Signal PDF

Licence Professionnelle
Universit Paul Sabatier
Les Bases du Traitement des

Signaux Numriques
Andrei Doncescu
adoncesc@laas.fr
Plan
Introduction : classification des signaux
Notions de traitement du signal analogique
Transforme de Fourier
Convolution
Corrlation
Echantillonnage
Filtrage Numrique
F.R.F.
F.R.I.
Introduction
Quest-ce quun signal ?

Forme et un outil de communication
Vivre vraiment, cest vivre en recevant les informations adquates
Norbert Wiener
DEFINITIONS
Signal
Une suite de nombres et non pas des suites de lettres, de
mots ou de phrases. Yves Meyer
Toutes grandeurs physiques susceptibles de variations
Traitement
Transformation destine rendre le signal exploitable
4
Do un signal vient ?

De linformation cache dans la reprsentation choisie
chantillonnage
Compression
Dcomposition dans un espace orthogonal
Bases thoriques du traitement du signal
Mthodes du traitement du signal
Techniques et Appareillage
Instrumentation digitale
Modules Fonctionnels
Instrumentation Analogique
Applications
Classification des signaux
CLASSEMENT DES SIGNAUX

1er classement :
Signaux certains: sin(2nt), g(t), (t)...pas d'information
Signaux alatoires: informations, bruits
Dieu ne joue pas aux ds Einstein
2me classement :
Signaux analogiques
Infinits d'tats
Signaux numriques
Nombre limit et discret d'tats
CLASSEMENT DES SIGNAUX

Signaux Analogiques
Les signaux priodiques x(t) = x(t+kT)
Le signal sinusoidal est le plus reprsentatif de ces signaux priodiques:
x(t) = A sin(2 t/T + a) = A Sin( t+a) ou = 2 /T = 2 f
Les signaux nergie finie

Les signaux nergie finie sont ceux pour lesquels l'intgrale suivante
est borne :
| x(t) | 2 dt <
Ces signaux sont nomms de carr intgrable (sommable), leur puissance
moyenne est nulle.
Les signaux puissance moyenne finie non-nulle
Signaux de dure finie

Signaux de dure limite ou "support born" : x(t) = 0 t T
Signaux pairs et impairs

Un signal est pair si x(t) = x(t) example : cos( t)
Un signal est impair si x(t) = x(t) exemple : sin( t)
Remarque Tout signal rel peut tre dcompos : une partie "paire" et
une partie "impaire".
x(t) = xp(t) + xi(t)
Signaux causals :
Un signal est dit causal s'il est nul pour toute valeur ngative du temps
x(t) = 0 t< 0. On peut le rendre causal si * u(t)
10
Signaux numriques
Un signal numrique est un signal discret
dont lamplitude a t quantifie

signaux temps discret
Exemple
x(t)=A sin(t+)
X(k)=A sin[2/N (k+k0)
11
Classement des signaux

Dterministes : fonctions mathmatiques relles ou complexes
Stationnaires : probabilits
Non-stationnaires : transforme en ondelettes,
transformations fractales
12
Quelques signaux dterministes

Fonction de Heaviside u(t)
La fonction signe 2u(t)-1
La fonction porte rect(t)=u(t+T/2)-u(t-T/2)
13
Distributions Fonctions
Impulsion infinie pendant un intervalle de temps infiniment court
(t)
(t )dt = 1
t
Remarque : Nous dfinissons l'impulsion de Dirac (t) au sens

des distributions. Elle a pour valeur en t=0, la valeur gale 1
de l'intgrale de moins l'infini plus l'infini d'une impulsion
idale de largeur nulle centre en t=0.
14
Mthodes danalyse des

signaux
15
La transformation dinformations
La transformation de Fourier (frquence)
La transformation de Fourier fentre (tempsfrquence)
La transformation en ondelettes (temps-chelle)
Ondelettes de Malvar (temps-frquence-chelle)
Les paquets d ondelettes (temps-frquence)
Matching Poursuite (temps-frquence-chelle)
16
Outils mathmatiques
tude des signaux dterministes continus
Reprsentation frquentielle
17
Signaux priodiques
fo=1/T est la fondamentale
18
Synthse dun signal triangulaire

partir de sa srie Fourier
19
Effet Gibbs
20
21
La fonction sinus/cosinus

2
2

22
TRANSFORMATION DE FOURIER
Dfinition
La transformation de Fourier permet de dcrire dans l'espace des
frquences un signal dont on connat l'histoire au cours du temps, et
rciproquement.
F( ) = f(t)ejtdt
f(t) = 1 F()e jtd

2
DUALITE TEMPS-FREQUENCES
y = f (t) <=> Y =F(f)
F(f) est appele la transforme de Fourier de f(t) et sa reprsentation,
le spectre en frquences.
On appelle densit spectrale dnergie
F()
2
Remarque : On utilise les lettres minuscules pour dcrire l'histoire du signal au cours du temps et les lettres
majuscules pour le dcrire dans le domaine des frquences ou domaine spectral.
23
Proprits
La transformation de Fourier est une opration biunivoque.
Consquence: il y a la mme information dans f (t) que dans F(f)
Dfinition
La bande passante B d'un signal est le domaine de frquence o
se trouve l'nergie utile transporte par le signal.
Exemples :
Signaux
Tlphonique
Audio haute fidlit
Tlvision
Bande passante
300Hz < f < 3300Hz
20 Hz < f < 20 kHz
0Hz < f < 5 MHz
24
La transforme de Fourier

f = 1

T
2 sin(T )

f ( ) = e j t dt =
[ T ,T ]
T
25
Transforme de Fourier des signaux dnergie finie

Exemple de calcul de Transforme de Fourier
- Le spectre du signal
s(t)= (t)
2
- si est faible, le signal est bien localis en
temps
mal localis
mais 1/ est grand et le spectre est

en frquence
- si est grand, le spectre est bien localis en
frquence mais mal localis en
temps
26

- calculer le spectre du signal

S(f)=
at
s(t)=S0e u(t)
S0
a+ j2f
Module du spectreS
S(f) =
a2+4 2 f
Phase du spectre
(S(f))=arctg(2f )
a
27

- tracer le spectre du signal
at
s(t)=S0e u(t)

S(f) =
S0
a2+4 2 f
(S(f))=arctg(2f )
a
28
Convolution
Dfinition:
On appelle fonction de convolution du signal s1(t) et s2(t)
lintgrale
+
s(t) = s ()s (t)d

1
Thorme de convolution
La TF du produit de convolution est le produit algbrique

Des TF des signaux du produit
S()=S1()S2()
29
Proprits du produit de convolution

Commutativit
Associativit
Distributivit
Diffrentiabilit
d
df
dh
( f h)(t ) =
h(t ) = f (t )
dt
dt
dt
Convolution avec un Dirac

30
Algorithme de Convolution
Le signal y(l) est invers pour obtenir y(-l)
Le signal y(-l) est dcal dune certaine quantit k
Le produit x(l)y(k-l) est effectu chantillon par
chantillon pour tous les k
Les valeurs ainsi obtenues sont additionnes
31
convolution en temps
- exemple dapplication de la mthode graphique de calcul de la convolution de 2
signaux x(t) et y(t) :
x(t)=eatu(t)
y(t)=e2atu(t)
32
- exemple dapplication de la mthode graphique de calcul de la convolution de 2 signaux x(t)
et y(t) :
x(t)=eatu(t)
y(t)=e2atu(t)
-Principe de la mthode
-On garde le premier signal x(t)
-On retourne le second signal y(t) pour obtenir y[-t]
33
- exemple dapplication de la mthode graphique de calcul de la convolution de 2
signaux x(t) et y(t) :
x(t)=eatu(t)
y(t)=e2atu(t)
t
34

- mthode graphique de calcul de la convolution de 2 signaux x(t) et y(t) :
-Principe de la mthode, suite
-On fait le produit x(t).y(t-t) l o les 2 signaux sont dfinis

-On calcule laire commune des 2 signaux
t
at' 2a(tt')
t<0,x(t)*y(t)=0
t>0,x(t)*y(t)=e
0
dt'=1eat1e2at
a
a
-On recommence pour t variant sur R et on obtient la convolution x(t)*y(t)
35

