Theorie Et Traitement Des Signaux PDF

Cet ouvrage fait partie d'une srie de vingt-deux volumes
dont les titres sont les suivants:
1 INTRODUCTION A L'LECTROTECHNIQUE
Il MATRIAUX DE L'LECTROTECHNIQUE
III LECTROMAGNTISME
IV THORIE DES RSEAUX DE KIRCHHOFF
V ANALYSE ET SYNTHSE DES SYSTMES LOGIQUES
VI THORIE ET TRAITEMENT DES SIGNAUX
VII DISPOSITIFS A SEMICONDUCTEUR
VIII LECTRONIQUE
IX LECTROMCANIQUE
X MACHINES LECTRIQUES
XI MACHINES SQUENTIELLES
XII NERGIE LECTRIQUE
XIII HYPERFRQUENCES
XIV CALCULATRICES
XV LECTRONIQUE DE PUISSANCE
XVI LECTRONIQUE DE RGLAGE ET DE COMMANDE
XVII SYSTMES DE MESURE
XVIII SYSTMES DE TLCOMMUNICATIONS
XIX FILTRES LECTRIQUES
XX TRAITEMENT NUMRIQUE DES SIGNAUX
XXI LECTROACOUSTIQUE
XXII HAUTE TENSION
Le Trait d'ElectriCt est une publication des

Presses polytechniques et universitaires romandes, fondation
scientifique dont le but est la diffusion des travaux
de l'Ecole polytechnique fdrale de Lausanne.
Le catalogue de ces publications peut tre obtenu aux
Presses polytechniques et universitaires romandes,
CH-1015 Lausanne.
Troisime dition revue et corrige

ISBN {srie}: 2-604-00002-4
ISBN (ce volume): 2-88074-319-2
1996 Presses polytechniques et universitaires romandes
CH-1 015 Lausanne
Imprim en Suisse par Corbaz SA. Montreux
INTRODUCTION
Gnralits
Elaboration, dtection, interprtation de signaux porteurs d'informations sont les
principaux objectifs du traitement des signaux. Cette discipline s'appuie essentiellement sur l'lectronique et l'informatique. Elle trouve son champ d'application dans
tOtiS les domaines concerns par la perception, la transmission et l'exploitation d'informations. Ce vaste champ s'tend des tlcommunications l'instrumentation scientifique, de l'automatisation industrielle au gnie biomdical, en passant par le traitement
d'images, la reconnaissance de formes, la robotique, l'intelligence artificielle ...
L'outil d'analyse et de synthse de systmes de traitement est la thorie du signal.
C'est un ensemble de concepts et de modles mathmatiques inspirs de l'analyse fonctionnelle, de l'algbre linaire et du calcul des probabilits.
Son point de dpart est le dveloppement orthogonal des fonctions, dont le cas
particulier le plus intressant est le modle de Fourier. 11 conduit aux concepts fconds
de dualit temps-frquence et de spectre frquentiel qui s'appliquent aussi bien l'tude des signaux dterministes que des signaux alatoires, continus ou chnntillonns,
moyennant l'introduction de la notion de corrlation et de modles statistiques appropris. Les concepts de signal analytique et d'enveloppe complexe gnralisent celui de
phase ur, introduit en lectrotechnique. Ils facilitent la reprsentation des signaux
bande troite et favorlsent le dveloppement d'une thorie de la modulation.
Le modle ut.lis en traitement des signaux est celui des schma-fonctionnels:
assemblages symboliques de blocs fonctionnels ralsant une tche lmentaire. Les
modles de ces blocs fonctionnels sont tablis en comparant leurs signaux d'entre et
de sortie. Il en rsulte un riche inventaire de proprits et de relations qui, combines,
permettent de dcrire ou de prdire le fonctionnement de systmes complexes. La recherche et l'valuation des performances de procdures efficaces de conversion, de dtection, de mesure, etc., de signaux s'en trouve facilite.
Le but de cet ouvrage est d'apporter l'ingnieur. ou tout autre scientifique
concern, les bases thoriques fondamentales ncessaires la comprhension ou l'utilisntion de cette discipline.
Place du volume VI dans le Trait d'Electricit

La thorie du signal fait aujourd'hui partie du bagage culturel de tout ingnieur
lectricjen de niveau universitaire. Elle intervient dans l'laboration du cahier des charges et dans l'valuation des performances de nombreuses installations techniques. Elle
est en cela complmentaire de l'lectromagntisme (vol. III) et de ln thorie des cir
cuits (vol. IV).
vi
THrtOlUE ET TRAITEMENT UES SIGNAUX
Le traitement des signaux est troitement associ l'lectronique analogique ou

numrique (vol. VIII et XIV), aux mesures (vol. XVII), aux tlcommunications (voL
XVlll), l'lectroacoustique (vol. XXI). etc. Il apporte il ces domaines ses mthodes
et ses modles de schmafonctionnels. La position du volume VI est donc centrale au
sein des disciplines intressant l'ingnieur lectricien: la frontire entre les tudes
thoriques et les applications pratiques.
L'aspect plus particulier du traitement numrique des signaux fait l'objet, vu son
importance actuelle, d'un ouvrage spcifique (vol. XX).
Organisation de l'ouvrage
Ce livre est compos dp deux parties. L'ensemble des chapitres 1 7, complt
par les chapitres annexes 14 ct 15, forme la base d'une introduction gnrale la tl1orie du signal. Les chapitres 8 13 sont, eux, consacrs il la modlisa tion des principales
oprations fondamentales de traitement des signaux.
L'ouvrage dbute par une introduction gnrale sur la nature des signaux et l'volution des procds de traitement, suivie d'une classification des signaux. Les reprsentations mathmatiques des signaux dterministes et, en particulier, leur reprsentation spectrale, sont introduites aux chapitres 3 et 4. Les modles de signaux alatoires
sont reprsents au chapitre 5 et complts au chapitre 6 par l'tude du bruit de fond.
Les concepts de signal analytique et d'enveloppe complexe sont dvelopps au chapi
tre 7.
Le chapitre 8 prsente un essai d'tude systmatique des principaux oprateurs
fonctionnels rencontrs en traitement des signaux. Les chapitres 9 et 10 sont consacrs
l'tude des conditions d'chantillonnage et de reprsentation numrique.
Une thorie de la modulation faisant appel au modle de l'enveloppe complexe
est esquisse au chapitre 11. Les principes de l'analyse spectrale exprimentale sont
dcrits au chapitre 12. Enfin, thme central en traitement des signaux, les mthodes de
dtection ct d'estimation sont abordes au chapitre 13.
L'ouvrage est complt par deux annexes, dont l'une (chap. 14) est consacre
un rappel de thorie des probabilits et J'autre (chap. 15) contient un ensernble de tables de rfrences.
Objectifs pdagogiques
La matire runie dans cet ouvrage convient un enseignement d'environ 80
li 100 heures, rparti de prfrence sur une anne. Moyennant une certaine slection
des sujets abords, cette matire peut tre traite dans un temps plus rduit, si l'on se
borne un objectif de formation de base et non d'approfondissement.
De nombreux exemples et exercices son t proposs pour faciliter une tude individuelle.
La relation entre les concqpts abstraits de la thorie du signal et les potentialits
pratiques du traitement des signaux ne peut toutefois tre perue que moyennant des
travaux pratiques additionnels: laboratoires ou projets.
Conventions
Le Trait d'Electricit est compos de volumes (vol.) reprs par un chiffre romain (vol. V). Chaque volume est partag en chapitres (chap.) reprs par un nombre
arabe (chap. 2). Chaque chapitre est divis en sections (sect.) repres par deux nombres arabes spars par un point (sect. 2.3). Chaque section est divise en pan:lgraphes
() reprs par trois nombres arabes spars par deux points ( 2.3.11 ). Les rfrences internes stipulent le volume 1 le chapitre. la section ou Je paragraphe du Trait auquel
on renvoie. Dans le cas de la rfrence une partie du mme volume, on omet le numro de celui-ci.
Les rfrences bibliographiques sont numrotes contnlment par volume et repres par un seul nombre arabe entre crochets [33].
Un terme appara]t en italique maigre la premire fois qu'il est dfini dans le texte.
Un passage important est mis en vidence lorsqu'il est compos en italique gras.
Un pamgraphe dlicat ou compliqu est marqu par le signe !fil prcdant son repre nLlmriquc~ dans les exercices. cc mme signe peut galement annoncer des calculs
longs et fastidieux. Un paragraphe qui n'est pas indispensable la comprhension de ce
qui suit est marqu par le signe 0 prcdant son repre numrique.
Les quations hors texte sont numrotes continment par chapitre et repres
par deux nombres arabes placs entre parenthses et spars par un point (3.14): une
quation est mise en vidence par son numro imprim en caractre gras. Les figures
et tableaux sont numrots continment par chapitre et reprs par deux nombres arabes prcds de Fig. (Fig. 4.12) ou Tableau (Tableau 4.13).
TABLE DES MATIRES
CHAPITRE 1
CHAPITRE 2
CHAPITRE 3
CHAPITRE 4
CHAPITRE 5
INTRODUCTION. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
SIGNAL ET INFORMATION
1.1 Thorie du signal et de l'information. . . . . . . . . . . . . .
1.2 Traitement des signaux. . . . . . . . . . . . . . . . . . . . . . .
1.3 Notations particulires. . . . . . . . . . . . . . . . . . . . . . .
1.4 Exercices................................
1
9
15
25
CLASSIFICATION ET MODLES DES SIGNAUX

2.1 Signaux physiquement ralisables et modles
thoriques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Signaux dterministes ou alatoires. . . . . . . . . . . . . . .
2.3 Signaux nergie ou puissance moyenne finie. . . . . . . .
2.4 Variables continues et discrtes. . . . . . . . . . . . . . . . .
2.5 Autres classes importantes. . . . . . . . . . . . . . . . . . . . .
2.6 Exercices................................
27
28
33
35
37
40
REPRSENTATION VECTORIELLE DES SIGNAUX

3.1 Espace de signaux. . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Approximation au sens des moindres carrs . . . . . . . . .
3.3 Dveloppement en srie de fonctions orthogonales. . . . .
3.4 Principaux ensembles de fonctions orthogonales. . . . . .
3.5 Exercices................................
41
49
52
57
66
SIGNAUX DTERMINISTES
4.1 Rappel sur ]a transformation intgrale de Fourier
4.2 Signaux nergie finie. . . . . . . . . . . . . . . . . . . . . . .
4.3 Signaux puissance finie. . . . . . . . . . . . . . . . . . . . . .
4.4 Cas particulier des signaux priodiques . . . . . . . . . . . .
4.5 Reprsentations spectrales bilatrales et unilatrales. . ..
4.6 Exercices................................
69
73
89
94
105
107
SIGNAUX ALATOIRES
5.1 Modle statistique: processus alatoire. . . . . . . . . . . ..
5.2 Fonctions d'autocorrlation et d'autocovariance . . . . ..
5.3 Densit spectrale de puissance . . . . . . . . . . . . . . . . ..
1l l
125
] 33
Tll(,OIUE ET TRAITEMENT DES SIGNAUX
5.4
CHAPITRE 6
CHAPITRE 7
CHAPITRE 8
159
162
163
166
BRUIT DE FOND
6.1 Sources de bruit
6.2 Bruit thermique . . . . . . . . . . . . . . . . , . , ...... .
6.3 Brut de grenaille . . . . . . . . . . . . . . . . . . . . . , , ...
6,4
Bruit additionnel de basse frquence (en l/f) . . . . . . .
6.5 Autres sources de bruit . . . . . . . . . . . . . . . . . . . . . .
6.6 Facteur de bruit d'un systme linare ..... , ......
6.7 Gnrateurs de bruit . . . . . . . . . . . . . . . . . . . . . . .
6.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
171
173
179
183
184
185
190
191
.
.
.
.
.
SIGNAL ANALYTIQUE ET ENVELOPPE COMPLEXE

7.1
Transforme de Hilbert d'un signal . . . . . . . . . . . . . . .
7.2 Principales proprits . . . . . . . . . . . . . . . . . . . . . . . .
7.3 Enveloppe relle et phase d'un signal . . . . . . . . . . . . . .
7.4 Enveloppe complexe et reprsentation des signaux
spectre passe-bande . . . . . . . . . . . . . . . . . . . . . . . .
7.5
Largeur de bande et dure des signaux . . . . . . . . . . . . .
7.6 Exercices................................
OPRATEURS FONCTIONNELS
8.1 fvlodlisation des systmes de traitement
8.2 Oprateurs linares invariants . . . . . . . . . . . . . . . .
8.3 Opmteurs paramtriques. . . . . . . .. . ...... , ..
8.4 Oprateurs non linaires invariants . . . . . . . . . . . . . .
8.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
144
147
151
153
]93
196
:200
208
218
:2:25
227
230
249
255
268
CHANTILLONNAGE DES SIGNAUX

9.1
Introduction . . . . . . . . . . . . . . . . . . , . . . . . . . . . . .
9.2 Modles de signaux chantillonns. . . . . . . . . . . . . ..
9.3 Thormes d'chantillonnage et consquences. . . . . . ..
9.4 Reconstitution par interpolation ou extrapolation. . . ..
9.5 Exercices................................
273
275
281
292
301
10 NUMRISATION DES SIGNAUX

10.1 Conversion analogique-numrique et numriqueanalogique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
10.2 Cadences lmites de conversion AIN . . . . . . . . . . . . ..
307
310
CHAPITRE 9
CHAPITRE
Fonctions dntercorrlalion ct densits spectrales

mutuelles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
5.5 Somme de signaux alatoires. . . . . . . .. . . . . . . . . .
5.6 Produitdesignluxalatoires . . . . . . . . . . . . . . . . . . .
5.7 Processus gaussiens . . . . . . . . . . . . .
5.8 Processus de Poisson . . . . . . . . . . .. . . . . . . . . . . .
.... . . . . . . ..
5.9 Processus de Markov . . . . . . . . ..
5.10 Signaux pseudo-alatoires. . . . . . . . . . . . . . . . . . . ..
5.11 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
xi
TABLE [lES r.IATIRES
] 0.3
10.4
10.5
10.6
CHAPITRE 11
CHAPITRE 12
CHAPITRE 13
CHAPITRE 14
CHAPITRE 15
Quan tification . , . . . . . . . . . . . . .
Codage binaire . . . . . . . . . . . . . . .
Acquisition de donnes . . . . . . . . . .
Exercices. . . . . . . . . . . . . . . . . . .
.
.
,
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
..
..
314
324
327
332
MODULATION ET CHANGEMENT DE FRQUENCE

Il.] Principes gnraux. . . . . . . . . . . . . . . . . . . . .
Il.2 Modulations linaires. . . . . . . . . . . . . . . . . . .
11.3 Modulations angulaires. . . . . . . . . . . . . . . . . .
Il.4 Modulations d'impulsions. . . . . . . . . . . . . . . .
11.5 Changement et multiplication de frquence . . . .
Il.6 Exercices. . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
..
..
..
..
333
336
349
362
365
367
ANALYSE SPECTRALE EXPRIMENTALE

12.1 Principes gnraux ........ , . . . . . .
12.2 Analyseurs de spectre multicanaux . . . .
12.3 Analyseurs de spectre balayage . . . . .
] 2.4 Exemples d'application. . . . . . . . . . . .
12.5 Exercices..... . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
..
..
..
371
387
392
397
408
DTECTION ET ESTIMATION
13.1 Estimation de paramtres. . . . . . . . . . .
13.2 Comparaison de signaux. . . . . . . . . . . .
13.3 Elments de thorie de la dcision . . . . .
13.4 Dtection de signaux de formes connues.
13.5 Exercices... . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
..
..
..
409
430
441
453
460
RSUM DE TIIORIE DES PROBABILITS

14.1 Dfinitions fondamentales. . . . . . . . . . .
14.2 Variables alatoires . . . . . . . . . . . . . . .
14.3 Moyennes statistiques et moments. . . . .
14.4 Principales distributions. . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
..
..
465
466
474
478
FORMULAIRE ET TABLES DE RFRENCES

15.1 Formulaire...............................
15.2 Principales identits trigonomtriques . . . . . . . . . . . . ,
] 5.3 Proprits principales de la transformation de Fourier
et relations associes . . . . . . . . . . . . . . . . . . . . . . ..
15.4 Table illustre de transformes de Fourier. . . . . . . . ..
15.5 Description temporelle, spectrale et statistique de
signaux typiques. . . . . . . . . . . . . . . . . . . . . . . . . ..
15.6 Reprsentation et tabulation des fonctions sine (Cl!) et
sine 2 (Cl!) . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
15.7 Fonctions de Bessel de premire espce. . . . . . . . . . ..
15.8 Loi normale (Gauss). . . . . . . . . . . . . . . . . . . . . . . ..
15.9 Fonction de Marcum . . . . . . . . . . . . . . . . . . . . . . ..
487
492
493
497
500
501
502
504
508
xii
THORIE ET TItAITEMENT DES SIGNAUX
SOLUTIONS DES EXERCICES .. , . . . . . . . . . . . . . . . . ..
511
BIBLIOGRAPHIE. . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
515
INDEX ANALYTIQUE ...... , ..
533
. ....... , . . . . . . .
GLOSSAIRE . . . . . . . . . . , ..... , . . . . . . . . . ..
....
543
CHAPITRE 1
1.1 THORIE DU SIGNAL ET DE L'INFORMATION
1.1.1 Place de la thorie et du traitement des signaux dans le domaine de

l'lectricit et de ]a science en gnral
Les applications de l'lectricit sont gnralement regroupes en deux domaines
principaux, d'ailleurs largement interdpendants:
les techniques de l'nergie;
les teclmiques de l'information.
La thorie et le traitement des sgnalLx est une discipline appartenant au deuxime domaine, auquel eUe apporte la fois des bases thoriques fondamentales et des
teclmiques particulires.
Son influence dborde toutefois aussi sur les teclmiques de l'nergie, dans la mesure o l'on y rencontre de nombreux phnomnes (fluctuations de charge d'un rseau
lectrique, vibrations d'une machine tournante, variations transitoires du courant d'excitation d'un moteur lectrique, perturbations lectromagntiques, etc.) qui peuvent
tre tudis avec les mmes outils thoriques ou exprimentaux que ceux utiliss pour
les signaux informationnels.
En fait, la thorie et le traitement des signaux intresse tous les secteurs techniques et scientifiques dans lesquels l'information est perue par l'intenndiaire d'observations exprimentales de grandeurs mesurables.
Ces deux termes-cIefs : perception et traitement, indiquent pourquoi cette discipline s'est avant tout dveloppe en relation avec les applications de l'lectricit et
plus particulirement celles de la mtrologie, responsable de la perception, des tlcommunications et de l'informatique, chargs du traitement.
La mtrologie (vol. XVII) fournit les capteurs qui traduisent pratiquement n'importe quel phnomne physique en une grandeur lectrique facilement amplifie, filtre, conditionne, code, etc., par des dispositifs lectroniques appropris (vol. VIII).
Les circuits de tlcommunications (vol. XVIII) acheminent le signal lectrique ainsi
cr vers son destinataire. L'informatique (vol. XIV), grce son nonne puissance de
calcul, permet d'effectuer des tches complexes de manipulations et d'interprtation
de l'information vhicule par le signal (traitement numrique: vol. XX).
L'universalit de la thorie et du traitement des signaux est atteste par la diversit des secteurs d'application: industriels, scientifiques, biomdicaux, militaires, spatiaux, etc.
THORIE ET TltAITEMENT DES SIGNAUX
1.1.2 Aperu historique [1]

Le mot sigllal vient de signe - signum en latin - qui dnote un objet, une marque,
un lment de langage, un symbole convenu pour servir de vecteur une information
l'usage des signes remonte la prhistoire.
Ce n'est qu'au XIXe sicle qu'apparat l'exploitation des signaux lectriques
avec l'invention du tlgraphe lectrique (Morse, Cooke, Wheatstone, 1830~1840).
Cette invention est rapidement suivie par celle du tlphone (Bell, 1876), puis par la
ralisation des premires liaisons radio (Popov, Marconi, 1895-1896). L'mergence de
l'lectronique, au dbut du XXe sicle (Fleming, Lee de Forest, 1904-1907) permet
enfin la dtection et l'amplification de faibles signaux. Ce sont l les vritables prmices du traitement des signaux.
Les auteurs des premires contributions l'tude mathmatique des fluctuations
du courant lectrique se sont efforcs d'adapter ce cas la mthode d'analyse dveloppe par Fourier (1822) dans le cadre de ses travaux sur la propagation de la cha1eur.
Les premiers travaux importants gnralisant cette mthode aux phnomnes et signaux alatoires ont t publis l'aube des annes 1930 par Wiener et Khintc1tine
[2, 3,4].
L'optimisation des moyens de tlcommunications et de radar (pendant la deuxime guerre mondiale) fut la base du dveloppement de la thorie du signal et de
l'information que nous connaissons aujourd'hui. Dans les annes 1920 dj, Nyquist
et Hartley s'taient attachs quantifier la quantit d'information transmise sur une
voie tlgraphique et avaient observ que la cadence maximum de transmission est
proportionnelle la largeur de bande frquentielle disponible. n faut toutefois atten~
dre jusqu'en 1948-1949 pour que paraissent les travatLx fondamentaux de Shannon
[5,6] sur la thorie mathmatique de la communication et de Wiener [7, 8] sur la cy~
bemtique (communication et rglage) et le traitement optimal des signaux ou des
donnes affects par du bruit. L'lment novateur est ici la prise en compte de l'aspect statistique des phnomnes tudis.
D'autres chercheurs ont contribu au dveloppement initial de cette thorie.
Citons particulirement : Kpfmller [9]. Gabor [10], Wood ward [11 ], Kolmogorov
[12], Kotelnikov [13], Riee [14], Goldman [15], Lawson et U1enbeck [16], Ville [17],
Blanc-Lapierre et Fortet [18], Brillouin (19] .
Les annes cinquante ont constitu une priode de maturation, suivie rapidement
par la publication de nombreux ouvrages vocation essentiellement didactique [20
42}. Simultanment, l'invention du transistor, en 1948, suivie environ dix ans plus tard
par la mise au point de la technologie des circuits intgrs, allait permettre la ralisation
de systmes de traitement complexes et la diversification des champs d'application.
Aujourd'hui, le traitement des signaux est une discipline autonome, qui intresse
de multiples domaines ( 1.2.1) s'tendant jusqu' la reconnaissance des formes, la
robotique et l'intelligence artificielle. Elle est complmentaire de l'lectronique et de
l'informatique, qui lui fournissent ses moyens.
Une bonne introduction aux concepts modernes d'analyse et de traitement des
signaux a t publie par Lynn [43]. Il prend largement en compte la tendance actuelle qui privilgie les mthodes numriques [44-48]. L'volution technologique, qui
permet la ralisation de processeurs spcialiss et de cot modr, assure ce domaine
un avenir prometteur.
1.1.3 Dfinition du signal

Un signal est la reprsentation physique de l'information, qu'il convoie de sa
source son destinataire.
Bien que les signaux soient considrs ici comme des grandeurs lectriques (gnralement courants ou tensions), la thorie prsente dans les chapitres suivants reste
valable - sous rserve d'adaptation adquate des units - pour tout type de signal,
quelle que soit sa nature physique.
1.1.4 Dfinition du bruit

On appelle bmt (en anglais: noise) tout phnomne perturbateur (interfrence,
bruit de fond, etc.) gnant la perception ou l'interprtation d'un signa], ceci par ana1ogie avec les nuissances acoustiques du mme nom.
1.1.5 Dfinition du rapport signal sur bruit

Le rapport signal sur b11lit est une mesure du degr de contamination du signal
par du brut. Il s'exprime sous la forme du rapport ~ des.puissances respectives du signal Ps et du bruit Pu
~ ==
(1.1)
Px/Pu
nest souvent indiqu selon une chelle logarithmique mesure cn dcibels

~dB
= 10 log 10 ~
dB
(1.2)
1.1.6 Dichotomie signal-bruit

La dichotomie apparente entre signal et bruit est artificielle et dpend des critres propres de l'utilisateur. Certains phnomnes lectromagntiques d'origine galactique capts par des antennes sont considrs comme du bruit par les ingnieurs des tlcommunications et comme un signa1 du plus haut intrt par les radioastronomes!
Ce qui diffrencie le signal du bruit est donc avant tout l'intrt de l'observateur.
Un signal perturb reste un signal et les mmes modles s'appliquent la description
du signal utile et celle des perturbations. La thorie du signal englobe donc celle du
bruit.
1.1.7 Thorie du signal: dfinitions et objectifs

La description mathmatique des signaux est l'objectif fondamental de la thorie du signal [49, 50].
Complmentaire de la thorie des circuits (vol. IV) et de celle de la propagation
des ondes lectromagntiques (vol. III), la thorie du signal fournit les moyens de mise
en vidence, sous une forme mathmatique commode, des principales caractristiques
d'un signal: la distribution spectra1e de son nergie ou la distribution statistique de
son amplitude, par exemple. Elle offre galement les moyens d'analyser la nature des
altrations ou modifications subies par les signaux lors de leur passage au travers de
blocs fonctionnels (chap. 8), dispositifs gnralement lectriques ou lectroniques. Par
l-mme, elle fournit les renseignements essentiels ncessaires la conception (cahjer
THORIE ET TRAITEMENT DES SIGNAUX
des charges) ou l'utilisation (mode d'emploi) de ces dispositifs. C'est ainsi que l'on
peut tablir les rgles respecter pour passer d'un signal analogique un signal numrique (chap. 9 et 10). Elle permet aussi de dterminer et de tenir compte des limites
de fonctionnement imposes par la prsence de perturbations alatoires telles que le
brut de fond (chap. 6).
Son outil de base est le dveloppement en srie de fonctions orthogonales (sect.
3.3) dont le cas particulier le plus intressant est celui de Fourier ( 3.4.7). Sa forme
la plus gnrale (chap. IV.7.3) est connue sous le nom de transfornze de Fourier [22],
dont les principales proprits sont rappeles au chapitre 4. Avec les notations usuelles en traitement des signaux ( 4.1.3), la transforme de Fourier d'un signal temporel
x(t) est une fonction de la frquence f dfmie par la relation intgrale
""
X(f)
f x(t) exp ( - j 11Tft) dt
(1.3)
-~""
Elle introduit le principe fcond de dualit entre l'espace temps et l'espace frquence.
Ceci conduit la notion de spectre: rpartition d'une grandeur caractristique d'un
signal (amplitude, nergie, puissance) en fonction de la frquence. La technique de
l'analyse spectrale (chap. 12) en est l'application pratique directe.
Applicable galement l'tude des signaux alatoires (chap. 5), grce au dveloppement de modles statistiques appropris, ce concept d'une extrme richesse permet
d'aborder un niveau d'abstraction lev l'tude de procdures complexes de traitement des signaux.
L'introduction des modles de signal analytiques et d'enveloppe complexe (chap. 7)
facilite la reprsentation des signaux bande troite et favorise le dveloppement
1
1
1
1
1
1
1
1
1
Analyse spectrale
1
1
Dtection et estimation
1
1
1
Codage de voie
(dlectioll Cl correction de, erreuu)
____ 1 ___ ,[1

1
1Reconnaissance des formes 1 1

1L-
________
--I1
Cryptographie
(commllllicati()n~
confientielles)
Aspects abords dans cet ouvr:lge _.._ _-1..1- _.... Non trait dans cet ouvrage
Fig. 1.1
d'une thorie de la modulation (chap. 11). La thorie de la dtection (chap. 13)

puie, elle, sur les apports de la thorie statistique de la dcision et de l'estimation.
Elle trouve un prolongement naturel en reconnaissance des formes (fig. 1.1 ).
1.1.8 Thorie de l'information et du codage. Dfinitions

L'information est associe au processus de communication: transfert d'un message de sa source sa destination.
La t/lorie de l'information (ou de la communication [5]) est une thorie stochastique des messages, c'estdire qu'elle prend en considration leurs proprits statisti
ques. Elle fournit un ensemble de concepts permettant d'valuer les performances de
systmes de transfert d'informations, en particulier lorsque le signal porteur d'un
message est contamin par du bruit.
Elle conduit tout naturellement l'tude des mthodes de codage de l'information : ensemble de rgles spcifiant le mode de reprsentation du message. Les teclmiques de codage ont trois objectifs, apparemment contradictoires. Le premier est d'augmenter la compacit des signaux, vecteurs d'infonnation, par limination de toute redondance inutile (codage de source). Le second est d'accrotre la scurit d'une transmission en prsence de bruit par incorporation d'une redondance, adquatement structure) permettant la dtection, voire la correction, des principales erreurs (codage de
voie). Le troisime) enfin, est d'assurer le secret de la communication (cryptographie).
Ces notions sont troitement lies la thorie du signal, mais sortent du cadre de
ce livre. On en trouvera une prsentation dtaille dans de nombreux ouvrages: par
exemple [5] -54].
1.1.9 Importance des modles et mthodes statistiques

Par nature, l'information a un caractre alatoire: seul ce qui est imprvisible
est porteur de messages. Les signaux vecteurs d'information sont donc naturellement
aussi de type alatoire. Mis part certaines formes d'interfrences d'origine industrielle (influence du rseau de distribution d'nergie lectrique, etc.), les bruits doivent
aussi tre considrs comme des phnomnes alatoires.
Il n'est donc pas tonnant que la thorie du signal et les mthodes de traitement
des signaux fassent largement appel des concepts statistiques (calcul des probabilits,
processus alatoires, etc.).
1.1.10 Modles et mesures de signaux: fonctions et fonctionnelles

En analyse, une fonction est dfmie comme une rgle de correspondance (application) entre deux ensembles de nombres rels ou complexes.
Le modle mathmatique d'un signal est une fonction de une, parfois deux,
voire trois variables: set), i(x~v), iC'\:J',t). La figure 1.2 en donne des illustrations.
Le premier cas est le plus courant: la variable t est usuellement le temps (mais
elle peut aussi reprsenter une autre grandeur: une distance, par exemple). La fonction reprsente l'volution d'une grandeur lectrique ou traduite sous cette forme par
un capteur appropri (microphone: signal acoustique, camra de tlvision: signal
vido, acclromtre: signal de vibrations, etc. ).
signal microphoniq uc sI (t)
signal vido composite 52 (t)
. balayage d'une ligne .

100 % - - - - - - - -
30% -
64 115
impulsions de synchronisation de ligne

signal de vibrations
(machine tournante) 53 (t) .
image i(x, y)
1,,")', t.II ~
o
1if>,),!,
,1
o
o
o
o
o
o
o
a
a
a
a
Fig. 1.2
SIGNAL ET INFOnMATION
Le deuxime cas est celui des signaux bidimensionnels. Ce sont gnralement des
fonctions de coordonnes spatiales."'I: et y que l'on nomme plus couramment: images.
Le dernier cas) enfin, correspond par exemple une succession d'images de tlvision ou de cinma o le temps rapparat comme troisime variable.
Les signaux d'entre et de sortie d'un systme (fig. 1.3) sont souvent nots, par
convention, x(t) et y(t), respectivement. Par exemple, y(t) =x\t) dsigne la sortie
d'un dispositif non linaire quadrateur dont la caractristique est dfinie par y =x 2
:c(t)
..
)' Ct)
systme
Fig. 1.3
On appelle fonctionnelle une rgle de correspondance entre un ensemble de fonc~

tions et un ensemble de nombres rels ou complexes. En d'autres termes, une fonctionnelle est une fonction de fonctions. Les signaux rsultant d'un traitement ou certains
de leurs paramtres sont souvent exprims par des relations fonctionnelles. Par exemple:
valeur intgrale pondre [fonction de pondration g(t) : voir figure lA ]
J"'" x(t) g(t)
fI (x)
(lA)
dt
DO
valeur intgrale quadratique pondre
Jx (t)g(t)dt
2
12 (x) =
(l.5)
-DO
\!II)
produit de convolution (fig. 1.5)

cc
y(t)
x(t)*g(t)
J x(r)g(t
(1.6)
T)dr
-"'"
.. produit scalaire (valu sur l'intervalJe T)
<X,y*
>
= fX(t)y*(t)dt
(1.7 )
.. valeur chantillonne
J :dt)5(r-'o)dt
QO
X( to )
= < x, oro >
(1.8 )
-OCl
La transforme de Fourier ( 1.3) est un autre exemple de fonctionnelle. Dans le

cas des signaux bidimensionnels (images), cette transforme prend la forme
=
[(u,v)
= ff
i(x,y) exp [ -j 27r(ux
+ l'y)]
( 1.9)
dxdy
o li et l' reprsentent des frquellces spatiales, mesures en m

tion x et y sont mesures en mtres.
si les variables de posi-
THORIE ET TRAITEMENT DES SlGNAUX
x(t)
g(t)
________-+L-____________________________
~~
___ __
o
x(t)g(t)
o
fI (X) :::;; vuleur intgrale = somme algbrique des surfuccs
Fig. 1.4
A x (t) ou x ( T )
1 ou T
tau
..
= somme
algbrique
des surfaces
T
Fig. 1.5
1.2
TRAITEMENT DES SIGNAUX
1.2.1 Dfinition
La description mathmatique - ou modlisation - des signaux est le rle de la
thorie du signal, ainsi qu'on l'a relev au paragraphe 1.1.7.
Le traitement des signaux est la discipline tecl1Ique qui, s'appuyant sur les
enseignements de la thorie du signal et de l'information, les ressources de l'lectronique, de l'informatique et de la physique applique, a pour objet l'laboration ou l'interprtation des signaux porteurs d'information. Elle trouve son champ d'application
dans tous les domaines concerns par la perception, la transmission ou l'exploitation
de ces informations (fig. 1.6).
RESSOURCES SCIENTIFIQUES
Thoric des
processus alatoires
Electricil
genrale
Algbre linaire et
analyse ronctionnellc
~~~
THr.:ORlE DU SIGNAL ET DE L'INFORMATION
RESSOURCES TECHNOLOGIQUES
Techniques lectroniques
Informatique
Physique applique
~~~
TRAITEMENT DES SIGNAUX
DOMAINES D'APPLICA TION

Tlcommunications
Technique des mesures
Elude des vibrations mcaniques
Surveillance de processus industriels
Reconnaissance de formes
Traitement d'images
Analyscs biomdicales
Gophysique
Seismologie
Astronomie
Radar, sonar
Acoustique
etc ...
Fig. 1.6
Certains auteurs donnent parfois un sens plus restrictif au traitement du signai

en limitant son champ d'activit aux mthodes permettant d'extraire un signal du bruit
qui lui est superpos.
1.2.2 Description
Les relations de l'homme avec son milieu naturel ou avec les systmes teclmiques qu 7 il construit se caractrisent par un intense change d'informations.
L'observation (mesure) de phnomnes physiques oule dialogue (communication) entre hommes, entre l'homme et la machine, ou entre les machines eUes-mmes,
se font l'aide de signaux (fonctions du temps) ou d'impressions visuelles (images)
10
dont la nature est complexe et peut tre masque par des perturbations indsirables
(bruit de fond, parasites, interfrences).
L'extraction des informations utiles incorpores ces signaux (par al1:Jlyse, filtrage, rgnration, mesure, dtection, identification) et la prsentation des rsultats
sous une forme approprie l'homme ou la machine constitue l'une des tches essentielles dvolues au traitement des signaux (fig. 1.7). A cel, on peut ajouter l'laboration des signaux permettant l'tude du comportement des systmes physiques ou servant de support pour la transmission ou le stockage d'informations (synthse, modulation et changement de frquence, codage pour lutter contre le bruit ou rduire la
redondance) .
Elaboration des :;gnaux
Incorpora 1ion
d'informations
Imcrprtaton des signaux
Extraction
d'informations
Fig. 1.7 Principales fondions du traitement de!> signa.ux.
Par l'analyse, on cherche isoler les composantes essentielles d'un signal de forme
complexe, afin d'en mieux comprendre la nature et les origines. Jl;Jesurer un signal, en
particulier alatoire, c'est essayer d'estimer la valeur d'une grandeur caractristique qui
lui est associe avec un certain degr de confiance. Le filtrage est une fonction bien
connue qui consiste limier d'un signal certalnes composantes indsirables. La rgnratioll est une opration par laquelle on tente de redonner sa forme initiale un signal
ayant subi diverses distorsions. Par une procdure de dtection, on tente d'extraire un
signal utile du bruit de fond qui lui est superpos, L'identification est un procd souvent complmentaire qui permet d'effectuer un classement du signal observ. Les techniques de corrlation dont il sera fait mention plus Join sont souvent utilises cet effet.
La synthse, opration inverse de l'analyse, consiste crer un signal de forme
approprie en procdant, par exemple, une combinaison de signaux lmentaires. Le
codage, outre sa fonction de traduction en langage numrique, est utilis soit pour lutter
contre le bruit de fond, soit pour tenter de raliser des conomies de largeur de bande
11
ou de mmoire d~ordini.lteur grce une diminution de la redonance du signal ( J .1.8).

La modulation et le changement de frquence sont essentiellement des moyens permettant d'adapter un signal aux caractristiques frquentielles d'une voie de transmission,
d'un filtre d'analyse ou d'un support d'enregistrement.
1.2.3 Commentaire
La notion d'information utile mentionne plus haut est troitement lie au contexte. Pour une communication tlphonique, elle est essentiellement associe l'intelligibilit des messages parls changs. Dans le cas d'une observation en radio-astronomie, elle est reprsente par la frquence et l'amplitude de l'mission priodique
d'un rayonnement lectromagntique. En gophysique, ce sont plutt les paramtres
statistiques du signal peru quj sont interprtables. En technique radar Doppler,l'information utile est, d'une part, la dure entre l'mission d'une impulsion sinusodale
et la rception de son cho renvoy par une cible et, d'autre part, l'cart de frquence
mesur entre l'onde mise et l'onde reue. On estime de cette manire la distance de
l'metteur la cible et la vitesse radiale de celle-ci.
1.2,4 langage du traitement des signaux
Au plus haut niveau, le langage du traitement des signaux est celui des schmablocs, galement familier du spcialiste du rglage automatique et de la thorie des
systmes en gnral laquelle le traitement des signaux est apparent.
Un schma-bloc est un assemblage symbolique, reprsent sous forme graphique,
de blocs fonctionnels, en principe indpendants, ralisant une fonction donne. L'exemple de la figure 1. 8 illustre le principe d'un analyseur de spectre balayage (dcrit
la section 12.3).
Fig. 1.8
Le comportement thorique de chaque bloc peut tre dcrit par une ou un ensemble de relations mathmatiques. Les oprateurs fonctionnels dvelopps au chapitre
8 servent de modles aux blocs qui produjsent un signal de sortie dpendant d'une ou
plusieurs excitations d'entre.
1.2.5 Exemple et dfinitions: apport de la thorie des systmes linaires
On sait (chap. IV.2) que le signal de sortiey(t) d'un systme linaire causal
invariant dans le temps est donn par le produit de convolution (1.6) du signal d'entre x (t) et d'une fonction g(t) appele rponse impulsiomlle du systme:
y(t) = x(t) *g(t)
Jx(r)g(t- r)dr
(1.10)
12
C'est l'opration de traitement la plus fondamentale et probablement la plus familire.

