal se(t), peut-on retrouver le signal d'origine s(t) ?
Si on suppose le thorme de Shannon rempli, on peut utiliser un filtre passe-bas idal de
frquence de coupure Fe/2 pour extraire du spectre priodique le spectre correspondant au
signal d'origine. On obtient alors le spectre de base centr en f = 0 :

S eo ( f ) = S e ( f ) Fe ( f )
donc dans l'espace temporel :
seo (t ) = s e ( t ) Fe sin c (Fet )
soit :
+

s eo (t ) = Fe (s (kTe) (t kTe) ) sin c (Fet )

seo (t ) = Fe s ( kTe) sin c (Fe( t kTe) )

or S eo ( f ) = FeS ( f ) donc seo (t ) = Fes (t )


+

par consquent : s( t ) = s ( kTe) sin c (Fe(t kTe) )

Le thorme de l'chantillonnage peut donc aussi s'exprimer de la manire suivante :


Un signal continu de spectre born dans l'intervalle de frquences (- fmax, +fmax ) est
compltement dtermin par les valeurs qu'il prend des instants rgulirement espacs de
1/(2fmax).

34

Support de cours : traitement du signal, ES3, 2006-2007

IV ) Effet de repliement du spectre.


Cet effet se produit lorsque la frquence d'chantillonnage est plus petite que 2fmax. Le signal
est alors sous -chantillonn et il y a recouvrement de spectre qui va faire apparatre des
frquences du signal chantillonn qui ne composent pas le signal origine .

Se(f)

-fmax

fmax

Fe

Le filtre passe-bas qui permettait de rcuprer le spectre de base ne peut plus agir
efficacement. Une frquence fr comprise entre Fe/2 et fmax est vue comme la frquence Fe - fr
On parle alors de repliement de spectre.
Signal continu 6 Hz
chantillonnage 9 Hz
signal chantillonn f = 3 Hz

1.5

-1.5
0

0.2

0.4

seconde

0.6

0.8

Le signal chantillonn apparat comme un signal la frquence de 3Hz. De faon plus


gnrale, si le spectre du signal origine contient des frquences suprieures la frquence de
Nyquist Fe/2, ces frquences fr font apparatre dans le spectre chantillonn des frquences
surs (frquences de repliement) :
Frquence sur = Valeur Absolue ((multiple entier de Fe plus proche de fr) - fr)

35

Support de cours : traitement du signal, ES3, 2006-2007


Exemple :

F'4
10

F2
70
H

F1 F'2 F'3
25 30 40
H

Fe /2 = 50

F3
160

Fe = 100

F4
51
0

Frquence Hz

Frquence
de Nyquist
Le signal continu contient les quatre frquences F1.. F4. Si on chantillonne 100 Hz, il
apparatra dans le spectre de l'chantillonn des frquences surs 10 Hz, 30 Hz et 40 Hz.
Seule la frquence F1 25 Hz sera correctement reprsente.
Pour viter ce phnomne de repliement, on place un filtre analogique avant l'chantillonneur
afin d'liminer les frquences suprieures la frquence de Nyquist.

V ) Transforme de Fourier Discrte


Pour les diffrents cas de signaux, continus ou discrets et priodique s ou transitoires, la
reprsentation frquentielle possde des proprits particulires quivalentes continue ou
discrte et priodique ou transitoire.
Signal
1)
2)
3)
4)

continu et transitoire
discret et transitoire
continu et priodique
discret et priodique

Spectre
Mthode de calcul
Intgrale de Fourier
Intgrale de Fourier
Srie de Fourier
Transforme
discrte
Fourier

reprsentation
Continue et non priodique
Continue et priodique
Discrte et non priodique
de Discrte et priodique

D'une faon gnrale, si l'on dsire avoir une reprsentation spectrale numrique, le calcul des
raies spectrales implique une discrtisation en frquence, ce qui a pour consquence de rendre
le signal temporel priodique et discret. Un signal transitoire est considr comme
priodiquement rpt en dehors de son domaine d'existence.
On a vu que lorsqu'on discrtise le signal temporel avec une priode Te on fait apparatre un
spectre priodique de priode frquentielle Fe =1/Te. La rciproque est aussi vraie.

36

Support de cours : traitement du signal, ES3, 2006-2007

Dfinition
Dans le but de calculer la transforme de Fourier d'un signal continu s(t) l'aide d'un
ordinateur, on est amen discrtiser le signal et tronquer temporellement ce signal. On
obtient une suite de N termes reprsente par :
s e (t ) = s( t )

k = N 1

N 1

k=0

(t kTe) = s(kTe) (t kTe)

la srie de valeurs se(kTe) formant la srie{sk }


De la mme faon que la transforme de Fourier TF du signal analogique s(t) s'exprime par :
TF ( s (t )) = S ( f ) =

s (t) exp( j2ft)dt

on peut dfinir une Transforme de Fourier Discrte (TFD) d'un signal dfini par N
chantillons, la suite de N termes dfinie par :
N 1