- mthode graphique de calcul de la convolution de 2 signaux x(t) et y(t) :
x(t)=eatu(t)
y(t)=e2atu(t)
-On dcale y[-t] de t pour obtenir y[-(t-t)]
-On fait le produit x(t).y(t-t) l o les 2 signaux sont dfinis
-On calcule laire commune des 2 signaux
-On recommence pour t variant sur R et on obtient la convolution x(t)*y(t)
36
La distribution de Dirac (t)

Le pic de Dirac sera dfini comme ayant un
poids ou une masse de 1 en x=0
(t )dt = 1
R
37
La distribution de Dirac (t)

Un Dirac a un support rduit t=0 et associe une
fonction continue sa valeur en t=0
Impossible d'acher l'image. Votre ordinateur manque peut-tre de
mmoire pour ouvrir l'image ou l'image est endommage.
Redmarrez l'ordinateur, puis ouvrez nouveau le fichier. Si le x
rouge est toujours ach, vous devrez peut-tre supprimer l'image
avant de la rinsrer.
Proprits:
Impossible d'acher l'image. Votre ordinateur manque peut-tre de mmoire pour ouvrir l'image ou l'image est endommage. Redmarrez l'ordinateur,
puis ouvrez nouveau le fichier. Si le x rouge est toujours ach, vous devrez peut-tre supprimer l'image avant de la rinsrer.
Impossible d'acher l'image. Votre ordinateur manque peut-tre de mmoire pour ouvrir l'image ou l'image est endommage. Redmarrez
l'ordinateur, puis ouvrez nouveau le fichier. Si le x rouge est toujours ach, vous devrez peut-tre supprimer l'image avant de la rinsrer.
38
Proprits de (t)
Localisation
Impossible d'acher l'image. Votre ordinateur manque peut-tre de mmoire pour ouvrir l'image ou l'image est endommage. Redmarrez l'ordinateur, puis ouvrez nouveau le fichier. Si le x rouge est toujours ach, vous devrez peut-tre supprimer l'image avant de la
rinsrer.
lment neutre
Impossible d'acher l'image. Votre ordinateur manque peut-tre de mmoire pour ouvrir l'image ou l'image est
endommage. Redmarrez l'ordinateur, puis ouvrez nouveau le fichier. Si le x rouge est toujours ach, vous
devrez peut-tre supprimer l'image avant de la rinsrer.
Impossible d'acher l'image. Votre ordinateur manque peut-tre de mmoire pour ouvrir l'image ou l'image est
endommage. Redmarrez l'ordinateur, puis ouvrez nouveau le fichier. Si le x rouge est toujours ach, vous
devrez peut-tre supprimer l'image avant de la rinsrer.
39
Application
Dfinition : La rponse impulsionnelle d'un circuit est la
rponse une impulsion de Dirac.
Conclusion :
1- Un systme linaire est entirement dcrit par sa
rponse impulsionnelle h(t).
2- La rponse du systme une excitation est gale au
produit de convolution entre l'excitation et la rponse
impulsionnelle.
40
Utilisation de la distribution de Dirac

pour le calcul des Transformes
Fourier
A partir de la TF dune constante nous pouvons dduire :
TF ( (t ) ) = 1
TF (2 (t ) ) = 1
TF (A) = 2A ( )
TF e = 2 (
1
{ }
j0t
Donc la transforme Fourier de cos et de sin est :
TF {cos t}= [ ( )+ ( +
0
TF {sin t}=
0
)]
[j ( ) ( + )]
0
41
Corrlation des signaux

Dfinition
Cx, y()= x1(t+)x2(t)dt

x, y(k)= x(l)y(l +k)

l =
Proprits
Fonction paire
Cx,y=0 les signaux sont dcorrls
42
Algorithme
Le signal y(l) est dcal dune certaine quantit k
Le produit x(l)y(l+k) est effectu chantillon par
Les valeurs ainsi obtenus sont additionnes
43
Autocorrlation
Dfinition
Cx,x()= x(t)x(t+)dt
-
Cx,x(k)=x,x(k)= x(l)x(l+k)
l =
Proprits
Cx,x(0)= l nergie du signal
44
Dtection synchrone par corrlation dun

signal priodique noy dans le bruit
Corrlation avec un signal sinusodal pur xp(t). En faisant varier la
frquence de ce signal sinusodal, la fonction de corrlation sera nonnulle ou maximale chaque fois que la frquence de xp(t) sera
identique celle contenue dans le signal x(t).
En effet :
Cs,x () = Cx,x ()+Cb,x ()

p
=0 si le temps dintgration du corrlateur est suffisamment grand
La dtection se fait grce au vobulateur (variation linaire de la

frquence de sortie en fonction du temps)
45
Proprits de la Transforme de
Fourier
46
LIntgrale de Fourier
F()= f()= f(t) exp( jt ) dt
( f L1):
Mesure la quantit doscillations la frquence qui est

prsente en f. Si f L1 cette intgrale converge
| f ( ) | | f (t ) | dt <
Donc, la Transforme de Fourier est borne et continue.
47
Notion de systme
Un systme fait subir une transformation un signal dentre x(t) et
dlivre un signal de sortie y(t).
Filtre
On appelle filtre, dentre x(t) et sortie y(t), un systme dfini par:
y(t)= x(u)h(tu)du = x(tu)h(u)du

R
Rponse impulsionnelle h(t)
y(t)=x(t)h(t)
Rponse indicielle u(t)
Rponse en frquence
Y(f)= X(f)H(f)
48
Valeurs et Vecteurs Propres

Soit T :V V un oprateur linaire sur un espace
vectoriel V sur un corps K. Un scalaire K
est appel
valeur propre de T sil existe un vecteur non nul vV pour
lequel :
T(v)=v
Remarque kv est aussi un vecteur propre

Exemple : loprateur diffrentiel sur lespace vectoriel V.
D(e 5t)=5e 5t
49
Fonction de Transfert:
Les exponentielles complexes e jt sont les vecteurs propres des
oprateurs de convolution:
Le = h(u )e j ( t u ) du = h( )e jt

Les valeurs propres

h( ) = h(u )e j u du
jt
est la Transforme de Fourier de h la frquence .

Donc nous voudrions dcomposer une fonction f dans une somme de
vecteurs propres
50
La Transforme de Fourier
Filtrage linaire invariant en temps
Linvariance la translation dans le domaine temps dun oprateurL
Signifie que si lentre f (t ) est retarde de
, f (t)= f(t)
la sortie a aussi un retard
Rponse impulsionelle
f (t ) =
g (t ) = Lf (t ) g (t ) = Lf (t )
f (u)
(t )du
Si h(t ) = L (t ) nous avons :

Lf (t ) =
f (u )h(t u)du = h(u) f (t u)du = ( f h)(t )
51
Proprits
Rciprocit
Linarit
Drivation
Intgration
f(t) F(f) F(f) f(t) f(t)F(f)
f(t) + g(t) F(f ) + G(f )

d f(t)
j2f F(f)
dt
f(t)dt
1 F(f )
j2 f
j2ft
Dcalage temporel
f(t) e
F(f )
52
Dcalage frquentiel
Conjugaison
Symtrie
F(f f0 ) e
f(t)F(f )
f(t)F()
j2ft
F(f )
*
f(-t) F (f )
F(t)2f(-)
53
Fourier
La transforme de Fourier inverse ( f, f L1):
1
f (t ) =
2
f ( )e j t d
Parseval:
1
(
)
(
)
f
t
h
t
dt
=

2

*
f ( )h* ( )d
Plancherel:
1
2
|
(
)
|
f
t
dt
=
|
f
(

)
|
d

2
2
Et,
lim f () = 0

54
La Variation Totale
Si f est drivable, la variation totale est :
f v= f '(t)dt
Exemple:
f(t)=exp(-t 2)
f v=2
Relation avec la Transforme de Fourier

f
f()