Elle indique, selon la figure 1.5, que la valeur du sigllal de sortie nllstant test obteIllle par la sommatioll (intgrale == sommation contillue) pondre des l'aleurs passes
[pour un systme causal, g(t) = 0 pOUf t < 0] du signal d'excitation x(t). La fonction
de pondration est prcisment la rponse impulsonnelle g(t) souvent aussi note
h (t) - du systme.
L'exemple le plus simple est celui o la fonction g( t) 1/ T pour 0 < t < Tet
est nulle ailleurs. Le signal y (t) exprim par (1.10) correspond alors (t ,T) , la
moyenne glissante - ou courante) en anglais: running average du signal d'entre
x (t), calcule sur un intervalle de dure T (fig. 1. 9)
y(t) == x(t,T)
r x( r) dT
(1.11)
T r:"T
x(r)
g(to-r)
lIT
T
to -T
fO
T
x(r)g(to -T)
o
Fig. 1.9
13
Un autre exemple simple est celui du filtrage passe-bas effectu par un circuit
intgrateur RC du 1er ordre dont la rponse impulsionnelle vaut
g(t) :=: (RC) 1 exp [- tl (RC)] pour f ~ 0 et zro pour t < 0 :
L
t
-=
y(1)
Re
x(r)exp [-(t
T)j(RC)] dT
(1.12)
C'est une moyenne pondre des valeurs passes et prsente du signal x (t),dans
laquelle le circuit introduit un oubli progressif (une illustration en est donne la
figure 1.5).
A la convolution (1.10) correspond dans le domaine frquentiel une simple
multiplication de la transforme de Fourier (1.3) du signal d'entrex(t) et de celle
de la rponse impulsionnelle g(t) qui n'est autre que lafonction de rponse frquentielle (ou isomorphe, cf. IV.2.I.12, souvent aussi dnomme fonction de trallsfert
dans la littrature internationale) du systme:
(1.13 )
X(f) G(f)
Y(f)
De cette proprit, on dduit facilement que J'opratioll de convolution est

commufatiJ1e, associatJ'e et distributive:
x(t)
* g(t)
= g(t)
* x(t)
[xl(t) +X2(t)] *g(t)

[ x (t)
* g 1 (t)] * g 2 (t)
(1.14)
[xdt) *g(t)] + [X2(t) *g(t)]

x (t)
* [g 1 (t)
'" g 2 (t) ]
(1.15)
(1.16)
Ces relations restent applicables, moyennant adaptation d'criture, au cas des

signaux et systmes bidimensionnels (traitement d'images, chap. XX.S). Ainsi la relation
(1.17)
o le double astrisque dnote une convolution deux dimensions, correspond la
transformation d'une image il (XJI) par un systme linaire bidimensionnel de rponse impulsionnelle g(X1.v ). En optique, cette relation exprime l'image que l'on obtient
d'un objet en l'observant au travers d'un instrument (par exemple: lentille, objectif)
dont le comportement est dcrit par la fonction g(x J') appele profil instrumental
(rponse de l'instrument un objet ponctuel ou point lumineux).
Dans le domaine des frquences spatiales, la relation duale de (1.17) liant les
transformes de Fourier bidimensionnelles, du type (1.9), respectives est
(1.18 )
o G (u ,l') est la fonction de rpollse frquen tielle blinwllsionl7elle du systme correspondant.
1.2.6 Influence de la technologie

Lors de la conception d'un systme complexe, chaque bloc du schma d'ensemble devient ul1l11odu/e qui est ralis, selon les besoins, suivant une option matrielle
14
THOIUE ET TRAITEMENT DES SIGNAUX
ou logicielle:
lectronique analogique:
Il lectronique numrique cble (logique spcialise);
., lectronique numrique programme (processeur universe1 ou il architecture
spciale);
autre technologie.
L'volution de la technologie (microlectronique, mcroacoustique ou optique)
favorise l'apparition de ce que l'on conviendra d'appeler des processeurs spcialiss
- analogiques ou numriques - capables de traiter rupidement et conomiquement une
quantit croissante d'informations. Cette tendance actuelle, attise par des besoins
nouveaux, conduit un largissement constant des domaines d'application des mthodes de traitement des signaux.
Si le traitement analogique des signaux a beaucoup bnfici du dveloppement
des circuits lectroniques intgrs, c'est surtout dans Je domaine du traitement numrique que l'volution la plus spectacu1aire a t enregistre. Simultanment, des algoritlunes de calcul puissants (tels que la transformation de Fourier rapide) on t vu le
jour, qui tendent peu peu donner au traitement numrique une prdominance
indiscutable, sauf dans le domaine des trs hautes frquences.
En plus des circuits lectroniques conventionnels, prsents dans le volume VIII
et des calculatrices et systmes programmables dcrits dans le volume XIV, la physique
applique met disposition du traitement des signaux d'autres outils, moins universels,
mais plus performants pour certains types d'applications.
C'est le cas des circuits il transfert de charges ou capacits commutes, constitus par un assemblage intgr de condensateurs et d'interrupteurs lectroniques, et
celui des dispositifs onde de surface (en anglais: surface acoustic wave devices ou
SAW), qui exploitent la vitesse limite de propagation d'ondes lastiques il la surface
de certains matriaux pizo-lectriques. Le principe de ce dernier type de dispositifs
est illustr par la figure 1.] O. Ils son t utiliss principalement dans les installations radar
et de tlvision.
lectrodes
solide pizo-ledriquc
Fig. 1.10 Prindpc du transducteur interdigital (lOT): les lectrodes dpo~cs sur un substrat pizolectrique transforment le signal en une onde lastique qui parvient avec des retards dfinis il un rseau
d'lectrodes de dimensions variables ralisant une sommation pondre (convolution).
Les systmes de traitement optiques offrent l'avantage d'un mode de calcul

parallle analogique qui conduit des vitesses d'excution im:omparablcs, mais une
prcision et une souplesse d'emploi limites. L'opration fondamentale utilise
15
(fig. 1.11) est la transforme de Fourier bidimensionnelle naturellement ralise par

une lentille optique travaillan t en lumire cohrente (laser). Ces tec1miques se prtent
donc plus particulirement au traitement d'une infonnation reprsente sous forme
d'une image ou d'un hologramme. L'informatique reste toutefois l'outil privilgi du
traitement d'images.
source lumineuse
cohrente
-t
<E-:~
.. ~
i::!, (X,y)
Fig. l.11 Principe du traitement optique: si une image de tran~mittance varable il (x,y) c.,;t place
dans le plan focal frontal Pl de la len tille LI et 11lumine en lumire cohrente, ln di!,tribu tion de
lumire dans le plan focal Pl est proportionnelle la transforme de Fourier Il (u, Il) de l'image. En
plaant en Pl un filtre optique de fonctlon de transfert G(u,v), on obtient cn Pl la convolution
; l (x.y) de l'image orignale ct de la rponse impulsionnellc g (x,Y) du filtre.
L'optique intgre est une conqute rcente de l'optolectronique qui offre galement des possibilits de ralisations intressantes de dispositifs de traitement des signaux applicables surtout aux tlcommunications et la mtrologie.
1.3
NOTATIONS PARTICULIRES
1.3.1 Prambule
Afm d'allger les formules mathmatiques dcrivant certains signaux, fonctions
ou oprateurs frquemment rencontrs en thorie du signal, il est avantageux de les
dnoter d'une manire simple et concise.
Certaines de ces notations mentionnes ci-aprs sont usuelles en 'mathmatiques.
Les autres sont moins conventionnelles [Il, 23] et font l'objet de notations variables
selon les auteurs.
1.3.2 Dfinitions: fonction signe

La fonction signe - parfois appele sigllum - est dfinie de la manire suivante
(fig.l.l2)
<
>
sgn ( t)
III
0
0
pour t ::/= 0
(1.19)
La valeur l'origine est en principe arbitraire, situe entre 1. Par souci de symtrie, on admettra, sauf cas particulier, que cette valeur est nulle par convention.
16
THORIE ET TnAITEMENT DES SIGNAUX
sgn(t)
a
--------t - 1
Fig. 1.12
1.3.3 Dfinition : saut unit

La fonction saut (OU cheloll) unit peut se dfinir partir de la fonction signe
(fig. 1.13)
1
e(t) = -1. + -sgn(t)
:2:2
<
>
( L20)
La valeur l'origine est ici arbitrairement comprise entre 0 et L On la fixe par

convention K Pour certaines applications, il est prfrable de lui assigner la valeur 1.
Fig. 1.13
1.3.4 Dfinition: fonction rampe

La fonction rampe peut se dfinir partir de la fonction saut unit (fig. 1.14)
t
rU)
E( T) dT
= t e(t)
(1.21)
lnversment, le saut unit peut aussi tre dfini par

e(t)
= dr(t)jdt
pour t
'* 0
(1.22)
a
Fig. 1.14
Certains auteurs [55] dfinissent une fonction rampe de croissance borne

partir de l'intgrale de la fonction rectangulaire introduite au paragraphe suivant.
1.3.5 Dfinition: fonction rectangulaire
La fonction rectangulaire normalise (intgrale unit), parfois aussi appele en
mathmatique fonction porte, est note et dfinie de la manire suivante (fig. 1.15)
17
~ EU' + 1/2 ) -
rect (t')
n ~
E(t' - 1 /
l~
1f '1
It'I
< 1/ '}.
> 1 1~
(1.23)
o le signe prime indique une J1ariable adimellsiollllelle. La valeur conventionnelle assigne aux abscisses t' :::: \6 est Y.!..
rcct(t/)
surface unit
t/
Fig. l.IS
En introduisant le changement de variable t' :::: tlT, on obtient d'une manire

plus gnrale (fig. 1.16) pour une impulsion rectangulaire de dure T, d'amplitude A,
centre en t :::: T :
xU) :::: Arect[(t-r)IT]
(1.24 )
=A
x(t)
rect[(t-T)/Tj
surface A T
T -
TI2
+ T/2
L __
Fig. 1.16
1.3.6 Application
Outre sa capacit de reprsenter simplement des signaux de forme rectangulaire,
la fonction rectangulaire intervient frquemment comme facteur multiplicatif pour
localiser un segment de dure T d'un signal quelconque (fig. 1.17). Par exemple
x(t,T) :::: x(t) . rect(tIT)
( 1.25)
En partan t des relations fonctionnelles (1.4) et (1.5), avec g 1 (t) =

1
T- rect(tIT) ou g2 (t) :::: rect(tIT) , on obtient respectivement la t'aleul' moyenne
x(T), la l'aleul' quadratique (alias nergie normalise, voir 2.3.2) Wx(T) ou la
valeur quadratique moyenne (alias puissance normalise) Px (T) du signal x Ct) halues sur l'illlen'alle T:
Jx(t)g)(t)dt
Tf2
OC>
x(T)::::
-ca
r x(t)dt
Tf2
OC>
Jx
(t) g2(t) dt
Jx
J x 2(t)dt
(1.27 )
-T12
-<XI
Px(T) =
( 1.26)
-f/2
D2
2
(t)gl(t)dl::::
-'1'/2
x2(t)dt
( 1.28)
18
TH1!.ORlE ET TRAITEMENT DES SIGNAUX
x{t)
1(1,
n = x(t) reelU/Tl
x:z(t, T)
= :c(t)
rcct[U-T/2)/Tl
a
Fig. 1.17
De mme, en partant de la relation fonctionnelle (1.6) avec g3 (T) =

T- 1rect [(T - T/2)/TJ, on obtient l'expression de la moyenne glissante, dfinie par la
relation (1.11) et illustre par ]a figure 1. 9
r
x( t, T) = x( t)
* g 3 (t)
f x( T) dT
( 1.29)
t-T
La valeur moyenne x du signal, mesure sur tout l'axe rel, est la limite de (1.26)
T/2
lm
T- ....
x(t)dt
(1.30 )
-T/2
La racine carre de (1.28) est par dfinition la l'aleul' efficace du signal sur J'intervalle T
(1.31)
1.3.7 Dfinition: fonction triangulaire

La fonctio1l triangulaire llonnalise (intgrale unit et variable t 1 adimensionneHe) est note et dfinie de la manire suivante (fig. 1.18)
1
tri(t ) =
ll-ll
o
It'I ~
It'I > 1
(1.32)
Cette fonction correspond aussi la convolution

tri(t')
= rect(t') * rect(t')
Elle est note A(t') par certains auteurs [23,56].
(L33)
19
tri (l' )
surface unit
f'
-1
Fig. 1.18
l
D'une manire gnrale, en introduisant le changement de variable t = tlT, une

impulsion de fomle triangulaire, d'amplitude maximum A et de base 2 T, centre en
t==T, sera note (fig. 1.19)
x(t) == A tri [Ct -
)IT]
(1.34 )
x(t) =
ri tri[(r-r)JTJ
'1 T
Fig. 1. [9
1.3.8 Dfinition : impulsion (ou distribution) de Dirac

L'impulsion de Dirac (t), aussi appele implilsiol1l1nit ou distributiol1 delta,
peut tre formellement dfinie ( IV.7 .1.21) parle produit scalaire ( 1.8)
00
x(O) =
<
x,5
I x(t)8(t) dt
> =
( 1.35)
-DQ
En d'autres termes, l'impulsion de Dirac (t) est un oprateur d'chantillonliage qui restitue la valeur x (0) d'une fonction x (t) continue l'origine. Sa dimension
est par cOllsquent /,im'erse de celle de la l'ariable d'intgratioll. D'une manire plus
gnrale, pour toute fonction x (t) continue en t = t o, on a
Jx(t)(/-fo)dt
<Xl
x(to) =
En particulier, en posant x (t)
( 1.36)
= 1, on obtient
1 (t)dt = 1
( 1.37)
avec
t
o( 7) dT
t
e(t)
<
>
0
0
(1.38 )
la valeur de l'intgrale pour t = 0 tant en gnral conventionnellement flxe lA. Ceci

permet d'admettre galement l'quivalence
(t) = de(t)/dt
( 1.39)
20
En tenant compte de (1.23), la drive de l'impulsion rectangulaire peut ainsi

s'crire
d
rect(t) =o(t+ 1/2)-5(t-I/2)
( 1.40)
dt
1.3.9 Interprtation
L'expression (1.36) correspond la limite, prise pour T -'1- 0, de la valeur moyen
ne localex(to,T) dex(t), mesure sur un intervalle Tcentr en t to
lim x(to,T)
x( to)
(1A1)
1'-0
avec (fig. 1.20 )
to+ TIl
""
1 .
fo,T)= _[ x(t)g(t) dt = - J x(t)dt

T to -T12
(1.42)
o
( 1.43)
--, ,
' .......0 _.-/
10 -
TI:'
10
10
+ TI2
Fig. 1.20
Ainsi, l'impulsion de Dirac peut tre interprte comme la limite d'une

sion rectangulaire, de surface unit, dont la dure tend vers zro :
oCt) =
1
lim rcct(t/T)
T-O T
impul~
(1.44 )
En procdant de manire similaire, on peut constater que J'impulsion de Dirac

correspond la limite prise par un grand nombre de fonctions de surface unit, telles
1
que T- tri(t/T) par exemple. D'autres cas sont mentionns ux paragraphes 1.3.15
et 1.3.16.
1.3.10 Produit d'une fonction continue par une impulsion de Dirac

Soit x(t) une fonction continue en t = 0 ou t = to. Les quations (1.35), (1.36)
et (1.37) entranent les quivalences

x(t) o(t)
= x(O) 5(t).
x (t) 5 (t - t 0)
= x (t 0) b Ct - t 0)
(l.45)
( 1.46)
11
La reprsentation graphjque conventionnelle d'une impulsion de Dirac

(0 de longueur proportionnelle au
c . 0 ( - (0) est une flche verticale place en (

poids c (fig. 1. 21 ) .
Fig. 1.2 t
1.3.11 Autres proprits

On dduit de ce qui prcde les proprits importantes suivantes:
G
identit
x(t)
* o(t) = x(t)
(1.47 )
translation
x (t)
* 0 (t -
(0) =
x (t -
(1.48)
(0)
x(t-(t) *5(t-(2) = x(t-(t
-(2)
( 1.49)
o(t-(t) * 0(t-t 2 ) = oU-fI
-(2)
( 1.50)
changement de variable
o(a ( )
1a 1- 1 a(t )
(1.51 )
avec en particulier, si w
= 1rrf
o (w)
( 1.52)
o(f)
1rr
1.3.12 Rponse impulsionnelle et rponse indicielle. Dfinitions

La rponse impulsiOlmelle g( t) d'un systme linaire, dj mentionne au paragraphe 1.2.5, est la rponse une excitation thorique en forme d'impulsion de Dirac.
Certains auteurs utilisent d'ailleurs l'appellation image de rponse percl1ssiowzelle. En
effet, si l'on remplace x(t) par a(t) dans l'quation (1.10), on obtient par (1.47)
l'identit: l'Ct) = g(t).
De la proprit (1.46), on dduit par ailleurs que l'quation gnrale de convolution (1.10) est une application du principe de superposition: la rponse il une excitation quelconque est la somme (intgrale) des rponses partielles une suite continue d'impulsions de Drac
du signal d'excitation.
dcales dans le temps
dont les poids forment l'image
La rponse indicielle 'Y(t) d'un systme linaire est la rponse une excitation
en forme de saut unit (1.20). Compte tenu de la relation (1.39), les rponses indi
cielles et impulsionnelles sont lies par
w
'YU)
Jg( T) dT
(1.53 )
22
1.3.13 Dfinition: suite priodique d'impulsions de Dirac

Une suite d'impulsions de Dirac se rptant sur l'aJ du temps avec une priode
T (fig. 1.22,) sera note par concision 0 T (t) avec
or(t) =
(1.54 )
o(t -kT)
k=-or:>
Cette suite est parfois appele fonction d'chantillonnage ou peigne de Dirac

( en anglais: comb).
brU)
t
2T
-T
:. T
3T
4T
ST
6T
7T
Fig. 1.22
Par (1.46), on a en particulier

X(t)OT(t)=
k=
x(kT)8(t-kT)
( 1.55)
_1OCl
Cette expression pennet de reprsenter (chap. 9) l'opration de prlvement

priodique d'une suite d'chantillons du signal x (t) :i une cadence d'chantillonnage
fe = liT.
1.3.14 Dfinition: oprateur de rptition

L'oprateur de rptition rePT {x (t)} est une notation commode utiliser pour
la reprsentation de signaux priodiques
rcp r {x (t)} =
l
k= -
x( t - kT)
(1.56 )
ro
Par (1.48), "On a l'quivalence

repT {xU)} = xU)
* 0T(t)
(l.57)
Une illustration en e'st donne sur la figure ] .23.

x(l)
= tri(t/T 1 )
Tl
Fig. 1.23
SIGNAL ET
23
INI~OItMATION
1.3.15 Dfinition : fonction sinus cardinal

La fonction obtenue en effectuant le rapport d'une fonction sinusodale et de
son argument joue un rle trs TIportant en thorie du signal. Elle porte le nom de
sinus cardinal. Sa forme normalise (intgrale unit et variable adTIensionnelle 0:),
est note et dfinie de la manire suivante:
sinc(a) ;:;;:
sin ( ira:
(1.58)
1fa
Elle vaut un l'origine, est paire et ses zros sont les valeurs entires de a diffrentes
de zro (fig. 1.24). Une tabulation de cette fonction et de son carr est reproduite en
annexe au chapitre 15.
sinc( Il')
-s
Fig. 1.24
Compte tenu du dveloppement en srie de la fonction

le sinus cardinal
sinus~
on obtient pour
( 1.59)
sinc(a)
Les fonctions rect(t) et sinc(f) forment une paire fondamentale de transfor

mes de Fourier ( 4.2.4). Il en est de mme ( 4.2.6) des fonctions tri(t) et
2
sinc (j) .
La normalisation (1.58) entrane les proprits suivantes:
oc
(1.60 )
sine ( 0:) da = 1
(1.61)
et, en posant a = Ti: ce qui revient localiser les zros de ]a fonction aux multiples
entiers non nuls def= 1/ T:
""
S Tsinc(Tf)df =
(1.62 )
JT
( 1.63)
sine 2 ( Tf) df = 1
d'o, par analogie avec (1.44)
lim
Tsinc(TJ) = lim
T-+- co
Tsinc 2 (Tf) = 5(f)
(1.64)
24
L'intgrale du sinus cardinal (fig. 1.25) est simplement lie au sinus intgral
S(u) dfini par
u'=u;rr
Il
j si~x
.\:
Sj(u) =
-'
dx
11'
l
o
;r-l
- 51T -41T
-5
(1.65 )
sinc(a) da
Si(u)
- 31T
-.)
--3
Il'
Fig. 1.25
1.3.16 Dfinition: impulsion gaussienne

La loi de Gauss apparat souvent en relation avec des problmes statistiques.
Mais ce n'est pas son seul intrt en thorie du signal.
On appelera impulsion gaussieJIne (fig. 1.26) la fonction normalise (intgrale
unit et variable admensionnel1e t')
. ')
ig(t
= exp(
nt ,1.
~ )
(1.66)
En posant t' = tlT, o T est une mesure de 1'talement de l'impulsion sur l'axe t
lie la notion d'ecart-(\'pe Ut utilise en statistique par la relation T =y'lrr Ut, on
obtient du fait de la normalisation
00
ig(t')dt'
-1
ig(tjT)d t
( 1.67)
o(t)
(1.68 )
d'o aussi
lim TT-O
ig(t/T)
L'une des proprits remarquables de l'impulsion gaussienne est que ig (t) et

ig(j) forment une paire de transformes de Fourier ([22] et exercice 4.6.9).
;.(1')
t'
-1
Fig. 1.26
25
SIGNAL ET INFORMA TI ON
1.4 EXERCICES
1.4.1 Calculer l'intgrale pour - 00 < t < 00 des fonctions x 1 (t) A rect(tILl) et
YI (t) A tri(tILl) et les valeurs moyennes.Y" et)' des signauxx2(t) = rePT {XI{t)}
et .1'2 (t) ;::: repT {l, 1 (t)}.
1.4.2 Donnerl'expression du signaIx(t) A rect[(t to - T/'2)/T] l'aide de fonctions signes seulement. Justifier graphiquement la solution trouve.
1.4.3 Calculer et esquisser graphiquement pour les cas t 0
convolution Zj(t) Xj(t) * )';(t) pour les cas suivants:
fi
x J Ct)
J'tU)
=A [0 (t + t 0) + 0 (t -
< t 1 et t 0 > t 1 le produit de
t 0)] et
Bo(t)+~B[o(t+td+o(t-tl)];
x2 (t)
cos(rrtIT) rect(t/T) et
Y2(t) =AoT(l)
1.4.4 Vrifier la relation (1.33) analytiquement et graphiquement.

1.4.5 Dterminer le signal obtenu en calculant la moyenne glissante x(t,T 1 ) si
x(t) =A sin (2rr/o t) et valuer le rsultat pour Tl = T o /2 et Tl = k T o avec k entier
et To = 11/0-
1.4.6 Calculer et esquisser graphiquement le produit de convolution des signaux

2
!Xl
x(t)
=I
ai o(t-iT)
1'=0
et
y( t ) = .
J= 0
bi 0( t - jT)
1.4.7 Calculer la valeur moyenne (1.26), la valeur quadratique (1.27), la valeur quadratique moyenne (1.28) et la valeur efficace (1.31) du signal x(t) =A triCt/T) sur
l'intervalle Tl
T, T].
CHAPITRE 2
2.1
SIGNAUX PHYSIQUEMENT RALISABLES ET MODLES THORIQUES
2.1.1 Contraintes exprimentales

Un signal exprimental est l'image d'un processus physique et, pour cette raison,
doit tre physiquemellt ralisable. Il est ainsi soumis toute une srie de contraintes:
son nergie ne peut tre que borne;
son amplitude est ncessairement borne;
cette amplitude est une fonction continue, car l'inertie du systme gnrateur
interdit toute discontinuit;
le spectre du signal est lui aussi ncessairement born et doit tendre vers zro
lorsque la frquence tend vers l'infIni.
2.1.2 Modles thoriques
Sur le plan thorique ( 1.1.10), le modle d'un signal est une fonction, relle
ou complexe, ou une fonctionnelle dpendant par exemple de la variable temps t. Il
est avantageux d'attribuer chaque modle une classe spcifique regroupant les signaux jouissant de proprits communes. Par ailleurs, il est souvent judicieux de simplifier la reprsentation utilise en choisissant des modles commodes, mais qui ne seront pas ncessairement limits par les cont~aintes nonces prcdemment.
C'est ainsi que l'on fait un large usage de modles de signaux nergie thorique
infmie, amplitude non borne ou subissant des discontinuits, reprsentables par des
distributions (sect. IV.7.1).
La qualit du modle dpend finalement de la qualit de l'approximation faite
et de la commodit d'emploi.
2.1.3 Exemples
Un signal sinusodal est reprsent par une fonction dfinie sur tout l'a..x.e rel:
son nergie thorique est donc infmie.
Le modle usuel de signaux perturbateurs appels bruit de fond (chap. 6) admet
la possibilit, bien qu'avec une probabilit tendant vers zro, d'amplitudes infmies.
Les changement d'tats de signaux logiques binaires sont gnralement reprsents par de simples discontinuits.
Une excitation de type percussionnel est symbolise par ]a distribution de Dirac
o(t).
28
THORIE ET TRAlTEI\IENT DES SIGNAUX
2.1.4 Modes de classification

Diffrents modes de classification des modles de signaux peuvent tre envisags.
Paroli les principaux, on peut citer:
.. classification phnomnologique (sect. 2.2) : on met ainsi en vidence le type
d'volution du signal, son caractre prdtemlin ou son comportement ala
toire;
classification nergtique (sect. 2.3) : on spare les modles de signaux satisfaisant une condition d'nergie finie d'autres plus idaliss. puissnnce
moyenne finie et nergie infinie;
classification morphologique (sect. 2,4) : celle-ci permet de distinguer les signaux selon le caractre continu ou discret de l'amplitude ct de la variable
libre;
classification spectrale: on met en vidence le domaine des frquences dans
lequel s'inscrit le spectre du signal;
classification dimensionnelle: on considre les signaux unidimensionnels
x(t), les signaux bidimensionnels - ou image - i(x,y), voire les signaux tridimensionnels i(x,y. t) reprsentant par exemple l'volution d'une image en
fonction du temps.
2.2 SIGNAUX DTERMINISTES OU ALATOIRES
2.2.1 Dfinitions
la premire classification (tableau 2.1) est obtenue en considrant la nature
profonde de l'volution du signal en fonction du temps. Elle fait apparatre deux types
fondamentaux de signaux:
les signaux dterministes (ou certains, ou encore non alatoires [57]) dont
l'volution en fonction du temps peut tre parfaitement prdite par un modle mathmatique appropri;
Tableau 2.1
CLASSiFiCATION ET MODLES DES SIGNAUX
29
e les sig11aux alatoires ~ dont le comportement temporel est imprvisible et pour
la description desquels il faut se contenter d'observations statistiques.

2.2.2 Commentaire
Il est commode, en thorie, de considrer des signaux dterministes. Ils se prtent au calcul puisque dcrits par une formule mathmatique prcise. Ils sont toutefois
peu reprsentatifs de signaux observables. On les rencontre essentiellement en labora~
toire, comme signaux de test, ou en relation avec la production d'nergie par machines
tournantes.
Un signal de forme dtermine dont la position sur l'axe du temps est inconnue
(par exemple: sinusode de phase initiale inconnue) est dj un signal alatoire!
2.2.3 Sous-classes de signalL,,{ dterministes. Dfinitions
Parmi les signaux dtenninistes, on distingue:
les signaux priodiques, satisfaisant la relation
x(t) = x(t + kT)
k entier
(2.1 )
qui obissent une loi de rptition cyclique rgulire, de priode T;

les signau.x non priodiques, qui ne jouissent pas de cette proprit.
Les signaux sinusodaux (fig. 2.2), d'quation gnrale
Tf
x(t) = A sin
Asin
T(t +
:!Tf
+~ )
(2.2)
T) ]
forment le groupe le plus familier de signaux priodiques.

x(t)
A sin
priode T
Fig. 2.2
Les sgnaux pseudo-alatoires (fig. 2.3) forment une catgorie particulire de

signaux priodiques dont le comportement rappelle celui d'un signal alatoire (sect.
5.10).
Parmi les signaux non priodiques, il faut distinguer les signaux quasi-priodiques (fig. 2.4), qui rsultent d'une somme de sinusodes de priodes incommensurables, des signalD: transitoires dont l'existence est phmre (fig. 2.5).
30
x(t }
priode T
Fig. 2.3 Signal pseudo-alatoire.

x(t)
== sin (21l't/Td
+ sin (2trr/T,J + sin(211'1/TJ )
Fig. 2.4 Signal quasi-priodique.
2.2.4 Notation complexe des signaux sinusodaux et concept de frquence ngative

n est souvent avantageux de reprsenter une fonction sinusodale par la partie
imaginaire - ou relle pour une notation cn cosinus - d'une exponentielle complexe
(sect. 1.8.3) :
A sin (
~rr 1 +
lm
1A exp [j (~rr 1 + )1
Q
(2.3)
Une gnralisation de ce procd, applicable des signaux de forme quelconque,

est introduite au chapitre 7.
Une autre reprsentation est possible en considrant le signal sinusodal (ou cosinusodal) comme la rsultante de deux phase urs ( 1.8.3.3) ~onjugs d'amplitude
A/2 tournant dans des directions opposes avec une pulsation (vitesse angulaire) de
w = 21T/T( fig. 2.6). C'est une application directe de la formule d'Euler:
jA sin( wt}
=-
exp (jwt)
A
-
exp( - jwt)
(2.4)
Pour tenir compte du sens de rotation, on parle de frquence positive
(+ w = + 21T[) et ngative (- w - 21Tf). Ce concept de frquence ngative n'a pas

de signification physique. Il est utilis pour la reprsentation de fonctions de la frquenquence (spectre, fonction de rponse frquentielle) o - 00 <f < CX3.
31
CLASSiFICATION ET MODLES DES SIGNAUX
x(r) :: rcct
r-(U+b)/2]
b-a
JI (t) = exp(-at) (t)
lIa
z(' )
A sin ( wt + !l') rect [
,-(rI +,~
r,!
)/2]
l)
Fig. 2.5 Signaux transitoires: x (t) = impulsion rectangulaire; y (t) = impulsion exponentielle
dcroissante; z (t) = impulsion sinusoldlc.
Re
Fig. 2.6
32
THORIE ET TRAITEMENT DES SlGNAUX
2.2.5 Sous-classes de signaux alatoires. Dfinitions

Les signaux alatoires peuvent, quant eux, tre classs en deux grandes
ries:
catgo~
les signaux alatoires statiollnaires, dont les caractristiques statistjques sont

invariantes dans le temps (fig. 2.7);
CD les signaux alatoires non stationnaires, qui ne jouissent pas de cette proprit
(fig. 2.8).
Si les valeurs moyennes statistiques, ou moments, d'un signaI stationnaire s'identifient aux valeurs moyennes temporelles, on dit qu'il est ergodique (sect. 5.1 ).
x(t)
y(t)
Fig. 2. 7 Signal alatoire stationnaire: x Ct)
tr pusse-bas.
y(t)
Fig. 2.8 Signal alatoire non stationnaire.
= signal large bande (bruit blanc);
y (t)
=signal fil-
33
2.2.6 Commentaire
Un signal alatoire comportement transitoire est non stationnaire.
Le concept de stationnarit est, comme le caractre permanent associ aux signaux priodiques, une abstraction commode. Il est prcieux dans ]a mesure o l'on
peut souvent considrer, en pratique, qu'un signal est stationnaire pe1ldant la dure
d 'ob sen'otio n .
2.3 SIGNAUX NERGIE OU PUISSANCE MOYENNE FINIE
2.3.1 Classification nergtique

Une distinction fondamentale peut tre faite entre deux grandes catgories de
signaux :
CID les signaux nergie finie;
les signaux puissance moyenne fInie non nulle.
La premire catgorie comprend tous les signaux de type transitoire, qu'ils soient
dterministes ou alatoires. La deuxime catgorie englobe presque tous les signaux
priodiques, quasi-priodiques et les signaux alatoires permanents.
Certains signaux thoriques n'appartiennent aucune de ces deux catgories:
c'est le cas par exemple de x(t) = exp(at) pour - co < t < 00,
L'abstraction mathmatique commode qu'est l'impulsion de Dirac 0 (t) n'est
pas classable non plus dans ce contexte, pas plus que la suite priodique d'impulsions
de Dirac 0 T ( t ) .
2.3.2 Energie et puissance moyenne d'un signal. Dfinitions

En lectrotecluque ( 1.5.3.5), la puissance instantane fournie un biple
est dfmie comme le produit des valeurs instantanes de la tension li (t) ses bornes
et du courant iU) qui le traverse:
p(t)
= u(t)
t(t)
W = V-A
(2.5)
Dans le cas d'une rsistance linaire R} respectivement d'une conductance linaire G, on a:
pU)
Ri (t)=-u (t) = Gu (t)

R
L'nergie dissipe sur un intervalle [t l ,t2 ], avec t 2

puissance instantane. Elle se mesure en joules.
t2
W(t 1 ,t2
= S p(t)dt
il
(2.6)
> t l' est l'intgrale de cette
!2
t2
=Rf i\t)dt =GJ u\t)dt

rI
(2.7)
tJ
En divisant cette nergie par la dure de l'intervalle, on obtient une puissance

moyenne, mesure en watts:
R
(2.8)
34
Par analogie, on appelle respectivement nergie (normalise) et puissance moyenne (normalise) d'un signal rel x(t), calcules sur un intervalle [tI,(2 ], les valeur qua'
dratique (1.27) et valeur quadratique moyenne (1.28) suivantes:
h
f -x 2U )dt
WA '1 J2 )
(2.9)
f}
C2
Px (tb t 2 )
tl
t2
f x 2(t)dt
(2.10)
ri
La racine carre de (2.10) est la valeur efficace (1.31). C'est la mme dfInition
que celle introduite pour les grandeurs priodiques ( 1.8.2.11 ), mais tendue des
signaux de forme quelconque.
La puissance moyenne normalise possde donc une dimension gale au carr de
celle de x (t). En multipliant encore par l'unit de temps, on obtient la dimension de
l'nergie normalise. Six(t) est une tension ou un courant lectrique, (2.9) et (2.10)
correspondent l'nergie et la puissance dissipes par une rsistance de 1 Ohm.
L'nergie totale et la puissance moyenne totale d'un signal sont obtenues en considrant un intervalle s'tendant tout l'axe rel. Les relations (2.9) et (2.10) sont
alors modifies comme suit:
Wx
Tx2(t)dt
(2.11 )
ca
TI2
Px = lim
T-Io
<Xl
x (t)dt
(2.12)
-T12
La puissance moyenne totale est dfInie comme une valeur principale de Cauchy.
Pour les signaux priodiques, la puissance moyenne totale (2.12) est gale la puissan
ce moyenne sur une priode.
Si le signal est reprsent par une fonction complexe de la variable relle t, on
remplace dans (2.11) et (2.12) X2(t) par Ix(t)1 2
2.3.3 Dfinition: signaux nergie finie

Les signaux nergie finie sont ceux pour lesquels l'intgrale (2.11) est borne.
Ces signaux, dits aussi de carr intgrable (ou sommables), satisfont donc la condition
f Ix(t)1
dt
<
(2.13)
co
Leur puissance moyenne est nulle.
2.3.4 DfInition: signalL'X puissance moyenne finie

Les signalLY puissance moyen1le finie (non nulle) sont ceux qui satisfont la
condition
1
0<
lim
T_cc
T/2
J Ix(t)1
-T12
2dt
<
00
(2.14 )
35
2.3.5 Commentaires
2
La fonction x (t) correspond une distribution de l'nergie du signal en fonction du temps. La puissance moyenne Px(T) est, en d'autres termes, la distribution
moyenne de l'nergie sur l'intervalle T choisi.
L'examen des conditions (2.13) et (2.14) montre clairement qu'un signal
puissance moyenne fmie non nulle possde une nergie infInie et qu'un signal nergie
fm.ie possde une puissance moyenne nulle. Bien videmment, seul ce dernier est physi
quement ralisable.
2.4 VARIABLES CONTINUES ET DISCRTES
2.4.1 Classification morphologique. Dfinitions

Un signal peut se prsenter sous diffrentes formes selon que son amplitude est
une variable continue ou discrte et que la variable libre t (considre ici comme le
temps) est elle-mme continue ou discrte (fig. 2.9). On distingue donc ainsi quatre
types de signaux:
" le signal amplitude et temps cont1Us appel couranunent signal analogique;
" le signal amplitude discrte et temps continu appel signal quantifi;
Il le signal amplitude continue et temps discret appel signal chantillonn;
" le signal amplitude et temps discrets appel signal numrique (ou impropre.
ment digital), car il est reprsentable par une suite de nombres ou srie temporelle.
AmpHtude
Discrte
Continue
x(t)
::1
81
l&.
Er-+-------------------------~----------------------~
t:!
o
Fig. 2.9
36
2.4.2 Modles de signaux analogiques, chantillonns et numriques

Le modle analogique d'un signal est une fonction du temps t, o la variable test
continue. Il est not x(t),y(t), etc.
Le modle chantillonn d'un signal est une suite de valeurs assignes des
discrets tk = k-At, o k est une variable discrte (nombre entier) et At reprsente le pas
d'chantillonnage. Il est notx(tk),y(tk), etc.
Le modle numrique d'un signal correspond au modle chantillonn dont
valeur est reprsente par un nombre quantifi. Sous sa forme standardise, il est simplement not x(k), y(k), etc.) aprs normalisation du pas At, respectivement de la trelQmmc/\
d'chantillonnage fe(At = fe- 1 = 1). Pour un signal de dure finie ( 2.5.2), l'indice k est
un nombre entier gnralement compt entre 0 et N - 1, o N est le nombre total
d'chantillons.
2.4.3 Correspondances et diffrences
Comme indiqu au paragraphe 2.3.2, tout signal analogique transitoire x(t) est
associ une certaine nergie normalise Wxa = fx 2 (t) dt, mesure par exemple en V 2 s.
Pour un signal chantillonn, une correspondance peut tre tablie l'aide de la relation
discrte Wxe = Lx 2 (tk)"At. Afin de minimiser l'erreur entre les calculs des nergies
forme intgrale et discrte, chaque chantillon X(tk) doit tre considr comme situ
milieu de l'interval1e At correspondant. En posant At = 1, l'nergie d'un signal numrique standardis est reprsente par Wxn = '2:x 2 (k).
Au saut unit analogique e(t) correspond la squence unit numrique ECk),
tue d'une suite d'chant11ons qui sont nuls pour k < 0 et de valeur unit pour le ~ O.
A l'impulsion de Dirac 8 (t) correspond l'impulsion unit numrique 0 (k) qui vaut 1
pour k = 0 et est nulle pour k =1= O. Cette impulsion unit peut aussi tre dfinie par la
diffrence 0 (le) = ECk) - e(k - 1). Le signal numrique reet [(le L)/K] = e(k) - e(k
o L = K/2 si K est pair et L = (K - 1)/2 si K est impair, est constitu d'une suite de
K chantillons de valeur unit compris entre les positions le = 0 et le = K - 1. Les autres
chantillons sont nuls.
A l'exponentielle complexe analogique exp(j21mtlT), de frquence discrte Il/T,
correspond l'exponentielle complexe numrique exp(j2rmk/N), de frquence discrte
n/N. N est ici le nombre d'chantillons constituant une priode fondamentale (n =1).
Le nombre entier 11 est l'indice hannonique. Le modle analogique permet de considrer une infinit d'harmoniques, de frquences discrtes fn = nit rparties sur tout
l'axe des frquences, de -00 +00, pour -00 < Il < +00. Au contraire, le nombre d'harmoniques distinctes reprsentables par le modle numrique est limit N - 1, car
exp (j2rrk/N) = exp (j2rr[N + l]k/N): l'exponentieUe complexe numrique est ...
L'intervalle principal des frquences fn :::: n/N va donc de 0 l, avec une rptition
priodique de priode unit. On observe, de plus, une antisymtrie par rapport la
frquence 1/2 puisque exp(j211'[N/2 + 1 ]k/N) = -expG2rrk/N). En traitement numrique des signaux (rels), il est suffisant de considrer l'intervalle de frquence [0, 1/1].
'-J' ........l'"'
2.4.4 Classification des systmes de traitement

Les systmes de traitement de signaux sont galement classs selon la nature des
signaux sur lesquels ils oprent. On parle ainsi des
37
CLASSIFICATION DES SIGNAUX
., systmes analogiques: amplificateurs, fIltres classiques, multiplicateurs, modulateurs de signaux, etc;

ID systmes chantillonns: circuits transfert de charges, fIltres capacits commutes, etc;
ft systmes numriques (ou improprement digitaux) : mtres numriques, corrlateurs, transformateurs de Fourier et autres processeurs spcialiss.
On rencontre aussi des structures hybrides, par exemple: convertisseur analogique-numrique.
On observera toutefois que dans les systmes chantillonns, le signal effectivement utilis correspond gnralement un cas intermdiaire entre le signal analogique
et le signal chantillonn: il est produit par une procdure d'chantillonnage (chap. 9)
qui maintient l'amplitude au niveau de la dernire valeur prleve entre deux chantillons.
2.5 AUTRES CLASSES IMPORTANTES
2.5.1 Classification spectrale. Dfinitions

L'analyse spectrale d'un signal conduit fi une classification base sur la distribution <Px (f) de son nergie ou de sa puissance en fonction de la frquence (spectre).
La largeur de bande B d'un signal est le domaine principal des frquences (positives ou ngatives) occup par son spectre. Elle est dfinie par la relation
(2.15)
avec 0
</2 , o Il et 12 sont des frquences caractristiques dnotant respectivement les limites infrieure et suprieure prises en compte. On parle ainsi couramment
de
signaux de basses frquences (fig. 2.10) ;

signaux de hautes frquences (fig. 2.11);
signaux bande troite (fig. 2.12);
signaux large bande (fig. 2.13).
Ces dnominations sont imprcises et dpendent du contexte (voir aussi 8.2.23).

q,x (f)
fI
= 0 ou proche de zro
f
- 12
fl
Fig. 2.10
cllx(f)
l \--- 1 mz=\ ~
- Il
- fI
Fig. 2.11
fI
f2
38
f
Bi
-fl
-fla fi
Fig. 2.13
Un signal dont le spectre est nul en dehors d'une bande de frquence spcifie B
<Px (j) = 0
\7' Ifl
$. B
(2.16)
est appel signal bande limite ou de spectre support born.

2.5.2 Signaux de dure finie. Dfinition
Les signaux dont l'amplitude s'annule en dehors d'un intervalle de temps T prescrit
x(t) = 0
$. T
(2.17)
sont appels signaux de dure limite ou support born.