Fe
Fe
Se ( f ) = S m
f m

N
N
0
Fe N 1
m

avec TFD{s k } = {Sm } avec S m = S m


= s k exp j 2k
N
N k=0

La transforme de Fourier discrte ralise la correspondance entre deux suites de N termes.

sk
Sm
TFD

Te
1/

N chantillons
= N Te

N chantillons
Fe = N/

La rsolution frquentielle est alors de f = 1/ = Fe/N. Pour une mme frquence


dchantillonnage on a intrt augmenter le nombre total dchantillons pour augmenter la
rsolution frquentielle. On retrouve ainsi le problme de la mesure.
On peut dfinir une TFD inverse pour k =0, , N-1 :

{ }

TFD 1{Sm } = sk avec sk =

1
N

N 1

S
m =0

mk

exp + j 2

37

Support de cours : traitement du signal, ES3, 2006-2007

On montre galement la relation entre les points de la transforme discrte du signal


chantillonn et les valeurs de la transforme de Fourier ces mmes frquences :
Sm =


mFe
mFe

S f =
= NS f =

Te
N
N

Lorsque le nombre d'chantillons est une puissance de 2, on peut utiliser l'algorithme de la


FFT (Fast Fourier Transform) qui un algorithme rcursif permettant de calculer une TFD en
diminuant considrablement le nombre d'oprations mathmatiques effectues.
On montre que la TFD d'ordre N est la somme de deux TFD d'ordre N/2.
Exemple : En TD on verra lutilisation dun tableur pour raliser une DFT.
On cre laide dun tableur deux signaux S1 et S2 sinusodaux de frquences f1 = 2 Hz et f2 =
4 Hz et damplitudes respectives A1 = 1 et A2 = 0,5. Pour pouvoir reprsenter correctement ces
deux signaux numriques il faut satisfaire au thorme de Shannon. On peut choisir par
exemple une frquence dchantillonnage Fe = 32 chantillons / s (32 Hz) et on reprsente les
deux signaux sur une priode de 1 seconde. Leurs expressions mathmatiques scrivent :
2 . . f1 .k
S1 = SIN

32

2 . . f 2 .k k [0,31]
S 2 = 0 ,5 SIN

32

On montrera comment dterminer les composantes frquentielles du signal S1 + S2 .

VI ) Convolution et corrlation numriques


a) Convolution discrte
De la mme manire que pour la transforme de Fourier, il est possible de dfinir la
convolution discrte.
Soient xk et yk , les suites de N chantillons des signaux continus x(t) et y(t), la convolution
discrte s'crit :
N 1

z k = xi y k i avec k = 0,,N-1
i =0

Ce calcul ncessite de connatre yi en dehors de l'intervalle prcdemment dfini. En effet, il


faut connatre les chantillons correspondant l'intervalle [-N+1, N-1].

trois possibilits :
1) On considre tous les chantillons en dehors de l'intervalle comme nuls et on calcule la
convolution sur 2N-1 points
2) On considre les chantillons en dehors de l'intervalle comme identiques, c'est dire
comme si la fonction tait priodique de priode NTe
3) On calcule la convolution sur N/2 chantillons

38

Support de cours : traitement du signal, ES3, 2006-2007

b) Corrlation discrte
De mme :
N 1

C xy k = xi y i k avec k =0,, N-1


i= 0

Les mmes remarques concernant la convolution s'appliquent la corrlation.

VII ) Notions de filtrage numrique


a) Introduction
Un filtre numrique est un systme utilis pour modifier la distribution frquentielle d'un
signal numrique selon des spcifications donnes. Il peut tre vu comme un procd de
calcul permettant de transformer un signal numrique d'entre en un signal numrique de
sortie pour obtenir la modification voulue du signal.
Le problme consiste donc trouver l'quation qui rgit cette transformation et qui reprsente
la rponse frquentielle souhaite.
Signal brut
{xn }

Filtre

Signal filtr
{yn }

Comme dans le cas des filtres analogiques (SLIT) o une quation diffrentielle coefficients
constants relie l'entre la sortie, il existe pour les filtres numriques une quation aux
diffrences coefficients constants reliant l'entre la sortie :
N

i =0

j =1

y k = ai xk i b j yk j

avec N k

Cette relation montre que la sortie l'instant k dpend de l'entre l'instant k et des
prcdentes mais galement des sorties prcdentes. Elle traduit la linarit du systme.
De cette relation, on peut en dduire deux types de filtres numriques :
les filtres non rcursifs : tous les bj sont nuls
les filtres rcursifs : au moins un bj est non nul
Dans le cadre des systmes linaires invariants, l'utilisation de la rponse impulsionnelle
permet d'crire la convolution discrte :
+

y k = hi x k i

Cette quation amne galement dfinir deux types de filtres numriques :