55
La Phase de la TF
Dans une TF, linformation sur le temps est
cache dans les phases.
Il est impossible de dterminer les phases
avec assez de prcision pour extraire les
informations sur le temps.
56
Transforme de Laplace
Dfinition
Si f(t) dsigne une fonction valeurs relles ou complexes
de la variable relle t, dfinie sur le domaine et nulle
pour ; on appelle Transforme de Laplace de f(t) la
fonction
o p est complexe
- lexistence de F(p) suppose la convergence de lintgrale
- on dit que F(p) est " limage " de f(t)
57
Relation dincertitude de
Heisenberg
Le principe: Le produit de la variance de x pour |f|2 et de la
variance de x pour |F|2 est suprieur ou gal 1
16
2
La largeur du paquet d'nergie d'un signal dans le temps

est inversement proportionnelle sa largeur dans l'espace
des frquences. On ne peut pas connatre avec une gale
prcision la position dans le temps et en frquences d'un
signal.
58
Conclusions
La srie de Fourier dune fonction priodique ne comporte
que les sinusodes de frquence gales des multiples
entiers de la frquence fondamentale
La TF de la fonction de corrlation du signal reprsente la
densit spectrale de lnergie = la redistribution de
lnergie sur les axes de frquences
59
Dfauts de la TF
La transforme de Fourier est une reprsentation globale
du signal. Elle ne permet pas d'analyser son comportement
frquentiel local, ni sa rgularit locale. La condition de
convergence sur la transforme de Fourier n'indique que le
pire ordre de singularit. Elle ignore les rgularits locales.
60
Le dfaut de cette transforme est d avoir

une fentre indpendante de la frquence
que lon calcule.
61
Filtrage Analogique
62
Filtre Passe-Bas Idal

Un filtre passe-bas idal a une fonction de transfert
H(f)
H(f)=h(f)=1[,]
f
La rponse impulsionnelle est :
j t
sin(t)
h(t)= 1 e d =
t
2
TF inverse
63
Phnomne de Gibbs
Pour >0
(t)
uh (t)= sin x dx

x
Dmonstration

sin(t)
sin(t)
d
d =
uh(t)= u()
(
)
(

)

t

t

0
Le changement de variable x=(t) nous permet dobtenir la relation
64
Du signal analogique au
signal numrique
65
Les avances en moyen informatique (puissance de calcul) ont rendu possible

le expression et traitement de signaux en forme numrique. Mais pour
numriser, il faut d'abord chantillonner. Nous allons voir que la passage
analogique numrique implique ncessairement une perte d'information.
Cette perte peut tre minimiser par l'application des outils adapts.
66
chantillonnage
MC68000
TMS320C50
67
chantillonnage
Signal Analogique
Signal discret en temps
Signal numrique
68
Signal Analogique
Signal chantillonnage
69
A la limite du thorme de
l'chantillonnage
On peut, intuitivement,
remarquer sur l'illustration
prcdente, que relier les
chantillons l'aide d'une
ligne courbe, aussi bien
choisie soit-elle, n'a que peu
de chances de reproduire le
signal original, bien que le
thorme de l'chantillonnage
soit, formellement, respect.
70
Sous-chantillonnage
Si l'on tente de relier les
chantillons par une courbe,
on ne va pas tre en mesure
de reconstituer le signal
original, mais un autre, peu
semblable au prcdent.
Ceci est la consquence de
la violation du thorme de
l'chantillonnage.
71
Modle mathmatique de
lchantillonnage
72
chantillonnage
Lchantillonnage idal prlve des
chantillons la cadence Te de faon
instantane.
Impossible d'acher l'image. Votre ordinateur manque peut-tre de mmoire pour ouvrir l'image ou l'image est endommage.
Redmarrez l'ordinateur, puis ouvrez nouveau le fichier. Si le x rouge est toujours ach, vous devrez peut-tre supprimer l'image
avant de la rinsrer.
73
chantillonnage avec blocage

En utilisant une impulsion
xe(t)=x1(t)(tnTe)
nZ
X(n)
avec
x1(t)=[xa(t)*h(t)]
n
X=[x(0),x(1),,x(N-1)]T
74
Signaux et Systmes
X(n)
Notation:
X=[x(0),x(1),,x(N-1)]T
75
Spectre du signal chantillonn

xe(t)=x1(t)(t nTe)
nZ
X e(f )=TF[xa(t)] * TF[ (t nTe )]

nZ
X e(f )= feX a(f ) * TF[ (t nTe )]= fe Xa(f nfe )
nZ
nZ
76
77
Thorme de Shannon
Pour viter une superposition des spectres lmentaires il est
ncessaire dimposer le thorme de Shannon
Fe 2f max
Un signal de spectre born ne peut pas tre que de dure

infinie. Il est donc erron de considrer des signaux la fois de
dure et de spectre finis.
78
Spectre dans le cas sinusodal

Le spectre d'un signal
chantillonn se compose d'une
srie de raies rparties de part
et d'autre des multiples de la
frquence d'chantillonnage.
Les raies intressantes pour la
dmodulation sont celles qui se
situent aux alentours de 0,
puisque ce sont celles qui
correspondent au signal
original.
79
Quelques valeurs
En tlphonie, on utilise une largeur de bande de 300 3400 Hz. Dans
le cadre du rseau numrique intgration de services (RNIS, ISDN
pour les anglo-saxons), on utilise une frquence d'chantillonnage de
8000 Hz (au lieu des 6800 thoriquement ncessaires).
La musique se satisfait de 16, voire 20 kHz de largeur de bande. Un
disque CD (Compact Disc) utilise une frquence d'chantillonnage de
44 kHz.
Remarque: Dans les deux cas, il est essentiel que l'on ait au pralable
limit la largeur de bande du signal original : des frquences inaudibles
dans le signal original deviennent audibles par le phnomne de
repliement !
80
Quantification
La quantification est une rgle de correspondance entre :
Lensemble infini des valeurs des chantillons xa(t=nTe)
et un nombre fini de valeurs xk
q est le pas de quantification

81
De lanalogique au numrique
Discrtisation temporelle
fe2B
Discrtisation de lamplitude
N niveaux ------------log2N bits par chantillon
Dbit
D=Fe * log2N
82
Encore .
mais
Discrte
83
Transforme de Fourier temps

discret
Si le temps est discrtis
X ( f ) = x(t) e
2 j f t
tZ
Et la transforme inverse
1/ 2
2jft
x(t)= x(t)e
df
1/ 2
84
Proprits
X(f) est priodique T0=1
2j(f +1)k
X(f +1) = x(k)e

tZ
2jf 2j
=x(k)e
tZ
= X(f)
Remarques:
1. La transforme de Fourier de Xa(t) dun signal analogique
nest pas priodique
2. X(f) est priodique F0=1, tout intervalle de longueur unit
est suffisant pour dcrire compltement cette fonction
85
Rgle de construction de la TFtd partir

de la TF de x(t)
On divise laxe des frquence par Fe
On priodise avec la priode 1
On divise lamplitude par Te
xe(n)=x(nTe)
86
Observations spectrales
Prcision
Pour mesurer la frquence dune seule
sinusode
Rsolution
La capacit de mesurer des frquences
distinctes
87
Transforme de Fourier discrte

En se limitant un nombre fini de L valeurs de la frquence,
savoir f=k/L, on obtient la Transforme de Fourier Discrte
N 1
2jkn/ N
X(k)=x(n)e
n=0
L est le nombre de points de calcul de Tftd et N est le nombre

de points de la suite temporelle
N 1
nk
x(n)= 1 x(n)wN
N n=0
k{0,...,N-1}
avec wN =exp(2j / N)
88
Rapide
Exemple N=2p o p=3
2k
4k
6k
2k
4k
6k
X k =(x(0)+x(2)w8 +x(4)w8 +x(8)w8 )+w8(x(1)+x(3)w8 +x(5)w8 +x(7)w8 )
Ce qui donne
4k
2k
4k
2k
4k
(x(0)+x(4)w8 )+w8 (x(2)+x(6)w8 )