2.5.3 Signaux borns en amplitude
C'est le cas de tous les signaux physiquement ralisables pour lesquels l'amplitude
ne peut pas dpasser certaine valeur limite, souvent impose par des dispositifs lectroniques de traitement.
On a dans ce cas:
Ix(t)l
K pour - 0 0
<t <
00
(2.18)
2.5.4 Signaux pairs et impairs

Un signal est pair si
x(t)
= x(-t)
(2.19)
Un signal est impair si

x(t) =
x(-t)
(2.20)
2.5.5 Application
Tout signal rel peut tre dcompos en une partie paire et une partie impaire
(fig. 2.14)
(2.21)
39
avec
xp(t)
Y.![x(t) +x(- t)]
(2.22)
(t)
!h[X(t) - X(-t)]
(2.23 )
Xi
x(1)
Fig. 2.14
2.5.6 Signaux causals

Un signal est dit causal s'il est nul pour toute valeur ngative du temps
x(t) == 0
<
(2.24)
En tenant compte de (2.21), on voit qu~un signal rel causal est tel que (fig.
2.15)
(2.25)
2.5.7 Commentaire
Exprimentalement, tous les signaux sont causals, c'est--dire commencent en un
instant t = O. C'est par commodit thorique que l'on dfmit gnralement les signaux
sur la totalit de l'axe des temps.
Le principe de causalit a dj t trait dans le volume IV, o il est associ au
caractre physiquement ralisable d~un systme linaire: la rponse impulsionnelle
d'un tel systme est une fonction causale.
40
THORIE ET TRAlTEl\!ENT DES SIGNAUX
x(t)
Fig. 2.15
2.6 EXERCICES
2.6.1 Les signaux suivants sontHs nergie finie, puissance moyenne finie, ou ni l'un,
ni l'autre? Calculer dans chaque cas l'nergie totale et la puissance moyenne totale (a> 0).
A rect(tIT);A sin wt; A sin wt . e(t); e(t); t ( t);A exp ( - at) . e(t);
A exp(-at);A tr(tIT).
2.6.2 Etablir l'quation de la puissance moyenne du signal A sn(21T tlTa ) en fonction

de l'intervalle de mesure T et dmontrer que la puissance moyenne totale obtenue par
la formule (2.12) est identique celle calcule sur une priode To- Pour quelle autre
valeur de l'intervalle de mesure obtient-on le mme rsultat?
2.6.3 Dterminer les parties paire et impaire du signaI x (t) = A sin (wt - Cl').
2.6.4 Dmontrer que 1a valeur moyenne de la partie impaire d'un signal rel est toujours nuUe.
CHAPITRE 3
REPRSENTATION VECTORIELLE
DES SIGNAUX
3.1 ESPACE DE SIGNAUX
3.1.1 Reprsentation discrte des signaux

Le principe d'une reprsentation discrte d'un signal x(t) est bas sur le dveIop~
pement de celui-ci en une combinaison linaire de fonctions connues I/J k (t) ; k 1, 2,
... , Il :
Il
xU)
ak
t/J/i:(t)
(3.1 )
k=1
Les Il coefficients ale constituent une reprsentatioll discrte du signal qui dpend de l'ensemble des fonctions t/J1c (t) choisies. Ceci constitue le fondement de l'analyse des signaux.
L'intrt d'un tel mode de description est triple:
un choix adquat des fonctions l/.J k (t) peut favoriser la mise en vidence de
proprits particulires du signal et faciliter l'tude des transformations qu'il
subit au cours de sa propagation dans un systme physique donn, en particulier lorsque celui-ci est linaire;
la reprsentation discrte est tout naturellement associe l'image d'un vecteur dans un espace de dimension 12 (ventuellement infrnie), ce qu i permet
d'interprter gomtriquement des notions assez difficiles visualiser autrement telles que celles de distance, de produit scalaire, d'orthogonalisation,
d'intercorrlation de deux signaux, etc;
la reprsentation discrte est le seul moyen d'aborder le traitement d'un signal
par voie numrique (vol. XX).
3.1.2 Notion d'espace vectoriel de fonctions. Dfinitions

On sait qu'un espace llectoriel est un ensemble d'lments satisfaisant aux proprits suivantes: la somme de deux lments et le produit d'un lment par un scalaire (rel ou complexe) sont galement des lments de l'ensemble. Un espace vecto
riel linaire de dimension Il est gnr par une base forme de Il vecteurs linairement
indpendants: tout vecteur x de l'espace correspond ainsi une unique combinaison
linaire des vecteurs de la base. 11 existe une infrnit de bases possibles.
Un espace vectoriel est norm si tout vecteur x est associe une 11onne. note
IIx Il, nombre rel, positif, nul si x est l'origine, qui est une gnralisation de la notion
42
TlitORIE I~T THAI1'EMENT DES SIGNAUX
ex
de longueur. L'espace est dit Intriqut! si tout couple d'lments

~l') est associ un
nombre d(XJI), rel, positif, nul si x = JI, que l'on appelle la distance de ces lments.
La mtrique usuelle est: d{ xJ') = Ilx - y Il.
Une suite infinie {xu} d'lments d'un espace mtrique converge vers un lment
x de cet espace si
Hm
d( X'I ~ x) = 0
Les diverses mtriques possibles correspondent donc divers modes de convergence. Un espace dans lequel toute suite converge est dit complet.
Ces concepts abstraits, introduits en algbre linaire [58 Lpeuvent tre tendus
au cas de fonctions appartenant une famille donne. Tout membre de cette famille,
assimilable un vecteur, peut tre exprim comme une combinaison linaire de fonctions particulires de la famille qui fonnent une base de l'espace vectoriel (espace
fonctioll1lel) envisag. Cette base peut comporter une infnit d'lments: l'espace
est alors de dimension infinie.
3.1.3 Reprsentation d'un signal par un vecteur. Dfinitions

Un signal est reprsent usuellement par une fonction appartenant une Camille
de fonctions ayant une proprit commune (p. ex. : nergie finie, puissance moyenne
finie, etc.). JI est donc possible de se reprsenter abstraitement un signalx(t) comme
un .'ecteur dans un espace mtrique adquat auquel on donne le nom d~espace de signaux [49].
Soit un ensemble {I/;" (t)} de 11 fonctions linairement indpendantes formant
une base de l'espace des signaux: tout membre de celui~ci correspond une combinaison linaire unique, du type (3.1), des fonctions t/Jk (t).
La squence ordonne des coefficients {Ct:k } forme un Il~up)e qui dfinit dans
l'espace de dimension Il un point (fig. 3.1 ) de coordonnes (Ct: 1 , a2, ... ) il ) par rapport la base {I/; k ( t) }.
Il existe ainsi une correspondance biunivoque entre des vecteurs de l'espace arbitraire des signaux et l'espace des n-uples, souvent dnot par RI! (coefficients rels) ou
Cil (coefficients complexes).
-------71
/
1
1
1
1
1
1
Fig. 3.1 Reprsentation vectorielle d'un signal (ici pOlir Il
::
3).
43
HEl'IlF:SENl'ATION VECTORIELLE DES SIGNAUX
On dit que le il-upIe a = {ak } est une reprsentation (dans RH ou Cil) de x (r)
par rapport )a base {1/1 /, (t) }.
A chaque base correspond une reprsentation vectorielle a particulire de x (t).
On dispose ainsi de diffrents modes d'analyse d'un signal. Du choix d'une base dpend
la simplicit, l'efficacit et l'utilit d'une telle analyse.
3.1.4 Distance de deux signaux. Dfinitions
La distance d(x,y) de deux signaux x(t) ety( r) est une mesure de leur dissemblance. Elle est nuUe si les signaux sont identiques.
Cette notion joue un rle important en lhorie du signal olt elle est utilise pour
comparer des signaux. En dtection de signaux, en reconnaissance de formes, on calcule les distances d'un signal ou d'une forme identifier avec un ensemble de candidats
possibles. Le candidat prfr est gnralement celui qui correspond la plus petite
distance (principe du maximum de vraisemblance [20, 59]).
Un filtre est un dispositif qui tente de minimiser une certaine dIstance d(x 1 1')
entre un signal incident x( t), entch de composantes ou de perturbations indsirables
et un signal de sortie y(t) ayant des proprits dsires.
Pour des vecteurs x = (x l' X2, , XII) et JI = (y 1, Y2' ... , J'1t ) la distance euclidienne classique est
11
d(x,y)=
1/2
IIXj-yi 1
(3.2)
i= 1
La distal1ce euclidienne de deux signaux xU) ety(t), dfinie sur un intervalle

de temps T, est par analogie
d, (x,y)
~ (KIr Ix(t) -y(l) l'dt)
1/2
(3.3)
On l'appelle aussi distance en moyenne quadratique. Le coefficient K est soit

gal il 1, soit gal lIT. La dfinition (3.3) est la plus famiHre et la plus utile des mesures de distance. Toutefois d'autres df1itions sont parfois utilises, soit parce qu'elles sont mieux adaptes un contexte donn, soit tout simplement parce qu'eUes impliquent une plus grande facilit de calcul. Mentionnons titre d'exemples:
d2 (x,y) = Kr Ix(t) -y(t)j dt
(3.4 )
d 3 (x,y) = Kllsgn !x(t)-a I-sgn Iy(t)-blldt
(3.5)
"T
d4 ( x,y) = sup Ilx(t) -
yU)1 ;
tE
TI
(3.6)
Dans l'expression (3.5), a ct b sont des constantes, souvent choisies gales la

valeur moyenne du signal correspondant dans l'intervalle de dfinition. La notation
sup {z(t); tE T} de la relation (3.6) dsigne la valeur ma..ximum de z(t) dans l'intervalle de dfinition T.
Pour protger des signaux transportant des squences d'information binaire
44
(mots) contre r effet de perturbations prsentes sur la voie de transmission, on a dvelopp des codes dtecteurs ou correcteurs d'erreurs. Dans l'tude de tels codes, on uti*
lise la distance de Hanunilzg [59]
Il
ds(x,y)
(3.7)
[Ci C;]
== 1
pour comparer un mot reu Cl (c'"e; .... ,e;,) un candidat possible

C = (e l' C2' , Cu ). Les Ci et dnotent ici des symboles binaires 0 ou ] et le signe ID
l'addition 1110dulo-::~ (fonction Ou-exclusif: V.1.6.1). Cette distance particulire est
gale au nombre de symboles par lesquels les deux mots diffrent.
Pour illustrer le concept de distance entre deux signaux et montrer l'influence de
la forme de ceux-ci, il est bon de considrer quelques exemples.
ci
3.1.5 Exemple
Soit le problme suivant: on dsire comparer deux signaux x (t) =A cos Wo t et
y (t) =x (t - T) =A cos Wo (t - T) afm de dtenniner leur distance en fonction du pa-
ramtre de retard T (ou du dphasage

WOT). Une telle situation peut se prsenter,
par exemple, dans des problmes de synchronisation (sect. 13.2).
Effectuons la comparaison sur une priode T= 2rr/wo pour - Til ~ T ~ TI2 en
considrant simultanment les distances (3.3), (3.4). (3.5) et (3.6) avec ici a b =0
ct K = liT.
Ona:
Ix(t)
y(t)1 = A 1cos ( '2 7rtIT) - cos [ lrr(t -
= lA Isin (TrrIT)1 . 1sin [rr{ 2t -
d, (x,y)
= 2 A 1sin (1TTIT)1
= V2A 1sin (rrTIT)1
)IT] 1
T
)IT] 1
{ T-' [Sin 2[ 1T( 2 t -
)IT] dt }
'(2
d 2 {x,y) = 2Alsin(1TTIT)I' 1 flsin[rr(2t-r)/TJJdt

1'1'1
d3 {x,y):::: 4 T- t
d 4 (x'!.v)
Sdt::::
; Alsin{7rT/T)1
4\TIIT
-TI2~T~TI2
= 2A Isin{rrTIT)I' sup {lsin[rr(2t-T)IT]I;
t E
T}
= 2 A Isin (rr rlT)1
Le fait de choisir le coefficient K liT dans les expressions (3.3), (3.4) et (3.5)
homognise les diffrentes mesures de distance utilises en ce sens qu'elles ont ici toutes la mme dimension que les signaux x (t) et y (t ). On peut ds lors valablement les
comparer. C'est ce qui est fait graplquement sur la figure 3.2.
3.1.6 Exemple
Considrons les quatre signaux impulsionnels, de dure finie T, reprsents sur la
figure 3.3. Les distances dl (Xi, Xj) et d 2 (Xil Xj), calcules ici avec K = liT, donnent
45
REPRSENT ATrON VECTORIELLE DES SIGNAUX
d(x,!,'
rlTi
2-
TIT
0.5
0.5
Fig. 3.2
respectivement:
d,(x"xz) = d t (XJ, X 3) = d l (Xl,X4)
d t (X2,X4) = d t (X3,X4) =
dl(X2~X3)
=2
d 2 (xl,X2)
= d 2 (XI,X3) = d Z (Xt,X4) = d 2 (X2,X4)
d 2 (X2,X3)
Bien entendu, on a pour tout i :
o~----------~--~_
= d 2 (X3,X4)
V2
46
3.1.7 Exemple
Soit dterminer les distances dt (x, y) et d 2 (x, y) entre les deux signaux
x(t) = exp(-at) . eU) ety(t) x(t-r) o E(t) dnote la fonction chelon-unit
( 1.3.3) et il> O. L'intervalle de dfinition est ici infini. On utilisera les mesures de
distance (3.3) et (3.4) en posant K 1. Les mesures ainsi obtenues ne sont pas homognes et ne peuvent donc pas tre compares quantativement.
Pour r > 0, on a :
Ix(t) -y(l)1 =
Pour T
. exp (
{ exp ("
at)c:(t)
al) . [exp (ar) - 1]
< 0, on a :
Ix(t) - yU)!
__ {exP ( -at) c:"(t-T)' exp. (aT)

exp ( - at) [1
exp ( a T
) ]
-oo<t<O
O~t<oo
Ainsi
1/2
{+ [
dt< x,y);
a 1TI) 1 )
1 - exp (
et
"
alTI)]
[l-exp(
3.1.8 Espace L 2 des signaux nergie finie

L'ensemble de tous les signaux (fonctions relles ou complexes du temps dfinies sur un intervalle [t l, t 2 D de carr intgrable ( 2.3.3) forment un espace fonctionnel, dnot L'2 (t l' t2)' dont la nom1e est
[ f.
IIxll
c2
]1/2
(3.8)
Ix( t)1 'dt
Le carr de la nonne correspond donc l'nergie du signal x Ct).

2
La distance de deux signaux x (t) et y (t) appartenant L ( t l' t 2) est la distance euclidienne (3.3), avec ici KI:
fi
1/2
1,
1t)
yi t) 1 2ct t
(3.9)
Dans L , un signal y (t) converge vers x (t) e11 moyell11e Quadratique lorsque leur
distance d(x, y) tend vers zro. L'exposant :2 apparaissant dans la notation symbolique
de l'espace fonctionnel considr n'est pas une indication de sa dimension, mais du critre de convergence utilis.
L'origine de cet espace ~st le signal qui est nul presque partout, c'est--dire exception fate d'un ventuel nombre limit de discontinuits fines (points isols).
47
3.1.9 Produit scalaire de signaux. Dfmitions

Le produit scalaire de deux l'ecteurs x = (xI, X2' ... ,xn ) et y ::::: (YI ,Y2, ... ,J'Tl)
coordonnes relles ou complexes est dfini par la relation
X
"
XiYi
(3.10)
i=l
11 est li la norme par l'identit
x . x : : :; IIxll
(3.1 1)
Par analogie, on dfinit le produit scalaire de deux signaux - fonctions relles

2
ou complexes du temps - x (t) et y (t) appartenant L (t l' t 2) par
f2
<
x,y* >
:::
f x(t)y*( t) dt
(3.12)
fI
qui est li la norme (3.8) par l'identit
<
x,x*
>
IIxll
(3.13)
2
On dmontre que l'espace L (t 1, t 2 ) dot d'un produit scalaire induisant une

norme est complet. On donne en mathmatique ce type d'espace le nom d'espace de
Hilbert.
Le produit scalaire possde la symtrie hermitienne
<
x,y*
<
>
y,x*
>
(3.14)
:1:
3.1.10 Commentaire
La notation fonctionnelle <x,y*> utilise dans cet ouvrage, o l'astrisque indique le conjugu complexe, est cohrente avec celle introduite au volume IV en rela~
tion avec le concept de distribution ( IV. 7.1.13). Dans la plupart des ouvrages de
rfrence, le produit scalaire est plus simplement dnot par <x,y> ou (x,y). La notation <x,y > sera ici rserve au cas de signaux rels.
3.1.11 Dfinition: fonctions orthogonales
En gomtrie euclidienne, deux vecteurs sont orthogonaux si leur produit scalaire est nul. Par analogie, x (t) et y (t) sont des fonctions orthogonales sur l'intervalle
[t l' t 2 ] si leur produit scalaire
12
< x,y* > = f

t
x(t)y*(t)dt
(3.15)
La spcification de l'intervalle [t l, t 2 ] est importante, Deux fonctions orthogonales sur [tt> t 2 ] ne le sont pas ncessairement sur tout autre intervalle [t3' t4]'
3.1.12 Exemple
Les quatre signaux de la figure 3.3 sont orthogonaux deux deux sur l'intervalle
[0, T], sauf pour la paire X2 (t),X3 (t) dont le produit scalaire vaut <X2,Xj > =-T.
48
3.1.13 Relation entre produit scalaire et distance euclidienne

La notion de produit scalaire est, comme celle de distance, importante en thorie du signal. Ces concepts sont d'ailleurs lis. En effet, dans L 2 (tt, t 2 ) on a par (3.9),
(3.12), (3.13) et (3.14) :
12
d \ x ,y) =
[x( t) - y( t ) ] [ x
*( t ) -
y *( t ) ] dt
1]
< x,x* > + < y,)'''' > - <

IIx1[2+ 11.1'112-:2 Re < x,y* >
x,y*
> - <
x,y*
>*
(3.16)
Pour deux fonctions orthogonales, on obtient en tenant compte de (3.15) la

formulation gnrale du thorme de Pythagore:
2
d (x,)') =
..,
IIxll-+ Il)'11
(3.17)
Le produit scalaire est egalement directement li la notion de corrlation

( 4.1.1 0) qui est aussi u tHise comme moyen de comparaison de deux signaux
(sect. 13.1).
3.1.14 Dfinition: ingalit de Schwarz

2
Considrons les fonctions x (t) et ky (t) appartenant L (t l' t 2)' o k est une
constante relle ou complexe arbitraire. Par dfinition, la distance d(x, l~v) est positive ou nulle. Par un dveloppement semblable (3.16) ~ on a :
d (x, ky) = <x,x* >
2
+ Ik 1 2 <y~y* > k* <x,y* >
k <x,y* >*
(3.18)
Cette relation est en particulier satisfaite pour k::= <x,y * > 1<y,y * >. ce qui
donne en remplaant dans (3.18) :
< x,x'" > -
< x,y* >

< y,y* >
(3.19)
d'o l'on tire l'ingalit de Sclnvarz :
l<x,y*>1 2 ~ <x,x*> <y,y*>
(3.20)
En tenant compte de (3.8), (3.12) et (3.13), cette ingalit peut aussi s'crire
sous la forme:
t2
f x{t)y*(t)dt
1tl
t.,
t2
f lyU)1
Il
tl
~ ix(t)1 2dt
2 dt
(3.21)
L'galit n'est atteinte que pour cl(x, ky) = 0, c'est--dire lorsque
x(t) = ky(t)
(3.22)
L'ingalit de Schwarz est souvent invoque pour rsoudre certains problmes

d'optimisation ou dterminer des bornes (voir chap. 4, 7 ou 13).
49
ItEI'RSENTATION VECTORIELLE DES SIGNAUX
3.2 APPROXIMATION AU SENS DES MOINDRES CARRS

2
3.2.1 Approximation optimale d'un signal dans L . Dfinitions

Considrons un signal x (t) appartenant l'espace L 2 de dimension Il et un en, formant
semble {t/Jk (t)} de 111 < Il fonctions, linairement indpendantes dans
2
une base d'un sous-espace Em de L .
On peut dfinir dans Em une approximation d'ordrem,;(t), du signalx(t)
par la combinaison linaire
III
x(t)
Ci.
k=l
(3.23 )
k t/Jk(t)
La diffrence
e(t)
xU) -x(t)
(3.24)
est un signal d'erreur d'approximation dont la norme est, par (3.9) gale la distance
d(x,x) :
Ile Il
d(x,x)
(3.25)
Le carr de la nonne lIell est appel erreur quadratique moyennc. L'approximation (t) de x (t) est optimale au sens des moindres carrs si les coefficients Ci" sont
choisis de manire rendre la distance d(x, x) minimale.
SixU) E E""d(x,x) =0 etx(t) =x(t).
3.2.2 Thorme de la projection

.l distance d (x, x) entre une fonction x (t) et son approximation (3.23) est
minimum si l'erreur d'approximation e(t) =x(t) - X(t) est orthogonale aux fonctions t/Jk (t), c'est--dire si
<c,I/I;>
= 0
"fIk
(3.26)
Ce thorme est la gnralisation du fait, constat en gomtrie euclidienne, que

la plus courte distance d'un point un plan est ]a longueur de ]a perpendiculaire abaisse du point au plan.
3.2.3 Dmonstration
Soit x (t) l: Cik t/J k (t) une approxima tion cl' ordre m de x (t) telle que r erreur
e(t) =x(t) -x(t) satisfasse)a condition d'orthogonalit (3.26). Considrons une
autre approximation arbitraire de mme ordre -y(t) = 2: {lk t/J,,(t) de x(t). On peut
crire en tenant compte de (3.16) :
2
d (x,x)
A,
Or<x-X', -
'" ,....,
= d 2 (x-x,x-x)
= IIx-xll 2 + ILy-x11 2
-?*> ==0 puisque x(t)
2 Re
<x-X',_y*-X'*>
(3.27)
x(t)=l: ({lk-Qik) lPk(t) et que

d 2 (x, x) =
<x' - X, I/IZ'> == 0 pour tout k. La relation (3.27) se rduit donc il

IIx-xll 2 + lIi--X'1I 2 qui est clairement minimale six(t) =x(t).
50
3.2.4 Erreur quadratique moyenne optimale

Sila condition (3.26) est satisfaite
<x,X'*> = <x,X'*> IIX'U 2

car <x,X'*>=<X' + e,X'*> et <e,X'*>=O.
(3.18)
L'erreur quadratique moyenne optimale est donc exprime, en tenant compte

de (3.16), (3.25) et (3.28) par
lIeU 2 =
d 2 (x,X') = IIxll 2 /lX'1I 2
(3.29)
ou, en d'autres termes, par (3.8), (3.13) et (3.23)

t2
Ile Il 2
= J1x( t ) -
t.
= J Ix(l)!
x(t ) 1 dt
2
12
2 dt
ft
111
L L CX/;;Ci/ <
k=1
1=1
1/.1 k
,l/I/"
>
(3.30)
3.2.5 Dtermination des coefficients ('X/i:

Si la condition (3.26) est satisfaite, on obtient par analogie avec (3.28)
<x,l/I7> = <X', 1/.17>
(3.31)
Le remplacement dcx(t) par le dveloppement (3.23) conduit un ensemble

de m quations
ni
l <
1/1 k' t/J/ > cx k = < x, t/J,* >
;1=
1, 2 ... , 112
(3.31 )
k=1
dont la solution est l'ensemble de coefficients optimums {CXk }

En notation matricielle, le systme d'quation (3.32) s'crit simplement
A -a:::=
(3.33)
o A est la matrice m X m des produits scalaires des fonctions de base

1'1
k /:=
< 1/I",1/.J/, > = J ~1/.Jd 1)1/1/"(1 )dt
(3.34 )
II
et r est le vecteur colonne des produits scalaires (projections) du signal avec les diffrentes fonctions de base
t2
'YI
< x,l/I/' > =
f x(t) 1/1/:( () dt
(3.35)
11
Le vecteur a des coefficients

matricielle
= A-] . r
('Xk
satisfaisant (3.26) est ainsi donn par la relation
(3.36)
On peut observer par (3'.34) que la matrice A est diagonale si les fonctions de
base sont orthogonales.
51
REPRSENTNTION VECTORIELLE DES SIGNAUX
3.2.6 Exemple
Considrons l'approximation d'une impulsion rectangulaire x Ct) = rect (t par une combinaison linaire de III 3 fonctions exponentielles dcroissantes
I/lk(t) = exp[- kt], avec k = 1 3, dfinies sur rintervalle [0, co1.
On a ici (le premier rsultat montre~ en particulier, que ces fonctions ne sont
pas orthogonales) :
+)
< I/.Ik,l/.I/ >
"kl =
et
<
Jexp [-( k
o
I/Jt > = Jx( 1 )exp (

"'"
x,
+ I)t]dt
+1
k,!
::=:
1, 2, 3
-ft) dt
Jexp( -lt)dt
o
exp ( -1 )]
_L[ 1
1
On en tire les ma trices

1
"3
[i 1]
1
4"
1
et
A- 1
= [
et
72
240
180
-240
900
-720
80]
-720
600
[0,63212]
0,43233
0,31674
D'o la solution
[m
[- J
=A-1r
,234]
9,338
Ainsi~ la meilleure approximation de x (t) = rcet (t -
0< t
+) sur l'intervalle
< co raide d'une combinaison linaire de fonctions 1/.1 k (t)
exp [ - li: t ] est
(fig. 3.4)
x(t)
= -1,234
exp(-t)
+ 9,338' exp(-2t) -7,454
exp(-3t)
La valeur quadratique moyenne de l'erreur d'approximation vaut dans ce cas,

par (3.30)
Il e 11 2
= 1-
0,896 = 0,104
3.2.7 Qualit de l'approximation

2
L'erreur quadratique moyenne Il e 11 est une mesure absolue de l'imperfection de
l'approximation d'ordre m obtenue. Il est en gnral prfrable d'exprimer la qualit
52
THOIUE ET TRAITEMENT DES SIGNAUX.
o
Fig. 3.4
de cette approximation en .'a/eur re/ali,'e. Celle-ci est obtenue en faisant le rapport

2
IIxll
=2
IIxl1
IIell
IIxll
11xll 2
(3.37)
1-1IX'1I
o
t",
Il xII = J"...Ix(t)1 '2 dt

2
(3.38 )
TI
est l'nergie du signal et
IIkCif <
k
>
tJ;k,!J;/,
(3.39)
est l'nergie de l'approximation.

Le rapport (3.37) est une sorte de rapport signa/-sur-bruit (d'approximation)
dont on verra d'autres exemples par la suite. Il est commode de le chiffrer en dcibel
en utilisant la relation (1.2)
~dB
dB
(3.40)
3.2.8 Exemple
La qualit de l'approximation d'un signal rectangulaire ralise dans l'exemple
3.2.6 Paide d'une combinaison linaire de trois fonctions exponentielles dfinies sur
l'intervalle [0,
~ =
00 ]
est caractrise par les valeurs
1/0,104
9,62 ou
~dB =
10 log 9,62 = 9,8 dB
3.3 DVELOPPEMENT EN SRIE DE FONCTIONS ORTHOGONALES
3.3.1 Conditions d'indpendance des coefficients

Le systme d'quation (3.32') se simplifie considrablement si les foncHons
t/lk(t) forment une base orthogonale ~ur l'intervalle [t 1, t 2 ], c'est--dire si leurs produits scalaires (3.12) satisfont la condition (3.15) :
k 1 =
< i/J le, t/I i > = 0
"fi k
=1:=
( 3.41 )
53
REPRSENTATION VECTOIUEU.E DES SIGNAUX
On obtient alors un dJ1cloppeme/ll ell srie de f01lcTiol1s orthogonales

m
x(t)
C'i k
(3.42)
l/1k(t)
k=t
dont les coefficients sont indpendallls et dtermins par l'quation gnrale (avec
kk ;::: ,,)
(3,43 )
o
h
Ill/1k 11
J Ih (t)I:! dt
(3.44 )
Il
est un scalaire rel.
3.3.2 Dfinition: fonctions orthonormales

Les fonctions I/1k (t) sont dites orthOllormales si
"\Ik
(3.45 )
La normalisation peut toujours tre obtenue, lorsque

l'ensemble des fonctions pondres
k =1=
l, en introduisant
(3.46 )
3.3.3 Erreur d'approximation

Une approximation d'ordre 111 d'un signal x(t) par un dveloppement en srie de
fonctions orthogonales (3,42) entrane une erreur dont la valeur quadratique moyenne
se rduit, en introduisant (3,41 ) dans (3.30),
h
Ile Il
111
= fx(t)1
dt
> 0, il en rsulte l'ingalit

t2
HI
l
k= 1
(3.47)
k:: 1
Tl
Puisque Il e Il
2
1O:k 1
ICl k I
2
k
-<
JIx(t)1
dt
IIxll
'\lm
(3.48)
fI
3.3.4 Identit de ParsevaI

2
Comme k = Il t/Jk 11 est toujours positif, on dduit de ]a relation (3,48) qu'il
suffit de faire crotre m, au besoin jusqu' l'infini, pour que l'erreur quadratique moyenne - respectivement la distance d(x, x) - s'annule. L'approximation x(t) converge
donc vers X (t) en moyenne quadratique. A la limite, la relation (3.48) conduit fI l'iden-
54
tit de Parseval (dj rencontre sous d'autres formes dans le volume IV) :
t2
co
L la k 1 2
Ix{t)1 2 dt
(3.49)
t=l
1}
3.3.5 Dfinition: ensemble complet de fonctions orthogonales

L'ensemble des fonctions orthogonales {l/lk Ct), k = l, 2, ... ~ m} est un ensemble complet (ou total) s'il est possible d'approximer n'importe queUe fonction
x(t) EL 2 avec une erreur quadratique moyenne qui tende vers zro lorsque 111 tend
vers l'infini.
3.3.6 Interprtation nergtique

Chaque composante CY.k l/I k (t) du dveloppement en srie de fane tians orthogo2
nales complet de x (t) E L (t l' t 2 )
L cx k 1./Jk(t)
.'l(t)
(3.50)
k=1
possde une nergie

t..,
I -1
l/Ik 12dt
CX k
(3.51 )
==
t1
Le membre de gauche de l'quation (3.49) reprsente l'llergie totale du signal

x (t). Il ressort donc de l'identit de Parseval que le dveloppement (3.50) allalyse le
signal x (t) d'une manire telle que l'nergie totale du signal soit gale la somme des
nergies des composantes.
3.3.7 Reprsentation de signaux priodiques

Tout signal priodique, de priode 1', il puissance moyenne finie, peut tre considr ( 1.3.14) comme la rptition repT {x (t, T)} d'un signaLt(t, T) nergie
finie sur T.
Tout ensemble de fonctions orthogonales dans l'interval1e [t l ' t 1 + T] poss~
dant, en plus, une structure priodique de priode T, est orthogonal sur tout l'intervalle
00,00] et convient la reprsentation d'un signal priodique de mme priode
possdant une puissance moyenne finie.
Les relations (3.42), (3.43) et (3.44) s'appliquent sans autre en posant simplemen t t 2 = t 1 + T.
L'erreur quadratique moyenne d'approximation se dduit de (3.47) en posant
nouveau t2 ::::: t 1 + T et en divisant chaque terme par T : elle mesure alors la puissance
moyenne et non l'nergie (dans ce cas inflllie) de l'erreur:
Pe = -
t +7'
1
TrI
l.t(t )1 dt
L
k=1
1cx k 12. klT
(3.52)
55
L'identit de Parseval, atteinte lorsque la puissance de l'erreur est nulle (ensemble complet) prend ici la forme suivante qui exprime de deux manres quivalentes
la pUssance moyenne du signal priodique:
II +T
Px:
=- J
""
1,L Ia:kl
T k=1
:2
=-
Ix(t)1 dt
TIl
(3.53 )
3.3.8 Analyseur et synthtiseur de signaux. Principe gnral

Les relaUons fondamentales servant l'analyse - ou la synthse - d'un signal
au moyen d'un dveloppement en srie de fonctions orthogonales sont regroupes dans
le tableau 3.5.
Tableau 3.5
Dveloppement complet:
x( t)
L 2(t1
ak Wk(t)
:=
avec
t2 )
1,
< !JIk.!JI/ >
kl
; J.!JI,...!
t) I/I/U
~dt
'r:I k =F 1
II
et
12
ale
k
oh
J x( t) l/Jh~(t) dt
Il
1.,
1/1,..., !JI;
"'le
>
r-'!JId t)\2 dt
il
Approximation:
m
x(1)
=l
ak Wk(t)
k=1
La structure gnrale d'un analyseur de signaux s'en dduit immdiatement (fig.

3.6).
composantes
signal x( t)
ll/lj(t)
-kII/lZ(r)
~ll/1~(t)
gnrateur local de
Conction5orthogonaks
Fig. 3.6 Structure de principe d'un analyseur de signaux.
56
THtorUE ET TRAITEMENT DES SIGNAUX
Invrsment, on obtient la structure de principe d'un synthtiseur de signaux

(fig. 3.7).
Cl!l
X J----------llllool
--~
x(t)
:=
}:: Ck
1/Jdt)
/{::::::I
CI! /1 ----+---+---111~
..pd!) ... 1/J;.;;(t)
... 1/J,,(t)
gnrateur local de
fonctions orthogonales
Fig. 3.7 Structure de principe d'un synthtiseur de signaux.
o 3.3.9 Procdure d'orthogonalisation de Gram-Schmidt

La procdure itrative suivante permet de construire une base orthonormale
{1/1k (t), k = 1, 2) ... ,11} partir d'un ensemble de Il fonctions linairement indpendantes {l,,, (t), k = 1, 2, ''', JI} appartenant l'espace considr:
(3.54 )
l/.Jk ( t)
avec
Wl
Ct) =-
(3.55)
l' 1 (t)
et le terme gnral
k-l
Wk(t)
]}k(t) -
L<
Vk>
1/1/ >
1jJ;(t)
(3.56)
i= 1
Par l'quation (3.56), la fonction (vecteur) Hfk (t) est la diffrence entre la
fonction (vecteur) li k (t) et sa projection sur le sous-espace de dimension k - 1 engendr par J'ensemble des fonctions orthogonales dj dtermines {1/1i(t), i 1,2, ... ,
k - 1 }. Elle est donc perpendiculaire toutes les fonctions de cet ensemble.
Si les fonctions J1 k (t) ne sont pas linairement indpendantes, la procdure d'orthogonalisation dcrite reste applicable, mais conduit m < n fonctions orthogonales
non nulles: ln reprsente alors la dimensioll de l'espace des signaux dfini par
{llk
(t)}.
o 3.3.10 Exemple
Soit l'ensemble de fonctions linairement indpendantes appartenant L 2 (0, co)
l'k(t) :;::; exp(-kt);
k = 1,2, ...
57
JI'RSENl'ATION VECTORIELLE m~s SIGNAUX
En appliquant la procdure d'orthogonalisation de Gram-Sc1unidt, on obtient

pour l'intervalle 0 ~ t < 00 :
Wl
(t)
t/Jt<t)
W2
= )Jt (t) = exp(- t)

=
v'2 exp(- t)
(t) = exp ( - 2 t) - (2/3) exp ( - t)
t/J 2 (t) = 6 exp ( - 2 t) - 4 exp ( - t)

W3
(t) = exp (- 3 t)
t/J 3 Ct) =
( 6/5) exp ( - 2 t)
V6[ 10 exp ( -
3 t)
+ (3/10) exp ( -
12 exp ( - 2 t)
+ 3 exp ( -
t)
t) ]
etc.
On vrifie aisment (exercice 3.59) que les fonctions H'/.:(t) et I/Ik(t) sont respectivement orthogonales et orthonormales sur [0,00]. Les fonctions Pk (t) et t/Jk (t),
pour k allant de 1 3, sont reprsentes sur la figure 3.8.
\~,
1"
..' ,
........:~,,~ = 2
3 ......
.... ....
.............:::::::::::.:::::::::::::'::.":""
-- - --
"'
o
-1
Pk..." ........ _
"
......"....... .
. [
k = 3
........................................
:2
. . ..............-----------;;-:-2--Fig. 3.8
3.4 PRINCIPAUX ENSEMBLES DE FONCTIONS ORTHOGONALES
3.4. t Impulsions rectangulaires dcales

Un exemple trivial de dveloppement en srie de fonctions orthogonales, valable
sur l'intervalle - 00 < t < 00, est obtenu en choisissant comme fonctions de base I/Ik (t)
des impulsions rectangulaires de dure L1T, centres en t k L1T avec ici k = 0, 1,
2 .... , 00:
fCCt
(t
(3.57)
58
qui satisfont la condition d'orthogonalit (3.41). Par (3.44) on obtient . k

(3.43) les coefficients du dveloppement
00
"'k
(t :; L> r
1rf x(t) rect

( k+ 1/2 ).6.
= _1
LlT
( k-
;:
Llr et par
dt
x(t)dt
(3.58)
1/2 ) .:1 T
Les coefficients (Xk correspondent ainsi la l'aleur moyelllle du signal calcule SUr
un mtervalle Llr centr en t = k . Llr. En premire approximation, pour 6.r suffisamment petit, (XJc est la valeur chantillonne du signal l'instant t k Llr :
(3.59)
Un modle approximatif du signal x(t) est alors obtenu en combinant les quations (3.42) et (3.59) :
x(t) =
k=-~
x( kLl T) reet ( t
k Ll
Tl
(3.60)
LlT
Cette approximation (fig. 3.9) correspond en quelque sorte une modulation

d'impulsions en amplitude (sect. 11.4).
!l'k
rect (
t - ki5. T
o
.Y(t)
Fig. 3.9
L'ensemble des fonctions orthogonales {Wk (t)} dfinies par (3.57) n'est manifestement pas complet. Toutefois~ la qualit de l'approximation (3.60) est d'autant
meilleure que Ll Test pe tH. A la limite, pour Ll T ...,. 0, l'impulsion rectangulaire pondre
par 1/LlT devient une impulsion de Dirac ( 1.3.9) et on obtient la description exacte
(avec k Ll T ...,. T)
x(t) = lim x(t)
.6.,-0
lim
.:1,-0 k=
CS>
x( k Ll r ) _1_ reet
Llr
(t - k Ll
T )
L1 r
LlT
ex>
J x(r)(t
-"'"
r)dr
(3.61 )
59
REPR(;;SENTATION VECTORIELLE DES SIGNAUX
On reconnait ici l'intgrale de convolution (1.47) qui est fondamentale en tho~

, fic du signal et en thorie des systmes linaires en cela qu'elle permet de se reprsenter un signal x (t) comme une somme pondre infmie d'impulsions de Dirac.
3.4.2 Fondbns de Rademacher. Dfinitions

Un ensemble incomplet trs simple de fonctions orthogonales de type rectangulaire est constitu par les fonctions de Rademacher (fig. 3.10). Ce sont des fonctions
binaires, structure periodique, ne prenant que les valeurs +1 ou -1.
rad (0,
IITl +l----------~~
rad ( l,
IITi 1+_____-.
-!~
rad (::!. t
..
Ilnh
1
_II
r
r
_?L-J~
LJ
rad ( 4,
III
ITi~t==::::::::~-t-----if----+--""'-L-_....IFl::::=:f ~
-1
rad(3,
~----~
rlT)~
1
c:::
t
III
nnnrlnnn T t
_?LrU u L.JU U U 0
lIIIi
Fig. 3.10 Fonctions de Rademacher.
Une dfinition simple des fonctions de Rademacher, d'indice i et de priode T,

est donne par
rad (O~ tlT)
et
rad(i~
tlT)
sgn {sin(2 1TtIT)} ; i = 1, 2, .-,
(3.62)
Le caractre incomplet de l'ensemble ainsi form est illustr par l'exercice 3.5.12.
La fonction de Rademacher est le modle du signal rectangulaire priodique appel onde carre par les lectroniciens. Hormis la fonction d'indice zro qui est une
simple constante, toutes les autres fonctions de Rademacher correspondent des sgnaux aisment
partir de celui d'indice le plus lev, l'aide d'un systme
logique comprenant une cascade de diviseurs de frquence par deux (sect. V .4.1.).
3.4.3 Fonctions de Walsh avec classement squentiel. Dfinitions

Un ensemble complet de fonctions orthogonales binaires incluant les fonctions
de Rademacher est constitu par les fonctions de lVa/sli. Ces fonctions ne prennent que
les valeurs +1 ou -1 en changeant de signe k fois dans l'intervalle ouvert 0 < t < T.
Elles sont gnralement considres comme priodiques, de priode T. Elles peuvent
60
tre dfinies de la manire suivante [60]
k'
r -1
!/Jk( 1) = wal(k, liT) =
sgn
cos '( 2 rrtlT)
(3.63 )
i=O
O
Ici est le
{me
coefficient (gal zro ou un) de l'expression de k en base deux:
r-l
=L
;=0
k i :2
(ki=O,I)
(3.64 )
et r est la plus petite puissance de deux suprieure k.