39

Support de cours : traitement du signal, ES3, 2006-2007


les filtres rponse impulsionnelle finie :
N 1

y k = hi x k i
0

les filtres rponse impulsionnelle infini pour lesquels la relation de convolution ne sera
pas applicable et il sera ncessaire d'utiliser l'quation aux diffrences.
Comme pour les filtres analogiques, on peut passer du domaine temporel au domaine
frquentiel en utilisant la transforme de Fourier discrte.
On peut donc dfinir un filtre numrique par analogie un filtre analogique. Sa ralisation
sera obtenue partir de
- l'quation aux diffrences
- l'quation de convolution (filtre rponse impulsionnelle finie)
- la transforme de fourier Discrte lorsqu'on connat la fonction de transfert Hm

Filtre numrique

{xk }

{yk }

TF
D

TFD-1

{Xm}

{Ym}

Ym=HmXm

b) Transformation en z
Dans le cas des signaux discrets, on introduit une nouvelle transformation, la transforme en
z, note Tz :
+

Tz ( s( t ) ) = S ( z ) = s( kTe) z

k=0

La proprit importante de cette transformation est le retard temporel.


Tz ( s( t mTe) ) = S ( z ) z m
Ainsi, z-1 est appel l'oprateur retard et fait correspondre un signal le mme signal retard
d'un chantillon.
Ex : z 1 xn = x n1 . Lorsquon applique loprateur retard lchantillon xn on obtient
lchantillon prcdent xn-1 .

40

Support de cours : traitement du signal, ES3, 2006-2007

c) Synthse des filtres numriques par la fonction de transfert.


On obtient la fonction de transfert partir de l'quation aux diffrences :
N

a x
i= 0

ki

= b j y k j avec bo =1
j =0

En prenant la transforme en z de cette quation comme dans le cas des filtres analogiques o
l'on linarise l'quation diffrentielle en appliquant la transforme de Fourier.
On obtient alors dans le cas gnral:
N

Y (z)
H (z) =
=
X (z)

a z

b z

i =0
N

j= 0

Exemple : considrons un filtre du second ordre (N=2)


b0 y k + b1 y k 1 + b2 y k 2 = a0 xk + a1 xk 1 + a 2 x k 2 avec y k1 = Z 1 y k et xk 1 = Z 1 xk
yk a0 + a1z 1 + a 2 z 2
on obtient :
=
= Hk
x k b0 + b1 z 1 + b2 z 2

Pour un filtre non rcursif :


N

H ( z ) = ai z

i =0

qui se traduit par : y k = a0 x k + a1 xk 1 + a 2 xk 2


Ensuite, la question fondamentale rsoudre est comment obtenir H(z) pour des
caractristiques bien dfinies (gain, phase,) correspondant par exemple un filtre
analogique dfini par sa fonction de transfert.
C'est le domaine trs vaste de la synthse des filtres numriques.
Une premire approche est de transposer la fonction de transfert du filtre analogique au filtre
numrique.
Par exemple, si on considre le filtre analogique passe-bas du 1er ordre suivant :

e(t)

R
C

s(t)

41

Support de cours : traitement du signal, ES3, 2006-2007


La relation entre l'entre et la sortie s'exprime par :
e( t ) = s (t ) + RC

ds (t )
dt

En prenant la transforme de Fourier de cette quation, on obtient la fonction de transfert :


H(f ) =

avec le gain G =

1
= G exp( j )
1 + j 2fRC

1
1 + ( 2fRC ) 2

et la phase = arctan( RC 2f )

Comment passe-t-on de H(f) H(z) ?


D'aprs la dfinition de la transforme en z, on peut voir qu'en prenant z = exp(j2fTe) on
retrouve la transforme de Fourier.
1
ln( z ) . Seulement H(z) ne sera plus linaire.
j 2Te
Il faut trouver une nouvelle transformation qui puisse conserver la fonction comme un rapport
de polynmes en z-1 .
Il suffit donc de remplacer dans H(f) f par

d) Transformation d'Euler ou quivalence de la drivation


y (t ) =

dx
=> y n =
dt

X n X n 1
Te

Transforme de Fourier : Y ( f ) = j 2fX ( f ) donc H(f) = j2f


Transforme en z de l'quation diffrentielle discrtise : Y ( z ) =
Soit Y ( z ) =

1
X ( z ) X ( z ) z 1
Te

1 z 1
1 z 1
X ( z ) d'o H ( z ) =
Te
Te

Il suffit donc de remplacer j2f par

1 z 1
dans l'expression de la fonction de transfert du
Te

filtre analogique.

H (z) =

1
RC RC 1
z
1 +

Te Te

42

Support de cours : traitement du signal, ES3, 2006-2007

Do ao =1 et tous les autres ai=0


RC
RC

b0 = 1 +
et b1 =
Te
Te

En normalisant par b0 , on obtient finalement :

yn =

b1
1
y n1 + xn
b0
b0

Cest donc un filtre rcursif dordre 1.

VIII) Bibliographie
F. COTTET, Traitement des signaux et acquisitions des donnes, 2e dition, DUNOD, 2002
F. COTTET, Traitement du signal Aide mmoire, DUNOD, 2000
J. BROESCH, Comprendre le traitement numrique du signal, PUBLITRONIC/ELEKTOR,
1999

43

Support de cours : traitement du signal, ES3, 2006-2007

44

Vous aimerez peut-être aussi