4k
(x(1)+x(5)w8 )+w8 (x(3)+x(7)w8 )
Une structure de papillon : addition, soustraction

et multiplication
89
chelle temps
Temps physique
Squence
x (n)
1 0
x(t )
T
T 2T 3T 4T 5T 6T 7T
90
chelle frquence
Frquence physique
X ( e j )
Frquence normalise
X ( j)
2
2
91
Signaux alatoire
92
Probabilit
On appelle probabilit toute fonction P dfinie sur
lensemble des vnements dun univers E qui vrifie les
conditions suivantes :
Pour tout vnement A, 0P(A)1
Pour lvnement certain E, P(E)=1
Pour tout couple (A,B) dvnements incompatible:
P(AB)=P(A)+P(B)
93
La loi de probabilit dune

variable alatoire
On appelle loi de p des valeurs probabilit dune variable
alatoire discrte la liste des valeurs quelle peut prendre,
accompagne de la liste des probabilits correspondantes
Si (x1,x2,,xn), associ (p1,p2,,pn) dfinit la loi de
probabilit dune variable alatoire X, lesprence
mathmatique de X est le nombre:
E(X)=xi pi
94
La Variance
2
=V(x)=E[X E(X)]
V(hX)=h2V(X)
V(X+k)=V(X)
V(X)=E(X2)-[E(X)]2
95
Lois continues
Une variable alatoire sera dfinie comme une application de lunivers
dans lensemble des nombres rels.
La fonction F telle que:
F(x)=P(X <x)
sappelle fonction de rpartition.
Il existe une fonction f telle que :
x
F(x)= f(x)dx
appele densit de probabilit. Elle est telle que:

f(x)dx=1
96
Lien continue discret

Soit X une variable alatoire continue et f(x) sa densit de
probabilit. Alors,
f(x)dxP[X[x,x+dx]]
97
On appelle esprance mathmatique dune variable

alatoire continue de densit f(x) lintgrale :
xf(x)dx
La variance est:
2
V(x)=E[X E(X)]
Exemple numrique : loi uniforme sur [0,2]
98
Signaux alatoire
Un processus alatoire PA est dfini comme une fonction :
Du temps t
Des preuves alatoires, dune exprience alatoire
PA=F(t,)
Lobservation dun processus alatoire, un instant donn, permet de

dfinir une variable alatoire VA
VA=F(t0,)
Cest la ralisation du processus, pour une preuve alatoire donn,

qui constitue le signal alatoire, SA.
SA=F(t,0)
99
Stationnarit, Ergodicit,
Indpendance
Un signal alatoire rel SAR x(t) est dfini par une loi de probabilit
pour son amplitude chaque instant nTe Cette loi sexprime sous la
forme dune densit de probabilit p(x,n)
p(x,n)=lim
x0
Prob[xx<x (n)x]
x =VA
x
La fonction de rpartition ayant pour expression :

F(x,n) = Prob(< x (n) x]
p(x,n) = lim
[F(x,n)F(xx,n)]/x
x0
x
F(x',n)= p(x',n)dx'

100
Le signal est dit du second ordre sil possde un moment du premier

ordre ou esprance mathmatique ou moyenne statistique:
E[x(n)]= x p(x,n)dx=m1[x(n)]
et un moment de second ordre

2
E[x(n) ]= x p(x,n)dx=m2[x(n)]

Le signal est dit stationnaire si ses paramtres statistiques sont

indpendants du temps n (t=nTe), cest dire si :
p(x,n)= p(x), n
La stationnarit peut se limiter aux moments du premier et du second
ordre. Le signal est dit stationnaire au sens large et :
E[x(n)]=E[x ]= xp(x)dx=m1[x ]=x
Indpendant de n
E[x(n)x(n p)] = C(p) = autocorrlation du signal

101
Proprit dergodicit permet de calculer la moyenne temporelle

partir de la moyenne densemble :
N
E[x]= xp(x)dx=lim 1 x(n)

N 2N +1n=N
R
N
*
E[x(n)x (n p)]=lim 1 x(n)x (n p)=C(p)
N 2N +1n=N
*
Lindpendance statistique de deux VA x et y est dfinie par:

p(x,y)=p(x)p(y)
102
Le Bruit Blanc
Un signal alatoire x(t) est appel bruit blanc si, pour tout ensemble de
N valeurs temporelles ni , 0iN,1la variable N dimensions :
x={x(n0),x(n1),,x(nN-1)}
satisfait la condition suivante:
, pour p=0

Cx(p)=E[x(n)x(n p)] =
0, pour p0

2
Le signal bruit blanc est amnsique
Remarques:
Il nexiste aucune corrlation entre un chantillon du signal et un autre
dordre diffrent
103
Ralisation dun gnrateur de bruit

pseudo-alatoire blanc
Utilisation dun polynme gnrateur faisant intervenir un registre
dcalage et un oprateur XOR. Le signal obtenu est un ensemble de 0
et de 1 ayant la mme probabilit dapparition. Ce type de signal est
utilis comme signal test pour les systme de transmission numriques.
CK
R1
R2
Rp
Rn
XOR
104
Ri = Registre dcalage contenant le bit Ri

Conditions initiales R1=1, Ri=0
Ce circuit est la traduction exprimentale du polynme gnrateur
p
Pn,p(x)=1+ x + x ,n> p1,+ = XOR =addition modulo 2

On montre que si Pn,p(x) est un polynme gnrateur, cest--dire sil
les contre-ractions (n,p) sont correctement choisies, on obtient en
sortie une suite binaire priodique de longueur maximum, dont la
priode :
T=(2n-1)TH
comporte:
2n-1 bits= 1
2n-1 bits = 0
quiprobabilit
105
Les signaux gaussiens

Loi gaussienne, thorme Central-Limit
Une VAR a une distribution normale ou gaussienne si sa densit de
probabilit est de la forme:
= moyenne statistique
(x)2
p(x)= 1 exp
= cart type
2
2

2

2 = variance
Un signal alatoire x(t) est appel gaussien si, pour tout ensemble de N
valeurs temporelles ni , 0iN 1 , la variable N dimensions :
x={x(n0),x(n1),,x(nN-1)} est gaussienne
106
La Densit Spectrale
est obtenue par la Transforme de Fourier de la fonction
dautocorrlation (thorme de Wiener-Khintcine):
S(f ) = TF{C(p)}=C(p)exp(2jfpTe)
pZ
La loi de probabilit gaussienne est importante dans la mesure o elle

garde son caratre gaussien dans toute opration linaire : convolution,
filtrage, drivation, intgration. En dautres termes, si lentre dun
systme linaire est gaussienne, sa sortie est gaussienne.
107
Rapport Signal/Bruit
Cest un moyen pour caractriser un systme de transmission en
comparant le rapport S/B son entre e avec le rapport de sa sortie
s
Soit un signal x(t) de puissance Px mlang avec du bruit blanc b(t),
dont la puissance est Ps=Px+Pb
On dfinira donc le rapport signal/bruit:
T
T
2
2
x
x
P
P
= = 2
o Ps = lim 1 [x(t)] dt+lim 1 [b(t)] dt=Px+Pb
Pb
T +
T +
108
Sources de Bruit
Bruit externe
Perturbations naturelles: Bruit cosmique, bruit atmosphrique
Perturbations artificielles:
Bruit interne
La commutation de courant
Le bruit de fond
bruit thermique
bruit de grenaille
109
Bruit thermique
Relation Nyquist-Johnson:
2
eff
= 4kTRf
K= const de Boltzman 1.38x10-23 J/K

La puissance totale du bruit Pth=kTf
Dans la bande de frquence f ce bruit a une densit spectrale
B(f)=B0 avec B0 =1/2 kT bruit blanc
Donc sa fonction dautocorrlation