Les fonctions de Rademacher et de Walsh sont lies par la relation
rad(i, tlT)
= wal( 2
L tlT)
(3.65)
Les fonctions de Walsh dfmies par (3.63) sont classes dans J'ordre squentiel si
elles sont ordonnes selon les valeurs croissantes de l'indice k. Le concept de squence
a t introduit [6] ] par analogie avec celui de frquence d'une fonction sinusodale
pour caractriser le nombre moyen de paires de changement de signe (cycles) par unit
de temps. Ainsi, les fonctions wal( l, tlT) et wal(2, tlT) sont de mme squence
s = lIT, de mme que les fonctions Sin(27T tlT) et cos(2rr tlT) sont de mme frquen
ce
liT. D'une manire gnrale, la squence d'une fonction de Walsh d'indice k est
donne par
'k
= J ~k + 1 )/2
( kl2
k = 0
le impair
k pair
(3.66)
Une autre notation, parfois utilise, met en vidence les symtries paires et impaires des fonctions de Walsh en dfinissant - par analogie toujours avec le sinus et le
cosinus - des fonctions saI et cal de la manire suivante
sal(s/c, tlT)
cal(s/.:; tlT)
= walCk, tlT)
wal( k, tlT)
k impair
k pair
(3.67)
Les huit premires fonctions de Walsh classes dans l'ordre squentiel sont repr
sentes sur la figure 3.11. On vrifie aisment leur proprit d'orthogonalit sur l'intervalle [0, T], avec " = T. Un exemple d'approximation d'une fonction continue par
une somme pondre de fonctions de Walsh est donn sur la figure 3.12.
3.4.4 Procdure usuelle de gnration

La gnration de signaux ayant la rorme de fonctions de Walsh peut se raliser
partir d'ondes carres (fonctions de Rademacher) en utilisant la proprit suivante
wal( le
!J
l, tlT) = wal( k, tlT) wal(l, riT)
(3.68)
o ID dnote l'addition modulo-2 des indices k et 1 reprsents en base 1 (par ex.

3 filS = 6 puisque 3 ~ 011, 5~ 101 et 6 ~ 110 011 ru 101). De plus, en faisant
correspondre aux amplitudes +1 et -1 les tats logiques 0 et 1 respectivement, la multiplication de fonctions de Walsh devient une addition modulo-2 qui est aisment ralise l'aide d'un oprateur logiqucOu-exclusf ( V.1.6.1).
61
wal(O,
sal( l,
tfT)
= wal( l,
tITol)t--------...,
-
! ....
Il
tlT)
1;----""1
T t
o+-------~--------~-
-1
cal( l,
tlT) = wal(l,
sal(1,
tin =
tf_T~/__
+-________+-__-'--_
b
___
J
_
Ht.-.----IR ~
Wr\1(3:t l n
r-I
__
T~
-~L-J~
caiO,
sal(3,
cal (3,
tlT)
= wal( 4,
tlT)
wal(S,
tlT)
= wal(6,
fln
Iln
b _ 0 r-t T
-1L-J LJ
LJ
rlT)A
n n
l~_n
-~
saI( 4,
b _C=J
CJ
-IL-J
L-J T
L.J
tlT) = wul(7. tln~

1
-~
tlll
c:::rLJ T
_onn
L..J LJ LJ LJ ....
T
Fig. 3.11 Fonctions de Walsh.

31
x(t) =
Qk
wal( k, tfT)
x(t)
k=O
Tl2
0
Il'o
0:'8
+ 0.3133
+ 0.0029
1l'16 = <X24 = +
0.0000
0.0012
(1'1 :::;: - 0.2849

0.-10 := + 0,0106
Il'IB
0:26
::: + 0.0041
= + 0,0058
T
=
0'12 =
0:'20 =
0.'28 =
(1'4
+ 0,1162
+ 0,0481
- 0,0096
+ 0,0231
O:'G =
0:'14 =
0:'22 ==
0:'30 =
-0.1413
-0,0639
+0,0064
0.0314
Fig. 3.12 Exemple d'approximation par fonctions de Walsh (Il'k:::::: 0 pour k mpair).
L'ensemble des fonctions orthogonales (ou orthononnales pour T = 1 ) de Walsh

prsente un intrt pratique considrable [62] en traitement des signaux et des images
ainsi qu'en reconnaissance des formes. Ceci est d, d'une part leur simplicit de gn
ration et de manipulation logique et, d'autre part, la facilit avec laquelle les coeffi~
cients CXk correspondants peuvent tre calculs.
p
62
THORIE ET TRAJTEMEN1' DES SIGNAUX
3.4.5 Fonctions de Walsh avec classement naturel. Dfinitions

Une mthode rapide d'tablissement des fonctions de Walsh est obtenue en tenant compte de leur parent avec les matrices de Hadamard !JN. Ce SOl1t des matrices
carres, d'ordre N X N, dont les lments valent + 1 ou - 1 et dont les lignes (respectivement les colonnes) sont mutuellement orthogonales. El1es prsentent un intrt
particulier en traitement numrique des signaux et des images (vol. XX).
1l
Chaque ligne d'une matrice de Hadamard d'ordre N = 2 contient II. changements
de signe et correspond la version discrte (chantillonnage de 2/1 valeurs rgulirement rparties entre 0 et T) de la fonction de Walsh walCk, lfT).
La formule de rcurrence suivante permet d'tablir rapidement la matrice de Ha11
damard H 2N avec N = 2 :
H2N
= H,
0 JIN
[~: _~:]
(3.69)
o
(3.70 )
et dnote le produit de Kronecker (ou produit tensoriel de matrices). Les matrices
H 4 et H 8 sont reprsentes sur la figure 3.13 avec nndication de quelques fonctions de
Walsh correspondantes.
1
1 - 1
-1
1
1 -1
- 1
1
1
1 - 1
1
1
-1 -1 -1
-1
- 1 - 1
1 - 1 -1
-1 -1
1
-1
H4
::
[1
-1
1
-)
-1
-l]
HM
--- \Val (7. II T)
\val (2. tlT)
Fig.3.D
On appelle ordre naturelle classement des fonctions de Walsh dans l'ordre des
lignes correspondantes de la matrice H N' Il est possible de passer du classemen t naturel au classement squenUel en exprimant l'indice k comme la version dcimale, selon
le code de Gray ( 1004.3), de la lecture jnverse - c'est--dire commenant par le bit
de poids le plus faible - de l'expression binaire de l'indice de ligne du classement naturel (pur exemple: indice de ligne == 6 +-* 110 en binaire: en lecture inverse: 0 Il
~ le = 2 selon le code de Gray).
3.4.6 Fonctions sinusodales

L'ensemble des fonctions harmoniques
.pk ( 1)
V:
sint 2trkl/T)
(3.71 )
est orthonormal sur l'intervalle [0, TJ. Il est toutefois incomplet: aucune fonction
symtrie paire dans l'intervalle [0, T] n'est exactement reprsentable par une combinaison linaire des V;,,(t). L'ensemble est complt par l'adjonction de fonctions harmoniques cosinusodales. ce qui conduit au classique dveloppement en srie de Fourier.
63
3.4.7 Srie de Fourier

De tous les dveloppements orthogonaux d'un signal sur un intervalle de dure T,
celui qui a la plus grande importance thorique est celui de Fourier, dj rencontr au
volume IV o il est prsent comme un CLIS particulier de la transformation intgrale de
Fourier applicable aux signaux priodiques (sect. IV.7.4). Mais l'utilit de la srie de
Fourier n'est nullement limite ce cas.
2
Tout signal x (t) E L (t l' t 1 + T) peut tre exprim par une combinaison linai
re des fonctions exponentielles complexes (en remplaant ici nndice k par Il positif,
nul ou ngatif)
1jJ" (t) ::::: exp(j 21T Il tlT)
(3.72 )
qui forment un ensemble complet de fonctions orthogonales sur l'intervalle

+ T) avec, par (3.44)
(lt, t l
,[/
= T
(3.73 )
\j Il
En dnotant conventionnellement le n-ime coefficient du dveloppement en srie de Fourier complexe d'un signalx(t) par la majuscule correspondante XII (en lieu
et place de Ck), on obtient l'quivalence dans l'intervalle [tl' t l + T]:
x(t) =
11
X lI CXp(j21TIlI/T)
(3.74 )
(Xl
avec, d'aprs (3.43) et (3.73) :
!I
./Y"
= -
T-
+T
x(t) exp( - j 21Tnt/T) dt
(3.75)
Il
Ces coefficients prsentent l'intrt d'tre naturellement classs dans l'ordre harmonique des frquences h, = I1IT et conduisent la notion classique de spectre frquentiel (bilatral) d'un signal. Si la fonction x (t) est relle} les coefficients X ll et X-II
sont des conjugus complexes.
La limite du produit X" T obtenue en faisant crotre indfiniment l'intervalle T
est la transforme de Fourier XU) du signal ( 4.1.6).
Remarquons que lorsque le signal est priodique de priode T, c'est--dire si
x(t) = x(t + 111 T) avec III entier, l'quivalence (3.74) s'tend aussi tout l'axe rel:
- cc < t < 00. L'identit de Parseval (3.53) permet alors d'exprimer la puissance moyenne du signal de deux manires quivalentes:
!I
Px
= -
T .
fi
+ T"
,_
1.t(tH -dt = ')
"
(X,,! ~
(3.76)
,,:_"'"
o 3.4.8 Dveloppement d'une fonction de la frquence

Par analogie avec le dveloppement d'une fonction du temps x(t) sur un intervalle [t l' t 1 + Tl. le dveloppement en srie de Fourier d'une fonction de la frquence
Z (f) sur un intervalle frquetttiei [ft, fI + F] donne:
64
Zef)
Zk
k=
exp(j 2 rrkffF)
(3.77 )
_<XI
avec les coefficients:
fI +F
-f
Z(f)exp(-j1rrklfF)dl
(3.78)
FfI
qui sont en gnral complexes~ sauf si Z (f) est une fonction paire.
o 3.4.9 Reprsentation chantillonne d'un signal de sp~ctre support born de type

passe-bas
Considrons un signal x(t) dont la transforme de Fourier XCf) est nulle pour
Ifl >12 , Pour un spectre de type passe-bas et compte tenu de la dfmition (2.15),la
largeur de bande B et la frquence limite 12 sont gales: B 12 -ft == /2 car ici fI = O.
Le signal et sa transforme sont lis par la relation
B
r X(f)cxp(j1rrft)df
x(1) ==
(3.79)
":B
En dveloppant en srie de Fourier la fonction Zef) = exp(j 'lrr ft) sur l'intervalle frquentiel [-B, B], il vient:
Zef) ==
Zk(t)exp(j :'rrkf/2B)
k=
(3.80)
-an
avec, [en tenant compte de la notation (1.58)] :

B
Zk(t) ==
1
2B
f exp
(j 2n[t -kf2B]f)df
':B
sin
n( 2Bt - k )
= sinc('lBt - k)
Ces fonctions sont reprsentes sur la figure 3.14.
Fig. 3.14
(3.81 )
ItEPRSENT ATION VECTORIELLE DES SIGNAUX
65
En substituant (3.80) et (3.81) dans (3.79) et en intervertissant l'ordre de som

mation et d'intgration, on obtient:
x( kllB) sinc(2 Bt
k)
(3.82)
k=-=
Les fonctions Zk (t) = sinc(2Bt - k) sont orthogonales (voir exercice 4.7.19) et
engendrent un espace fonctionnel complet (celui des signaux de spectre support bor2
n). Par contre, l'ensemble de ces fonctions n'est pas complet dans L puisque les signaux ayant une largeur de bande suprieure B n'appartiennent pas au sous-espace
engendr.
Les coefficients du dveloppement (3.82) ont la proprit remarquable d'tre
simplement les valeurs challtillollnes du signal prleves priodiquement tous les
Ilt = (2Br l secondes. Ce rsultat sera interprt au chapitre 9. On y montre en fait que
si la frquence d'chantillonnage Je d'un signal analogique de spectre support born
satisfait la condition te = llr 1 ~ 2B, le signal analogique peut tre parfaitement
reconstruit partir de la connaissance des seuls chantillons. Ce rsultat porte le nom
de thorme d'chantillonnage.
3.4.10 Srie de Fourier d'un signal chantillonn

Par analogie avec le dveloppement en srie de Fourier (3.74) d'un signalanalogique x(t), dont les coefficients sont dfinis par (3.75), on obtient pour un signal
chantillonn - ou numrique - x(k) de N chantillons, prlevs sur l'intervalle T =N-llt,
aprs avoir normalis le pas d'chantillonnage At = 1:
N-l
x(k)
l x" expQ2rrnkjN)
(3.83)
11=0
avec
N-J
X"
= (lIN)
x(k) exp(-jlrrnkjN)
(3.84)
k=O
Comme indiqu au paragraphe 3.4.7, cette reprsentation est la fois celle du

signal chantillonn x(k) de N chantillons, mais aussi celle du signal c/zantillolln
priodique x(k + mN) avec m entier.
Pour les raisons mentionnes au paragraphe 2.4.3, les coefficients X n obtenus dans
ce cas forment euxmmes sur l'axe des frquences une squence priodique de priode
unit (frquence d'chantillonnage Je = llt- 1 normalise). La priode principale contient
N coefficients associs aux frquences!" ::: n/N avec n allant de 0 N - 1.
Ainsi, cette double reprsentation discrte (signal chantillonn et dveloppement
en srie de Fourier) entrane une double priodicit: celle du signal dans le domaine
temporel et celle du spectre frquentiel constitu gar les coefficients (3.84).
66
La formule (3.84) porte le nom de trallsforme de Fourier discrte normalise.

En la multipliant par le facteur N, on obtient la transforme de Fourier discrte X(n)
utilise pour l'valuation numrique de la transforme de Fourier X(f) continue (cf.
section 4.1) associe un signal analogique x(t).
3.4.11 Autres fonctions orthogonales

D'autres fonctions orthogonales, qu'il serait trop long de dcrire en dtail ici,
sont cites dans la littrature pertinente [21, 49, 63 ].
Mentionnons en particulier (l'intervalle de dfmition tant indiqu entre parenthses carres) les :
" polynomes de Legendre [-1, +1 ]
fonctions de Legendre [0, 00 ]
., polynomes de Laguerre [0,00]
ct fonctions de Laguerre [0, OC! ]
.. polynomes de Tchebycheff [-1, +1 ]
fonctions de Tchebycheff [0, 00 ]
polynomes de Hermite [-00, 00 ]
fonctions de Hennite [-<Xl, 00]
fonctions de Haar [0, 1 ]
fonctions obliques en anglais slant [0, 1 ]
Les fonctions de Haar et les fonctions obliques (en forme de marches d'escalier)
sont, comme les fonctions de Walsh, structure rectangulaire. EUes ont trouv des applications particulires notamment pour le codage de signaux ou d'images.
3.5 EXERCICES
3.5.1 Calculer les distances dl (xk,Xl)' dfines par (3.3) avec K=l, sparant
les signaux Xk (t) = A sin (21Tkt/ T) rect[ (t - T/ 2)/ Tl et Xl(t) =
A cos (21Tlt /T) rect [(t- T/2)/T] o k et 1 sont des entiers positifs. Interprter le
rsultat en l'introduisant dans la relation (3.16).
3.5.2 Comparer les distances dl (X;, Xj) et d 2 (Xi, Xj) dfmies respectivement par (3.3)
et (3.4) en posant ici KI/T, pour les trois signaux reprsents sur la figure 3.15.
3.5.3 Dterminer l'volution du produit scalaire des signaux x(t) = COS(21T t/T- (] 1)
ety(t) =sin(21Tt/T-(]2) en fonction du paramtre!l(] =(]2 -8} et pour le domaine
de dfinition t 1 ~ t ~ t 1 + 1: Pour quelles valeurs de !le ces deux fonctions sont-elles
orthogonales?
3.5.4 Dterminer la meilleure approximation en moyenne quadratique de X (t)
::::: reet [Ct - 0,5)/0,5] par la somme (t) ::::: 2:
Ctk exp (- kt), dfinie sur l'intervalle
k=l
O~t<oo.
Calculer la valeur quadratique moyenne de l'erreur rsultante.
67
REPnfSENTATION VECTOIHELLE DES SIGNAUX
D+-----~~------~---
-,4
o+-------~~----~--~
tT
Fig. 3.15
3.5.5 Dterminer la meilleure approximation en moyenne quadratique de x(t)

sin 1r t rect ( 1/2) ralisable l'aide de l'ensemble de fonctions {t/lk ( t)
= rect( t - k/2); k 1, 3, 5, ... } et calculer la valeur quadratique moyenne de
l'erreur rsiduelle.
3.5.6 Dmontrer que l'ensemble des fonctions {t/lk (t) = (2/T)1/2. cos(21r kt/T)
rect(t/T); k = 0, 1, 2, ... } est un ensemble orthonormal incomplet sur l'inter-
valle [- T/2, T/2].

3.5.7 Soit x(t) et J'(t) deux signaux appartenant L 2 et {t/lk (t); le = 1,2, ... ,oo} un
ensemble complet de fonctions orthonormales. Dmontrer la relation gnrale de Parseval
< x,y* >
L < x, wt
> <
Wk,Y*
>
(3.83 )
k=l
Il
3.5.8 Dmontrer que les fonctions

gonales .
Wk
(t) obtenues par la relation (3.56) sont ortho-
3.5.9 Vrifier que les fonctions Wk (t) et Wk (t) de rexemple 3.3.10 sont respectivement orthogonales et orthonormales.
3.5.10 Complter l'exemple 3.3.10 en dterminant les fonctions orthonormales W4(t)
et I./Is (t) .
.. 3.5.11 Dmontrer que les quatre fonctions l'k (t); li: = 1 4 de la figure 3.16 ne forment pas un ensemble de fonctions linairement indpendantes. Par application de la
procdure d'orthogonalisation de Gram-Schmidt cet ensemble, montrer qu'il dfmit
un espace deux dimensions. Exprimer les fonctions l'k (t) en fonction de leurs composantes orthonormales.
68
IJI(t;~
t
1
-1
:\
-3
IJ1(t;~
1
-1
-)
V3(tj~
'2
-1
-3
V4{tj~
1
'2
-1
-3
Fg.3.16
3.5.12 Dvelopper en srie le signal x (t) = tri [Ct - 0,5 )/0,5 ] l'aide de fonctions orthogonales a) de Rademacher, b) de Walsh. Dterminer le nombre minimum m de coefficients ncessaires dans chaque cas pour que la qualit de l'approximationx(t) obtenue - voir relation (3.40) - soit meilleure que 20 dB. Comparer graphiquement x(t)
et x(t).
3.5.13 Dvelopper en srie de Fourierle signal x(t)
l'intervalle [0, T].
= (A tlT) rect [(t -
TI2 )/T] sur
CHAPITRE 4
4.1 RAPPEL SUR LA TRANSFORMATION INTGRALE DE FOURIER
4.1.1 Introduction
L'analyse harmonique est l'instrument majeur de la thorie du signal ( 1.1.7).
La transformation de Fourier, gnralise par remploi des distributions, permet d'obtenir une reprsentation spectrale des signaux dterministes. Celle-ci exprime la rpartition frquentielle de l'amplitude, de la phase, de l'nergie ou de la puissance des signaux considrs. Comme on le montre plus loin, la transformation intgrale de Fourier peut tre envisage comme une gnralisation de la notion de dveloppement en
srie orthogonale de Fourier ( 3.4.7).
La transformation de Fourier fait l'objet d'une reprsentation dtaille dans le
volume IV du Trait. On se contente de rsumer ici certaines dfinitions, notations et
proprits dont l'importance est prinlordiale en thorie du signal. Pour une tude plus
approfondie, on se reportera [22] ou [23].
Une table illustre des principales paires de transformes est reporte en annexe
(sect. 15.4).
4.1.2 Dfinition
Soit x (t) un signal dterministe, sa transforme de Fourier est une fonction,
gnralement complexe, de la variable relle f dfinie par:
X(f)
F {x(t)}
<x, exp(-j211ft
00
J x( t) exp ( - j 211ft) dt
(4.1 )
-""
La transformation inverse est donne par
xU)
F- 1 {X(!)} = <X, exp(j 211 ft

('JO
f X(f)exp (j 2rrft)df
( 4.2)
IX!
4.1.3 Notations utilises

11 est gnralement jug prfrable, en traitement des signaux, d'exprimer la
transforme de Fourier d'un signal et les notations spectrales qui en dcoulent en
fonction de la variable f (frquence) plutt qu'en fonction de 1a pulsation
w 211 f comme c'est l'usage en thorie des circuits (vol. IV) o une certaine parent
avec la transformation de Laplace est recherche.
70
Outre la remarquable symtrie d'criture des transformations directe et inverse

que cette notation met en vidence, le recours la variable f s'impose naturellement en
pratique, car les rsultats exprimentaux (mesures spectrales) sont toujours exprims
en fonction de la variable mesurable f.
En notation abrge, on dnotera par les oprateurs F { } et F- 1 { } les trans
formations de Fourier directe et inverse, respectivement. La correspondance rciproque
est indique par une flche double
p
x(t)
(4.3)
X(i)
4.1.4 Dualit tempspfrquence

La symtrie des transformations directe (4.1) et inverse (4.2) montre l'existence d'une dualit entre l'espace temps (variable t) et respace frquence (variable f).
Cette dualit joue un rle fondamental dans la plupart des mthodes de traitement des
signaux. Ce point sera largement illustr dans ce chapitre et les suivants.
4.1.5 Existence d'une transforme de Fourier
En vertu du thorme de Plancherel [58], toutes les fonctions de carr intgrable - donc tous les signaux nergie finie - possdent une transforme de Fourier
(convergence en moyenne quadratique) qui est galement une fonction de carr intgrable.
Toutefois, le fait d'tre nergie fmie est une condition suffisante, mais pas ncessaire. Si tous les modles de signaux physiquement ralisables ont une transforme de
Fourier, il en va de mme pour la plupart des signaux idaliss: signaux puissance
moyenne finie, impulsion de Dirac, suite priodique d'impulsions de Dirac, etc.
4.1.6 Justification heuristique de la transformation de Fourier
Le dveloppement en srie de fonctions orthogonales (sect. 3.3) d'un signal
compris dans un intervalle fmi [t 1 , t 2 ] est un moyen d'analyse prcieux. Le dveloppement en srie de Fourier ( 3.4.7), en particulier, permet d'obtenir une reprsentation frquentielle discrte du signal o chaque composante X I1 est localise une
frquencefn == nf l 1I/(t 2 - t 1 ).
Comme on le sait, cette description s'identifie avec celle d'un signal constitu
par la rptition priodique, de priode T = t2 - t l' du signal initial.
Afin d'obtenir une reprsentation frquentielle d'un signal dterministe non
priodique observ sur l'intervalle - 00 < t< + 00, on peut imaginer de recourir tout
d'abord une description valable pour un intervalle T fini. On cherche ensuite la forme
limite prise par cette relation lorsque l'on fait tendre T vers fnfini.
Considrons un signal x(t) quelconque (fig. 4.1) . Appelons x(t, T) la partie
de ce signal comprise dans l'intervalle If 1< T/2
x(t, T) = x(t) . rect(t/T)
(4.4 )
Un dveloppement en srie de Fourier de x (t, T) est possible et donne:
x (t, T) =
"
X" exp (j 2. 7T1l;; t)
( 4.5)
71
n:PT {xU, Tl}
x(t)
/
/1/'
1
;/
1
/
,/
Fig. 4.1
avec
XII
.1'/""
..
1
-"1'/2
=-
x( t, T)exp (
j 2 Trl1j~ t)d t
A l'extrieur de "intervalle III < Tf2,ce dveloppement n'est plus celui dex(t),
mais au contraire celui d'un signal Corm par la rptition priodique de x (t, T). Toutefois, si l'on fait tendre T vers 1'infini, x( t, T) et x( t) deviennent identiques pour tout
t et l'intervalle de dfinition devient l'axe rel entier:
(4.7)
lim x(t, T) = xU)
La reprsentation frquentielle de x(t, T) est un spectre de raies. La distance

entre raies adjacentes est gale f1 = l/T. Par consquent, lorsque T augmente, la densit des raies du spectre augmente. Cette densit spectrale de raies peut tre exprime
par la relation:
J"flt
T./2
= X" . T:=
fi
-1'/2
x (t, T) exp( - j '2 Trllfl t)dt
(4.8)
Lors du passage la limite pour T -r 00, la distance entre raies devient infinitsimale et le nombre de composantes dans un intervalle de frquence donn devient in fi: fI = lIT -+ df, I1fl = 11/ T -+ f (variable continue)! 2:: -+ f.
On obtient alors:
x(t)
lim x( t,T)
lim
X" exp (j 2 Trnfl t)
T .... .., n=-""
T ...... oo
Il
lim
11=
dl
""
LI
T{2
x( t,T)exp ( - j:'
TrJlj~ t)dt
exp( j:' Trllf, t)
-Tf2
x(t) exp( -
il "lt)dt }
exp( j 2 "ft)
( 4.9)
---------~--------
XCI)
Ce rsultat est conforme aux relations (4.1) et (4.2). La transforme X (f) apainsi comme la forme limite de la densit spectrale de raies introduite prcdem-
72
4.1.7 Interprtation
L'analogie entre le dveloppement en sde de Fourier et l'intgrale de Fourier
permet de conclure que la fonction X Cf) analyse x Ct ) sous forme d'une infinit de
composantes sinusodales complexes d'amplitude IX(f) Idf. Si X(!) est borne, ces
amplitudes sont infinitsimales. La fonction X(f) fournit ainsi des infonnations sur la
distribution frquentielle (amplitude, phase, nergie ou puissance) du signal x(t).
4.1.8 Transforme de Fourier d'un signal rel. Dfinitions

La transforme de Fourier d'un signal rel x (t) est en gnral une fonction complexe de la variablef. Sixp(t) etxj(t) sont respectivement les parties paires et impaires du signal ( 2.5.5), leurs transformes de Fourier tant notes Xp (f) et Xi(f), on
peu t crire (4.1 ) sous les formes quivalentes suivantes:
XCI)
f x(t)exp( - j2n!t)dt
-cc
00
00
x( t) cos ( 2 nft ) dt - j
-~
f x(t) sin ( '2 reft) dt
-~
= Xp(f) + Xi (f)
= Re {X(f) 1 + j lm IX(I)
IXC!)I exp [ j (l:c(f) ]
( 4.10)
Le module IXU) 1 est appel spectre d'amplitude et l'argument {}x (f). = arg X(n
spectre de phase du signal.
Le spectre d'amplitude est une fonction paire, le spectre de phase une fonction
impaire.
La transforme d'un signal rel pair est une fonction relle paire. Celle d'un signal rel impair est une fonction imaginaire impaire.
La partie relle de X(f) s'identifie avec la transforme de la partie paire du signaI.
La transforme de la partie impaire du signal est gale la partie imaginaire de XU)
multiplie par j.
4.1.9 Proprits et dfinition

L'importance de la transformation de Fourier en thorie du signal est largement
due certaines de ses proprits remarquables. Celles-ci sont prsentes en dtail dans
le volume IV et rsumes, en annexe, sous forme de tableaux la section 15.3.
Les principales sont rappeles ci-aprs sans dmonstrations. Celles-ci sont laisses
comme exercices. Leur emploi est largement illustr par la suite.
x*(t) ~ X*(- f)
a x(t)
+ b yCt)
(4.11 )
a X(f)
+b
dllx/d l' ~ (j 'ln f) Il X(f)
xCt)
* yCt)
X(f) . Y(f)
Y(f)
( 4.12)
(4.13 )
(4.14)
73
SIGNAUX nf:TERMINlSTES
x (t) . y (t) +-+ X (11
* y (11
(4.15 )
X(t-tO) +-+ X(11' exp(-j21Tfto)
( 4.16)
x(t) expU 21Tfo t) +-+ X(f- fo)
( 4.17)
x(a t) +-+ lal- X(f/a)
(4.18)
La proprit (4.12) indique que la transformation de Fourier est une opration

!i1,aire. Les proprits (4.14) et (4.15) sont essentielles. Elles montrent qu' tout
produit dans le domaine temporel correspond 1111 produit de convolutioll dOlls le domaine frquentiel et rciproquement. La proprit (4.16) est connue sous le nom de
thorme du retard.
4.1.10 Convolution complexe

La formule (4.15) fait correspondre un produit de signaux un produit de convolution de leurs transformes de Fourier. Celles-ci sont en gnral des fonctions complexes de la variable relle f. En dcomposant les signaux ( 2.5.5) en leurs parties
paires et impaires, on a
zU)
x(t) y{t) = [xp(t)+Xi(t)] . [Yp(t)+ J'i(t)]
= x p ( t)yp( t) +
Xi (t)Yi Ct) + x p (t)Yi (t)+ xie t )Yp(t)
( 4.19)
et
Z(11 = X(f)
* YU)
* Y p (J1+x j (J1*
= X p (11
Y j (J1
+xp (J1 * Y j (11+xiC11 * Yp Ul

---y
---------~~-------
zp (J1 = Re {Z(f)}
Zi(f)
= j lm {Z(J1}
(4.20 )
Le calcul se simplifie grandement lorsque les signaux considrs sont eux-mmes

pairs ou impairs.
4.2 SIGNAUX NERGIE FINIE
4.2.1 Spectre d'amplitude et spectre de phase

Les signaux nergie finie ont t dfinis au paragraphe 2.3.3. Ils satisfont la
condition
W~:;;:
J"'"
--
Ix{t)l 2 dt
<
co
(4.21 )
o W): dnote l'nergie totale normalise. La condition (4.21) implique que ces signaux
ont un comportement transitoire.
Tout signal de cette classe possde une transforme de Fourier
X(f) = F 1x(t) }
IX(f)1 exp [j t9x (f)]
( 4.12)
o IX(f)1 est le spectre d'amplitude et ilx (f) est le spectre de phase du signal. Si celuici est mesur en volts, IXCf) 1 est en V/Hz et {lx (f) en radian.
74
THtORIE ET TRAITEMENT DES SIGNAUX
4.2.2 Exemple: signal dcroissance exponentielle

Soit x (t) =: exp C- a t) eU); sa transforme de Fourier vaut
"'"
r exp [ -
XCI)
1/Va
IX(f) 1
t'1x(f)
(a
+ j 2trf)t] dt
--a + j 2rrf
+C'ltrf)2
arctan('lrrf/a)
=:
Ce signal est reprsent sur la figure 4.2, ses spectres d'amplitude ,et de phase sur
la figure 4.3.
x{t)
lIa
Fig. 4.2
IX(f}1
0/('11r)
~x(f)
-------------
rr/2
-rr(2 -
Fig. 4.3
4.2.3 Exemple
Soit (fig. 4.4) le produit z(t) =x(t) . y(t) ox(t) est le signal exponentiel de
J'exemple 4.2.2 et yU) = cos(2tr fo t) = ~ [exp(j 'ltr t) + exp( - j 2rr fa t)].
Jo
75
z(t)
Fig. 4.4
Par (4.17) on obtient
Zef)
= 'f..X(f- /0) + 'f..X(f+ /0)
o X(f) est donne par le rsultat de l'exemple prcdent.

Les spectres d'amplitude et de phase de z(t) sont esquisss sur la figure 4.5 pour
/0 ?P a. Ce rsultat peut galement s'obtenir directement en exploitant la proprit
( 4.15) comme montr plus loin au paragraphe 4.4.5.
IZ(f) 1
1/(2 a)
-J'o
10
1T/2 --;..;;;.,;-;;..:- - - - - - --
- - - - - -=-~-"'=-"""'Fig. 4.5
4.2.4 Exemple : impulsion rectangulaire

La paire de transformes suivante joue un rle capital en thorie du signal
rect(t)
+-Jo
sineU)
( 4.23)
rect (f)
(4.24 )
ou, par symtrie

sine (t)
76
THEORIE ET TRAITEMENT DES SIGNAUX
x(t)
A
- TI2
Tf2
Fig. 4.6
Grce la proprit (4.18), on gnralise facilement ce rsultat un signal pair rectangulaire d'amplitude A et de dure T (fig. 4.6)
x(t) :;:: A rect(t/T)
( 4.25)
a pour transforme de Fourier (fig. 4.7)
X(f) :;:: A Tsinc(Tj)
( 4.26)
X(f)
Fig. 4.7
On vrifie ce rsultat en utilisant la dfmition de la fonction sine introduite au

paragraphe 1.3.15 :
Tj2
F {A rectU/T)} :::: A
f exp ( - j 2 rrft)dt
-T12
~[exp (j 1fT!) - exp ( - j 1fT!)]

2j 1f!
.A sin ( 1fTf)
rri
=ATsinc(Tf)
(4.27 )
Les spectres d'amplitude et de phase du signal (4.25) sont reprsents sur la figure 4.8. Le spectre de phase~ qui vaut alternativement 0 et 1f, est dessin de faon
obtenir une fonction impaire ( 4.1.8).
4.2.5 Exemple: impulsion rectangulaire dcale
Considrons un signal rectangulaire d'amplitude A et de dure T dont l'axe de
symtrie passe par une valeur t 0 =#= 0 (fig. 4.9) :
77
f
- liT
r--'"'!
r----I
liT
il"
lIT
-lIT 0
1
L...J
Fig. 4.8
x(t)
A-
o
T
Fig. 4.9
x(t)
=A
rect[(t
( 4.28)
to)/T]
Sa transforme de Fourier est obtenue en tenant compte de la proprit (4.16)

et du rsultat (4.27) :
( 4.29)
XU} = A Tsinc(Tf) exp(-j21Tft o )

Les spectres d'amplitude et de phase (fig. 4.10) sont alors donns par:
IX{f)1
= AT Isinc(Tj) 1
f}x(f) :::
( 4.30)
21TtO/
pour sine (Tf)
{ - 21Tto/ 11
pour sine (Tf)
>0
<0
(4.31 )
On vrifie ainsi que le spectre d'amplitude d'un signal est invariant toute translation. CeHecj ne modifie que le spectre de phase en lui ajoutant un terme variant linairement avec la frquence. La figure 4.10 prsente trois exemples de dcalage to diffrents. Le choix des sauts de phase de 7f est fait de manire garantir le caractre
impair de f}x (f), qui est de plus considre eomme valeur principale (- 1T < f).\: < 1T).
78
T1iOltlE ET TRAITE1;IENT DES SIGNAUX
IX(/)I
f
- 21T- liT 0
liT 21T
t?x(f)pour 0
< ta < Tf1

f
-lIT
2fT
Fig. 4.10
4.2.6 Exemple: impulsion triangulaire

L'impulsion triangulaire est gale la convolution de deux impulsions rectangulaires (1.33)
tri(t) = rect(t)
* rect(t)
( 4.32)
On en dduit, grce la proprit (4.14) que

2
tri (t) +-+ sine Cf)
( 4.33)
ou, d'une manire plus gnrale, grce la proprit (4.18), que tout signal pair triangulaire d'amplitude A et de support 2T (fig. 4.11 )
x(t) = A tri(tjT)
(4.34 )
79
SIGNAUX OTImMINISTES
.l(I)
-T
Fig.4.11
a pour transforme de Fourier (fig. 4.12)

2
Xif) = AT sinc (Tj)
(4.35)
L'expression (4.35) reprsente galement, dans ce cas, le spectre d'amplitude de

x(t). Son spectre de phase est nul.
X(f)
f
-liT
1/1'
Fig. 4.12
4.2.7 Exemple
Considrons encore le cas d'un signal de forme trapzodale, afin de mettre en
vidence 11 emplo i efficace que l'on peut faire des proprits de la transforme de Fourier.
Soit le signal x Ct) et sa drive reprsente sur la figure 4.13 :
(b+a)/2] }
b-a
.l(t)
-0
tJ
dx/dt
A/(b-a)
a
-b
-0
-A/(b
0
-a)
Fig. 4.13
80
Par (4.13), (4.16) et (4.29), on a
F[ dx/dt]
= j 2rrf'
X(i)
2A j sinc [(b
a )fJ sin[ rr(b
+ a )fl
d'o l'on tire
X(i)
= A(b +a) sinc((b
a)f]sinc[(b +a)f]
4.2.8 Dfinition: fonction d'intercorrlation

Le produit scalaire ( 3.1.9)
<Xl
J x*(t)y(t + r)dt
( 4.36)
-co
o Y r dnote la fonction dcale y( t + r), est appel fonction d'intercorrlatioll des

signaux nergie finie rels ou complexes x (t) et y (t). En vertu de (3.15), ces signaux sont orthogonaux - ou 11011 corrls - pour chaque valeur de 'T o la fOllction
d'illtercorrlatioll s 'a/lIlule.
En vertu de la proprit hermitienne (3.14), on vrifie aisment que
o
tt'xy(r)
*
= tt'yx(-r)
0
(4.37)
4.2.9 Dfinition: fonction d'autocorrlation

En posant dans (4.36) Y (t + r) =x (t + r), on obtient la fonction d'autocorrlotion du signal nergie finie x (t )
$x (T):::: <
x'" x'T
>
"'"
J x *(t) x( t + r) dt
( 4.38)
-00
avec, par (4.37) la symtrie hermitienne : ~x (r) =~~: (- 'T). Cette symtrie entrane
que la partie relle de la fOllction d'alltocorrlatioll est ulle fonction paire et que la partie imaginaire est une fonction impaire.
La valeur l'origine (r ::::: 0) de la fonction d'autocorrlation est gale l'llergie
du signal
>
= IIxll
= Wx
j Ix(t)!2 dt
( 4.39)
-ClQ
4.2.10 Interprtation
Le produit scalaire de deux vecteurs est proportionnel la projection de l'un
sur l'autre. Il est maximum, en valeur absolue, lorsque les deux vecteurs ont la mme
orientation et nul lorsqu'ils sont orthogonaux. Il peut donc tre considr comme une
mesure de la similitude d'orentation des vecteurs.
Par analogie le produit scalare de deux signaux est une mesure de leur similitude
de forme et de position. La fonction d'intercorrlation traduit l'volution de cette similitude en fonction du paramtre de translation relative r.
j
81
Dans l'espace des signaux, cette translation correspond une rotatJon du vecteur
reprsentatif. Il existe donc une liaison entre la distance euclidienne entre deux signaux
et leur intercorrlation. Par (3.14), (3.16), (4.36) et (4.39) :
d 2 (x, Y T) :::
&x ( 0) + &J' ( 0 )
En posant y (t + T)
2
(t
( 4.40 )
+ T)
d (x,xT )
2 Re {~Xy ( r) }
Cl
(4.41 )
2 [<Px (0) - Re {'Px (T)}]
4.2.11 Notation spciale

et autres terminologies
o
La notation <P est utilise dans cet ouvrage pour distinguer la fonction de corrlation de signaux dont ,'un, au mOns, est energie finie de celle de signaux puissance
moyenne finie, note simplement !.p.
Le terme d'autocorrlation est utilis dans tous les ouvrages de rfrence. Par
contre. le terme d'intercorrlation est parfois remplac, dans la littrature franaise,
par c011'latioll croise ou corrlation mutuelle (en anglais: crosscorrelatioll: en aile
mund . kreuzkorrelatioll).
Certains auteurs ntervertissent les indices dans la dfinition (4.36).
4.2.12 Notation pour signaux rels
Les fonctions d'inter- et d'autocorrlation sont surtout rencontres avec des signaux rels. C'est pourquoi les notations simplifies suivantes seront souvent utilises
dans le reste de cet ouvrage lorsque le caractre rel des signaux considrs aura t
dment signal:
00
~x y ( 7)
= <
yT >
X,
Jx
+ T) dt
(4.42 )
J"" x(t)x(t + T)dt
(4.43 )
(t )J'(t
""
Par changement de variable, on peut aussi crire de manire quivalente

x( t - 7).1'( t)dt
Jx (
(4.44 )
1>0
$x (T)
T )xU
)d t
(4.45 )
"'"
Les fonctions d'lltercorrlatiol1 et d'autocorrlato/l de sigllaux rels SOllt aussi

relles.
Si x(t) et JI (t) son1 mesurs en volts, ~XJl (1') et ~x (r) sont en V 2 S.
4.2.13 Proprit
De (4.37), on dduit que pour des signaux rels

o
<Pyx ( r)
o
= <p xy ( -
T)
<px(r) = <Px
r)
(4.46 )
(4.4 7)
Ainsi, la fonctio/l d'outocorrlatio/l d'un sigllal rel est une fOllctioll relle paire.
82
THOIHE ET THAITEMENT DES SIGNAUX
4.2.14 Proprit
En introduisant (4.36) et (4.38) dans l'ingalit de Schwarz (3.20), on obtient
0
1'PXy(l)
12
tpx(O) tpy(O)
(4.48)
et en particulier pour l'autocorrlation