Cb(t)=B0 (t)
Toutes les valeurs en temps sont indpendantes
Si la condition de densit spectrale de puissance nest pas constante on parlera

de bruit rose
110
Dtection dun signal noy dans le

bruit
Dtection par corrlation dun signal priodique noy dans un
bruit blanc
Soit un signal rel priodique x(t) et un signal de bruit n(t),
indpendant de x(t) et sans mmoire Cbb( )=0 . Le signal traiter est
donn par la somme de ces deux signaux s(t)=x(t)+b(t)
La fonction dautocorrlation Css(t) de ce signal est donne par la
relation :
T/ 2
T/ 2
-T/2
-T/2
Css() = s(t)s(t-)dt = [x(t)+b(t)][x(t)+b(t)]dt
En utilisant la proprit de distributivit de loprateur de corrlation:
Css()=Cxx()+Cxb()+Cbx()+Cbb() Css()=Cxx()
111
Dtection synchrone
De nombreux phnomnes physiques produisent, dans le domaine des
faible frquence des signaux alatoire dont la densit spectrale de
puissance augmente vers les basses frquence : bruit 1/f
La prsence dun bruit 1/f gnent les mesures des signaux basses
frquences. Pour contourner cette difficult les physiciens ont recours
la dtection synchrone qui transfert momentanment le spectre du
signal utile dans un domaine de frquences plus favorable et vite la
dgradation par le bruit 1/f
112
Dtection synchrone par corrlation dun

signal priodique noy dans le bruit
Corrlation avec un signal sinusodal pur xp(t). En faisant varier la
frquence de ce signal sinusodal, la fonction de corrlation sera nonnulle ou maximale chaque fois que la frquence de xp(t) sera
identique celle contenue dans le signal x(t).
En effet :
Cs,x () = Cx,x ()+Cb,x ()

p
=0 si le temps dintgration du corrlateur est suffisamment grand
La dtection se fait grce au vobulateur (variation linaire de la

frquence de sortie en fonction du temps)
113
114
Quantification uniforme
xk
xk(kTe)=nq pour nq xa
e(t)=xk xa(t)
q
q
xe(kTe) nq +
2
2
e(t) est l'erreur de quantification ou le

bruit de quantification
Si la densit de probabilit p(x) de lamplitude du signal est connue, on

peut
dterminer la caractristique de quantification qui, pour un nombre n donn
de bits, minimise la puissance de distorsion totale.
Hypothse
Le bruit de quantification est considr comme un processus alatoire
stationnaire, il possde une valeur moyenne e et une variance e qui
sexprime par:
K
e2= (xkx)2 p(x) dx= p(xk) (xk x)2dx

k =1 qk
k =1
xk + q / 2
xk q / 2
e= p(xk)
k =1
12
115
Convertisseur linaire
qk=q=cte
En crivant que la somme des probabilits
est gale 1 :
2
K
p(x )q=1
k
k =1
q
=
2
e
12
Le rapport signal bruit est donn par :

Impossible d'acher
l'image. Votre
ordinateur manque
peut-tre de
mmoire pour ouvrir
l'image ou l'image
est endommage.
Redmarrez
l'ordinateur, puis
ouvrez nouveau le
fichier. Si le x rouge
est toujours ach,
vous devrez peut-
=valeurs efficace
116
On a ainsi:
2
x
=12
2
En exprimant q en fonction de la plage de variation V du signal

Dentre par un dcoupage en k=2M intervalles (M nbr de bits)
=12 2x 22M
dB=10.8+6.M 20log(V )
x
117
Exemples
1)
Pour un signal dentre sinusodal damplitude V/2
x=V /2 2=valeur efficace

dB=10.8+6.M 20log(2 2)=6M +1.77
2)
Un signal avec une distribution gaussienne : la rgle de 3

donc V=6x
x=V /6
dB=10.8+6.M 20log(6)=6M 4.76

Remarque:
Moyen simple de dterminer le nombre de bits dun convertisseur
linaire permettant dassurer un rapport signal bruit connaissant la
statistique du signal dentre.
118
Convertisseur Logarithmique
Dfinition:
Dcouper les amplitudes en intervalles d'autant plus petits

que l'amplitude est faible.
Mthode : Utiliser un amplificateur non linaire avant

chantillonnage.
119
La loi Etats Unis Japon

y=sgn(x)ln(1+ x)/ln(1+)
x = signal dentre
= le paramtre de conversion
La loi A ou la loi de 13 segments Europe

sgn(x)[A x /[1+ln(A)] pour 0 x 1/ A

y=
sgn(x)[(1+ln(A x)]/[1+ln(A)] pour 1/A x 1
x = signal dentre
A = le paramtre de
compression A=87.6
Remarque:
Dans la pratique la loi A est une loi approche par des segments de droite :
chaque pas de quantification vaut le double du pas prcdent
120
Numro de segments / 8bits
13 segments
100
110
101
100
011
010
001
000
1/4
1/2
Entre
normalise
121
Corrlation des signaux

Dfinition
x, y(k)= x(l)y(l +k)

l =
Algorithme
Le signal y(l) est dcal dune certaine quantit k
Le produit x(l)y(l+k) est effectu chantillon par
Les valeurs ainsi obtenus sont additionnes
122
Proprits
2jfk
xy(f )=xy(k) e
=X *(f )Y(f )
Thorme de Parseval
1/ 2
(0)=x (l)= (f ) df
2
1/ 2
k =0
La fonction dautocorrlation est une fonction paire
123
Reprsentation par la
Transforme en z
Dfinition
On appelle transforme en z bilatrale dune suite {x(n)},
la somme Xb(z) dfinie par :
Xb(z) = Tzb{x(n) }=x(n)z
n
nZ
Remarque :
On peut considrer la transforme monolatrale:
Xb(z) = Tzb{x(n) }=x(n)z
n
n=0
124
Proprits
Linarit
w(n)=ax(n)+by(n)W(z)=aX(z)+bY(z)
Shift (retard ou avance)
x(nn0)z
n0
X(z)
Inversion dans le temps

1
x(n) X(z )
125
Proprits
Multiplication par une exponentielle
n x(n)X( 1)
Convolution
y(n)=x(n)h(n)Y(z)= X(z)H(z)
La transforme en z na pas de sens que si lon prcise le domaine de
convergence
Le domaine de convergence dun signal causal est un codisque
126
Lien avec la Transforme de

Laplace
Pour p=+2jf, lamortissement et f=frquence
Tz{x(n)}=TL{x(n)}z= =x(n)e
npTe
Plan de Laplace
2jf
pt
nZ
z=
pt
Plan des {z}
127
Signaux Dterministes
Dans un contexte de logique cble ou programme, il est
immdiat de crer certains signaux dterministe:
x(n)=rectN(n)
x(n)=triangN (n)
Par contre il est moins facile de crer des signaux plus labors
comme par exemple:
y(n)=a exp(e ) cos(2f0nTe ) u(n)

128
Gnration des signaux

numriques
Relation de rcurrence :
x(k)=a x(k 1)
x(0)=1
k k0
x(k)=a
0 en rest
Gnrer un signal sinusodal

sin(a+b)=sin(a)cos(b)+cos(a)sin(b)
cos(a+b)=cos(a)cos(b)sin(a)sin(b)
sin(kb+b)=sin(kb)cos(b)+cos(kb)sin(b)
scos(kb+b)=cos(kb)cos(b)sin(kb)sin(b)
x(0)=0
y(0)=1
x(k+1)=x(k)cos(b)+ y(k)sin(b)
y(k+1)= y(k)cos(b)x(k)sin(b)
x(k)=sin(kb)
y(k)=cos(kb)
129
Relation de rcurrence et
transforme en z monolatrale
Considrons la relation de rcurrence:
y(n)+b1 y(n1)+b2 y(n2)=0
b1 et b2 ctes
La Transforme en z est :
{b y(1)+b y(2)}+{b y(1)}z

(z)=
1+b1z1+b2 z
1
2
2
130
Systmes linaires
Les systmes linaires sont caractriss compltement par
leur rponse une impulsion unit
y(k)=L[x(l)(k l)]=x(l)L[(k l)]
131
Systmes linaires invariants

Dfinition
Lx(k)= y(k) Lx(k k0)= y(k k0)
N
b y(k n)=a x(k m)

n
n=0
m=0
Exemple (limportance des conditions initiales)
y(k)=0 k<0
x(k)=u(t)
y(0)=x(0)ay(1)=1
y(1)=x(1)ay(0)=1a
y(2)=1ay(1)=1a+a2
1(a)^(k +1)
y(k)=
u(k)
1+a
132
Modle Linaire Discrets

Soit, lquation linaire, aux diffrences finies
L1
K 1
b y(nl)=a x(nk)
l
l =0
k =0
Est un modle ARMA dordre (K,L)

Questions:
1. Quel lordre minimal (K,L) qui permettre de reprsenter le signal de
faon convenable ?
2. Comment dterminer les {ak} et les {bl} ? Ces coefficients restent-ils
invariants lorsque lon considre diffrentes ralisation du signal ?
133
Application aux systme linaires

invariants
La transforme en z du signal de sortie est donne par :
K 1
I(z)
A(z)
X(z)
Y (z) =
B(z)
B(z)
+
A(z)=akz
-k
L1
I(z)=bl [y(l)+...+ y(1)z
k =0
(l 1)
l =0
K 1
B(z)=blz
-l
l =0
Permanent
Transitoire
Si on admet des conditions initiales toutes nulles
H0(z)=
Y(z) A(z)
=
X(z) B(z)
X(z)
H0(z)
Y(z)
134
Lexpression de la Tz du signal de sortie, tenant compte de

conditions initiales non-nulles
Y(z)=H0(z)X(z)I(z)/ B(z)
Evaluation de la sortie dun systme ARMA
Un tel systme est caractris par:
- ses K coefficients ak et ses L coefficients bl avec b0=1
- la squence dentre {xn}
- la squence de sortie {yn} , y compris les conditions
initiales, soit pour une squence de N chantillons du signal
de sortie: n [ (L1),N 1]
135
Filtres
Filtres rcursifs
Entre
Xk
RII-ARMA
Sortie
yk
Filtres non-rcursifs
Entre
Xk
RIF-MA
Sortie
yk
136
Stabilit des Modles ARMA

La CNS pour quun systme linaire, de rponse
impulsionnelle {h(n)} soit stable est que :
h(n) < sommabilit

n=0
La stabilit dun systme AR ou ARMA exige que les ples

de la fonction de transfert H(z) soient lintrieur du cercle
unit du plan {z}
137
Thorme Central-Limit
Soit le signal:
x(n) = ak (n-k) x(n)=an nZ
kZ
avec
kak==0 et k2ak= , fini, nonnul
ak =1,
kZ
kZ
kZ
devient , lorsquil est convolue m fois avec lui-mme, m assez grand :

*m
[x(n)]
1
2 m
exp(k /(2m )(nk)

kZ
138
Filtrage Numrique
139
Gabarit dun filtre

Pour un filtre passe-bas, est conduit introduire 3 rgions
Bande passante, plage de frquences o le gain prend des valeurs
comprises entre (1-p,1+ p) o p est le taux dondulation
Bande affaiblie, plage de frquences o le gain prend des valeurs
infrieurs p
Bande de transition, plage de frquence o le gain sattnue dans un
rapport A.
Le lien entre le gabarit et la position des ples et des zros.

Le cercle unit est gradu en valeur de la frquence qui varie entre et
Si les ples et les zros sont complexes conjugus |H(j)| est paire
La partie du plan complexe o se trouvent les ples correspond la bande
passante. Plus les ples sont proches du cercle unit, plus les surtension
sont grandes. Plus les ples est grandes, plus les ondulations dans la bande
passante pourront tre rendues faibles.
140
La partie du plan complexes o se trouvent les zros correspond la

bande affaiblie. Plus les zros sont proches du cercle unit, plus
lattnuation est grande. Plus le nombre de zros est grand, plus les
ondulations dans la bande affaiblie pourront tre rendues faibles.
Im(z)
H(f)
- 3dB
B. affaiblie
zros
ples
f=1/4
B. passante
f=1/2
f=0
Re(z)
f=-1/4
141
La phase
Phase linaire
Reprsente le retard entre les
diffrentes frquences
f
Delay
f
142
Synthse dun filtre rel temps continu

Problme :
Comment raliser en numrique un filtrage
analogique ?
Donc, si xa(t) et ya(t) sont les signaux dentre et de
sortie dun filtre analogique: comment fabriquer les
chantillons de ya(t) partir de ceux de xa(t) ?
143
Solution :
Soit le filtrage linaire rel analogique dfini par lquation en
frquence :
Ya(f )=Ha(f )Xa(f )
Si Xa(f)=0 pour |f|>B, alors Ya(f) est lui-mme bande limite B. On

prend Fe=1/Te>2B
Lexpression des chantillons ye(n)=ya(nT) en fonction des
chantillons x e(n)=xa(nTe) scrit
~
2j nf
2j nf ~
ye(n)=xe(t)*he(n) Ye( e
) = X e( e
)He( e2j nf )
~
O He( e2j nf )est la priodise de Ha(fFe) rect(b,b)(f) o b=B/fe
144
Conclusion
Cest donc un filtrage temps discret dont la rponse en
frquence sobtient par troncature de Ha la bande (-B,B)
suivie dune division de laxe des frquences par Fe
145
Preuve
En utilisant la formule de Poisson:
2jf
2jfn
Ye(e ) = ye(n)e
nZ
=Fe Ya((k f)Fe)

kZ
=Fe Ha((k f)Fe) X a((k f)Fe)

kZ
Et en
~
posant Ha(f)=Ha(fFe) rect(b,b)(f) on a :
~
2jf
Ye(e ) = Fe Xa((k f)Fe)Ha((k f)Fe)
kZ
kZ
146
ANALYSE DES FILTRES

NON RECURSIFS OU RIF
147
RIF
Il existe des mthodes de conception de filtre RIF simple
mettre en uvre
Phase linaire, donc pas de dispersion
Stabilit
Cher en ralisation
Le retard entre lentre et la sortie peut tre relativement
longue
148
X(n)
a0
1
a1
1
ak
y(n)
Y(z) b0+b1z1+...+bN zN

H(z)=
=
X(z)
1
149
Filtre rponse impulsionelle

finie (RIF)
yn=h0 xn+...+hL1xnL1
Stabilit : un filtre RIF est stable

Phase linaire: si la rponse impulsionelle
vrifie
hL =hN L L [0,N]
Remarque: consquence directe de la symtrie de la rponse
impulsionelle
150
Exemple
Considrons le filtre RIF, dont la rponse :
h0=h3, h 1=h2 et h n=0 pour n{0,1,2,3}
Sa rponse en frquence est :

2jf
H(e )=h0+h 1e2jf +h 2e4jf +h3e6jf

3j
= e (h 0 cos( 3f )+h1 cos( 6f ))
151
Synthse RIF passe-bas par la

mthode de la fentre
On veut construire un filtre numrique idal rel de bande
b(0,1/2) dfinie par :
H(e2jf )=rect(b,b)(f)
b
Donc
2jnf
hn= e
b
sin(2nb)
df =
n
La meilleure approximation en m.q. de longueur 2N+1 est :
gn= hn si n[N,...,N}
0
sinon
Remarque: cette troncature introduit des lobes dans la rponse

152
en frquence
Algorithme
1.
2.
3.
On se donne le gain complexe H(f) raliser et le nombre N de

coefficients du filtre
On dtermine les coefficients h(n) par la formule prcdente en
limitant le calcul N valeurs rparties de facon symtrique autour
de n
On multiplie terme terme la suite obtenue par une suite w(n)
appele fentre de pondration
153
Fentre de pondration
Sont des fentres qui prsentent des lobes secondaires de
moindre amplitudes.
Consquence: llargissement de la bande de transition.
Exemple: Hamming
wn=0.54+0.46cos(n/N) o n{-N,...,N}
gn=hnwn
Remarque: la pondration utilise conserve la symtrie de
la fentre et donc la proprit de phase linaire
154
Synthse RIF passe-bande partir dun

RIF passe-bas
Soit hn la rponse impulsionnelle dun filtre passe-bas de bande B.
Considrons le filtre de rponse impulsionnelle:
gn=2h ncos(2 f0 n)=hne2jf0n+hne2jf0n

Par TFtd on en dduit que lexpression du gain complexe de gn:
2jf
2j(f + f0)
G(e )=H(e
2j(f f0)
)+H(e
Conclusion : Si hn est filtre passe-Bas de bande B, gn est un passe-bande

centr autour de f0 de bande 2B
155
Exemple
Supposons que l'on veuille faire un filtre passe-bas de frquence de
coupure fc,
sn=1en+ 1en1
2 2
On peut prendre
Rponse de ce filtre :
S(z)=1 E(z)+1 E(z)z1

2
2
H(z) =
S(z) 1 1 1
= +
E(z) 2 2 z
On a donc une rponse frquentielle du type :