1~X (1)1
~ ~x (0)
(4.49 )
La fonction d'autocorrlation est donc borne, en valeur absolue, par l'nergie

du signal.
4.2.15 Relation entre convolution et corrlation

L'introduction du changement de variable d'intgration t' = t dans l'expression
de l'intercorrlation de deux signaux (4.36) permet de l'crire sous la forme du produit de convolution de x li: ( - t) et de yCt):
.co
r x *(t)y(t +
)dt
-".co
f x*(
00
- t ' )Y(l-t')dt'
-IX!
=x *( -
T)
* Y( T)
( 4.50)
Pour l'uutocorrlation, on obtient de manire analogue
~x(l)
(4.51 )
X*(-l)*X(l)
Dans le cas de signaux rels, on obtient respectivement:
et'Px(r)
o
..px)' (T)
x( - T)
* Y( T)
x(-r) *x(r).
4.2.16 Illustration
La parent d'criture entre la convolution et la corrlation ne doit pas tromper.
Les rsultats du calcul sont trs diffrents lorsque les signaux sont de forme asymtrique.
L'examen de la formule (4.50) montre que l'identit entre convolution ct corrlation
n'est ralise que lorsque l'un des deux signaux au moins est pair. La figure 4.14 illustre
graphiquement la procdure de calcul de la convolution et de la corrlation des signaux
relsx(t) exp(-at) fU) ety(t) = exp(-2 at) dt). On vrifiera, titre d'exercice,
que les rsultats sont
X(T) *y(r) = (l/a)[exp(-al)-exp(-2ar)](r)
~xJ'(T)
4.2.17
= (3a)-1
Df~nition:
exp(ar)e(-r)
+ (3a)-1
exp(-2ar) fer)
densit spectrale d'nergie
Soit (Px (f) la transforme de Fourier de la fonction d'autocorrlation d'un signal,

rel ou complexe, nergie finie x(t) :
CI).'C (f)
F' ~ x ( r) 1
oc
J~
-QO
x ( T ) exp ( -
j 171fT) dT
(4.52)
83
SIGNAUX DETERMINISTES
x(t)
convolution
corrla tion
----------~------~-----------
r(t)
1/0 a)
A \'(7-t)
Al'(t+r)
1 -
f\
1-
--
1\
l , 7< 0
l "~--
7>0
____-.<0
' ......
7<0
_
... .,/
/'
---
/1
T>O
1
1
~----~--L-~======~~-I-
-.>0
x(t)
7<0
yU + 7)
7>0
x(t)r(r-t)
* y(r)
o
7>0
""
_[ x(t)y(r+ r)dt
lia
1/(2 a)
Fig. 4.14
De (4.51 ), on tire galement

o (fj = F {x * ( <Px
T)
>1:
X ( l' ) }
(4.53 )
Or, en vertu des proprits (4.11 ) et (4.18)

F {x*(-1')}
X*(f)
(4.54 )
Le rsultat suivant se dduit alors de la proprit (4.14) :
;Px (f)
= X* (f) X(f) = IX(f)1 2
En posant
p=
-L
(4.55 )
0 dans l'expression de la transforme de Fourier inverse de
<Px (f)
oc
&x{ T)
(1)x(f) exp( j :'rrfr )df
(4.56 )
84
THOHlE ET TRAITEMENT DES SIGNAUX
et, en tenant compte du rsultat (439), on obtient la forme particulire de l'identit

de Parseval ( 33.4 )
=
J Ix(t)1
W~ = tPx(O)
2dt
TCIlx(j') dl
(4.57 )
-oc
-!Xl
L'nergie totale W't' du signal peut donc se calculer soit en intgragt sa distribu2
tion temporelle 1 x( t) 1 , soit en intgrant sa distribution frquentielle (Px (f). Pour
cette raison, tPx (f) est appele la densit spectrale d'nergie - ou parfois plus simplement le spectre d'nergie - du signal x( t).
4.2.18 Proprit de la densit spectrale d'nergie

0
De la relation (4.55), on dduit que la densit spectrale d'nergie tPx (f) est
indpendante du spectre de phase du signal, donc insensjble, en vertu du thorme du retard (4.16), toute transbtion du signal sur "axe du temps;
une fonction relle IZOIZ negatil'e :
(4.58 )
La part de l'nergie du signalx(t) distribue entre les frquences!l etf2 est

donne par
12
(llx(f)df
( 4.59)
Il
Dans le C<lS d'un signal x( t) rel, la fonction d'autocorrla tion est, par (4.47 ),
une fonction relle paire. Sa transforme de Foufier est. par consquent. aussi une
fonction relle paire
(4.60)
Si le sjgnal est mesur en volts, la densit spectrale d'nergie est en V'2
52
= V 2. 51Hz.
4.2.19 Exemple
Soit x(t) exp(-at) E(t), sa fonction d'autocorrlation, calcule par (4.43)
et (4.47), vaut
o
'Px (7) ::;:: -
exp ( - a 1 TI )
(4.61 )
2a
et la densit spectrale d'nergie du signal est
o
cI>",(f)
= F 1 lP0 ... (T) 1
.,
= a 2 + (12 rrf) 2
(4.62 )
On vrifie qu'eHe est bien gale au carr du spectre d'amplitude de x(t) calcul
fi l'exemple 4.2.2.
Ces trois fonctions sont reprsentes sur la figure 4.15.
85
SIGNAUX DTERMINISTtS
x(l)
lIa
T
l1li
-lIa
lia
Fig.4.15
4.2.20 Exemple
La fonction d~autocorrlation et la densit spectrale d'nergie du signal
x( t) = A feet (lIT) valent respectivement (fig. 4.16) :
&x(T)
<Px (f)
= A 2 Ttri (TIT)
2
(A T) 2 sinc (Tf)
(4.63)
(4.64 )
Le rsultat (4.63) est analogue, par (4.51 ), (1.33 ). Il peut ici facilement
s'obtenir par voie graphique en suivant la procdure illustre sur la figure 4.14. On
vrifie aisment que ~x (0) correspond bien il l'nergie du signal.
4.2.21 Dfinition: densit interspectrale d'nergie

La transforme de Fourier de la fonction d'intercorrlaton de deux signaux
nergie finie est appele dellsit interspectrale d'nergie. Cette terminologie n'est pas
unque: on rencontre dans la littrature franaise les termes: densit spectrale mutuelle,
86
xU)
-T12
TI2
-T
f
- 21T - lIT 0
liT 2fT
Fig. 4.16
croise ou d'interaction. Pour des signaux rels ou complexes, on a par (4.14), (4.50)
et (4.54)
o
tPxy(f)
= F {t,Oxy(T)} = X * (f) Y(f)

0
(4.65)
La densit interspectrale d'nergie est en gnral une fonction complexe et non

symtrique.
De (4.37) et (4.54 ), on tire
o
q,XY
0:fl
(f) = cp yx (f)
( 4.66 )
4.2.22 Thorme du produit

En posant T a dans l'expression de la fonction d'intercorrlation (4.36), on
obtient la forme suivante de la relation gnrale de Parseval (3.83) qui est connue sous
le nom de thorme du produit
~:cy (0)
-1
(I>xy(/) Il T=O
: : J x*(t)y(t)dt
-00
j X*(f)Y(f)df
( 4.67)
-QG
Elle exprime la consen'ation du produit scalaire entre l'espace temps et l'espace

frquence.
87
4.2.23 Exemple
Les signaux rels
x(t) = A reet (fIT)
y(t):= Brect[(t+TI4)/(T/1)]-Brect[(t
T/4)/(T/2)]
o
sont reprsents sur la figure 4.17 avec leurs fonctions d'intercorrlation 'Px)' (T) et
&l1X (T). Celles-ci peuvent facilement tre dtermnes par voie graphique en suivant la
procdure illustre la figure 4.14. La densit interspectrale d'nergie vaut ici
cPXY (f)
j AB T snc (Tf) sinc (Tin) sin ( TI Tin)

2
= j AB( T /2 )[sinc (TfI2) sin (TI fT)]
- T/2
xU j
T/2
yU)
-T12
Tl?
-B
0
'-Pxy(T)
~yx(r) = ~.Ty(-T)
r
Fig. 4.17
Le lecteur pourra vrifier ce rsultat titre d'exercice soit en utilisant le rsultat

o
(4.65 ), soit en calculant directement la transforme de Fourier de lPx)' (T). Il observera que la formule (4.67) donne ici un rsultat nul, indiquant que les signaux sont orthogonaux.
88
THORIE ET TRAITEMENT DES SIGNAU X
4.2.24 Condition suffisante d'orthogonalit de deux signaux

De (4.67), il dcoule que deux signaux dont les spectres ont des supports disjoints sont orthogonaux. La condition n'est toutefois pas ncessaire, comme on peut
le constater dans l'exemple prcdent.
o 4.2.25 Drive de la fonction de corrlation

Les formules (4.50) et (4.65) tablissent la correspondance
o
'Il
<PX)! (T) :;: x' (- T)
* y (T)
(Ilx )'
'j'
(4.68 )
(f) :;: X" (f) Y(f)
En utilisant la proprit (4.13) de la transformation de Fourier, on obtient pour

la drive de la fonction d'intercorrlation
0 ,
'1'
d !Px)' Id t ~ j 27T fX" (f) Y(f)
<Pxy (T)
(4.69)
En associant le facteur (j 27Tf) soit X* (f). soit Y(f), on trouve par transformation
inverse
<P0,x)' (T )
= - X *, ("-
7 ) :1: Y ()
T
=X*
(4.70 )
7)*y'(7)
ou en d'autres termes
(4.71 )
D'une manire gnrale, la (j + k) ime drive de la fonction d'intercorrlation
peut tre dtermine il partir de celle de lajme drive de x(t) et de la k-ime drive de y(t) par l'quivalence
(4.72 )
o 4.2.26 Exemple
Considrons les signaux rels xU) et yU) reprsents sur la figure 4.17 avec
leurs fonctions d'intercorrlation. En drivanty(t), on obtient ( 1.3.8)
y'(t):;: B6(t+T/2)-2Bo(t)+Bo(t-T/2)
o
la drve de la fonction d'intercorrlation IPxy (T) peut alors tre value trs
simplement par (4.70) en exploitant la proprit de convolution de l'impulsion de
Cl 1
l{i::ty(T)
&Xy'(T)
AB
1
-T
1
0
-AB
Fig. 4.18
89
Dirac ( 1.48 )
01
'P x)' ( T)
= ip xy
1 (
1")
= x (-
1")
:1:
Y (1")
= AB rect [(7' + T/'!.)/T] -
2AB rect(TIT) + AB rect[(r
= AB {rcet [( 1" + 3 T/4 )/ (TI'!. )] -
T/2)/T]
rcct (7/T) + rect [( T - 3 T/4 )/ ( TIl)
Cette foncton est reprcsente sur la figure 4.18. On vrifie aisment que son intgrale
Cl
reproduit la fonction 'Pxy (1") de la figure 4.17.
4.3 SIGNAUX PUISSANCE FINIE
4.3.1 Modles de signaux physiquement irralisables

Les signaux puissance moyenne finie non nulle ont t dfinis au paragraphe
2.3.4. ils satisfont Ll la condition
TI2
.r
"J
ix(t) 1 - dt
<
00
(4.73 )
-T12
p'y. dnote la puissance totale normalise.

Ces signaux, comme on l'a dj relev au chapitre .2~ possdent une nergie infinie et sont de ce fait physiquement irralisables. Ils constituent toutefois une abstraction commode permettant de modliser des catgories importantes de sgm.lux ayant
un comportement quasi permanent. C'est le cas de l<l COllstante (en lectroteclmque :
rgime continu), du saut unit. de la fonction signe ct de l'ensemble des signaux priodiques, ou quasi-priodiques usuels. Cette abstraction est galement utilise dans la
modlsatioll des signaux alatoires (chap. 5 ).
4.3.2 Extension de la transformation de Fourier

Les signaux puissance finie Ile satisfont pas les criteres de convergence usuels
de la transforme de Fourier. Cette mthode d'analyse ne peut tre envisage rigoureusement dans ce C<lS qu'en largissant le champ d'application de la transformation de
Fourier <lUX fonctions appeles distributions (voir chap. IV.7 et [:::::: ]).
Le rsultat essentiel de ILl thorie des distributions pour l'analyse des signaux est
la correspondance
(t)
..:--+
(4.74 )
qui se dduit de la proprit fondamentale <.1.35) de l'impulsion de Dirac.

En raison de la symtrie des tnmsformations directe et inverse. on a galement
1
o([)
( 4.75)
Par application directe des proprits (4.16) ct (4.17). on a galement

( 4.76 )
ct
exp(j21Tfot)
0([-10 )
(4.77 )
90
4.3.3 Application: signal constant et valeur moyenne

La transforme de Fourier d'un signal de valeur constante x (t) = C est une impulsion de Dirac de poids C (fig. 4.19)
(4.78 )
C +-+ X(n = Co (f)
x(t)
________c_olrX-(-t)--__
~~_-==-
X(f)
C8(f)
Fig. 4.19
On peut tendre, par analogie, ce rsultat la valeur moyenne d'un signal
x=
1'/2
hm
(4.79 )
x(t)dt
7'--+00
-TJ2
X ~ xo(f)
(4.80 )
4.3.4 Transforme de Fourier des signaux valeur moyenne non nulle

Tout signal puissance moyenne finie peut tre reprsent par la somme de
valeur moyenne et d'un terme valeur moyenne nulle
x(t) =
x+xo(t)
avec
xo{t}
(4.81 )
=0
= x(
Sil
(4.82 )
En drivant x(t)! on obtient

X'(t) = dxjdt = x~(t)
(4.83 )
x.
quelle que soit la constante

En d'autres termes, on peut toujours crire
(4.84 )
o
xjoue le rle de constante d'intgration.

Pa r (4.1 3 ), 0 n a
F {x~ (tH = j 21TfXo (f)
(4.85 )
et donc
t
FI -"oU)
Jx~(t)dl
j 21f1
F 1 xMt)
(4.86 )
En tenant compte de (4.80), (4.84) et (4.86), la transforme de Fourier d'un

signal il puissance moyenne finie x(t) peut s'crire
XC!)
_1_ F 1xoU) 1 + xo(f)

j 21ff
( 4.87)
91
4.3.5 Exemple : signal saut unit

Soit x(t) =E{t): X= ~,XO(t)
duit la correspondance
1
E(r) +--+ - j 21TI
= ~sgn(t) et x~(t) =S(t). De
S(l)
(4.87), on d
(4.88)
On peut en dduire, par (4.14), que la transforme de Fourier de l'intgrale z (t) =

y (t) '" E(t) = r~ y (t) dt vaut: Z (f) =(j 21Tf 1 Y(f) + Y(O)S (f)
4.3.6 Exemple: signal signe

Soit x(t) = sgn{t) : x = 0 et x~(t) =:2 S(t) d'o
1
sgn (t) +--+ j 1Tf
( 4.89)
4.3.7 Dfinition: corrlation de signaux puissance moyenne finie

Le produit scalaire (4.36) dfinissant l'intercorrlation de signaux nergie finie
n'est pas applicable dans le cas de signaux puissance moyenne finie non nulle pour
lesquels l'intgrale n'est pas dfinie. On lui substitue alors la valeur moyenne limite
<x*'Y'T>
IPXy(T)
TIl
x *( t)y( t
T-+eoo T -f/2
lim
+ T ) dt
( 4.90)
qui dfinit la fonction d'intercorrlation de signaux puissance moyenne finie. C'est

aussi une mesure de la similitude de forme et de position de ces signaux.
Par analogie, la fonction d'autocorrlation de signaux puissance moyenne finie
est dfinie par la limite
I{Jx
(T)
= <x*, x >
T
1
T
lm
T ..... "'"
TJ2
x *(t}x{t
+ T )dt
(4.91 )
-TIl
Lorsque les signaux sont rels, les fonctions d'inter- et d'autocorrlaton sont aus2
si relles. Six(t) ety(t) sont mesurs en volts, I{Jxy(r) et I{Jx(r) sont en V
4.3.8 Proprits
Les fonctions d'inter- et d'autocorrlation I{Jx (T) et I{Jxy (r) jouissent des mmes
o
0
proprits que les fonctions I{J xy (T) et I{J x (T) :
l{Jyx ( r)
I{Jx ( T)
= IP~~I ( - T)
= I{J; ( 2
IlPxy ( T) 1
(4.93 )
r)
I{Jx
(0)
l{Jy
(0)
= Px
= - I{Jx'y (T) = IPxy' (T)
Il{Jx ( T) 1 ~ IPx
l{J~y ( r)
(4.92 )
(0)
(4.94 )
( 4.95)
(4.96 )
92
THOfllE ET TRAITEMENT DES SIGNAUX
La valeur l'origine de la fonction d'autocorrlation correspond la puissance

normalise du signal. Si les signaux sont rels: t{Jxy (7) == l,Oyx (- 7) et tpx (7) =I,Ox ( - 7).
La fonction d'autocorrlation d'uil signal rel est toujours ulle fonctioll relle paire.
Des relations analogues (4.50) et (4.51) lient les fonctions de corrlation
t{Jxy (r) et tpx (7) au produit de convolution de signaux puissance moyenne finie, qui
doit luimme tre dfini comme une limite (repre par la notation *)
TIl
T-l>
J x(t)Y(7-t)dt
-.!.
X(7}*Y(7) = lim
QO
(4.97)
T -TIl
On a alors les quivalences

I,Oxy ( r)
= x:{: ( -
tpx ( 7)
X '" ( -
*" y ( 7 )
7) *" X ( 7 )
(4.98 )
7)
(4.99 )
Les signaux x (t) ct y (t + 7) sont orthogonaux pour chaque valeur de

fonction d'jntercorrlation s'annule.
o la
4.3.9 Dfinition: densit spectrale de puissance

La transforme de Fourier de la fonction d'au tocorrlation (4.91 ) est appele Ja
densit spectrale de puissance du signal puissance moyenne finie x(t) :
Ot:l
<Px(f) = F
11P.,,(7)
1 =
f t{Jx(r)exp( - j 2rrf7)d r
(4.100 )
-00
La relation inverse est

t{J
.'t
(7) =
""
r q>x (f) exp ( j 2 rrf
(4.101)
T ) df
-co
Pour
Px
=0, on obtient la forme particulire de l'identit de Parseval
= I,Ox(O)
= lim
T-.oo
1
T
T/2
-in
""
Ix(t)1 2dt
=f
(I>x(f)df
(4.102)
-QO
La fonction CPx (f) reprsente donc bien la distribution frquentielle de la puissance totale du signa], d'o son nom. C'est par consquent une fonction llOllllgative :
<Px (f)
(4.103 )
Si x (t) est en volts, tpx ( r) est en V 2 et (Px (f) en V 2 1Hz .

Dans le cas d'un signal x(t) rel, lPx(r) est une fonction rel1c paire et la densit
spectrale de puissance est aussi une fonction relle paire: CPx (f) = cI>x (- f).
4.3.10 Observation importante

0
Au contraire de la densit spectrale d'nergie ~'t (f), la densit spectrale de puissance <Px Cf) ,,'est pas gale au carr du module de la trallsforme de Fourier du signa1.
Une autre relation peut toutefois tre tablie par un passage la limite.
93
Soit x(t) un signal puissance moyenne finie et x(t. T) =x(t) rect(t/T) un

signal nergie finie dont la transforme de Fourier est X U: T)
x(t)= lim x(t,T)
(4.104 )
T--
Par (4.55). la densit spectrale d'nergie de x(t, T) s'crit
(J)x U: T)
Lorsque
= IX(! T)1
T~
00,
Px
J'-..
c:<>
TIl
o:J
r Ix(t,T)1
Ix(t)I dt= Iim -
T - il 2
l ""
-T-"'oo
r IX(/,T)1
.:;: Im
(4.105 )
l'nergie du signal devient infinie. la puissance restant. elle, finie
- r
Jim
dt
T -";;",
T -;. or>
(4.106 )
df
La dernire galit dcoule de (4.57).

En comparant (4.10:2) et (4.106), on voit que l'on peut aussi dfinir la densit
spectrille de puissance par la limite, pour autant que celle-ci existe:
( 4.107)
4.3.1 l Exemples
Les fonctions d'autocorrlation (4.91 ) du signal sgn(t) et du signal saut unit
e(t) sont respectivement gales 1 et ~. Par (4.100) et (4.78), les densits spectrales de puissance correspondantes sont respectivement gales 0 (f) et ~~ 0 (f). Ces rsultats ne peuvent pas se ddure de (4.88) ou (4.89 ).
Pour le signal saut unit x( t) eU). on a par (4.29)
x(t,T)
= recl[(t-TI4)j(T/!.)]~X{fT)
(Tj2)sinc(fT/2}'exp(-j1/"fT/2)
d'ol!
1
q>x(f) = lim
T-.oo
Par contre, dans le
CilS
x(t. T):= reet
IX(f, T)
2
1
T
du signal x( t)
1
= - Hm
2 T-"""
sine 2(IT/2)
.2
0(/)
= sgn (t), on a
(t+T/T/4)_
rect(t T/4)
'2
T/2
+-+
X(/)= j Tsinc(fT/2)' sin (1/"/T/2)
et la limite (4.] 07) n'est pas dfinie.
4.3.12 Dfinition: densit interspectrale de puissance

La transforme de Fourier de la fonction d'inten:orrlation !PX\' (j) est appele
densit il1terspectrale de puissance. ou encore densit spectrale de pL~sSal1ce mutuelle
<pxy(f)
= F {!Pxy(j)}
C'est en gnral une fonction complexe ct non symtrique.
(4.108 )
94
THOltlE ET TRAITEMENT DES SIGNAUX
4.4 CAS PARTICULIER DES SIGNAUX PRIODIQUES
4.4.1 Transforme de Fourier d'un signal priodique

La transforme de Fourier d'un signal priodque est obtenue directement il partir de son dveloppement en srie de Fourier (3.74) et en tenant compte de la relation
(4.77 ).
En effet, si x(t) =x(t + m T) avec m entier, on sait que:
xCt)
n=
d'o, avec ln
X(f)
=::;
(4.1 09)
X'I exp (j 1 Tmt/T)

(Xl
nfT
X"o
11= -oc
(f- ;)
"~__ X"o (f- [,,)
(4.110)
Ainsi, la transforme de Fourier d'un signal priodique de priode T apparat

comme une combinaison linaire de masses ponctuelles localises aux frquences discrtes ln =1111 = niT. C'est le modle mathmatique d'un spectre de raies (fig. 4.10).
X(f)
Xo
-4fT -3/T -2fT -lIT
XI
1fT
2jT
3jT
4fT
Fig. 4.20
4.4.2 Spectre d'amplitude et spectre de phase d'un signal priodique

Le coefficient X n est le poids complexe de la raie la frquence hl' L'ensemble
des modules de ces coefficients {IXn I} renseigne sur les amplitudes des composantes
de mme que l'ensemble des arguments {arg Xn} renseigne sur les dphasages de chaque composante.
Par convention et pour garder une parent d'criture avec celle utilise pour les
signaux il nergie finie, nous dnoterons le spectre d'amplitude et le spectre de phase
d'un signal priodique par IX(f) 1 et (}x(f) respectivement, avec les correspondances
IX(f)1
l
11=
IX" 1 0
(4.111 )
00
(4.112 )
Pour tout signal rel, les coefficients X n et X- n sont des conjugus complexes:
1Xnl::::: IX-ni
(4.113)
arg X n ;: - arg X-n
(4.114)
95
4.4.3 Exemple: signal sinusodal

Soit
xU) =A cos('21Tlot- 0:)
JiA exp[- j{21Tlo t-a;)] +
~A exp [j(21Tfo t-a;)]
Par (4.77), il vient

~A
.X(I) =
exp(ja;) 8(/+ 10
+ ~A exp(-jll') 8(1-10 )
(4.115)
d'o
Y.! A
X- I
exp(jQ)~
Xl
= ~A exp(-ja:)
IX_II:::: IXII = ~A
arg Xl
arg X -
(4.116 )
-
a:
En posa'nt a: = 0 et a: = 1T/2~ on a les paires de transformes suivantes (fig. 4.11 )
JiA[8(/+ 10 ) +8(/-/0 )]
(4.117)
X2(t) = A sin (211Io t) ~ j Y.!A[8(/+ f o )-8(/-lo)]
(4.118 )
Xl
A cos(21Tlot)
(t)
-fo
fo
10
-.,\..'1
Fig. 4.21
4.4.4 Produit d'une fonction priodique par un signal nergie finie

Le signal z(t) =x(t) y(t), o x(t) est un signal nergie finie ety(t) =
y(t + 111 T) est une fonction priodique, est aussi nergie finie.
Par (4.15), (4.110) et (l.48), la transforme de Fourier du produit vaut
Z(I)
= X(/) *
Y(f)
n=-DCI
1';1 X(I -nIT)
( 4.119)
n=-""
Le rsultat est une combinaison linaire de versions du spectre de x(t). dcale

par pas rgulier de 1fT sur l'axe des frquences.
4.4.5 Exemple
Reprenons le cas de l'exemple 4.1.3 o l'on a un produit z(t) =x(t) y(t)
avecy(t) = cos(2/Tfot).
96
TBORIE ET TRAITEMENT DES SIGNAUX
De (4.117) et (4.119), on tire immdiatement

Z(f)
+ ~'lX(/-j)
Y.!X(f+ fol
:=
4.4.6 Produit d'une fonction priodique par un signnl puissance moyenne finie
Le rsultat est un signal puissance moyenne fine dont la transforme de Fourier peut aussi s'obtenir par convolution des transformes de chaque terme du produit.
4.4.7 Exemple
Le lecteur vrifiera, il titre d'exercice, les correspondances suivantes:
1
EU )cos ( 'lrr/ot)
+--'"
r <5 (/ + Jo ) + ocr - J'o )l
+----- +----j 4rr(I + Jo
sgn (t )sin ( 'ln}f)
j 4n(I - Jo)
1
+-;0
----
'ln(I + Jo)
2nff
Jo)
cos(2nf.t)cos(2nf2 t ) ~ !4[0{f-f)-[2)+0(f-fl +f2)+0(/+/l-[2
+ li (f + fi + (2) ]
4.4.8 Suite priodique d'impulsions de Dirac
La distribution priodque
0T(t):=
(4.120 )
kT)
o(t
k=-o<>
ne reprsente pas un signal puissance moyenne finie. mais est souvent utilise pour la
modlisation de signaux priodiques ou de procdures chuntlllonnagc.
Cette distribution peut tre dveloppe en srie de Fourier
bT(t) =
Ll n exp(j2rrlltIT)
(4.121 )
n=-oo
avec. par (3.75) et (1.35) :

TI2
Ll"
DrU )exp ( - j 2 nl1t/T) dt
T -T/2
(4.[22 )
L transforme de Fourier de cette distribution se dduit alors de (4.121 ), (4.12"

et (4.77)
1
l
n= -"'"
5(/ nIT)
(4.123 )
97
C'est aussi une suite priodique d'impulsions de Dirac. de poids lIT et de priode
lIT sur J'axe des frquences. La suite 0 T (t) et sa transforme sont reprsentes sur la
figure 4.22.
f
-lIT -111'
Fig. 4.22
4.4.9 Dfinition: enveloppe spectrale

Un signal priodique peut tre considr comme la rptition cyclique d'un signal lmentaire x (t, T) reprsenti.!nt sa priode principale. Par la proprit de convolution de l'impulsion de Dirac, on peut crire
x(t)
= x(t +mT) = repT
{x(t. T)} = x(t, T)
* 0T(t)
(4.124 )
Par consquent, en vertu de (4.14) et (4.123 )
(4.125 )
Li.! fonction continue ( 1IT)X(1 T) est l'eJ1l'eloppe spectrale des poids des raes
5 IfT (f) du spectre de x( t). Hormis un facteur multiplicatif liT. cette enveloppe ne
dpend que de la forme de la priode principale du signal.
En comparant (4.110) ct (4.125), on tire l'quivalence
XII = (IIT)X(nIT. T)
(4.126 )
Les coefficients du dveloppement en srie de Fourier d'un signal priodique x(t)

peuvent donc sc calculer en divisant la transforme de la priode principale par T et en
valuant le rsultat aux valeurs discrtes de frquence [" nIT.
L'ensemble des valeurs X(n/T, T) T' XII constitue une reprsentation discrte
de la transforme de Fourier du signal x( t, T) analogue il celle introduite au paragraphe
9.3.11.
4.4.10 Exemple: suite priodique d'impulsions rectangulaires

Le signal priodique suivant joue un rle important en thorie et en pratique
x(t)
repT {A rect(tl ~)}

(4.127)
98
Par (4.26) et (4.125), sa transforme de Fourier vaut
X(f)
il
sinc (ilf) oI/T(f)
ft=
-00
il
A- sinc(nil/T)o(f-n/T)
T
(4.128 )
La fonction continue (A il/ T) sinc (ilf) est l'enveloppe spectrale de ce signal

(fig. 4.23).
x(t)
r-r-
\.~
enveloppe (A 1l1T) sinc(llf)
Fig. 4.23
4.4.11 Exemple
Considrons le signal en dents de scie xU) reprsent sur la figure 4.24 et sa priode principale .'C(t, T). La drive
x '( t, T)
rect(tjT)-Ao(l)
[li(t+T/2)
a pour transforme
= A[sinc(Tf)-l
F {x'(t)}
+j sin(7TTf)]
Par (4.13) et (4.125), on obtient
j 21TfT
-X(f,T)
Isinc(Tf)-l +jsin(rrTf)1
d'o
X(f) =
IX
ll
Il
B(f -nIT)
(t-TI2)]
99
avec
X
I1
~
T
X( niT, T)
1A~
pour 11
J- =
21T Il
21T
1111
exp
[. 1T
J ""_ sgn(n)
/
=0
pour Il :1= 0
x(t)
- TI2
Tf1
x'(I, Tl
tA
AIT
TI1
TI1
-A
Fig. 4.24
4.4.12 Fonction de corrlation de signaux priodiques

Dans le cas de signaux priodiques de mme priode T, les limites (4.90) et (4.91 )
sont identiques aux valeurs moyennes calcules sur une priode unique
1
Tf 1-
IPxy(r) = x*(t)y(t+r)dt
T -ffl
(4.129 )
et
1
<Px(T)
= -
Tf2
x*(t)x(t
+ T)dt
(4.130 )
T -fil
En dveloppant en srie de Fourier y(t + T) et xU + r), on peut mettre les ex
pressions (4.129) et (4.130) sous la forme
X,; Yu exp (j 211' 11 riT)

11= -co
(4.131 )
100
et
IXn 1 2 exp (j 21TllTIT)
tfJx (T)
11=
:::: X 0
-CoQ
+2 l
IX" Ileos (21TI1T/T)
(4.132)
n=l
La deuxime galit ne s'applique qu'au cas d'un signal rel. La dmonstration est laisse
comme exercice. Pour T = 0, on retrouve l'identit de Parseval (3.76).
Les relations (4.131 ) et (4.132) montrent que les fonctions d'inter- et d'autocorrlaton de signaux priodiques, de priode T, sont galement des fonctions priodiques de mme priode.
En introduisant la priode principale x(t, T) dans (4.129), on peut encore crire, en tenant compte de (4.50) et (4.124) :
l
'Pxy(T) = -
f x*(t,T)y(t+T)dt
T-=
DO
1
= -x*(-r,T)*y(r)
1
:::: -[x*(-r,T)*Y(T,T)] *oT{T)
T
(4.133 )
La convolution entre parenthses carres est la fonction d'intercorrlation des

priodes principales des deux signaux dfinie par
&Xy (7, T)
= x * (- T, T) * y( 7, T)
(4.134)
La fonction d'intercorrlation des signaux priodiques peut donc aussi s'exprimer de la manire suivante:
IPXy(T) :::: 11 ~Xy(T. T)
* T(T)
repT {T- ~Xy(7, T)}

1
(4.135 )
Et pour l'autocorrlation, on a simplement
'P.~(T)
:=
:=
T- ~x(7, T)
1
repT
* T(T)
{T- ~x(7, T)}

1
(4.136 )
o ~x (T, T) est la fonction d'autocorrlation de x (t, T).

o
Au contraire de x (t, T) ou YU, T), le support des fonctions notes ~Xy( T, T) et
'P x (7, T) n'est pas limit la priode principale de 'Px)' ( T) ou l{lx ( T). En rgle gnrale,
ce support est l'intervalle [- T, T].
4.4.13 Exemple
Considrons la suite priodique d'impulsions rectangulaires
x(t)
repT {A reet(t/.6.)}
Par (4.63)
~X(T, T)
et
:=
.6. tri (7/.6.)
IPx(T) = A 2.6. T- 1 repT {tri(T/)}
101
SIGNAUX DTEItMINlSTES
Cette fonction d'autocorrlation est reprseme sur la figure 4.25 avec x(t),
d'une part pour.6.} < T/2 et d'autre part pour T/2 <.6. 2 < T.
x(t)
-T
TI'!.
T/'2
x(t)
-T
- T/2
Tf].
Fig. 4.25
4.4.14 Fonction d'uutocorrlation d'une suite priodique d~impulsions de Dirac

Par (4.51 ), la fonction d'autocorrlation d'une impulsion de Dirac est analogue
sa convolution (lA 7) : c'est encore une impulsion de Dirac
oc
~o(T} ==
J 8(t)o(t+r)dt
=:
8(T)
(4.137)
Dans le cas d'une suite priodique impulsions de Dirac~ on a par (4.130)
ry2
'PiT(T)=
J o(t)0T(t+r)dt=
-T12
1
-
Ce rsultat est consistant avec la formule (4.136).
0T(r)
(4.138 )
102
4.4.15 Densit spectrale de puissance dun signal priodique

Rappelons que la densit spectrale de puissance est par dfinition la transforme
de Fourier de la fonction d'autocorrlation du signal.
En transformant respectivement (4.132) et (4.136), on obtient les formes qui
valentes
(4.139 )
o
o
(4.140 )
= F {<'ox(T, T)} = IXU: T)I
2
La fonction continue (I/T ) cI. x U: T) est l'enveloppe spectrale des raies
if.;lx{/' T)
oI/T(f) du spectre et
1Xnl2
= (l/T)2 ~x(ll/T, T)
= (l/T)2 IX(n/T, T)12
(4.141)
rsulta t cohrent avec (4.126).

La puissance totale du signal est obtenue par l'identit de Parseval
1
Px
TI2
= -
<,Ox{O)
T -T/2
Ix(t)1
""
((ll.Af)df =
dt =
_."",
IXll 1
(4.142)
Il:-oo

Soitx(t)=Acos(21Tfot a);de (4.116), (4.132). (4.139) et (4.142),on
tire (fig. 4.26 )
<'ox(T) = (A
/2) COS(21TfoT)
(4.143)
qlx(f) = (A /4)[o(!+!o)+o(f-fo )]
(4.144)
00
p." = ~\' ( 0 )
J (J,x (l) df
A 2/ 2
(4.145 )
-/Xl
4.4.17 Exemple
La densit spectrale de puissance de la suite priodique d'impulsions rectangulai
resx(t) = repT {A reet(t/.6.)} vaut, en tirant parti du rsultat des exemples 4.4.10 ou
4.4.13 :
(Px(f) = (A.6./T)
sine 2(.6./) Ol/T(!)
;,~ ~ (ALl./Tl
sine 2(Ll.Il/Tl 8
(f -; )
103
SIGNAUX otTERMINISTES
xU)
(llx(f)
;(2/4
A~/4
-10
10
Fig. 4.26
4.4.18 Densit interspectrale de puissance de signaux priodiques

Par analogie avec (4.139) et (4.140), on a pour deux signaux priodiques de
mme priode T:
l
n=
X,~t: l'II 5
_00
(4.146 )
o
:b xy (j~ T)
F {~Xy (T, T)} = x* U: T) y (t, T)
(4.147)
et
x;;
T- 1 X* (n/T, T)
Y" = T-
yen/T, T)
(4.148 )
(4.149 )
4.4.19 Application
Soit dtermner la fonction d'intercorrlation et la densit interspectrale de
puissance des signauxx(t) =B sin (21Tt/T) ety(t) = repT {A reet(t/L1)}.
104
Par (4.118), (4.128), (4.131) et (4.146):

AB!l
- - sine (!lIT) sin (21TT(T)
T
tfJ.y:y (T)
et
---:;:r
1)
+T
cI)xy(!) = jAB!l sine (!lIT) [( f
lj
(!
- Tl )1]
On peut facilement vrifier que la fonction d'intercorrlation de n'importe quel

signal priodique, de priode T, avec un signal sinusodal pur de mme priode, est tou
jours une fonction sinusodale.
4.4.20 Signaux quasi-priodiques

Un signal quasi-priodique est une combinaison linaire de sinusodes de frquences incommensurables:
xU) =
Ak sin ( 2rrJk t
+ Cl:k)
(4.150 )
= !k avec irraUonel.
Les proprits d'un tel signal sont donc il la fois parentes et diffrentes de celles
des signaux priodiques.
La fonction d'autocorrlation d'un signal quasi-priodique vaut
O !k+l
(4.151)
En effet, en appliquant la dfinition (4.91 ), scule valable ici, on a

TI2
~\"(T)
lim l
r ILAkAQsin(21TJ~t+O'k) sin[21Ij'Q(t+T)+O'Q]dt
T-=T_i/2k \:
(4.152)
avec
Tf1
1
k v.
= lirn
T-"oo
sin(.2
T 7~/2
1'12
= lim
T-+oo
_1
2T
iTJ~/ + O'/.: )sin [ 21IJ~ (t + T) + 0'\1] dt
cos[ 21I(J~ -iQ )t- 2rrj~T
+ O'k -
O'Q]
dt
-TJ2
TI2
-lim
T--
., T
-
cos [ 2 1I(J~
+ J~
)t
+ .2 rr}~ T + Cl: k +
O'Q
1dt
-T/2
pour le
cos ( 2rr}" T )
=f= Q
pour k = 2
(4.153 )
105
La densit spectrale de puissance se dduit de (4.15]) et (4.144)

<j'rU) =
(A,,2/4 ) [ B(I + f k
+(/-
J~ ) ]
(4.154 )
et la puissance totale vaut
f"" (Px (I) dl = 2.. Ak2j 2
(4.155 )
4.5 REPRSENTATIONS SPECTRALES BILATRALES ET UNILATRALES
4.5.1 Reprsentations bilatrales

On a dj signal, au chapitre 2, que la reprsentation complexe de signaux sinusodaux
cos ( 21Tlt)
exp (j .2 ;rIt)
exp ( - j '1 nIt)
(4.156)
fait apparatre deux termes d'amplitude ~ dont la variable frquence f est affecte
pour l'un, du signe + et pour l'autre, du signe -. Ce mode de reprsentation distribue
donc, dans le domaine frquentiel, les contributions du signal symtriquement de
part et d'autre de l'origine sur l'axe f. De l dcoule la terminologie usuelle qui parle
de frquences positives et frquences ngatives.
Tout~s les rc~rsentations spectrales voques jusqu'id sont de type bilatral:
X n, X(f), <Px (f), cI>XY (f), <Px (f), tPxy (f). C'est pourquoi, pour calculer t'nergie ou
respectivement la puissance d'un signal rel comprise dans une bande de frquence
[f.,f2 J, il faut crire
-/1
(~x(f)df +
12
12
/l
'1
(flA!) df
(4.157)
fI
/2
f {Ilx(f)df
(4.158 )
fl
La reprsentation spectrale bilatrale a donc un ct un peu abstrait. Elle dcoule
naturellement de la dualit temps-frquence tablie par la transformation de Fourier.
Elle a l'avantage de mettre facilement en vidence certaines proprits de traitement
des signaux comme la modulation d'amplitude ou l'chantillonnage.
4.5.2 Reprsentations unilatrales

Il est parfois jug utile d'employer une reprsentation spectrale unilatrale, n'impliquant que la partie positive de l'axe des frquences. Ceci est possible, bien que dlicat, en tirant parti de la symtrie conjugue des spectres complexes de signaux rels:
(4.159)
106
qui entrane que les modules sont des fonctions relles paires
( 4.160)
et les arguments des fonctions impaires.
De plus, les densits spectrales d'nergie ou de puissance de signaux rels sont des
fonctions relles paires
(4.161)
Une reprsentation spectrale unilatrale est obtenue en multipliant la reprsentation bilatrale par la fonction 1 + sgn (/) 2 E(f), de manire en doubler la contribution pour 1> 0, maintenir inchange sa valeur l'origine et annuler la partie
situe aux frquences ngatives
<Il: (/)
= 2 (f)
<Il x (f) ;;::
1<0
1=0
f>O
{~" 0 )
(
1 (px (f)
(4.162)
Il est dconsem de recourir systmatiquement cet artifjce, puisqu'il ne s'applique qu'aux spectres de signaux rels. Il peut entraner une fausse valuation de la
contribution du spectre l'origine. Par ailleurs! la notion trs pratique d'enveloppe
spectrale dfinie au paragraphe 4.4.9 n'est plus utilisable.
Une aut approche est prsente au chapHre 7. Elle consiste associer au signal
rel un signal complexe (appel: signal analytique), tel que sa transforme de Fourier
soit nulle aux frquences ngatives.
~1J
..
~.'
f
-.1.- 1
-r- 0 rI
u~
SI
(1); if)
Tl
t1J
\
f
0 T- I
Fig. 4.27
.1.- 1
107
4.5.3 Srie de Fourier unilatrale

Le dveloppement en srie de Fourier complexe (4.109) est identique une
somme de termes rels
x(t) =
Xli exp (j '21Tlll t)
Tl= - " "
= Ao + l
A n cos ( 21TJ~1 t
+ {)
(4.163)
Il )
1l=1
avec 111 = Il/Tet les correspondances

(4.164 )
4.5.4 Exemple
Les reprsentations bilatrales (Px (f) et unilatrales
(f) de la densit spectrale de puissance d'une suite priodique d'impulsions rectangulaires ( 4.4.10) sont
reportes sur la figure 4.27 pour comparaison.
:
4.6 EXERCICES
4.6.1 Dmontrer que la transforme de Fourier d'un signal rel pair [impair] est une
fonction relle paire [imaginaire impaire ].
4.6.2 Dmontrer que la transforme de Fourier d'un signal complexe est une fonction
relle paire [imaginaire impaire] si la partie relle du signal est paire [impaire] et la
partie imaginaire est impaire [paire].
4.63 Retrouver les rsultats (4.23) et (4.33) en utilisant la proprit (4.13).

4.6.4 Dmontrer que sinc(t) '" sinc(t) = sinc(t).
4.6.5 Dmontrer que

00
sine' 3( f) dl:::: 3/4
""
<Xl
sine 4(f) df
2/3
4.6.6 Evaluer l'intgrale

1'( t):::::
/4
'"
sin 3 T. sin (t T
T)
dT
t - T
4.6.7 Dterminer la transforme de Fourier des signaux x(t) et y (t) reprsents sur la
figure 4.28.
108
TIitOlllE ET TRAITEMENT DES SIGNAUX
x(t)
- TI2
TI2
J' Ct)
Fig. 4.28
4.6.8 Dmontrer que dXldf +-l-
(-
j 21T t) x(t).
4.6.9 Utiliser le rsultat prcdent et la proprit (4.13) pour dmontrer l'quivalence

2
g(t) = exp (-1T t ) +-l- ig(/).
4.6.10 Dmontrer que le produit de convolution et la fonction d'intercorrlation de
x (t) = jg (t / Tl) et y (t) = ig Ct 1T 2 ) est encore une fonction gaussienne du type
K' ig(t/T) o T = [1? + T~]1/2.
4.6.11 Soit le signal reprsent sur la figure 4.29. Dterminer:
.. l'expression analytique de son spectre d'amplitude
le graphe de sa fonction d'autocorrlaton
.. l'expression analytique de sa densit spectrale d'nergie.
x(t)
.------j
ri
2T 3 T
o
-A
Fig. 4.29
4.6.12 Calculer la transforme de Fourier du signal x(t) =A sin [21T(t T/2)/T]

tri [(t - TI2 )/T] et esquisser les graphes du spectre d'amplitude, du spectre de phase
et de la densit spectrale d'nergie.
4.6.13 Dterminer l'expression de l'intercorrlation des signaux x(t) :;:: A rectU/T,) .
ety(t) =B tri(2t/T).
109
Dterminer la transforme de Fourier do signal reprsent sur la figure 4.30.

x(t )
-a12
al2
Fig. 4.30
Dterminer et reprsenter graphiquement la fonction d'autocorrlation et la

spectrale de puissance du signal x (t ) = A rep T {rect [(t + T/4 ) / Ll ]
[Ct - T/4 )/Ll]} pour Ll < T/4 et T/4 < Ll < T/2.
Dterminer et reprsenter graphiquement la densit spectrale de puissance du
x(t) =m(t) pU) o mU) = repT {rect(t/Ll)} et pU) =A cos(2rrfot) pour
~/T= 0,2 et 10 = kIT'#> l/Ll avec k entier.
Dmontrer que
(Ll/T) sine \IlLl/T)
=1
Soit x (t) = A sn(21Tlo t) et yU) = (An) cos (2/0 t
+ tr/4 ). Dterminer:
la fonction d'in tercorrlation de x (t) et y (t);

la fonction d'autocorrlation de z(t) =x(t) + y(t);
la densit spectrale de puissance de z (t);
la puissance totale de z (t).
4.6.19 Dmontrer que les fonctions

nal pour le = 0, l, 2, ...
Zk
(t) :::: sinc (t - k) forment un ensemble orthogo-
CHAPITRE 5
SIGNAUX ALATOIRES
5.1 MODLE STATISTIQUE: PROCESSUS ALATOIRE
b.~:;ii'::::'.'.:':':'::'.':""""""" 5.1.1
In trod uctio n
Par dfinition ( 2.2.1 ) un signal est alatoire s'il dpend d'une certaine manire
des lois du hasard. De tels signaux. dont la valeur instan tane est imprvisible, ne possdent videmment pas de reprsentations temporelles analytiques. Ils peuvent toutefois tre caractriss par leurs proprits statistiques et frquentielles. Les notons de
base de thorie des probabilits utilises pour la description statistique des signaux alatoires sont rsumes au chapitre 14.
Les signaux alatoires forment une classe particulirement importante de signaux.
Ceci dcoule du fait que seuls les signaux ayant un certain caractre alatoire peuvent
transmettre de l'information (axiome de base de la thorie de l'nformation). Une
autre raison est le grand nombre de situations dans lesquelles on cherche fI se prmunir
contre les effets de perturbations alatoires ou il identifier et mesurer un phnomne
se manifestant par un signal tnu noy dans un bruit de fond important (dtection de
signaux ).
Un signal alatoire observ doit tre considr comme ulle ralisation particulire
d'un ensemble de signaux similaires qui sont tous susceptibles d'tre produits par le
mme phnomne (ou processus) alatoire.
5.1.2 Dfinition: processus alatoire
Ma thmatiquement [24,64, 79], un processus alatoire (on dit aussi stochastique)
peut tre dfini comille une famille de fonctions relles ou complexes deux variables
note {x(t, n} ou, plus simplement, x( t). En thorie du signal, la variable t reprscn
te usuellement le temps.
La variable dnote la nature alatoire du processus: est un lmcnt de l'espace
des preuves (ensemble des rsultats possibles d'une exprience statistique) et dpend
des lois du hasard (
5.1).
La description statistique d'llIl processus alatoire est gnralement obtenue
partir des lois de probabilit marginales et conjointes (chap. 14) des variables alatoires qui reprsenten t le comportemen t du processus en des instants prescrits. Selon que
ces variables sont continues ou discrtes, on parle de processus alatoire coutinu ou
Lorsquc l'chelle du temps est clIc-mme discrtise (cas de l'chantillonnage

par exemple L on purle de suite alatoire. Lorsque le hasard intervient de faon discontinue des instants alatoires, on dt que l'on a un processus ponctuel.
ILl
THORIE ET THAITEMENT DES SIGNAUX
x(t.n
r
Fig. 5.1
Tros modles particuliers de processus alatoires doivent tre spcialement mentionns :

les processus gaussiens (modle de processus continu tel que le bruit thermi
que par ex.)
les processus de Poisson (modle de processus ponctuel tel que le bruit d'effet
grenaille par ex.)
les processus de Markov (modle d'une large classe de signaux informationnels par ex.).
5.1.3 Signal alatoire. Dfinition

Pour chaque ti' le processus x( t,
se rduit un membre donn de J'ensemble
des fonctions possibles que l'on conviendra d'appeler signal alatoire et que l'on crira
XiCt) ou simplement x(t).
Un tel signal est, par commodit, considr comme un signal puissance moyenne finie.
L'observation de ce signal permet de dterminer. par analyse ou mesure, certaines moyennes temporelles significatives telles que valeur moyenne (composante continue), valeur quadratique moyenne (puissance). etc. Une moyenne calcule le long de
l'axe t est exprime par une relation du type:
Tf2
TIl
f[x(t)] = lm T-
ce
f[x(t)] dl
(5.1)
5.1.4 Variable alatoire

A chaque instant ti' le processus x( t. t) se rduit une simple variable alatoire
X(ti), note parfois plus simplement Xi. dont le comportement statistique est dcrit
par sa fonction de rpartition F(x: li) ou par sa densit de probabilit p(x; fi)' La connaissance de ces lois de probabilit permet de dterminer les principaux moments
(moyennes statistiques = esprances mathmatiques. c'est-ii-dire : vale,urs espre~
thoriquement) de la variable.
SIGNAUX AL~ATOllS
113
Une moyenne calcule le long de l'axe (moyenne value sur l'ensemble des
tats possibles) est exprime par une relation du type:
E[f(x)]
J"" f(x)p(x)dx
(5.2 )
"'"
5.1.5 Notations
On dsigne dans ce livre le processus ou la variable alatoire par une lettre en
caractre Univers gras (exemple x, y, z). Les tats pris par cette variable sont nots de
manire usuelle (exemple: x, y, z ).
Dans certains ouvrages, il est d'usage de dnoter le processus ou la variable alatoire par une lettre majuscule, sans autre diffrence de typographie.
5.1.6 Exemple
,.; .. . :.::. . :: . . . . .
L'coulement turbulent d'un fluide est une illustration de processus alatoire

continu. Si l'on cre simultanment, dans des conditions exprimentales semblables,
plusieurs coulements turbulents, on dispose d'un ensemble d'observations diffrentes,
mais dont chacune reprsente une ralisa tion particulire du processus. La mesure. sur
chaque coulement, d'un paramtre significatif (par ex. vitesse locale instantane)
fournit un ensemble de signaux alatoires.
Si l'on enregistre toutes les valeurs prises par ces signaux un instant donn ti>
on dispose d'un chantillonnage des tats possibles de la variable alatoire considre
(vitesse d'coulement au temps ti)'
A condition que le nombre d'observations simultanes soit suffisant - idalement:
tende vers l'infini on peut en dduire certaines caractristiques du processus au temps
ti (histogramme, valeur moyenne et variance exprimentales, etc.).
L'observation simultane d'un tel ensemble est pratiquement irralisable. Aussi
doH~on gnralement se contenter d'un signal unique correspondant une ralisation
particulire du processus. L'analyse de ce signal typique fournit des informations qui,
sous certaines hypothses ( 5.1.14), peuvent tre considres comme caractristiques
du processus globalluimme.
En lectricit, un exemple classique de processus alatoire continu est le bruit de
fond gnr dans les circuits lectroniques par l'agitation thermique des lectrons dans
les matriaux conducteurs (sect. 6.2). Combin d'autres phnomnes alatoires, ce
pJrOCI~SSlJS est responsable, par exemple, du bruit peru dans les installations d'amplification acoustique (souffle).
5.1.7 Exemple
Une illustration de processus alatoire ponctuel est l'mission de particules ionisantes par un corps radio-actif, telle qu'elle peut tre rvle par un compteur de Gei
ger-Mller. Le nombre de particules mises par unit de temps est une variable alatoi~
re discrte.
De nombreux phnomnes lectroniques (mission thermo-lectrique ou photolectrique, charges traversant une jonction de semiconducteurs) sont des processus
114
alatoires ponctuels. Ils sont la cause du bruit de grenaille tudi il la section 6.3. les
appels atteignant un central tlphonique. les pannes affectant une installation technique. sont auss des exemples de processus ponctuels,
5.1.8 Vecteur alatoire. Dfinition

Si J'on considre k instants t). t 2 . .... tk' on peut dfinir k variables alatoires
x), X2' . Xk formant un llectellralatoire il k composantesx=(Xt, X2' .. " Xk). caractrs par une loi de proba bili t con j oin te p (x l ' X 2' .... Xk ) k dimensions. la connaissance de cette loi en fonction des k paramtres t).
constitue une statistique d'ordre k du processus.
Pratiquement. on peut gnralement se contenter de lu statistique d'ordre 1 et de
celle d'ordre 1 qui permettent de caractriser sufflsamment le comportement u processus et de prCiser son volution dans le temps,
'2 ..... 'k
5.1.9 Statistique d'ordre 1. Dfinitions

Soit Xi. une variable alatoire relle correspondant l'instant ti' Sa fonction de
rpartitioll exprime la probabilit d'avoir Xi infrieure ou gale il un niveau x donn.
Elle dpend en gnral de ti
F(x:
td
Prob( Xi
(5.3 )
~ x)
la densit de probabilit est simplement 1:.1 drive de la fonction de rpartition

par rapport x :
p(x: ti)
(5.4 )
dF(x; ti )/dx
La valeur moyenlle statistique de la variable alatoire

degr:
J.1x(t;)
=:
Er Xi l
Xi
est le moment du 1er
00
X;!J(X: li )dxi
(5.5 )
-co
les moments de degr suprieur sont dfinis de la mme f::lon :

co
~
t1
J xip(x,t;)dxi
(5.6 )
co
Le moment centr du 2me degr ou mrlance. est obtenu en considrant l'cart

Xi -
J.1x (fi) entre la variable alatoire et sa valeur moyenne:
0:,\ ti)
E 1 [Xi -J.1x(ti)]
21 =
E[ xl] -J.1x\t;)
.
2
J"!" [Xi-Il.\(li)l
p(x,ti)dx;
( 5.7)
QO
C'est une mesure de la dispersion de cet cart; sa racine carre est l'cart-typ ~e
la variable.
115
SIGNAUX ALATOIRES
Statistique d'ordre 2. Dfinitions

Considrons le couple de variables alatoires rel1es xl = X(tl) et X2 ::;:: X(t2)'
''r...'rr-tl'nl1 de rpartition conjointe reprsente la probabilit que x 1 et X2 soient respectivement infrieures ou gales aux niveaux x 1 et X2 :
F(XI,X2; t 1 , t 2 )
= Prob(xl ~ XI'
X2
~ X2)
(5.8)
La drive de (5.8) par rapport il Xl et Xl est la densit de probabilit conjointe

couple de variables Xl et X2
p(Xt ,X2; t. ,t2 )
a2F(Xl ,.\2
aX1
; t1
,t2
(5.9)
aX2
Les moments de ce couple sont, par dfinition, les moyennes statistiques des
. posIt!
. 'fs ou nu 1s.
e t 111 sont des entlcrs
Le moment correspondant il 11 et 111 gaux il l'unit est appel fonction d'autocorstatistique du processus x(t) et dnot par la lettre R :
Il
111,
~-~..",...tl,nn<: Xl X2 ou 11
;';";""'_",,~# .r. .'f
(5.1 0)
Si, au lieu de considrer les variables alatoires x 1 et
x2' on considre plutt les

entre ces variables et leurs valeurs moyennes respectives, on obtient la fonction
~:;'ifdJ'alljrOCovllru.lIIc'e, dnote par la lettre e:
ex (t l' t 2) = E {[ x (t d
- ,ux (t d ][x (t '2 )
Px (t '2 )
n
(5.11 )
Lorsque t 2
t l' (5.11) s'identjfie avec la variance (5.7).
1 Stationnarit. Dfinitions
Un processus alatoire est dit stationnaire au sens strict si toutes ses proprits
sont invariantes dans I.e temps.
Il est dit stationnaire du deuxime ordre si seules ses statistiques d'ordre 1 et d'or2 sont invariantes dans le temps. Dans ce cas, on a d'une part
t't"11di.,,,I,""
(5.11)
G.;
/lx (ti) = Px et
(ti) = a; sont des caractristiques invariantes dans le temps,
des constantes pour un processus donn.
Par ailleurs, la denst de probabilit conjointe ne dpend plus que de l'cart tem-
(5.13)
(5.14 )
l'autocorrlation et l'autocovariance ne sont fonction que du seul cart temporel
(5.15)
Rx (t l' t 2) == Rx ( T)
ex (t l' t 2)
= ex ( T)
= Rx ( 1) - ,u';
(5.16)
116
THORiE ET TRAITEMENT DES SIGNAUX
Un processus alatoire est dit stationnaire au s~ns large lorsque seules sa valeur
moyenne (5.5) et sa fonction d'autocorrlation (5.10) sont invariantes dans le temps.
L'invariance de la fonction d'autocorrlation entrane celle de la variance. Un processus
stationnaire du deuxime ordre est videmment aussi stationnaire au sens large. La rciproque n'est pas ncessairement vraie.
5.1.12 Commentaire
Un phnomne physique alatoire n'est jamais rigoureusement stationnaire. Il
possde une phase transitoire d'tablissement au moment de sa cration. Il est galement souvent influenc certaines poques de son histoire par l'volution du systme
auquel il est associ.
Le concept de processus stationnaire n'est donc qu'un modle simplifi. Il est
toutefojs commode d'emploi et se rvle trs largement utlHsable en pratique lorsque
l'on peut se contenter d'observations (mesures) de dures raisonnablement limites
pendant lesquelles le phnomne prsente un caractre permanent.
5. L 13 Ergodisme. Dfinition
Un processus alatoire est dit ergodique si l'on peut identifier les valeurs moyennes statistiques du type (5.2) aux valeurs moyennes temporelles du type (5.1).
Comme pour la stationnarit, on peut dfinir diffrents niveaux d'ergodisme.
5.1.14 Consquences
Soit
TI2
XII
J x1f(t)dt
lim
=:;
T-+=
la valeur moyenne temporelle de degr
(5.17 )
-1'/2
Il d~un
signal alatoire stationnaire et
00
E [x
= )
/1
(5.18)
x p (x) dx
-co
sa valeur moyenne statistique - ou moment - de mme degr

dsme entrane les identits indiques dans le tableau 5.2.
Il.
L'hypothse d'ergo-
L'cart-type ax reprsellte ainsi pour les signaux alatoires l'quvalellt de la valeur efficace illtroduite pour les sigllaux sillusodaux ( 1.8.2.11 ).
Sur certains instruments de laboratoire permettant de mesurer cette grandeur, on
l'appelle la vraie l'aleur efficace (en anglais' tn RAIS llalue).
5.1.15 Commentaires
Ainsi, lorsqu'il paraH justifi d'mettre cette hypothse d'ergodisme, on est en
droit d'estimer les proprits statistiques d'un processus x(t, r) par l'analyse temporelle d'un signal .l'Ct) unique Cun seul membre de l'ensemble des fonctions possibles).
Cette procdure d'observation est videmment beaucoup plus facile raliser pratiquer
. ,
ment.
Tableau 5.2
Nom
Formulation statistique
ValeUf
moyenne
Ji:.:
Valeur moyenne
nu cafr
Jix-
Valeur
quuratique
moyenne
Er x 2,
q )( 1
_E X l' (x) clx
Formulation temporelle
Interprta lion
.\"
composante continue
Hm
x( r) dr
T-''''
.,
puissancl! de la composante continue
--:;
/)x = x-
)dx
_[ x
lim
'1'-""
2(1 )t
puissance lotale
T
Ul
5
Ecart
quuuratique
moyen (variance)
Ecart-type
o.;
El ( x - Il.,' )21
( x - Ji.\: )
) li x
( x - y)::' ::: 1illl ~

1'--~
[X(I) - x
T -ln
V(x-:n 2
GA'
z
c:
x
;>
T/2
puissance des
nuctualiollS
;>
t-'
t"1.
vuleur efficace des nuduations
::;
:2
~
l"'7
Ul
Au tocorrlation
RX(T)
E\x(f)x(r+r)l
JJ XIX~/)(
Au tocova riance
Relations
particulires
ex (T)
::;0
R.~ (0) _
C\:(O) -
<Px(') = .1."(
1'/2
XI
,x::. : T)X,
r)(
2:2
1 ::: 0x
dX2
lim 7'- ""
RI: ( T) - Il;
(Ix
7)*X(T)
r x(r)x(r+r)dt
T -'in
1,0,1:(7) _.\",2
2
+ Ji x
Px :::: 't'xIO)
<Pxro)-y"
-....l
118
THORIE E'r TRAiTEMENT DES SIGNAUX
La stationnarit n'entrane pas ncessairement l'ergodisme. Considrons, par

exemple. un processus x( t, r) dont chaque ralisation est de la forme x(t)
= X o (t ) + X. Le terme Xo (t ) reprsente un signal alatoire associ un processus stationnaire et ergodique valeur moyenne nulle et est une vuable alatoire [donc en
gnral diffrente pour chaque x( t)] valeur moyenne galement nulle. Dans cc cas,
/.Lx = 0 et le processus x( t. r) est clairement stationnaire mais non ergodique. puisque
J1.x =l=x.
Bien que la proprit d'ergodisme n'implique pas strictement celle de stationnarit [69]. la dfinition du paragraphe 1.5.13 entrane que les processus ergodiques
considrs sont simultanment stationnaires.
L'hypothse d'ergodisme est souvent difficile il vrifier. Elle est gnralement
accepte sur la base de considrations thoriques. On admet, en pratque, que la plupart des signaux alatoires usuels sont la manifestation de processus ergodiques. Pour
un examen plus dtaill des conditions d'ergodisme, on peut consulter [14,50.57 ou
65 J.
5.1.16 Exemple: signal sinusodal phase alatoire

Considrons un processus dont chaque ralisation est un signal sinusodal d'amplitude A et de pulsation w constantes, mais de phase initiale a alatoire uniformment
distribue sur l'intervalle [0,211]. Un signal alatoire typique est ainsi dcrit par l'expression
x(t) = A sin(wt
+ a)
(5.19 )
La variable alatoire Ka. observable en un instant particulier t 0; ne dpend statistiquement que de la variable a' = f..J..}fo + a qui est galement distribution uniforme
)(0 ::::
x(to) :::: A sin a'
(5.20 )
Arcsin(xo/A)
(5.11 )
Inversment
al::::
La fonction de rpartition F(x) de la variable alatoire

en considrant le dessin de la figure 5.3.
Xo = A sin
KO
est facilement obtenue
QI'
,
"" ""-
.....
-Fig. 5.3
Dans la demi-priode principale [- rr/2~ 11/2 l, Xo est infrieure une valeur x

donne sur un intervalle .6. = a~ + rr/2. Du fait de la distribution uniforme de a', la'
probabilit d'avoir xo infrieure ou gale x est simpJement le rapport de l'inte~v'all~
119
SIGNAUX ALATOIRES
Il la
demi~priode
F(x):;::
probe Xo
~x)
:;::
TI
-1 Arcsin (
1r
x)
A
+ -.1
(5.21 )
La densit de probabilit est dtermine par drivation (loi en chanette)
dF(x)
p(x)
Ixl
dx
(5.23 )
ri
Ces lois statistiques (fig. 5.4 ) sont indpendantes de l'instant t 0 considr: le

processus est donc en tau t cas stationnaire du 1cr ordre.
F(x)
:c
-A
p(x)
-il
Fig. 5.4
La valeur moyenne statistique

co
f x p(x)dx
Px =
= 0
(5.24 )
-DO
puisque p(x) est une fonction paire.

On obtient galement, pour la valeur moyenne temporelle
x=
donc J.l. x
TI2
-TI!
lim
EX.
A sin(wt + Cl )dt
(5.25)
120
La valeur quadratique moyenne statistique (ici identique la variance puisque

Jl x =0) vaut
-L
'!"
x p(X) dx
17'-A
x
1/ 2
2 dx
tA -x
(5.26)
et est aussi gale il la valeur quadratique moyenne temporelle - ou puissance totale du signal
1 Tf2
1 1F
A2
x 2(t) dt :::: lim , A 2 sin l( wt + (k ) dt = Px = X 2 :::: Hm
T-"" T -T12
T-T -Tf2
2
(5.27)
- l
PC>
La fonction d'autocorrlation statistique est ici identique la fonction d'autocovariance puisque Jlx :::: O.
Rx(tl' tz) = E[X(tl) X(t2)]
= A 2 E[sin(wt 1 +a)sin(wt 2 +a)]
= 1h.A
2 E[COS{W(t2-tl)}-COS{w(tt +t2)+2a}]
(5.28)
Le premier terme de la parenthse carre n'est pas alatoire, mais une constante
pour un cart temporel T:::: t 2 - t 1 donn. Le deuxime terme de cette parenthse est
une fonction du mme type que x(t) et, par consquent, sa valeur moyenne est nulle.
La fonction d'autocorrlaton statistique du signal sinusodal phase alatoire est ainsi
A2
Rx (tl,t 2 ) =Rx(T) =-COS(WT)
(5.29)
et ne dpend que de l'cart T:::: t 2 - t). Le processus est donc aussi stationnaire au sens
large.
La fonction d'autocorrlation temporelle s'obtient galement facilement et s'identifie avec (5.29)
A2
IPx ( ) :::: 1i m T-=
Tf2
si Il
( Wt
+ (k ) sin [ w ( t + T ) + (k l dt
-T12
Al
= -
COS(WT)
(5.30)
')
Le processus est donc ergodique. On vrifie galement que la valeur l'origine de la

fonction d'autocorrlation est bien gale aux rsultats (5.26) et (5.27).
On observe finalement que la fonction d'autocorrlation d'un signal sinusodal
phase alatoire est la mme que celle tablie pour un signal sinusodal dterministe
[relation (4.143)].
5.1.17 Exemple
Considrons un processus dont chaque ralisation est un signal binaire alatj:~e .
y(t). Les deux niveaux d'amplitude YI =- 2 volts etY2 = 5 volts apparaissent avec
121
SIGNAUX ALA TOmES
les probabilits respectives Prob (y 1 ) ::;; 1/3 et Prob (J'2) =- 2/3. On suppose cc processus
stationnaire et ergodique au sens large.
Sa fonction de rpartition est
2
F(y)
(5.31 )
Prob (Yi) e(y - Yi }
et sa densit de probabilit (fig. 5.5)

dF(y)
L Prob CVi) . 8( Y - Yi )
= --
pCy)
dy
(532)
o e(y) et 8 (y) dnoten t le saut unit et l'impulsion de Dirac.

F(y)
-------
1/3
Y
_'1
5
p(y)
(:!J3)li(y-5)
(lJ3)8(y+2)
y
_'l
Fig. 5.5
La composante continue et la puissance totale d'un tel signal ne peuvent pas tre
values thoriquement en calculant une moyenne temporelle.
Par contre, puisque le processus yU,
est ergodique, la composante continue est
gale la valeur moyenne statistique et la puissance totale la valeur quadratique
moyenne statistique:
r)'
DO
Il y
P (y) cl)' =
-'00
=-
2 1/3
LYi
Prob (Yi)
i
+ 5 2/3 = 8/3 = 2,67 Y

co
y p(y) d)'
LY/ Prob (Yi)
-00
4 1/3
+ 25 2/3 = 54/3
18 yl
5.1.18 Processus alatoires indpendants. Dfinition

Deux processus alatoires stationnaires x{t) et y(t) sont indpendants si leur
densit de probabilit conjointe est gale au produit de leurs densits de probabilit
marginale:
112
TH1~ORIE ET TRAlTtMENT DES SIGNAUX
(5.33 )
PX.l'(x,y) = px(x)py(y)
Cette relation est analogue (14.36).

5.1.19 Commentaire
l'indpendance, au sens statistique, signifie que l'observation de J'un des processus ne nous apprend rien sur la nature de l'autre.
En traement des signuux, il est frquent d'avoir considrer des combinaisons
de processus indpendants. C'est, par exemple, gnralement le cas lorsqu'un bruit de
fond ou des parasites viennent contaminer un signal en cours de transmission ou d'amplification. II en va de mme dans les systmes de modulation o le signal porteur d'information est incorpor un signal auxiliaire.
Dans toutes les situations o l'indpendance est ralise, l'introduction de la condition (5.33) permet de simplifier les relations mathmatiques et d'obtenir des rsultats trs gnraux.
5.1.20 Transformation d'un vecteur alatoire

Lorsque la forme d'un signal est modifie par un oprateur de traitemenL ses caractristiques statistiques changent. On examine ici les incidences d'une transformation
d'une variable ou d'un vecteur alatoire.
Soit un vecteur alatoire ( 5.1.8) il k composantes (variables alatoires) Xl'
x2' ... Xk subissant une transformation dfinie par
YI
f J (XI,X2"",Xk)
(5.34 )
La densit de probabilit conjointe des variables alatoires Yj se dduit de celle

des Xi en tablissant une condition d'quivalence en probabilit qui fait intervenir le
jacobien J - ou dterminant fonctionnel de la transformation [58]
PJI {J' 1 ,), 2, ... , y k)
1JI Px (Xl' X 2, .. ., X k
... , Xk)
Xi::
g 1<)'! Y l
, ... ,
yk)
5.3 5 )
(5.36 )
La valeur absolue du jacobien intervient ici pour satisfaire la condition

Py (y 1 ,J'2' .. , Yk) ~ o.
5.1.21 Exemple: relation linaire instantane
Considrons la simple relation linaire instantane (amnsique: c'est--dire ne
tenant compte que de la valeur courante) dtune seule variable
Y
= ax + b
(5.37 )
123
SIGNAUX ALATOIRES
Le jacobien se rduit ici au seul terme

J
dxldy
( 5.38)
lia
d'o
-l-p;r(x
=~)
lai
a
(5.39)
La densit de probabilit de y a ainsi la mme morphologie que celle de x, un

dcalage b et un facteur d'chelle a prs.
5.1.22 Exemple: transformation quadratique
L'lvation au carr est une opration qui intervient dans tous les calculs de puissance ou d'nergie. On la retrouve en analyse spectrale, en dtection de signaux, etc.
Soit la transformation non linaire
y
>
(5.40)
Cette transformation n'est pas biunivoque puisque deux valeurs de x correspondent la mme valeur de y. La condition d'quivalence en probabilit conduit crire
Py(y) ;
1:;-1
Px
(x_ =- VYJ;) + IdX+I' Px(x+ =~)
(5.41)
avec ici
x_
=-
x+
yYG
VYJ;
ct
dx_1 dy
- 1
::::::
2Yay
et
dx + 1dy
(5.42 )
2 V ay
~)];
y>O
(5.43 )
Cas particulier: si Px (x) est une fonction paire, Px (x)
Py (y)
= Ir::::::r ay
Px ( Y yla )
=::
Px (- x) et
(5.44 )
Par exemple (fig. 5.6), dans le cas de la transformation quadratique dfinie par (5.40),
si Px(x) = liA pour lx 1~ AI2 (distribution uniforme centre) : Py(y) = l/(Ay'ay)
avec 0 ~ y ~ aA 2/4.
D'une manire gnrale, les transformations non linaires induisent une modification de la densit de probabilit.
5.1.23 Exemple: transformation de coordonnes cartsiennes en coordonnes polaires

Cet exemple trouve de nombreuses applications, en particulier pour la dtermination de la statistique de signaux reprsents sous forme complexe: phaseur alatoire,
signal analytique (chap. 7).
124
P:t(X)
y
-+------------------~------
Fig. 5.6
La transformation est dfinie par la paire de relations
= Jx 2 +y2
9 = arctan y/x
r
(5.45 )
avec
J=
axial'
ay/ar
1
ax/arp
= 1 cos4>
ay/3rp
-l'sin 4>
rcos4>
sinrp
=r
(5.46 )
d'o, par (5.35)
PrcP(r,4 = r ,. Pxy(x = r cos 4>, JI = r sin 11)
(5.47)
Considrons, par exemple, le cas de deux variables indpendantes x et y avec densits de probabilit marginale gaussiennes et valeurs moyennes nulles (chap. 14) :
Px(x) =
Py(y)
exp
(2i 0x
Y27T Gy
2]
20;
exp [
Y 2]
-~
(5.48 )
_Oy
D'aprs (5.33), la densit de probabilit conjointe est donne, dans ce caSt par
le produit des densits marginales
,
(5.49).
125
SIGNAUX ALATOIRES
La densit de probabilit conjointe des coordonnes polaires est alors donne, avec r
a et a ~ tI> < 1rr, par:
(5.50)
Cette densit caractrise une distribution de Rayleigh gnralise.
Dans le cas particulier o ax = ay = a, on obtient une distribution de Rayleigh
PreP ( r if
2rra 2
ex p [ -
~
1; r ~
2. a-
0 , 0
if>
<
2rr
( 5.51 )
d'o l'on tire les densits de probabilit marginales:
pA r) = f'p, ..(r. </> ) d if>
= - ; exp [
PeP ( if
f PrtP ( r, tP ) dr = -1rr
o
tP
<
2rr
(5.52 )
(5.53 )
d'o l'on dduit que

(5.54 )
prcp(r, cp) = Pr(/') PrjJ(tj))
ce qui montre que les variables alatoires r et .;, sont galement des variables statistiquement indpendantes.
La loi de Rayleigh (5.52) est reprsente graphiquement sur la figure 14.15.
5.2 FONCTIONS D'AUTOCORRLATION ET D'AUTOCOVARIANCE
5.2.1 Fonction d'autocorrlation

La fonction d'autocorrlation statistique d'un processus alatoire stationnaire et
rel x(t) a t dfinie aux paragraphes 5.1.10 et 5.1.]] comme l'esprance mathmatique du produit de x(t) et x(t + r)
00
Rx(T) =
E[x(t)X(t+T)] ;:;: ffxIX2P(xl,x2.r)dxl dX2
(5.55)
o X 1 et x 2 dnotent les valeurs que peut prendre le processus aux' instan ts t et t + r,

respectivement. L'adaptation de cette dfinition dans le cas d'un processus reprsent
par une fonction complexe est indique au paragraphe 5.2.5.
Dans le cas d'un processus discret, la densit de probabilit conjointe peut s'cri
re sous la forme
P(Xl,X2;r) = II5(xt-Xli,X2-X2j)Prob(XJj,X2j;r)
i
(5.56)
et la double intgration devient une double sommation sur les indices i et j qui reprent
1.26
les divers tats discrets
RX(T)
I I Xti X 2j Prob(XU,X2j; r)
i
(5.57)
La fonction d'olltocorrlation temporelle d'un signal alatoire stationnaire et

rel x(t) est donne par la valeur moyenne temporelle du produit de xCt) par x(t + T)
1 TI2
'Px(T)
= x(t)x(t+
r)
lim -
S x(t)x(t+T)dt
(5.58)
T-oe T -T12
Par analogie avec (4.99), cette expression peut s'exprimer sous la forme d'un
produit de convolution (signaux puissance moyenne finie: notation ;) :
(5.59)
Sous rhypothse d'ergodisme ( 5.1.13), on a l'identit
R.'l: ( T) == 'Px ( T :
(5.60)
Les deux notations peuvent alors tre utilises indiffremment.
5.2.2 Commentaires
Les formules (5.55) ou (5.57) permettent en prindpe de calculer la fonction
d'autocorrlation d'un processus stationnaire dont la statistique du deuxime ordre est
connue analytiquement.
La formule (5.58) est identique la relation (4.91) tablie pour les signaux dterministes puissance moyenne finie. Mais le signal alatoire n'tant pas, sauf cas particulier, connu sous forme analytique, cette formule est impropre au calcul. Elle indique par contre comment obtenir exprimentalement (et idalement en raison de la limite) la fonction d'autocorrlation.
L'exprience ralisable est une mesure pendant une dure finie T de la fonction
T
Vi x ( T) =
f x(t ) x( t + T)
(5.61 )
dt
avec
'Px ( T) ::;:: Hm
(5.61)
Zi5x ( T)
T-oo
5.2.3 Fonction d'autocovariance. Dfinition

La fonctioll d'autocovariallce, dfinie par (5.11) et (5.16), est gale la fonction d'autocorrlation du processus centr x(t) /J.x:
);(T)
= E{[x(t)
/J.x][x(t+T)-/J.xH
Rx(T)
-p.;
(5.63)
Autocorrlation et autocOJlar;once s'identifient donc pour tout processus J'~!ellr

moyenne nulle.
SIGNAUX ALtATOIRES
127
On appelle fonction d 'autocovariallce normalise (ou coefficient de corrlation)

le rapport
2
px(r) = c."\:(r)/a x
(5.64)
5.2.4 Proprits
On vrifie facilement que les fonctions d'autocorrlation et d'autocovariance de
processus rels sont paires
= Rx (- r)
(5.65)
Cx(T) = Cx(-T)
(5.66 )
Rx ( r)
Pour r
= 0, la fonction
d 'ail toco variance s'identifie aJ'ec la l'Griance a~ du processus.
On a ainsi
Cx(O)
Rx ( 0)
Px (0)
a;
(5.67)
= a x + J.1 x
=1
(5.68 )
(5.69)
La valeur l'origine de la fonction d'autocovariance d'un processus stationnaire

et ergodique correspond donc la puissance des nuctuations et celle de la fonction
d'autocorrlation la puissance totale (tableau 5.2).
D'autre part,
(5.70)
car la valeur quadratique moyenne de la somme ou diffrence suivante est ncessairement positive ou nulle
E ([x(t) x(t
+ r)]2}
= 2[R x (0) Rx(r)] ~ 0
( 5.71 )
d'o
(5.72 )
Ce rsultat est analogue ceux tablis aux paragraphes 4.2.14 et 4.3.8 dans le cas des
signaux dterministes.
Par un raisonnement identique appliqu au processus centr, on obtient
1C."'(r)1 :s.;; Cx(O)
(5.73 )
et par (5.64) et (5.67)
1Px (r) 1 :s.;; 1
(5.74 )
Puisque le carr de la valeur moyenne est toujours positif, les ingalits (5.72)
peuvent tre remplaces par les conditions plus svres
(5.75)
La formule (5.55) montre que la fonction d'autocorrlation - et donc aussi celle
de covariance - dpend de la densit de probabilit conjointe de x(t) et x(t + r).
Pour un processus alatoire sans composantes priodiques, l'interdpendance entre x (t)
118
et x (t + r) diminue lorsque 1T 1crot indfiniment. A la limite, ces variables deviennent statistiquement indpendantes. En introduisant la condition (5.33), on obtient
la limite
(5.76)
(5.77 )
Un exemple typique de fonction d'autocorrlation d'un tel processus est reprsent

sur la figure 5.7.
o
Fig. 5.7
Comme contre-exemple vident, on peut citer celui du signal sinusodal phase

alatoire ( 5.1.16) dont la fonction d'autocorrlation (5.29) est priodique.
5.2.5 Notation en cas de reprsentation du processus sous forme complexe

Si le processus x(t) est reprsent sous forme complexe, les fonctions d'autocorrlation statistique et temporelle sont respectivement dfinies par
E[x*(t)x(t+r)]
l
'Px (r)
(5.78 )
TI2
lim x" (t) x( t + i )dt

T-+t;;Q T -T/2
(5.79)
et les relations (5.65) et (5.66) sont remplaces par (symtrie hermitienne)

( 5.80)
5.2.6 Interprtation
Les fonctions d'autocorrlation statistique ou d'autocovariance d'un processus
alatoire peuvent tre interprtes d'une manire analogue celle prsente au paragraphe 4.2.10 dans le contexte des signaux dterministes.
Les expressions (5.55), (5.63) ct (5.78) constituent des formes particulir~s
produits scalaires associs il des variables alatoires.
'.
de
129
SIGNAUX ALATOIRES
La valeur quadratique moyenne statistique de la.diffrence x(t) - x(t + r) correspond au carr d'une mesure de distance entre ces deux variables. En supposant /lx
= 0 pour simplifier et avec la notation Xl = x(t) et Xl x( t + r), on a:
E{[x(t)-x(t+r)]2}
= d 2(x,x r
ff(X,-X2)2p(xt,Xl;r)dx,dX2
2[a}- Cx(r)]
(5.81 )
Cette distance ne s'annule que pour Px = 1. Les variables x(t) et x(t + r) sont 110n corrles pour les valeurs de r o ex (r) = 0 et orthogonales lorsque R."( ( r) = O.
5.2.7 Exemple
Considrons un processus alatoire x (t) dont les valeurs x changent aprs chaque
intervalle de T secondes tou t en restant constantes dans l'intervalle.
Deux ralisations possibles Xi(t) et Xj (t) de ce processus sont reprsentes sur la
figure 5.8.
.rd!)
LXik rect{[t-(k+ Ij2)T-rdIT)

k
1"--'
1
1
1
1
J
Xl0(t)
1
1
1
1
1
1L __ .J1
Fig. 5.8
La position de la premire transition aprs l'origine n'est pas identique pour

chaque ralisation du processus, mais uniformment distribue sur un intervalle T:
l/Tpour 0 ~ t < T. La densit de probabilit p(x) est ainsi indpendante du
temps et le processus x(t) est stationnaire.
Supposons de plus que les valeurs Xk prises dans les diffrents intervalles soient
indpelldalltes l'une de l'autre et possdent une densit de probabilit p (x) arbitraire.
Pour! ri> T, les variables Xl x(t) et X2 = x(t + T) sont donc indpendantes
et, par consquent, selon (5.55) et (5.33) :
pen
Rx ( 1ri> T) = E [x (t) x (t
+ r)] = E [ Xl] E [x 2 ]
JJ;
(5.82 )
De (5.63). on dduit que

~ ( Ir 1
>
T)
=0
(5.83 )
Pour 1r 1 ~ T, on doit consjdrer deux situations qui s'excluent mutuellement:

les tats pris par les variables Xl = x(t) et Xl = X (t + T) sont soit diffrents, soit iden
130
tiques. Ainsi
six1
si
=X2
(5.84 )
xl -=1= X2
Autrement dit :
Rx{ITI ~ T)
= (a~
+,u.~)Prob(x1
= X2)
+p~ Prob(xi
-=1= X2)
(5.85)
Les deux probabilits peuvent tre values en tenant compte de la distribution

uniforme des instants de transition sur un intervalle T. Soit t la position alatoire relative de ces transitions
pen
= liT
0 ~
t <
(5.86 )
L'vnement xl =F x 2 se ralise si une transition se produit dans l'intervalle 171,

c'est--dire si ~ < 171. On obtient ainsi pour IT 1 ~ T
171
Prob(x t =l=x2) = Prob(< ITI)
F~(ITI)
J p()d
1 1
(5.87)
D'a u tre part

Prob(x 1 =X2)
+ Prob(XI
-=l= X 2)
(5.88 )
d'o
(5.89 )
La formule (5.85) devient
Rx(ITI ~ T)
(l-171IT) (a~
+ Jl~) + (ITIIT)p; =
(l-171IT)a;
+ p;
(5.90)
et
CX (171 ~ T) = (1- ITIIT)a;
(5.91)
Ces divers rsultats peuvent etre combins pour tout T de la manire suivante en
utilisant la notation (1.34)
Rx(7) = a~ tri(TIT)
Cx (7)
a; tri(TIT)
+,u;
(5.9~)
(5.93 )
et, par (5.64)

P."( T) = tri (7fT)
(5.94 )
Le rsultat est ici indpendant de la densit p (x) du processus.