H(j)=1 + 1e
2 2
jTe
=1(e
2
Rponse en amplitude
jTe
2
jTe
2
+e
)e
jTe
2
Te jTe
2

=cos
e
2

Rponse en phase
156
157
L' quation de rcurrence

Ex: y(n)=x(n)-x(n-1) drivateur mais avec des
rsultats trs moyens sauf pour les basses
frquence.
158
159
ANALYSE DES FILTRES

RECURSIFS OU RII
160
Synthse des filtres numriques par

transformation de H(p) en H(z)
Transposer la fonction de transfert H(p) de son homologue
analogique du plan p dans le plan z par une rgle reliant p z
Transformation dEuler ou quivalence de la drivation
y(t)= dx yk = xk xk 1
dt
Te
Y(p)= pX(p) H(p)= p
Y(z)= 1 X(z) X(z) z

Te
1
1
1
p z
Te
1
1
= z X(z)
Te
161

162
Traitement Multicadence
Un systme multicadence est caractris par le fait que des cadences
de traitement diffrentes sont prsentes simultanment en divers points
de la chane de calcul
Exemple: les oprations de sur et de sous-chantillonnage
Avantage: gain en termes defficacit de calcul
163
Applications du traitement du signal

multicadence
Filtrage bande troite : Audio numrique
Le codage en sous-bandes
La conversion analogique/digitale (-)
Transmultiplexeurs (OFDM)
MPEG audio/vido

164
Problmatique
Les systmes de communications mobiles (GSM) ou interactifs sur cbles sont
des systmes o divers utilisateurs sont autoriss communiquer
simultanment.
L'accs multiple est classiquement rsolu en ayant recours au multiplexage
temporel des signaux (GSM) o l'attribution de codes diffrents (code division
multiple acces). Pour les rseaux CATV interactifs, il a rcemment t
propos d'attribuer chaque utilisateur une forme d'onde qui est en fait une
fonction de base d'une transformation de Fourier discrte.
Cette technique a t baptise OFDMA (orthogonal frequency division
multipleacces).
Solution:
Structures en bancs de filtres (systmes sous-bandes) , qui sont plus

gnraux que les systmes transformation orthogonale.
165
Introduction
Un banc de filtre est un ensemble de filtres numriques travaillant en
parallle et dcoupant la bande de frquence en K sous bandes.
Le traitement du signal numrique traditionnel utilise des blocs
comme: ladditionneur, multiplicateurs et des le retard.
Dans les systmes banc de filtres, nous avons deux nouveaux bloc
Dcimateur
M
Expandeur
L
166
Sur-chantillonnage
Consiste effectuer une interpolation sur une suite x(n) en calculant
M-1 valeurs intermdiaires entre deux points conscutifs
Sous-chantillonnage
Consiste calculer, partir dune suite chantillonne fe, les valeurs
de la mme suite qui aurait t chantillonne fe/M
167
M Dcimateur
M dcimation:
M
y (n) = x( Mn)
1
Y ( z) =
M
z =e
j
M 1
1/ M
k
(
),
X
z
W
W = e j 2 / M
k =0
1
Y (e ) =
M
j
M 1
j ( 2 k ) / M
(
)
X
e

k =0

168
chelle temps
Temps physique
Squence
x (n)
1 0
x(t )
T 2T 3T 4T 5T 6T 7T
y (t )
y (n)
1 0
T
2T
4T
6T
169
chelle frquence
Frquence physique
X ( e j )
Frquence normalise
X ( j)
2
Y ( e j )
2
2
Y ( j)
1
1
2
2
170
L Expandeur
x
L
L-expandeur:
y(n)=x(n/ L),n est un multiple de L
en rest
0,
Y ( z) = X ( z L )
z = e j
Y (e j ) = X (e jL )

171
Filtre Dcimateur
u
H (z )
M
Filtre
Dcimateur
Dcimateur
u ( n) =
U ( z) = X ( z)H ( z)
x ( k ) h( n k )
k =
1
Y ( z) =
M
1
=
M
M 1
y (n) = u ( Mn)
1/ M
k
(
)
U
z
W

k =0
M 1
X (z
1/ M
W )H (z
1/ M
W )
x(k )h( Mn k )
k =
k =0
172
Filtre Interpolateur
x
L
expandeur
U ( z) = X ( z )
Y ( z) = U ( z)H ( z)
L
= X ( z )H ( z)
H (z )
filtre
interpolateur
u(n)= x(n/L), n multiple de L

en rest
0,
y ( n) =
u ( k ) h( n k )
k =
x(k )h(n kL)
k =
173
Connexion des lments dun schma bloque

x
M
M
x2
M
x2
y
x1
M
x1
M
x2
M
x2
x1
M
x1
M
y
174
Dcimateur-Expandeur en
cascades
x
L
M
u0
u1
M
L
y0
y1
y0= y1 si et seulement si (M,L) premires
175
Simplification
Identit 1:
x
H (z M )
M
M
H (z )
Identit 2:
x
L
H (z )
H (z )
L
176
Filtres Spciaux
E0 ( z ) = c
Filtre banc dordre M:

M 1
H ( zW
) = Mc
k =0
Reprsentation frquentielle:
H (z )
H (zW )
H ( zW )
H ( zW
M 1

0
2
177
Banc de Filtres Numriques

Analyse
x
Synthse
H 0 ( z)
x0
y0
F0 ( z )
H1 ( z )
x1
y1
F1 ( z )
H M 1 ( z )
xM 1
y M 1
FM 1 ( z )
178
Conclusions:
M-banc de filtres:
H 0 ( z)
H1 ( z )
H M 1 ( z )
x0
x1
xM 1
M
M
M
v0
v1
vM 1
M
M
M
u0
u1
u M 1
F0 ( z )
F1 ( z )
FM 1 ( z )
La reconstruction exacte est:
X ( z ) = cz n0 X ( z ),
x (n) = cx(n n0 )
179
M=2 :
x
x0
x1
G0(z)
2
2
H0(z)
G1(z)
2
2
H1(z)
y0
y1
Y0(z)=H0(z)[G0(z)X(z)+G0(z)X(z)]/2
Y1(z)=H1(z)[G1(z)X(z)+G1(z)X(z)]/2
La reconstruction parfaite est assure lorsque
X(z)= zr X(z)

180
G0(z)H0(z)+G1(z)H1(z)=2zr
G0(z)H0(z)+G1(z)H1(z)=0
QMF: G1(z)=G0(-z)
CQF: G1(z)=(-z) -N G0(-z -1)
181
Transmission Numrique
182
Types de transmission
Transmission en bande de base: les signaux sont transmis
tels quils sortent de la source
Transmission par modulation: transposer le signal en autre
contenant la mme information, mais avec une modification
en frquence du signal
Permet le multiplexage frquentiel
Adaptation aux condition dun milieu de transmission
183
Quantit dinformation
La quantit dinformation I contenue dans un caractre est :
I =log2 p(xi)
Quantit dinformation moyenne dune source Entropie
Soit une source ayant mis un message de m caractre issus dun
alphabet de n caractre alors
n
H(X)= p(xi)log2 p(xi)

i=1
184
Message numrique en bande de

base
Le message numrique est une suite {dk} de v.a. valeurs
dans {0,1}
Le modulateur associe de faon bijective chacun de 2k
message possible un signal temps continue x(t)
Exemple: le signal numrique est engendr partir dune
impulsion h(t) dcale et module par dk
K
x(t)=dk h(t kTb)

k =1
O Tb est lintervalle de temps entre lmission de 2 bits
Db= 1
Tb
185
Transmission binaire
On considre un alphabet fini M symboles
M =2m
On choisit un codage qui associe toute suite de m bits du message
numrique un symbole ak de lalphabet A
Le modulateur fournit le signal numrique:
x(t)=ak h(tkT) o T =mTb
k
Donc
R= 1 = Db
baud
T log2(M)
Codage de Gray
100
-7
101
-5
111
-3
110
-1
010
1
011
3
001
5
000
7
186
Modulation sur frquence

porteuse
On associe un symbole dans lintervalle de temps (kT,(k
+1)T) le signal:
x(t)=A cos(2f0t+k)
Lenveloppe complexe de x(t) a pour expression
xb(t)= Aak rectT(tkT) ak =exp(jk )