Les fonctions d'autocorrlation et d'autocovariance de ce processus sont reprsentes sur la figure 5.9.
D'autres exemples de dtermination thorique de Rx (T) sont donns aux sec~;' .
tions 5.3 et 5.8 ou proposs titre d'exercices.
131
SIGNA UX ALATOIRES
1 \
1 \
-T
al
x
\~ ('C(7)
7
Fig. 5.9
o 5.2.8 Dfinition: matrices de corrlation et de covariance

Dans le cas d'une suite (ou vecteur) alatoire dont les composantes sont des variables alatoires associes un mme processus, l'ensemble des valeurs d'autocorrlation ou de covariance (normalises ou non) peu t tre rassembl dans une matrice
laquelle il est convenu de donner le nom de matrice de corrlation ou de covariance. Un
vecteur il k composantes x 1 il Xk engendre une matrice (k X k) k 2 lments
(5.95 )
ou
(5.96 )
Si le vecteur rsulte de l'chantillonnage rgulier (chap. 9) d'un processus stationnaire, les valeurs de corrlation ou de covariance ne dpendent plus que de la dif
frence Tij = Ci - j)tlT, o il.T est le pas d'chantillonnage et fJx (1;) = fJ x 'd i :
Rx(O)Rx{L~T) . . . . . . . . . . Rx([k-I]il.T)
.. - . -. . '.
R x (il. T)
_
(5.97 )
Une telle matrice est symtrique et chaque diagonale est compose d'lments identi
ques (matrice de Toepliz).
Compte tenu de (5.64), la matrice de covariance peut s'crire sous la forme
PI '"
PI
Pk-I
'.
(5.98)
Pk-l . . . PI
o P li-jl = p( li - jl il.T).
Rappelons que les matrices (5.97) ct (5.98) s'identifient si le processus est
valeur moyenne nulle (fJx = 0).
132
Un cas particulier intressant intervient lorsque les chantillons sont non corrls: ceci entrane l'annulation des coefficients de corrlation Pi et la matrice de covariance se rduit une matrice diagonale d'lments cr;.
o 5.2.9 Dfinition: dveloppement de Karhunen-Love

Le principe de la reprsentation d'un signal sur un intervalle de temps Tpar une
combinaison linaire de fonctions orthogonales, prsent au chapitre 3, peut tre tendu au cas d'un processus alatoire x(t).
Le dveloppement (3.50)
tE T
(5.99)
o les fonctions 1/!k (t) sont choisies orthonormales pour simplifier, est ici coefficients
(3.43) alatoires
Cik =
f x(t) tJ;;(t) dt
(5.1 00)
puisque le rsultat dpend de la ralisation x (t) du processus considr sur l'intervalle T.

Les proprits statistiques des coefficients Ck dpendent du choix des fonctions
orthogonales 1/!k{t). On peut, par exemple, envisager un dveloppement en srie de
Fourier (3.74). On peut montrer toutefois [24] que les coefficients obtenus sont corrls.
Une reprsentation plus favorable (convergeant plus rapidement) est obtenue si
les coefficients sont non corrls (linairement indpendants). Comme indiqu au paragraphe 5.2.6, la non corrlation implique l'annulation de la covariance.
Considrons, pour simplifier, un processus valeur moyenne nulle, de telle sorte
que covariance et corrlation s'identifient, de mme que non corrlation et orthogonalit. Le problme revient donc dterminer les fonctions WIc (t) qui garantissent l'or
thogonalt des coefficients Ck; (ventuellement complexes)
si
si
*1
1
(5.101 )
En introduisant (5,100) dans (5.101), en invertissant les oprations d'intgra.:.

tion et d'esprance mathmatique et en tenant compte de l'orthonormalt des fonctions Wk (t), l'orthogonalit des coefficients ak dfinie par (5.1 01 ) est ralise, pour
un processus stationnaire, il la condition que
JRx(t-T) tJ;k(T) dT
= cr;Wk(t)
(5.102)
Le dveloppement obtenu avec des fonctions tJ;k (t) satisfaisant la condition

(5.102) est appel dl1eloppement de Karhunen-Love. Son intrt est principakment
thorique (convergence optimale). La rsolution de l'quation intgrale (5.102.) ,est,
dlicate [25], [26]. Elle peut tre aussi aborde sous forme numrique ( XXA.7.11
133
SION AUX ALATOIRES
5.3 DENSIT SPECTRALE DE PUISSANCE

5.3.1 Dfinitions: priodogramme et densit spectrale de puissance d'un processus
alatoire
Considrons un membre xi(t) d'un ensemble de signaux alatoires constitu par
des ralisations diffrentes d'un mme processus alatoire stationnaire Ci::;:; l, 2, ... ).
La transforme de Fourier de Xi (t) n'existe pas, en gnral, car la condition de con
vergence
J"" \xi(t)1 dt <
(5.103 )
00
-0<>
n'est pas satisfaite.

Toutefois, si nous considrons (fig. 5.1 0) une fonction apriodique Xi (t, T)
cl'lnstitue par un segment de Xj(t) dfini dans l'intervalle T/2 < t < T/2 et identi
quement nulle pour toute autre valeur de t, nous pouvons crire comme aU paragraphe
4.1.6:
Xi(t)
Im
(5.104 )
xi(t,T)
T-=
avec
(5.105)
X;{t, T) = x/Ct) rect(tfT)
-.
"
Fig. 5.10
La fonction
Xi (t,-
T) possde, en gnral, une transforme de Fourier
00
XiC/, T)
J XjCt, T)exp( - j 27rft)dt
-=
TI2
~i( t)exp ( - j 21Tft) dt
(5.106)
-T12
La puissance moyenne du signal contenue dans l'intervalle T est donne par:
(5.107)
134
THf::ORIE ET TRAITEMENT DES SIGNAUX
Ln densit spectrale de puissance de

(pxi(f, T)
= T-1!Xdf:
T)
Xi (t,
T)
,2
( 5.108)
est parfois appcle un priodogramme (terminologie historiquement associe la rccherche de priodicits caches). Ce priodogramme est une gralldeur alaTOire, puisqu'en prindpe diffrent pour chaque membre de l'ensemble des signaux {Xj(l)} constituant le processus.
Afin de caractriser les proprits spectrales de l'ensemble mesures sur l'intervalle T, il faut introduire la notion de moyenne statistique des densits spectrales:
(5.109 )
Ains, chaque signal Xj(t, T), i:= 1. 2, ... , correspond un priodogramme

CPxi(1: T). A l'ensemble des Xi (t, T) correspond donc, pour chaque frquellce f. un
ensemble de valeurs de priodogramme (Px;(f, T) distribues alatoiremellt autour
d'ulle valeur moyellne thorique CPx (f, T).
Finalement, hi densit spectrale de puissa1lce (on dit aussi spectre de puissance)
d'Wl processus alatoire x(t) peut tre dfinie comme la limite pour T -+ co de la
moyenne statistque (1).'( (1: T) :
lim
E[
T-+oa
IX,(~
TlI']
(5.110)
5.3.2 Commentaires
Si, par exemple, x(t) est une tension, la dimension du priodogramme et de la
densit spect ralc de puissance (5.110) est en V 2 1Hz . L'expression (5.110) ne d iffre
de (4.107), tablie dans le cas des signaux dterministes, que par l'introduction du
concept supplmentaire d'esprance mathmatique.
La mesure exprimentale de (Px(f) ne peut videmment pas tre ralise. Il s'agit donc d'une notion purement thorique. Sculle priodogramme (P.d(f. T) peut
tre dtermin exprimentalement. Son caractre alatoire explique que la mesure
p.d(f, T) effectue sur des ralisations diffrentes d'un processus alatoire conduisent
des rsultats qui sont lgrement diffrents. Si le signal observ est staUonnaire et er
godique, il est possible d'obtenir une bonne estimation de la densit CPx U: T) en effectuant une moyenne de plusieurs priodogrammes mesurs sur des tronons diffrents d'un seul signal.
Certains aspects de l'analyse spectrale exprimentale d'un signal alatoire sont
abords au chapitre 12. Les problmes plus spcifiques relatifs il l'approche numrique
sont prsents dans le volume XX du Trait.
5.3.3 Thorme de Wiener-Khintchine
La densit spectrale de puissance d'un processus alatoire stationnaire (nu sens
large) est la transforme de Fourier de sa fonction d'autocorrlation statistique .
..,
(1).xCI)
F{Rx{r)}
JR.x(T) exp { - j 2rrfr)dT

-00
(5.111) -
135
SIGNAUX ALATOIRES
5.3.4 Dmonstration
Le priodograrnme (5.108) d'un signal alatoire rel peut s'exprimer, en tenant
compte de (5.105), sous la forme:
= -1 Xi *(f, T)Xi(j, T)
(llX;(f, T)
T
1
:;: -T ff x;(t)Xj(t')rect(tjT)rect(tT)exp[- j 21lf(t'-t)] dtdt'

IX!
_00
(5.112 )
l
Puisque le processus est stationnaire, seule la diffrence de temps 7 :::::: t - test

significative. En remplaant t ' par t + 7, d t ' par d 7 et en intervertissant les oprations
d'intgration et d'esprance mathmatique, (5.109) devient
E[ cI>xi(f, T)]
""
ff
.~
E [Xi(t)X/( t
+ T) 1rect
( ; ) rect( t ; r ) exp ( - j21Tfr )dtdr

(5.113)
_CG
Or, par dfinition
(5.114)
et l'on reconnait dans l'expression suivante la fonction d'autocorrJation d'une impulsion rectangulaire dj rencontre au paragraphe 4.2.20
If
IX!
rect
(t)
T rect (t+7)
-T- dt
(5.115)
Ainsi,
oc
(Ilx(f,T) = E[(I)xi(j,T)] : : :
f RX(7) tri (T/T)exp(-j 2rrfT) dT
(5.116)
et, par (5.110)
(Px(f) = Hm E[<Pxi(f,T)]
Rx( T) exp ( - j 2rr/7) dT
(5.117)
T-+<:a:>
5.3.5 Commentaires
Grce au thorme de Wiener-Khintchine, la thorie du signal peut proposer une
dfinition unique de la densit spectrale (d'nergie ou de puissance selon les cas) d'un
signal, qu'il soit dterministe ou alatoire, ou encore une combinaison des deux: c'est
la transforme de Fourer de la fonction d'autocorrlation. Ceci explique l'importance
de ce dernier concept. Le tableau 5.11 rsume les relations fondamentales de l'analyse
spectrale.
136
THORIE ET TRAITEl\1ENT DES SIGNAUX
Tableau 5.11
Signal nergie finie
X(f}
x(t)
.l
1
+ T)dt
x(t)x(t
TF
"
IX(/)1 1
(l'A!)
<)===:t>
Signal puissance moyenne finie

signal dterministe
K(f)
x(t)
Tlr2
lm x( t)x(t
T-'" T -f/2
TF?
)dt Q===t>
.,
'l'x(f)'';' lim -IXU. T)I

T-"" T
X(f, Tl = Flx(t,T)
= x(t)rectUIT})
cas particulier du signal priodique de prodc T

TF
~ XU)
x (1) = x (t + TIl T)
LX"b(/
IlIT)
11
1 TI"
;pAT) = x(t)x(t+r)dt
T -TIl
LIX1l 12 exp( j ?1f1lrIT)
1
X II
:=
TIl
r x(t)exp( -
j 21TlltIT)dt
T -f/2
Ln IXn12 bU -
l!>;r(f)
Il
nIT)
signal alatoire (stationnaire et ergodique)

x(t)
l
=
;pAr)
hm
T-co
Til
x( t)x(t + r )dt
-'1'11
= Rx(T) =
E[x(t)x(t+r)1
'l'.,..{f)
lim E [ -.!..IXCf, T)12]
T...
X(f,T) = Flx(t,T) = x(t)reclU!T}]
Si, pour un signal alatoire, <Px (n est connue, la fonction d'autocorrlation peut
s'en dduire par transformation de Fourier inverse
co
Rx(r)
J(PX(f)exp(j21TfT)df
(5.118)
-CID
En particulier, un rsultat similaire (4.102) tabli dans le contexte des signaux dw

terministes puissance moyenne finie est obtenu pour T = O. Avec (5.68) et, cn plus,
la condition d'ergodisme (5.60), on a les quivalences
Px
1
lim 1'-+00
1'/2
r Ix(t)1 2 dt
T -in
= Rx(O)
= cr; + /1; =
""
f 1P:r:Cf)dj"
-ca
(5.119)-
137
SION AUX ALATOIRES
La fonction cI>x (f) reprsente bien la distribution frquentielle de la puissance totale

Px ai + J1; d'un signal alatoire. C'est donc toujours une fonction relle non ngative
(5.120)
En raison de la symtrie hermitienne (5.80) de la fonction d'uutocorrlation, cette
proprit reste valable que le signal soit rel ou complexe.
Dans le cas d'un signal rel, Rx (r) =:: Rx (- r) et cI>x (f) est aussi une fonction
paire
q,x (f)
(5.121 )
On peut donc aussi introduire une reprsentation spectrale unilatrale, comme au paragraphe 4.5.2, en posant:
<Px + (f) = 2 e(f) cI>x (1)
(5.122)
Par (5.63), 011 peut crire la fonction d'autocorrlation comme la somme de la

fonction d'au tocovariance et d'une constante J1~
R x ( r)
= Cx ( r) + Jl;
(5.123 )
Par (5.1 1 J ), il vient
cPx (f)
= F {Cx (r)} + Jl; 8 (f)
(5.124)
La fonction d'autocovariance correspondant la fonction d'autocorrlation d'un

processus centr xoCt) x(t)- Jl x ' c'est--dire valeur moyenne nulle, sa transforme
de Fourier ne contient aucune impulsion de Dirac cl l'origine (sauf cas exceptionnel,
comme l'exemple du paragraphe 5.1.15, qui exclut l'ergodisme [50 D. Le terme
F {ex (r)}, que l'on peut noter cI>xo(f), correspond la densit spectrale de puissance
des fluctuations alatoires du processus par rapport la valeur moyenne J1 x' La prsence dans le spectre de puissance d'une impulsion l'origine
(f) traduit l'existence
d;une valeur moyenne - ou composante continue non nulle.
On peut montrer [25) que si, lorsque T-,; 00, la valeur moyenne statistique
cPx (f, T) du priodogramme tend la limite vers la densit spectrale de puissance, comme indiqu par (5.110), la variance du priodogramme, elle, ne tend pas ncessairement vers zro. Ainsi, lors de J'observation d'un signal alatoire, mme ergodique, le
prodogramme mesur n'est pas ncessairement un bon estimateur spectral, mme si
l'on fait crotre la dure d'observation T ( 12.1.8). Il est donc prfrable d'effectuer
plusieurs mesures - dans toute la mesure du possible indpendantes - et de calculer la
moyenne des priodogrammes ainsi obtenus. Cette technique est applique dans les systmes d'analyse spectrale par voie n'umrique ( 12.2.3). Une autre approche, utilise
dans les analyseurs analogiques, mais galement exploitable par voie numrique, consiste lisser le priodogramme mesur grce un filtre appropri ( 12.1.11), Ces diverses techniques doivent tre toutefois appliques de manire judicieuse si l'on veut viter une mesure systmatiquement biaise.
L'effet de la dure d'observation limite Tse dduit directement de (5.1 Il) qui
exprime la transforme de Fourier du produit Rx(r) tr(rjT). La valeur moyenne
statistique <Px (f, T) du priodogramme correspond donc la convolutioll (ce qui est
quivalent un filtrage) de la densit spectrale thorique cPx (f) avec une fonction .
Tsinc 2 (Tf). La rsolution spectrale dpend ainsi directement de la dure d;observatian ( 12.1.5).
Jl;
138
5.3.6 Exemple
Le signal sinusodal phase alatoircx(t) =A sin(21TJo t +) dcrit au paragra
phe 5.1.16 possde la fonction d'autocorrlation (5.29)
R."I:(r)
!6A 2 cos(27rJor)
(5.125)
Par (5.111 ) et (4.117 ), sa densit spectrale de puissance vaut

(5.126)
et
(5.127)
!Px (f)
La densit spectrale il observation limite q>x (J. T) est, elle, gale

* T sinc 2 ( Tf) ~ A 2 T {sinc 2 [T(f + Jo)] + sinc 2 [T(f - Jo)
n.
5.3.7 Exemple: signal binaire cadenc en mode NRZ

Ce type de signal (fig. 5.12) joue un rle fondamental, en particulier en tlcommunications, puisqu'il traduit sous sa forme la plus smple (mode NRZ = non retour cl zro) une information code en binaire telle que celle fournie par un systme
informatique. Les symboles binaires 0 et 1 sont gnrs la cadence 1/ T bitls et correspondent respectivement aux niveaux Xo et x 1 du signal.
x(t)
nrormalion blHlirc ... 1
a a
a a a
Fig. 5.12
Ce signal est stationnaire si l'origine du temps est inconnue, c'est--dire s la va~ est uniformment distribue sur une priode d'horloge T.
Si l'on suppose que les symboles successifs sont statistiquement indpendants les
uns des autres, le signal x( t) de la figure 5.12 devient un cas particulier de celui examin au paragraphe 5.2.7. Sa densit de probabilit est alors simplement, d'aprs (5.32)
riable
p(x)
= Prob(xo)5(x-xo} +Prob(xd5(x-xd
avec la condition: Prob{xo) + Prob(Xl)

On en tire:
Il x
= x0
E[x]
Px = E [ X
= a'; + Il -;
l.
+ X 1 Pro b (x d
= x ~ Pro b (' x 0 ) + x Pro b (x 1 )
Pro b (x 0)
(5.128)
(5':129)
(5.130)
139
SIGNAUX ALATOIRES
La fonction d'autocorrlation, donne par (5.92) et reprsente sur la figure

5.9, est de type triangulaire et ne dpend que de la priode d'horloge T, du carr de la
valeur. moyenne Px et de la variance
a;
(5.13] )
La densit spectrale de puissance d'un tel signal, reprsente sur la figure 5.13,
vaut, par (5.111) et (4.35)
(5.132)
f
2jT - liT
liT
2/T
Fig. 5.13
Un cas particulier intressant intervient lorsque les symboles binaires 0 et ) sont

= n, d'o:
quiprobables. On a alors Prob (xo) = Prob (x 1)
P."\:
2
Px.
n (xo + xl)
14(xo +xd
aX.
Y.i(xo -xd
Px.
= ~(x~ +x)
(5.133)
(5.134 )
(5.135)
(5.136)
Si, de plus, le signal est antipolaire, c'est--dire si Xl =-x o =A: Px. =O~ il n'y a
2
donc plus de composante continue et
= A = Px..
Si, au contraire. le signal est unipolaire: Xo = 0 et Xl = A. On obtient alors une
composante continue de valeur Px =AI2 et une variance
= A 2 /4 ; la puissance to~
tale valant dans ce cas Px =A 2 /2 .
L'examen de la figure 5.13 indique que l'essentiel (9] %) de la puissance du sj~
gnal binaire cadenc est contenue dans la bande de frquence 0 < lfl < lIT.
a;
a;
5.3.8 Exemple: signal binaire cadenc en mode biphas

On peut chercher modifier le spectre d'un signal transportant une information
binaire en jouant sur le mode de reprsentation des symboles 0 et 1. Un exemple en est
le mode dt biphas qui correspond nouveau un signal binaire. Les symboles 0 et 1
sont ici reprsents par le signe de ]a transition toujours prsente au milieu de la priode d'horloge correspondante: ngative par exemple pour le symbole 1 et positive pour
le symbole O. Considrons, pour simplifier, le cas d'un signal antipolaire y 1 = )'0 =A
(fig. 5.14 ).
140
y(l)
periode d'horloge
~T
.-----.
1
AI
1
1
;0
1
1
-AI
information bimlre
r
o
Fig. 5.14
Supposons que les symboles 0 et 1 soient nouveau indpendants et, de plus,

quiprobables. Comme prcdemment, le signal est issu d'un processus stationnaire si
la variable ~ est uniformment distribue sur une priode d'horloge T.
La fonction d'autocorrlation de ce signal peut tre value en partant de la relation (5.57) o les indices 1 et 2 dsignent les variables spares par J'intervalle r et les
indices i et j les deux tats possibles
1
I I
YI i Y2j
Prob (YI i, Y2j
T)
(5,]37)
i=O j=O
avec
Yli Y2j
si i = j
(5.138)
sil =1= j
Autrement dit
2
Ry(r) = A [Prob(yli
= J'2j;r)
= A'l[1-2Prob(Yli
=1=
Prob(Yli =1= Y2j;r)]
J'2j;r)]
(5,139)
Pour 1ri> T, les deux probabilits sont videmment gales, en raison de l'indpendance et de l'quiprobabilit des symboles 0 et 1. Donc
(5.140)
Pour 1r 1~ T, la probabilit que les variables y 1 et Y2 prennent des valeurs diffrentes est gale celle d'avoir une transition unique dans l'intervalle r.
Une distinction doit tre faite entre les domaines 1r 1~ TI2 et TI'2- ~ 1T 1~ T.
Pour 1 ris: T/2, la probabilit d'avoir une transition unique est nulle si y 1 se trouve situe sur la deuxime moiti de la priode d'horloge d'un symbole et si le symbole
suivant est diffrent. La premire situation se ralise avec une probabilit gale ~ en
raison de la distribution uniforme de ~ sur une priode d'horloge. La probabilit d'un
changement de symbole est aussi gale % puisqu'on a suppos ici les symboles quiprobables. La probabilit conjointe de ces deux vnements indpendants est ainsi gare
%. La situation contraire se produit donc avec une probabilit gale '%. Dans ce cas,
la probabilit d'avoir une transition est proportionnelle 1ri et varie de zro un pour'
141
SIGNAUX ALATOlRES
IT 1 variant de zro T/2. Ainsi

Prob{jlli :1= Y2j; 171:::;;;; T/2) = :l;iITI/(lh T) = (3/2)IrIIT
(5.141 )
et, en remplaant dans (5.139)
Ry(ITI ~ T12) = A (l-3ITIIT)

2
(5.142)
Pour T/2 ~ 1TI:::;;;; T, on peut avoir zro, une ou mme deux transitions. Ainsi la
probabilit d'avoir une transition unique est gale 1 moins les probabilits de n'en
avoir aucune ou deux. Le premier cas ne peut se produire nouveau que si YI est situe
sur la deuxime moiti de la priode d'horloge d'un symbole et si le symbole suivant
est diffrent. Sa probabilit vaut 1;.; pour 1 TI = TI2 et elle dcrot linairement avec
1TI pour s'annuler lorsque 1TI = T:
Prob (zro transition dans T/2 :::;;;; 1TI:::;;;; T)
Xi (T- 1TI )/1h T = %(1 - 1TilT)

(5.143 )
Deux transitions dans T/2 :::;;;; 1T 1 ~ T ne peuvent se produire qu'en cas de rptition d'un mme symbole. La probabilit correspondante est nune pour 1TI = TI2 et
crot linairement avec 1TI pour atteindre la valeur 1h pour 1TI = T:
Prob(2 transitions dans T/2 :::;;;; ITI :::;;;; T) = ITI/T-1h
(5.144 )
Ainsi:
Prob(yIi =l=Y2j; T12:::;;;; ITI:::;;;; T)
1h ITIIT
(5.145)
et par (5.139)
Ry(T/2 :::;;;; 171:::;;;; T)
= A'2 [ITIIT-1]
(5.146 )
Les rsultats (5.140), (5.142) et (5.146) sont reprsents sur]a figure 5.15.
Ils peuvent tre combins en utilisant la notation (1.34) dans la formule globale
Ry(T)
A [2tri(2TIT)-tri(T/T)]
(5.147)
Fig. 5.15
La densit spectrale de puissance se dduit facilement de (5.147) en utilisant le

rsultat (4.35) :
tPy (f) = A'2 T[sinc 2 ([TI2)
sinc'2 ([T)]
(5.148)
142
- 21T - lIT
lIT
2fT
3fT
4fT
Fig. 5.16
Cette densit spectrale est compare sur la figure 5.16 la densit (f.>x(f)
A 2 Tsinc 2 (fT) obtenue selon (5.132) dans le cas du mode NRZ antipolare.
5.3.9 Formule gnrale pour signal numrique

Une expression
du spectre d'un signal x(t) transportant une information code en binaire peut tre tablie [661 sous rhypothse d'indpendance statisti[S 1 (f)] sont des signaux
que des symboles. Si So (t) F -1 [So (f) l et SI (t)
nergie finie, de dure
la priode d'horloge, correspondant respectivement
aux symboles logiques 0 et 1 et s Po et p 1 dnotent les probabilits d'apparition de ces
symboles:
( 5.149)
Dans le cas particulier o les symboles sont quiprobables et les signaux associs
antipolaires [SI (t);::: so(t) =s(t)], la formule (5.149) se rsume
<px(f) = T- 1 IS(f)1
(5.150)
5.3.10 Dfinition: bruit blanc

Un processus alatoire x(t) dont la densit spectrale de puissance est constante
pour toute valeur de f est appel bnt blanc, par analogie avec la lumire blanche qui
est compose de radiations de toutes les longueurs d'ondes:
(Px(f) =
17
pour
Ifl
<
00
(5.151)
Un tel modle est bien sr thorique, car ce processus ne peut exister. Sa puissance moyenne est en effet infinie. Ce concept est toutefois fort utile dans un grand nom- _
bre de cas o le spectre rel peut tre, en premire approximation, remplac par un
spectre constant (chap. 6).
143
SIGNAUX ALATOIRES
Par (4.74), la fonction d'autocorrlation du bruit blanc (fig. 5.17) est une impulsion de Dirac de poids l,6 11 :
Rx(7)
= F- 1 H211} = l,611 0 (7)
(5.152)
(b(!)
R(T)
t 77 o(r)
f
o
Fig. 5.17
Ce rsultat signifie que pour un bruit blanc, les variables alatoires x(t 1) et x(t 2)
sont totalement lion corrles) quelque soit 7 = t 2 t 1 =1= O. Si le processus est gaussien
(sect. 5.7), cette non corrlation entrane Pindpendance statistique.
On appelle galement bntit blanc ba1lde limite un processus alatoire dont le
spectre est constant dans une bande finie de frquences et nul partout ailleurs:
cI>
(n = ol,61]
1
pour Il
<
If
< f2
partout ailleurs
( 5.] 53 )
On peut considrer qu'un tel processus correspond au signal de sortie d'un mtre
idal de largeur de bande B =12 - Il excit par un bruit blanc idal de densit spectrale
1]12.
La valeur moyenne de ce processus est nulle et sa puissance totale est finie:
p = a2
R(Q)
f"'" (v(f)df = 1]B
(S,] 54)
""
Le spectre est de type passe-bas si Il :;:; 0 et f 2 =B :

(f)
l,6 11 rect [II (2 B) ]
(5.155)
d'o, par (4.26)
RI (7)
F- 1 {CP] (f)}
= 1]B sinc(2 B7)
(5.156)
Les variables x(tl) et x(t2) sont ici non corrles condition d'tre spares par un
pas 7 gal un multiple de II (2 B).
Le spectre est de type passeMbollde si fI =fa - BI2 et 12 =fo + BI2 :
(5.157)
d'o
R 2 (7)
= 1]B sinc(B7) COS(21Tfo7)
(5.158)
Les densits spectrales et les fonctions d'autocorr]ation de ces deux types debruit blanc bande limite sont reprsentes sur la figure 5.18.
144
1:11
-B
41 1 (f)
311
-fa
la
Fig. 5.18
5.4 FONCTIONS D'INTERCORRLATION ET DENSITS

SPECTRALES MUTUELLES
5.4.1 Fonctions d'intercorrlation. Dfinition

Considrons deux processus alatoires statjonnajres diffrents x(t) et y(t). Introduisons la natation simplifie Xl = x(t). X2 = x(t + T), Y2 = y(t + T), YI = y(t).
La distribution conjointe des deux variables alatoires XI et Y2 ne dpend que de
la diffrence de temps T: P(Xt,J'2; t 1, t 2 ) =P(Xl'Y2; T).
Les [onctions d'intercorrlation statistique (en anglais: crosscorrelation [unctions) de x(t) et yU) sont alors dfinies de la manire suivante dans le cas gnral o
ces processus sont reprsents par des grandeurs complexes:
E [x * (t) y (t + T)] = E [x ~ y ~ZJ
Rx y ( T)
Ryx(T)
E[y*(t) X(t+T)}
E[y;
X2]
(5.159)
(5.160 )
Ce sont aussi des fonctions complexes.

Dans le cas usuel de processus rels, ces fonctions sont aussi relles et gales
(5.161)
co
Ryx(r) = E[
YI X2]
ff y\ X2P(YI X2; T) dYI dX2
(5.162)
Pour des processus ergodiques, les dfinitions (5.161) et (5.162) sont identiques aux
145
SIGNAUX ALATOIIS
fonctions d'intercorrlation temporelles

1 TI2
Rxy(r) ::= lPxy{r) = lim x(t)y(t
T-=
+ r)dt
= x{ - r)"*y(r)
-TIl
(5.163 )
et
Ryx(r)
== 'Pyx(r)
= lim
T-oo
1 T~2
J y(t)x(t
T -TIl
+ r)dt
y( - r)"*x(r)
(5.164 )
avec la relation
(5.165)
Dans le cas de processus complexes, la symtrie hermitienne donne Rxy ( r)

. =R;x(-r).
5.4.2 Densits spectrales mutuelles. Dfinition
Les transformes de Fourier des fonctions d'intercorrlation sont en gnral complexes [Rxy (r) et Ryx (r) ne sont pas, en principe, des fonctions paires en r]:
"'"
(Pxy(f) =
f R.'Cy(r)
e- j2rr!T dT
(5.166)
-Xl
f Ryx{T) e-.,.,
00
(l}yx(f) =
j2rr!r
dT
(5.167)
avec CPXy (f) = CP)": (f).

Ces transformes sont appeles densits spectrales mutuelles, ou encore densits
interspectrales de puissance.
Par analogie avec (5.110), la densit spectrale mutuelle correspond aussi la limite
CPxy(f) :::: lim
T-+co
E [ IX(f, T) Y(f, T)
T
1]
(5.168 )
5.4.3 Fonctions d'ntercovarance. Dfinitions

Les fonctions d'intercovariance sont les fonctions d'intercorrlation des processus centrs x(t) - /.lx et y(t) - Il)' :
CXy(r) = E[(XI-llx){Yl-lly)]
Rxy{T)-J.lxJ.ly
(5.169)
Cyx(r) = E[{YI - lly){X2 -J.lx)J = Ryx{r) -}J.x J.ly
(5.170)
La fonction d'intercOIJariallce llormalise (ou coefficient d'intercorrlatiol1) est

dfinie par
(5.171)
Le coefficient d'intercorrlation mesure le degr de dpendance linaire entre les variables Xl et Y2"
146
5.4.4 Proprits
Par une dmarche analogue celle prsente au paragraphe 5.2.4, on dmontre
que
1R.~J'
(T) 1 ~ v'RX (0) Ry (0)
1 Cx JI ( T ) 1
~.JCx (0) Cy (0) :::: aX ay
(5.172)
(S.173)
et
(5.174)
Aux valeurs de T :::: t 2 - t 1 pour lesquelles Cx }' (T) = 0, les variables alatoires
x(t 1) et y(t2) sont dites lIOn corrles. Elles sont orthogonales pour les valeurs de T o
Rxy (T) = O. Orthogonalit et non corrlation s'identifient si l'un au moins des processus est valeur moyenne nulle.
Si x(t) et y(t) sont des processus statistiquement indpendants, on a pour tout T:
(5.175)
et
(S.176)
Par contre, l'anTlulation de fintercovarallce Tl 'est pas tille condition suffisallte
d'indpelldallce (sauf, en particulier, si les processus sont gaussiens [sect. 5.7]).
On peut galement tablir l'ingalit suivante [65] pour des processus centrs:
(f) <Py (f)
(5.177)
5.4.5 Dfinition: fonction de cohrence

On appelle Jonction de cohrence le rapport normalis
l~l'(f) =
.
1(Pxy(f)12
CI)x(f) (I)y(f)
(S.178)
De (5.177), il dcoule que
a~
rXy(f) ~ 1
(5.179)
La fonction de cohrence joue, dans le domaine frquentiel, un rle analogue

celui du coefficient de corrlation dans le domaine temporel: les processus x(t) et y(t)
sont dits incohrents, cest--dire non corrls fI la frquence f* si r xy (f* ) = O. Si
r xv (f) :::: l pour tout /: les processus sont parfaitement cohrents.
. La fonction de cohrence peut tre utilise [6S, 67] pour contrler la linarit
d'un systme liant yU) fI x(t). Elle est une mesure de la part de la puissance du signal
de sortie, la frquence J, due au signal d'entre. Dans le cas d'une linarit parfaite,
rx )' (f) = 1 si aucun bruit perturbateur annexe n'intervient dans la mesure (voir exerci
ce 8.5.8).
Une fonction de cohrence infrieure 1 indique par contre: soit la prsence
d'un bruit annexe, soit une relation non linaire entre xU) et y(t), soit enfin que y(t}
ne dpend pas uniquement de la seule excitation x(t).
SIGNAUX ALATOIRES
147
5.4.6 Matrices d'intercorrlation et d'ntercovarinnce

Dans le cas de vecteurs alatoires, on peut regrouper, comme au paragraphe 5.2.8,
les valeurs d'intercorrlation ou d'intercovariance dans une matrice.
5.5 SOMME DE SIGNAUX ALATOIRES
5.5.1 Densit de probabilit d'une somme de variables alatoires

Soit trois variables alatoires x, y et z lies par la relation
z
= x+y
( 5.180)
Supposons connue la densit de probabilit conjointe des variables x et y :

y). La densit de probabilit marginale relative z peut tre obtenue en dterminant la densit conjointe du couple (x, z) par la mthode dcrite au paragraphe
5.1.20 et en intgrant par rapport x :
Pxy (x,
co
pz(z)
J Pxy(x. z -x)dx
(5.181)
-CIO
Dans le cas particulier o les variables x et y sont statistiquement indpendantes:

=Px (x) Py (y) et la densit de probabilit de la somme est gale la COIlVOIl/tion de leurs densits respectives
Px)' (x, y)
""
p:z(z) =
J Px(x)Py(z-x)dx
= Px(z) *Py(z)
(5.182)
-IX>
La fonction caractristique (I 4.64) d'une variable est la transforme de Fourier

inverse de sa densit de probabilit
(5.183 )
Par la proprit (4.15), on a ainsi pour des variables indpendantes
(5.184)
Les formules (5.182) et (5.184) peuvent tre gnralises pour 11 variables alatoires indpendantes. Si
n
pz(Z) = Pl (z)
(5.185)
* P2(Z)
=II
* PII(Z)
(5.186)
(5.187)
Exemple
Soit deux signaux alatoires indpendants x( t) et y (t) distribution uniforme
zro et un: P:x(x) =rect(x-~) etpy(y) rect(y-~). La densit de probabide leur somme (fig. 5.19) est du type triangulaire: Pz (z =x + y) = triez - 1).
148
Ce rsultat peut tre obtenu en valuant la convolution (5.182) ou en passant

par la transformation indirecte Pz (z) -= F [TI;:: (u)], avec TIz (u) exprime par le produit
(5.184 ). On a ici, en appliquant la proprit (4.17), TIx (u) = TIy (u) = sinc (u) exp 01T).
p:(z=x+y)
Py(y)
Px(z)*Py(:::)
Fig. 5.19
5.5.3 Thorme de la limite centrale

Ce thorme, dont la dmonstration sort du cadre de cet ouvrage [68], est une
consquence de la convolution multiple (5.186). On peut l'noncer comme suit:
La distribution statistique de la somme de n variables alatoires indpendantes, possdant la mme loi de probabilit, tend asymptotiquemellt ,rers une distribution gaussienne lorsque 11 -+ co, quelle que soit la distribution des fermes individuels.
Une illustration de ce phnomme est reprsent sur la figure 5.20.
(1)
p(x) *p(x) =p(x) *p(x)
p(x)
p(x)*p(x}(~)
==p(x}*p(x
x
------~~.~------~
-1 0 1
-3
t
21
1
(4)
p(x)
* p(x)
~5
-5
..
(S)
p(x)*p(x)
1
"1
l
-exp
l'21To
[x
'1]
-20
(pointill)
x
Fig. 5.20
149
SIGNAUX ALA TOlitES
Ce thorme reste valable mme si les distributions individuelles sont diffrentes,

pour autant que la variance de chacun des termes individuels soit ngligeable vis--vs
de la variance de la somme.
S.SA Importance de la tendance vers une loi normale
Le thorme de la limite centrale joue un rle capital en thorie des fonctions
alatoires [69] en gnral et en thorie du signal [70] en particulier. Ceci est d au
fait que de nombreux phnomnes alatoires (certains bruits de fond, prsents au chapitre 6, par exemple) rsultent de la somme d'un trs grand nombre de contributions
individuelles, de distributions parfois inconnues. Il est alors possible d'assimiler la distribution rsultante une loi normale si les contributions peuvent tre considres
comme indpendantes. De plus, les processus gaussiens (sect. 5.6) jouissent de proprits particulires permettant de rsoudre certains problmes insolubles ou difficilement
solubles autrement.
5.5.5 Fonction d'autocorrlation et densit spectrale d'une somme de signaux alatoires

Considrons la combinaison linare
z(t)
= ax(t) + by(t)
(5.188)
La fonction d'autocorrlation et la densit spectrale du signal zU) valent, par (S.55),

(5.111), (5.161) et (5.166):
Rz ( T) = E [ z ( t) z (t
2
+ T) ]
2
= a R x (T) +b Ry(T) +ab[Rxy(T) +Ryx(T)]

cPz (f)
a cJ>x (f)
+ b 2cJ>y (1) + ab [cJ>xy (f) + cJ>YX (f)]
(5.189)
(5.190 )
Six(t) ety(t) sont statistiquement indpendants, par (5.176): Rxy(r)

=Ryx{r) =J.I..'I: Py et iPxy(f) =cI>yx(f) =Px Py (je!)
Si, de plus, l'un au moins des signaux est valeur moyenne nulle:
Rz (r) ::;: a 2 Rx (T)
iPz (f)
a 2 {Px (f)
+ b '2 Ry ( T)
+ b 2 cp}' (f)
(5.191 )
(5.192)
Ainsi, fa fonction d'autocorrlation [la densit spectrale] de la somme - ou de

la diffrence - de deux signaux alatoires indpendants, dont l'ull au 11I0ins est valeur moyenne flul/e, est gale la somme des fonctions d'autocorrlation [densits
spectrales] respectives.
Ce rsultat est en fat valable pour toute paire de signaux orthogonaux. Une
consquence particulire est que la variance de la somme de signaux alatoires indpendants ou simplment orthogonaux est gale il la somme des variances de chaque
terme ( 14.3.10).
5.5.6 Exemple
Considrons un signal z( t) rsultant de la somme d'un signal x(t) sinusodal
phase alatoire ( 5.1.16) et d'un sgnaly(t), en marche d'escalier, tel que celui pr~
sent au paragraphe 5.2.7. Dans l'hypothse d'indpendance de ces deux signaux, la
THORIE ET TRAITI~MENT DES SIGNAUX
150
fonction d'autocorrlation rsultante vaut (fig. 5.21)
Rz(r)
Y.!A cos(21l'for)
+ a~
tri(rIT)
+ JJ~
et la densit spectrale de puissance (flg. 5.22)
<Pz (n :::: %A
[ li (f
+ fa) + li (f -
f 0 )]
+ JJ ~ li (n + cr ~ T sinc 2 ( Tn
Fig. 5.21
- 10
liT
liT 10
Fig. 5.22
Ce rsultat suggre que la corrlation, comme l'analyse spectrale, peut tre utili-
se pour la dtection de priodicits caches (sect. 13.2).