k
187
Introduction
Lors de transmission sont mis, soit des signaux analogique numriss
soit des donnes purement et initialement numrique
La suite des valeurs binaires obtenues est transforme en une srie
dimpulsion destine tre transmises cest la transmission PCM
En modulation numrique diffrentielle dite DPCM sont transmis des
diffrences en amplitude des chantillons successifs
188
Modulation PCM
Supposons que le signal analogique transmettre ait quantifi en
amplitude sur q niveaux reprsents par des nombres binaires de n
bits : q=2n Donc, il faut transmettre n impulsions binaires pour chaque
chantillons soit nFe impulsion par seconde.
Le dbit de moments est donc :
M =nFe (Bd)
La bande passante ncessaire la transmission PCM dun signal
analogique dont le spectre est born par par valeur suprieure
fmax=Fe/2 est :
B= M = n Fe=nfmax
2 2
189
Modulation delta
Principe
Cest fondamentalement une quantification un seul bit. Cette
variable est gale la diffrence entre lamplitude xe[n] de
lchantillon informatif et une amplitude x(n) reconstitu par
extrapolation successives dordre zro.
Pour cette reconstitution on utilise un pas de quantification
x est calcul la fois par lmetteur pour la modulation et par le
rcepteur.
190
Bande passante
Le dbit de moments est donc M=Fe (Bd).
Les erreurs de tranage cest dire la possibilit que lcart entre x(t)
et x(t) ne soit suprieure qui impose :
dx(t)
Te dt max
dx(t)
fe 1
dt max
Condition plus exigeante que le thorme de Shannon
191
Analyse Temps-Frquence
192
LAnalyse Temps Frquence

La representation temps-frquence affiche comment les frquence
contenues dans un signal change avec le
La transforme de Fourier
Nest pas adapte pour ce type de
signaux
Time Signal
Fourier Spectrum
Lanalyse temps frquence est bien adapte pour des signaux

Non-stationnaires
Optimal-Kernel
Wigner Distribution
Spectogram
193
LAnalyse Temps Frquence

Short Time Fourier Transform
STFTx ( t , f ) = x( t ) * ( t t ) e j 2ft dt
t
x(t) le signal
(t) la fonction fenetre
t
le temps
Pour avoir une bonne localisation en temps nous utilisons une

fentre de petite taille
Dans la STFT une fonction fentre est utilise sachant dont la

taille reste constante
194
Noise Corrupted Residuals

Measurement White Noise (0, 0.2)
0
0
1
1
2
2
Coloured Noise (standard deviation = 1.6156 )

0
0
1
1
2
2
195
Noise free case
Coloured noise corrupted residuals
196
Solution :
197
Les Ondelettes temps-chelle de

Grossman-Morlet
Lchelle signifie que le signal sera, une chelle donne,
remplac par lapproximation la plus adquate que lon
puisse tracer cette chelle .
C est une projection sur une base dite d ondelettes
issues de la mme ondelette mre.
198
Analyse frquentielle et
analyse espace-chelle
analyse de Fourier
cos(t) et sin(t)
analyse en ondelettes : temps-chelle
frquence analyse en fonction de la largeur de
fentre
199
La transforme en ondelettes continue

unidimensionnelle (x)
D'aprs cette interprtation, nous pouvons reprsenter un signal

monodimensionnel f(x) (ou une fonction) sous forme d'un champ deux
dimensions WT(b,a); en faisant varier b (homogne un temps), et a
(homogne une chelle). Le rsultat est une reprsentation temps-chelle de
f(x).
La famille des ondelettes construite par dilatation-translation partir de

l'ondelette mre est dfinie comme :
( )
ab= 1 xb
a
a
avec a 0 et a,b R, ainsi, toutes les ondelettes ont la mme nergie.

200
La transforme en ondelettes continue

unidimensionnelle
La transforme continue s'crit :
( )
1 f(x) xb dx
a
a
Pour un signal, une formulation quivalente de WT est
donne partir des transformes de Fourier de f et , si
on utilise l'identit de Parceval. :
>
2WTf, (a,b)=< f,
a,b()= a exp(iab)
(a)

201
Ondelettes mre
dilatations et translations dune fonction analysante

norme
oscillante
localise
202
Proprits fondamentales
203
Conservation de l'nergie
L'information contenue dans le signal est conserve dans le
passage de f ses coefficients d'ondelettes.
La transforme inverse permet la reconstruction de la
fonction f en sommant toutes les contributions de la
transforme directe dans le plan a x b.
204
Linarit, invariance par dilatation

et translation
La transforme en ondelettes est une application linaire.
Une des proprits importantes est le principe de
superposition qui est respect.
Si WTf,(a,b) est la transforme en ondelettes de f(x), alors
WTf,(a,b-x0) est la transforme de f(x-x0) et WTf,(a/,b/)
est la transforme de 1/}f(x/ ).
Cette proprit n'est pas valable dans le cas de la
transforme en ondelettes discrte.
205
Localisation espace-chelle
La localisation d'ondelettes dans le temps et dans
les frquences permet de reprsenter la zone
d'influence dans le demi-plan espace-chelle R x R
d'un vnement se produisant l'instant x pour le
signal f.
206
Deux sinus des frquences

diffrentes
207
Transforme en Ondelettes
Exercice
208

Signal PDF

Transféré par

Informations du document

Titre original

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

Signal PDF

Transféré par

Droits d'auteur :

Formats disponibles

Licence Professionnelle

Universit Paul Sabatier

Les Bases du Traitement des

Quest-ce quun signal ?

Do un signal vient ?

Bases thoriques du traitement du signal

Mthodes du traitement du signal

Classification des signaux

CLASSEMENT DES SIGNAUX

Nombre limit et discret d'tats

CLASSEMENT DES SIGNAUX

Les signaux nergie finie

Les signaux puissance moyenne finie non-nulle

Signaux de dure finie

Signaux pairs et impairs

Classement des signaux

Quelques signaux dterministes

Remarque : Nous dfinissons l'impulsion de Dirac (t) au sens

Mthodes danalyse des

fo=1/T est la fondamentale

Synthse dun signal triangulaire

f(t) = 1 F()e jtd

On appelle densit spectrale dnergie

Transforme de Fourier des signaux dnergie finie

- si est faible, le signal est bien localis en

mais 1/ est grand et le spectre est

Transforme de Fourier des signaux dnergie finie

Transforme de Fourier des signaux dnergie finie

Exemple de calcul de Transforme de Fourier

s(t) = s ()s (t)d

La TF du produit de convolution est le produit algbrique

Proprits du produit de convolution

Convolution avec un Dirac

-Principe de la mthode, suite

-On fait le produit x(t).y(t-t) l o les 2 signaux sont dfinis

-On recommence pour t variant sur R et on obtient la convolution x(t)*y(t)

La distribution de Dirac (t)

La distribution de Dirac (t)

Utilisation de la distribution de Dirac

Donc la transforme Fourier de cos et de sin est :

Corrlation des signaux

Cx, y()= x1(t+)x2(t)dt

x, y(k)= x(l)y(l +k)

Dtection synchrone par corrlation dun

Cs,x () = Cx,x ()+Cb,x ()

=0 si le temps dintgration du corrlateur est suffisamment grand

La dtection se fait grce au vobulateur (variation linaire de la

F()= f()= f(t) exp( jt ) dt

Mesure la quantit doscillations la frquence qui est

Donc, la Transforme de Fourier est borne et continue.

y(t)= x(u)h(tu)du = x(tu)h(u)du

Rponse impulsionnelle h(t)

Valeurs et Vecteurs Propres

Remarque kv est aussi un vecteur propre

Le = h(u )e j ( t u ) du = h( )e jt

est la Transforme de Fourier de h la frquence .

Si h(t ) = L (t ) nous avons :

f (u )h(t u)du = h(u) f (t u)du = ( f h)(t )

f(t) F(f) F(f) f(t) f(t)F(f)

f(t) + g(t) F(f ) + G(f )

La transforme de Fourier inverse ( f, f L1):

Relation avec la Transforme de Fourier

La largeur du paquet d'nergie d'un signal dans le temps

uh (t)= sin x dx