La puissance totale du signal z (t) est donne par
_
() _
P:; - R:; 0 - cr z
+ JJz2
1L
A2
+ cry2 + JJy2
avec
et
JJ:: = JJy
5.5.7 Exemple
Une illustration analytique du thorme de la lmite centrale peut tre obtenue
dans le cas suivant. Considrons la variable alatoire z = l:: Xk o les xk sont des varia- ,
bles indpendantes et toutes distribues uniformment avec une densit de probabilit
SIGNAUX ALATOIRES
151
P:t(X) =rect(x). Par (14.95) la variance vaut a~ = 1/12. La fonction caractristique

correspondante est Ilx (u) = sine Cv) et, par (5.187), Il;: (v) snc1! (v) si la sommation
porte sur n termes.
En prenant le logarithme naturel de Il;: (u) et en introduisant le dveloppement
en srie (1.59) de la fonction sinc (u), on obtient: ln Il:: (v) = 11 ln [1 - (nu) 2/ 3!
+ (nv)4/ 5 ! - . ].
Pour 11 >- 1 et V ~ 1 : ln il;: (u) == n ln [1 - (71"v) 2/3 !] == - Tl (nv) 2/ 6.
Ainsi Ilz (u) == exp [-11 7T 1 v2/6 ] :::: exp [-nul /24] avec u =2nu. Par (14.96) et
(14.97)~a densit de probabilit de la variable z vaut approximativement Pz (z)
= (271") - - az -1 exp [- lA Z2 la;] o, en nccord avec (14.62), a; = Tl a;.
5.6 PRODUIT DE SIGNAUX ALATOIRES

o 5.6.1 Densit de probabilit d'un produit de variables alatoires
Soit
(5.193)
z = xy
En appliquant nouveau la mthode de transformation dcrite au paragraphe

5.1.20 pour dterminer la densit de probabilit de la paire de variables (x, z) partir
de Px)' (x, y) et en intgrant par rapport x, on obtient:
pz(z) =
f -1
ce
_.,.. Ixl
Px)'
z )
1
dx
(5.1 94)
Si x et y sont des variables indpendantes, l'intgrale (5.194) devient
Pz(z)
= J'::"
-oc
z)
1 P.'x) Py ( x
Ixl
dx
(5.195)
L'utilisation de (5.195) ncessite des prcautions dans l'valuation des limites

effectives d'intgration.
Soit deux variables alatoires indpendantes x et y uniformment distribues

dans l'intervalle [0, 1 ]. Le produit z = xy est donc aussi distribu entre zro et un et
sa densit de probabilit peut tre tablie partir de (5.194). Pour que la variable
y = z/x reste infrieure ou gale fi l'unit, pour une valeur de z donne infrieure l'unit, il fau t que x soit suprieure ou gale z (fig. 5.23).
La densit de probabilit de z devient a.insi (fig. 5.24)
P'Z(z) :;;
1
dx =
lnz
La valeur moyenne de ce produit vau t

1
/1.;: = E[z]
J -zlnzdz = 1/4
o
THORIE ET TRAITEMENT Df~S SIGNAUX
152
JI
X=Z
Fig. 5.23
Fig. 5.24
5.6.3 Fonction d'autocorrlation et densit spectrale d'un produit de signaux

alatoires indpendants
Soit le produit des signaux rels
z(t) ;;: x(t)y(t)
(5.196 )
Pur dfinition (5.55). la fonction d'autocorrlation statistique est [avec Xl

=x(t), X2 =x(t + 7), YI =y(t)'Y2 ;:: y(t + 7)]:
E[ z(t) z(t
+ )]
E[ xU) y(t) xU + T) y(t +)]

(5.197)
Si les deux signaux x(t) ety(t) sont indpendants, par (5.33) :

Pxy (x 1.' X2,)' l' Y2) ;:: Px (x l' X2) Py (y l' Y2) et, par consquent:
Rz = E[X(t)X(t+7)]E[y(t)y(t+)]
= RX() '. R.v()
(5.198 )
La densit spectrale de puissance est obtenue par transformation de Fourier

(proprit 4.15) :
Pz (f) ;:: 'Px (f)
* CP}' (f)
(5.199)
Ainsi, la fonction d'autocorrlat;on d'un produit de signaux indpendants est

simplement gale au produit des fonctions d'autocorrlation respectJ1es et la densit
spectrale rsultante est la convolutioll des densits spectrales respectives.
5.6.4 Exemple
Considrons le produit z(t);:: x(t) y(t) d'un signal x(t) sinusodal phase ala
toire ( 5.1.16) de frquence fo et d'amplitude A et d'un signal binaire cadenc, en
mode NRZ ( 5.3.7), indpendant, antipolaire (niveaux V) et symboles quiprobables de dure T.
153
SIGNAUX ALATOIRES
Par (5.125), (5.116), (5.131), (5.132), (5.198) et (5.199)
~A2 V 2 COs(21Tfor) tri(r/T)
R;:(r)
cJJz(f) = ~A2 V2 T{sinc [T(!+f

2
o)] + sinc 2 [T(f-fo)]}
Le signal z(t), sa fonction autocorrlation et sa densit spectrale de puissance

sont reprsents sur la figure 5.25.
z(t)
AI'~
c_
r-r
r .-
1
1
_cW
-AV
,_1
-'--
...,-it--
..-
1/10
II): (f)
R:(j)
tA:! r
T2
/ \
-T
T
\
1/T
Fg.5.25
5.7 PROCESSUS GAUSSIENS
5.7.1 Dfinition
Un processus alatoire est un processus gaussien si pour tout ensemble d'instants
= (x 1> X2' . , X1l ), avec Xi = x (ti ), possde
une densit de probabilit conjointe multidimensionnelle gaussienne. En utilisant des
notations matricielles, celle-ci a la forme suivante ( 14.4.5)
{ti}, le vec teur alatoire correspondant x
p (x)
_ _ _1___ exp [- (x-J.1 )C- (x-J.1

(21Tt/ 2 ICx I1/ 2
2
x
x
x
)T]
(5.200)
o (x - J.1x ) est un vecteur ligne 11 dimensions, (x - J.1 x ) T est le mme vecteur transpos et Cx est la matrice de covariance (5.98).
La fonction caractristique associe s'crit
llx(u)
exp[jJ.1x
~UCxl?]
(5.201)
154
Chaque variable xi possde une densit de probabilit marginale (fig. ] 4.14)
Pxi(X)
exp
[ ( x -Px;) 1.
1.
f[1i 0xi
(5.202)
2 axi
et une fonction caractristique
nx(u
= 21l1J):':::
p-l {Px(X)} = exp[jJ.LxiU-~a~lll]
(5.203 )
Si les variables xi sont mutuellement non corrles, Cx et Cx -1 se rsument des

matrices diagonales d'lments
et l/O~i, respectivement. La distribution conjointe
(5.200) satisfait alors la condition d'indpendance (5.33) :
a;;
p(x) =p(xd p(x,.) ... p(xn )
5.7.2 Application au cas bidimensionnel

Soit un couple de variables alatoires gaussiennes (x, y). Leur matrice de covariance est, par (5.171 ) :
(5.204 )
= ax2 alJI (1
t
Cxy
(5.205)
a;'
[- paxo
y
- pax ay ]
a;
l/a;
-p/(aXay )]
[ -p/(axay ) l/a;,
(5.206)
La densit de probabilit conjointe (fig. 5.26) de ces deux variables se dduit de

(5.200) en introduisant (5.205) et (5.206) :
p(x,y) :.:::
exp [
21TaX oy Y 1 _p2
2( 1 _pl)
_ 2 p (x - J.lx )( Y - J.L y)
axay
{(X-J.lx)2
ai
(y : y) 1.
}]
(5.207)
ai
5.7.3 Proprits
L'importance des processus gaussiens rsulte, d'une part, du thorme de la limite centrale qui en fait le modle asymptotique d'un grand nombre de phnomnes
naturels et, d'autre part, des proprits ci-aprs.
De la dfinition (5.200), il ressort qu'un processus gaussien est entirement cara
tris par ses momen ts du premier (valeur moyenne) et du deuxime degr (covariance). Ainsi, la connaissance de la fonction d'autocorrlation -ou du spectre -d'un ,
signal gaussien entrane automatiquemen t la connaissance de sa distribution statistique.
Cf Y ::;:: 1,5
0 ;( ', P x
)'
Fig. 5.26
== 0 ,8
156
THORIE ET TRAITE.MENT DE.S SIGNAUX
11 en dcoule galement que si le processus est stationnaire au sens large, il l'est

galement au sens strict ( S. L Il ).
La 1l0n corrlation de variables gaussienlles entralle l'indpendance statistique.
En effet, si l'on pose p 0 dans l'quation (5.207), on obtient la condition (S.33) :
p(x, y) = Px (x) Py (y). Si l'indpendance statistique entrane toujours la non corrlation ( 5.4.4), la rciproque n'est pas vraie en gnral. Elle l'est toutefois dans le cas
gaussien!
Toute transformationlillaire (filtrage par exemple) d'ull processus gaussien produit llll processus gaussien [69]. Cette proprit se vrifie aisment (exercice 5.11.34 )
en observant que toute combinaison linaire de variables gaussiennes est elle-mme une
variable gaussienne et en tendant ce rsultat l'intgrale de convolution (sommation
pondre) caractrisant tout systme linaire.
5.7.4 Exemple
Considrons un signal alatoire gaussien x (t) ayant les caractristiques spectrales
d'un bruit blanc bande limite ( 5.3.10), additionn d'une composante continue
posi tive (fig. 5.27). Sa densit spec traIe de puissance (fig. S. 28) est du type :
rllx (f) = ~ 1] rect [fi (2 E)]
+A
(1)
x(t)
o
Fig. 5.27
A 8(f)
r
-B
Fig. 5.28
Par transformation de Fourier inverse, la fonction d'autocorrlation (fig. 5.29)

est
Rx ( T)
= 1] B sine (2 B T) + A
et la puissance totale du signal vaut, par (5.119), Px = Rx (0) = TlB
+ A.
157
SIGNAUX ALATOllS
A +T)B
- 1/('" B)
1/(2 B)
Fig. 5.29
Le carr de la valeur moyenne /.lx est gal au poids de la composante spectrale

discrte il la frquence f;;;:: 0
Ce terme peut aussi tre dtermin ici. selon (5.76), comme la valeur de Rx (7 -'J. (0).
La fonction de covariance vau t ainsi
("\:(7) ;;;:: Rx(r)
/.l; = 1}Bsinc(2Br)
ou sous forme normalise (fig. 5.30)

Px(T) = Cx(T)/Cx(O) = sinc(2Br)
Cette fonction s'annule pour les valcurs r:;: "/(2 B) pour tout k entier diffrent de zro.
Ainsi, des chan tillons prlevs sur ce signal priodiquement tous les D..t 1/(2 B) seconde seront des ralisations de variables alatoires non seulement non corrles
(Px = 0) les unes avec les autres, mas encore indpenda1ltes puisque l'on a affaire un
processus gaussien.
La variance du processus est
a; = Cx(O) = 1}B
et la densit de probabilit des amplitudes du slgnal devicnt, par (5.202)
p(x) =
1
~121Tl1B
exp [_
(X- a )2]
21}B
Fig. 5.30
158
La figure 5.31 reprsente cette loi pour 4 = 4 V 2,11

B= 10 4 Hz, ce qui donne /lx = 2 V et (lx = 3 V.
9 10-4 V 2/Hz et
p (x)
< 0)
Prob(x
x [V]
Fig. 5.31
Si l'on dsire connatre, par exemple, la probabilit d'observer des amplitudes de

x( t) ngatives, on calculera
Prob(x
<
0)
-2/3
f p(x) dx = -,'21T -J
exp( -z2/2) dz == 0,252
cc
-al
en introduisant la variable centre rduite z = (x -/lx)/(lx = (x - 2)/3 pour pouvoir

utiliser une table numrique normalise telle que celle reproduite la section 15.8.
5.7.5 Reprsentation d'un signal alatoire gaussien

Une reprsentation approximative [14] d'un signal alatoire gaussien peut tre
obtenue en considrant celui-ci comme rsultant de la somme d'un nombre infini de
sinusodes de phases alatoires a" indpendantes et uniformment distribues entre
Oet21T:
x( t) -
11
an cos (21T/n t
+ n )
(5.208 )
==0
avec fil 11' ilf et an = 2 Vip.y; (/,,) ilf Le signal rsultant x(t) est gaussien, en application du thorme de la limite centrale ( 5.5.3), si la valeur efficace de chaque terme reste ngligeable vis--vis de celIe de l'ensemble.
Une reprsentation en srie de fonctions orthogonales d'un bruit blanc gaussien
bande limHe de type passe-bas se dduit du rsultat (3.81) en crivant
x({)
k==
Xlc
~
sinc(2Bt-k)
(5.209)
""
o les xk sont des valeurs prises par des variables alatoires gaussiennes Xk statistiquement indpendantes, de valeur moyenne nulle et de variance a;. Le signal x(t) appartient certainement un processus gaussien puisqu'il rsulte de la somme pondre de
processus gaussiens. De plus, la densit spectrale de puissance et la fonction d'autocor-
159
SIGNAUX ALATOlltES
rlation correspondent (5.155) et (5.156)
Rx(T) = cr; sinc(2BT) ~ tPx(f) :::: (2B)-1 cr; rectlf/(2B)]
(5.210)
car Rx(T) = E[x(t) x(t + T)] = ~ ~ E [Xk xil sinc(1 Bt- k) sine [2 B(t + T)
cr; sinc (2 B T) en vertu de l'orthogonalit ( 3.4.9) des fonctions zk (t)
sinc(2 Bt - k).
l]
5.8 PROCESSUS DE POISSON
5.8.1 Dfinition
Le processus de Poisson est le plus simple des processus ponctuels (comptage).
Ce modle permet toutefois l'tude de nombreux phnomnes rsultant de la ralisation d'vnements alatoires distribus dans le temps: appels tlphoniques, dcs ou
accidents, pannes d'quipements, cration de paires lectron-trou dans une jonction de
semiconducteurs, etc. De tels phnomnes peuvent tre reprsents par une squence
alatoire d'vnements indpendants qui sont susceptibles de se raliser n'importe
quel instant avec la mme probabilit.
L'tablissement de la distribution de Poisson est faite en dtail au paragraphe
l4.4.3.
Si le nombre moyen d'vnements par unit de temps est ., la probabilit
(14.80) de voir se raliser un seul vnement dans un intervalle de temps infinitsimal

dT vau t Xd T. Comme la probabilit d'avoir plus d'un vnement dans le mme intervalle dT est ngligeable, la probabilit (14.81) de n'avoir aucun vnement dans dT vaut
(1 .d T). Finalement, la probabilit de compter exactement N vnements dans un
intervalle donn T est alors donne par (14.88) reproduite ci-aprs
Prob(N, T) ::;: JlN exp
J.l)/N!
(5.211)
o le paramtre J.l ::;: XT est le nombre moyen d'vnements par intervalle T.

Si l'on appelle z la variable alatoire continue reprsentant l'intervalle de temps
sparant deux vnements conscutifs, on obtient pour cette variable une distributon
exponentielle (14.90)
p(Z) = . exp(-
Z);
Z ~O
(5.211)
5.8.2 Reprsentation
Un processus ponctuel x(t) possdant une distribution de Poisson peut tre reprsent (fig. 5.32) par une suite d'impulsions de Dirac de poids ai places en des
instants alatoires fi :
(5.213)
o
Fig. 5.32
160
En considrant x(t) comme l'excitation d'un filtre linaire de rponse impulsionnelle g( t), la sortie J' (t) de ce fil tre reprsen te un processus de Poissoll filtr (ap~
plication ft l'tude du bruit d'effet grenaille par exemple) :
(5.214)
5.8.3 Fonction d'autocorrJation et densit spectrale d'une suite alatoire d'impulsions de Dirac
Considrons la suite alatoire (5.213) avec Cii = 1. Pour dterminer la fonction
d'autocorrlation et la densit spectrale d'une telle suite, on reprsentera l'impulsion
de Dirac comme la limite d'une impulsion rectangulaire (1.44) :
U)
1
lim - rect(tl.)
(5.215)
lE
Pour un intervalle E suffisamment petit, la probabilit d'y trouver une impulsion unique
vaut selon (14.80)
Prob (1, e)
= . E
(5.216)
o . est le nombre moyen d'impulsions par unit de temps.

La fonction d'autocorrlation cherche est donne, d'aprs (5.57), par
Rx ( r)
= Hm Rx ( r)
(5.217)
e-O
avec
(5.118)
o x = 1lE ou O. Le produit x li Xl; =x(t) x(t + 7) n'est donc non nul que si des impulsions sont simultanment prsentes aux temps t et t + 7.
Pour 1ri> e : les impulsions sont statistiquement indpendantes. Ainsi
......
Rx{lrl>e) :::: (Ile) Prob(xl = Ile) Prob(x2
11.)
(5.219)
Pour Ir 1 ~ e, le produit Xli x2i est non nul si l'impulsion rectangulaire prsente
au temps t est encore prsente en t + T. On peut exprimer, selon (14.6), la probabilit
conjointe correspondante sous la forme d'un produit: Prob (xli, x2j; r)
::: Prob (x li) Prob (x2i 1Xli; T) o Prob (x li) = e par (5.216) et Prob (x2;lx li; 7)
= trie rie) par analogie avec (5.87). Finalement, on a
(5.220 )
La fonction autocorrlation de la suite alatoire d'impulsions de Dirac est obtenue
par passage la limite (fig. 5.33)
Rx(r)
= Hm
e-O
RxCr)
= . 2+ :.\(7)
(5.121 )
161
SIGNAUX ALATOIRES
XO(T)
o
Fig. 5.33
La densit spectrale correspondante (fig. 5.34) apparat alors uniforme, de valeur gale la frquence moyenne . et complte par une impulsion de Dirac il l'origine
2
de poids . qui reprsente le carr de la composante continue (valeur moyenne) du
signal.
(5.111 )
o
Fig. 5.34
5.8.4 Signal binaire transitions alatoires

Ce signal (fig. 5.35) est aussi appel: signal tlgraphique alatoire. Il peut prendre n'importe quel instant t et avec une gale probabilit les valeurs x (t) 0 ou
x( t) = A. Les transitions de l'une l'autre sont indpendantes et, en vertu des hypothses faites, leur nombre N dans un intervalle T est distribu selon la loi de Poisson
(5.211 ). La valeur moyenne est videmment: fJ x := 0 Prob (x 0) + A . Prob (x =A :
=A/2.
x(t)
..1-
o
Fig. 5.35
La fonction d'autocorrlation s'obtient facilement, partir de (5.57), en tenant

compte de la distribution du nombre N de transitions dans 1T 1. Avec Xl =x(t) et
X 2 =x(t + T), le produit Xl X2 est non nul et gal A 2 uniquement siN est pair ou
162
'rHORIE 1:.T TRAITEMENT DES SIGNAUX
nul dans Irl :
R x ( r)
A 2 Pro b (x 1 =
;;:: A
Prob(Xl
;;:: -exp(
X2
= A; T)
A) Prob (N pair ou nul dans Irl)
lrl)
'1
N=O
(N pair)
(lrl)N
N!
(5.113 )
Or, on peut valuer la somme en crivant
N=O
(Npair)
(lrl)N
N!
[ exp (
1TI)
exp ( -
(5.114 )
Irl)]
d'o finalement (fig. 5.36)

2
Rx(T) = %A [1 +exp(-2lrl)]
(5.225 )
et, par transformation de Fourier (cf. exemple 4.2.19), la densit spectrale de puissance vaut
(5.126 )
La puissance totale de ce signal est Px = Rx (0.) ;;:: A 2/ 2 et ]a variance
2
=Cx(O) =Rx(O) )J._~ A j4.
---,-,-,-,.-,-1---------
a;
...
Fig. 5.36
o 5.9 PROCESSUS DE MARKOV

5.9.1 Dfinitions
L'examen des proprits mathmatiques des processus de Markov sort du cadre
de cet ouvrage. On sc contentera ici d'une brve dfinition afin que ce concept important en technique soit connu du lecteur. Pour une tude plus approprie, on consultera.
par exemple, les rfrences [68, 71, 72].
Dans certaines situations, l'volution future d'un processus alatoire ne dpend
pas de son pass, mais uniquement de l'tat prsent. Les processus jouissant de cette
proprit sont appels processus de lvlarkol'.
163
SIGNAUX ALtATOIRES
Autrement dit, soit une squence quelconque d'instants t 1 < t 2 < tm < tm + 1
auxquels un processus prend les valeurs arbitraires XI' X2' ... , X m , X m + 1 : ce processus
est markovien (au sens strict) si la densit de probabilit conditionnelle au temps tm + 1
(5.227)
Par extension, on parle de processus de Markov du nime ordre lorsque l'tat futur du processus dpend des 11 tats prcdents.
Lorsque le processus est discret, on parle de chanes de Markov.
5.9.2 llIustration
Le modle markovien s'applique de nombreux phnomnes naturels: particules
en mouvement, volution gntique, processus d'usure, etc. Dans le domaine technique,
l'volution d'un systme dynamique (de rglage automatique, par exemple), d'un signal, d'une squence d'information (langage crit), peut souvent tre assimile un
processus de Markov.
Le caractre markovien est gnralemen t combin d'autres caractristiques statistiques: processus de Gauss-Markov, par exemple.
Certains signaux de transmission de donnes relvent d'un modle markovien
[73 ].
o 5.10 SIGNAUX PSEUDO-ALATOIRES

5.10.1 Gnralits
Les signaux ou variables pseudo-alatoires sont en fait des grandeurs parfaitement
dterministes, mais dont le comportement parait alatoire et possde des proprits
statistiques bien dfinies. De telles grandeurs sont utilises en particulier pour la simulation (sur ordinateur ou en laboratoire) de phnomnes alatoires [74] ou la gnration
de signaux fonction d'autocorrlation trs pointue applicables au codage et la synchronisation d'informations en tlcommunications [75] ou la dtection d'chos
radar [27].
5.10.2 Squences binaires longueur maximum

La mthode la plus courante de gnration de signaux pseudo-alatoires est base
sur la thorie des squences binaires dites longueur maximum. De telles squences
[lats logiqll~5 slIccessifs
tics
IH
l/TH
x(t)
BI
B!
[JJ
Tl
1
0
t3
t~
1
1
0 1
0 1
1 1
0 1
1
15
Tb
1;
0
1
0
1
1
1
(1
[)
Il
- -tB
Fig. 5.37
hascllk~
1
1
1_ _1
_
,
1
1
,
1
--~-~~-~--
Priotle
(il' la
squt:llce
164
sont facilement produites lectroniquement l'aide d'un registre dcalage (systme

logique squentiel synchrone: section V.5.3) comportant 11 bascules en srie complt
par un circuit de contre-raction rinjectant dans la premire bascule la somme modulo2 des tats de certaines bascules. L'ensemble est activ par un signal d'horloge auxiliaire de cadence fH = 1/ TH' Un exemple lmentaire d'un tel gnrateur (n == 3) est
reprsent, avec l'analyse chronologique de ses tats, sur la figure 5.37.
Pour autant qu'un tat initial comprenant au moins un ! soit impos au registre,
celul-ci prendra successivement tous les tats possibles, sauf l'tat compos de zros
uniquement, condition que la contre-raction soit adquatement choisie. La thorie
permettant de dterminer le type de contre-raction utiliser pour une longueur Il du
registre sort du cadre de cet ouvrage et peut tre trouve dans [76]. Le tableau 5.38
donne quelques exemples o la contre-raction se limite la seule addition modulo-2
~ circuit OU-exclusif) de la sortie 11 avec la sortie m ou 11 111.
Tableau 5.38
11
3
5
7
10
15
20
22
25
28
29
31
33
39
2 11 _1
7
31
127
1013
32767
1048575
4 194303
33554431
268435455
536870911
2147483647
8589934591
5,5.10 11
1 ou 3
3
1,4 ou 7
3
1
3 ou 7
3,9 ou 13
2
3.6. 7 ou 13
13
4,8 ou 14
il-lit
2
3
6 ou 4
7
14, 11 ou 8
17
21
22 ou 18
15,190u 15
17
28,25,24 ou 18
10
35,31 ou 25
5.10.3 Proprits
Les squences binaires longueur maximum ont les proprits principales
suivantes:
la squence gnre est priodique, de priode
(5.228)
11
sur une priode Ts' on compte toujours 2'1-1 digits 1 et (2 - J - 1 ) digits a :

ainsi, pour n suffisamment grand, ces symboles peuvent tre considrs com~
me pratiquement quiprobables et presque indpendants;
en comparant terme terme une priode de la squence avec n'importe quelle
permutation circulaire de celle-ci, on obtient une distance de Hamming
( 3.1.4) gale 2 11 - 1 : en d'autres termes, le nombre de symboles concidant
deux deux est infrieur d'une unit au nombre de ceux qui diffrent.
165
SIGNAUX ALATOIRES
5.10.4 Fonction d'autocorrlation et densit spectrale d'un signal binaire pseudoalatoire

Considrons un signal binairex(t), dont les niveaux antipolaires +A et -A sont
la transcription des symboles 1 et a produits par un gnrateur de squence longueur
maximum. La fonction d'autocorrlaton (fig. 5.39) de ce signal est facilement dtermine en tenant compte des proprits mentionnes au paragraphe prcdent.
Fig. 5.39
La squence tant priodique de priode Ts ' il en est par consquent de mme de

la fonction d'autocorrlation ( 4.4.12). Le rsultat de la comparaison de la squence
avec toute permutation circulaire de celle-ci entraine que pour
Enfin, pour
kTs-TH
< Ir 1< kJ;.+TH,<px(r};:;:; A 2 {[2I1/C2 T1 -1)]tri(T/TH )-1/(1tl-l)}.
On peut grouper ces rsultats, en utilisant les notations du chapitre l, sous la forme
gnrale
<px(r) ;:;:; A 2 [21J/(2 -1 )]rePTs[trj(r/TH
1l
)]
Il
u
2
-A /(2 -1)
(5.229)
Fig. 5.40
166
La densit spectrale de puissance correspondante (fig. 5 AO) est un spectre de

raies d'quation
cI>xUl = A2[]TI/(21l-1)21sinc2(THf)
'I/Ts([)
[A 2/(2 1l -I)](f)
(5.230)
11
La raie l'origine a un poids de A 2 / (2 - 1 ) 2 , correspondan t la puissance de la
composante continue qui vaut A/ (1 11 - 1 ). le signe dpendant du niveau attribu
au symbole 1. Cette composante s'annule pratiquement pour JI ~ ].
5.11 EXERCICES
5.11.1 Deux signaux alatoires x(t) et y(t) possdent les densits de probabilit respectivesp(x) =a' rect[(x- 2)/2] etp(y) b(2 -y) rect[(y - 1 )/2). Calculer leurs
valeurs moyennes statistiques et leurs variances.
5.11.2 Un signal alatoire z (t) possde la densit de probabilit reprsente sur la figure 5A1. Calculer la probabilit pour que 1z (t) 1 < 1
p(z)
-1
o
Fig. 5.41
5.11.3 Dmontrer la formule (5.11).

5.11.4 Dterminer avec quelle probabilit la valeur instantane d'un signal sinusodal
phase alatoire est suprieure la moiti de la valeur de crte.

5.11.5 Calculer la valeur moyenne et la puissance totale d'un signal alatoire ternaire
prenant les trois valeurs Xl = 2 V, X2 0.5 V et x3 3 V avec les probabilits respec
lives Prob(Xl) = 1/4, Prob(x2) = 5/8 et Prob(x 3 ) = 1/8.
5.11.6 Dterminer si les variables alatoires x et y possdant la densit de probabHit
conjointe ci-dessous sont indpendantes
1 0~x~v'2;0~y~x
PXy(x,y) =
10
'II
al eUTS
5.11. 7 Sachant que les variables x et

Pxv (x,y)
dantes.
= 1/ (ah)
y possdent une densit de probabilit conjointe

avec Il' 1 ~ b, dmontrer qu'elles sont statistiquement indpen-
167
SIGNAUX ALATOIRES
5.11.8 Un amplificateur transforme un signal d'entre x( t) en un signal de sortie

_v(t) == Ax( t). Dterminer la valeur moyenne et la variance du signal de sortie en fonc-
tion de celles du signal d'entre et du gain A de l'amplificateur.
5.11.9 Dterminer quelle est la densit de probabilit de la variable y

est connue.
a/x si pAx)
5.11.10 Montrer que si le facteur d'attnuation (exprim id en nepers) d'une transmission a = 1n (P2/P I ) fluctue alatoirement autour d'une valeur moyenne J.L avec une
distributon gaussienne de variance a 2. le rapport des puissances (3 =P2 /P I possde une
densit de probabilit log normale
p(3) = ({3aV21T)-1 exp[-~(ln{3-J.L)2Ia2]:{3
>
5.11.11 Quelle est, en fonction de ceBe d'entre, la densit de probabilit de la sortie

d'un redresseur dfini par l'quation y x e(x).
5.11.12 Soit un signal alatoire x(t), mesur en volt, uniformment distribu entre 0
et A. Dterminer et reprsenter par un graphe la densit de probabilit et la fonction
de rpartition de la puissance instantane (normalise). En dduire la probabilit que
la puissance instantane soit suprieure fI A
5.11.13 Dmontrer que six(t) est un signal valeur moyenne nulle et distribution
gaussienne, la distribution dey(t) ax 2 (t) est identique une distribution en X 2 il
un degr de libert ( 14.4.7).
5.11.14 Un signal rU) possde la distribution (5.5::!) : dterminer l'quation de sa
fonction de rpartition et en dduire la probabilit que r> 3 a.
5.11.15 Dmontrer que le signal alatoirex(t) =y cos wt + z sin wto y et z sont
des variables alatoires indpendantes valeur moyenne nulle et possdant la mme
fonction de rpartition, est stationnaire au sens large mais non au sens strict.
5.11.16 Soit x (t) un signal ala toire stationnaire et w une constante. Montrer que y (t)
=x( t) cos wt n'est pas stationnaire au sens large, alors que z (t) = x(t) cos( wt + a)
Pest si est une variable alatoire indpendante uniformment distribue sur l'intervalle [O. l1T].
5.11.17 On cherche prdire rvolution d'un signal stationnaire et ergodique x (t) partir de ses valeurs passes x (t - T) en formant rapproximation linaire .y (t) a x (t - T).
Dterminer la valeur de a qui minimise la puissance de l'erreur d'approximation.
5.11.18 Reprendre l'exemple 5.1.7 en admettant pour le processus la densit de probabilitp(x) aexp(-ax) pourx>Oeta>O.
5.11.19 Soit un signal ternaire cadenc occupant dans chaque intervalle conscutif de
dure Tles niveaux indpendants +1. 0 ou -} avec les probabilits respectives lA, ~ et
xt. Dterminer la puissance et la densit spectrale de puissance de ce signal.
168
THORIE ET TItAITEMENT DES SIGNAUX
5.11.20 Dmontrer la proprit (5.70) en utiHsant le thorme de Wiener-Khintchine

( 5.3.3).
5.11.21 Soit un signal binaire cadenc en mode NRZ prenant dans chaque intervalle
conscutif de dure T les nveaux indpendants x a = A et Xl - A avec les probabilits
Prob(x o );;:: 2/3 et Prob(x 1 ) = 1/3. Dterminer la densit spectrale de puissance de ce
signal.
5.11.22 Un signal alatoire stationnaire et ergodique y (t) est form en modulant les
amplitudes d'une suite priodique d'impulsions rectangulaires (signal PAM alatoire)
en fonction d'un signal modulant x( t) alatoire ct stationnaire, de distribution statistique quelconque, de valeur moyenne /.lx et de variance cr;;. En supposant que les amplitudes des impulsions sont statistiquement indpendantes les unes des autres et que la
dure d'une impulsion et la priode T sont lies par la relation < T/2, dterminer
quelle est la densit spectrale de puissanc du signal y (t) et reprsenter graphiquement
le rsultat. Comparer celui-ci l'exemple 5.2.7 et au rsultat (5.132).
S.11.23 Retrouver les rsultats (5.132) et (5.148) partir de l'quation gnrale (5.149).
5.11.24 Dterminer quelle est la densit spectrale de puissance d'un signal binaire cadenc, de cadence l/T, o chaque symbole logique 0 correspond il un niveau nul et
chaque symbole 1 est reprsent par une impulsion rectangulaire d'ampltude A et de
dure gale la moiti de l'intervalle T, suivie d'un demiintervalle nul (mode RZ).
On supposera les symboles indpendants et quiprobables.
S.11.25 Dmontrer que pour du bruit blanc, l'quation (5.102) est satisfaite pour
n'importe quel ensemble de fonctions orthogonales.
S.l1.26 Dmontrer la relation (5.181 ) par la mthode dcrite au paragraphe 5.1.20.
5.11.27 Un signal alatoire z (t) est le rsultat de la somme de deux signaux indpendantsx(t) ety(t). Le signalx(t) est binaire antipolaire et prend la valeur A avec une
probabilit gale 2/3 et la valeur - A avec une probabilit gale 1/3. Le signal y (t)
est gaussien et possde une densit spectrale de puissance cIl]!
Y.2 TJ tri (f/B). Dter
miner quelles sont la densit de probabilit, la valeur moyenne et la variance de z ainsi
que le coefficient de corrlation de x et y.
(n
5.11.28 Un signal z( t) est le rsultat de la somme de deux signaux indpendants x (t)

ety(t). Les amplitudes de x(t) sont uniformment distribues avec une valeur moyenne Px = 0 V et une variance cr; = 1/3 V 2. Les amplitudes de y(t) sont aussi unifor2
mment distribues avec J.1. JI = 2,5 V et
= 3/4 V Dterminer la probabilit pour
que z(t) dpasse un seuil de 3 V.
a;'
S.I1.29 Dmontrer la relation (5.194) par la mthode dcrite au paragraphe 5.1.20.
S.l1.30 Dterminer la densit de probabilit d'un produit de deux variables alatoires

indpendantes uniformmen t distribues entre a ct a + 1 (avec a > 0).
SIGNAUX ALATOIRES
169
5.11.31 Soit le produit z (t) = x (t) y (t) o x (t) est le processus dc rit au paragraphe
5.2.7 ety(t) est une suite priodique d'impulsions de Dirac, indpendantes de x(t),
mais de mme priode T. Dterminer la fonction d'autocorrlation et la densit spectrale de z(t).
5.11.32 Soit un signal alatoire x(t) gaussen valeur moyenne ngative dont la fonction d'autocorrlation estRx(r) =A + B snc 2 (rIT). Calculer la probabilit pour que
la valeur instantane de ce signal soit comprise entre 2 et 3 V et la probabilit pour
2
2
qu'elle soit suprieure 3 V si A = 4 V et B;:;: 9 V
5.11.33 Pour quelles valeurs de 7, des chantillons x(to) et x(to + r) du signal dcrit
au paragraphe prcdent sont-ils des ralisations de deux variables alatoires indpendantes?
5.11.34 Dmontrer que toute combinason linaire de variables gaussiennes est aussi
une variable gaussienne.
5.11.35 Ecrire l'expression de la densit de probabilit conditionnelle p(x Iy) associe des variables alatoires gaussiennes valeur moyenne nulle.
5.11.36 On dmontre [69] que le produit z (t) == x (t ) y (t) de deux signaux ala to
res gaussiens valeur moyenne nulle possde la fonction d'autocorrlation
(5.231)
Vrifier que cette formule se rduit bien (5.198) en cas d'indpendance de x(t) et
y (t) et dterminer la densit spectrale de puissance de z (t) = X 2 (t).
5.11.37 Dterminer la fonction d'autocorrlaton et la densit spectrale de puissance
d'un signal binaire transitions alatoires ( 5.8.4) antipolaire (niveaux A ).
CHAPITRE 6
BRUIT DE FOND
6.1 sa UReEs DE BRUIT
6.1.1
Bruit et interfrences
a
Au sens le plus large, tout signal indsirable limitant un degr ou un autre
l'intgrit et l'intelligibilit d'un signal utile peut tre considr comme du bruit: terme
employ ici par analogie avec le phnomne acoustique perturbateur du mme nom.
n est prfrable cependant d'tablir une distinction entre le bruit d des perturbations caractre purement alatoire - et donc imprvisible - et les interfrences
provoques par le captage accidentel d'autres signaux utiles (tels que ceux dus des
couplages entre lignes de transmission voisines) ou la mauvaise limination de composantes priodiques parasites (par exemple: ronflement dans les installations lectroacoustiques d au filtrage insuffisant des tensions d'alimentation ou de mauvaises
liaisons de terre).
Les sources de bruit sont classables en deux grandes catgories:
.. les sources de bruit localises l'extrieur d'un systme de traitement donn
et agissant sur celui-ci par influence;
les sources de bruit internes ce systme, cratrices d'un bruit propre indpendan t des conditions extrieures.
Si l'on peut toujours envisager d'amliorer la conception d'un systme de traitement de manire limiter les interfrences un niveau acceptable et s'il est gnralement possible - quoique difficile - de lutter contre les sources de bruit extrieures par
des moyens techniques appropris (blindages, recherche de compatibilit lectromagntique : abrviation anglaise EMC), il est impossible d'liminer la contribution des
sources de bruit internes.
Celles-ci imposent une limite ultime aux performances du systme. Leur tude
revt donc une importance considrable, tant dans le domaine des tlcommunications
qu'en lectronique instrumentale et en mtrologie.
Dans la rgle, le bon fonctionnement d'un systme n'est assur que si le niveau de
puissance du signal utile dpasse de plusieurs ordres de grandeur celui du bruit (rapport signal-sur-bruit de quelques dizaines de dcibels). Certaines mthodes labores de
traitement (voir par exemple chapitre 13) permettent toutefois de travailler avec de
trs faibles rapports signal sur bruit en exploitant de manire optimale toute connaissance a priori disponible sur le signal utile interprter.
Remarquons finalement que si le brut est gnralement considr comme un phnomne nuisible, il est parfois lui-mme porteur d'informations relatives ses origines
171
(exemples d'application: radioastronomie, surveillance des vibrations de machines industrielles, etc.). Il est de mme souvent ncessaire de gnrer volontairement du bruit
(sect. 6.7) afin de contrler exprimentalement l'insensibilit d'un systme en fonction du niveau de perturbation ou d'analyser l'tat du systme par des mthodes statistiques.
6.1.2 Sources de bruit externes

Les causes de perturbations d'origine externe sont de deux types [77 J :
perturba tions artificielles;
CI perturbations naturelles.
Les perturbations artificielles (en anglais: man-made noise) sont principalement
dues aux parasites gnrs par des quipements industriels tels que commutateurs, relais, thyristors, moteurs fi collecteur, poste de soudure arc lectrique) lignes haute
tension, etc. On peut y ajouter les parasites crs par d'autres activits humaines: allumage des moteurs explosion, appareils lectro-mnagers, clairage fluorescent, etc.
L'intensit de ces perturbations est trs variable selon les endroits; elle domine
dans les zones urbaines. Elle dcrot usuellement avec la longueur d'onde et est ngligeable pour i\ < 3 m (soit f> 100 MHz). L'importance de certaines de ces perturbations peut tre considrablement rduite par des mesures appropries de dparasitage.
Les perturbations naturelles sont associes des phnomnes atmosphriques
(dcharges lectriques de nature orageuse) ou cosmique (ruptions solaires, sources
galactiques d'ondes lectromagntiques). Les perturbations atmosphriques sont surtout importantes dans les zones tropicales: leur intensit moyenne diminue avec la
longueur d'onde et est pratiquement ngligeable pour i\ < 10 m if> 30 MHz). Pour
> 200 m, les perturbations orageuses produisent des effets sensibles fi trs grande
distance. Le bruit cosmique est surtout peru par les systmes utilisant des antennes
directionnelles.
Aux perturbations naturelles mentionnes, qui ont un caractre additif, on peut
ajou ter encore les phnomnes d' vanouisse men t ( en anglais: fading) des signaux de
radiocommunication dus des fluctuations des conditions de propagation. Cette perturbation a un caractre multiplicatif.
L'influence des sources de brit externes sur des systmes de traitement particuliers dpend de nombreux facteurs spcifiques tels que localisation, environnement
lectromagntique, architecture et mode d'utilisation du systme, etc. L'valuation
des performances n'est alors possible qu'en recourant des formules empiriques bases
sur des mesures in situ.
Les perturbations de type impulsionnel peuvent parfois tre assimiles des processus de Poisson filtrs ( 5.8.1 et exercices 8.5.9) ou combins: impulsions groupes en rafales selon une loi statistique approprie et rafales distribues selon une loi
de Poisson.
La diversit des causes empche d'en tablir un modle gnral.
6.1.3 Sources de bruit internes. Dfinition

Les causes des perturbations internes un systme de traitement peuvent aussi
tre classes en deux groupes:
173
BltUJT DE FOND
les perturbations de type essentiellement impulsionnel engendres par des

commutations de courants (circuits logiques, comparateurs, interrupteurs
lectroniques) ;
ca le bl1lit de fond gnr dans les cbles et les composants lectroniques en rai
son des mcanismes statistiques de la conduction lectrique (chap. 11.2).
Une conception saine des circuits et un mode de construction soign permettent
gnralement de rduire, voire d'liminer, l'influence des perturbations du premier
groupe.
Le bruit de fond est malheureusement, quant lui, irrductible. Il a de nombreuses causes [78]. Pour l'essentiel, on peut dire qu'il rsulte du dplacement erratique de
particules charges en quilibre thermodynamique (mouvement Brownien) ou sous
l'influence de champs appliqus. Il est assimilable, en conditions stables, un processus
stationnaire et ergodique. Ses trois composantes principales affectant les circuits lectroniques son t :
le bruit thermique;
le brut de grenaille;
,. le bruit additionnel de basse frquence (ou en
lI!).
6.2 BRUIT THERMIQUE

6.2.1 Mcanisme gnrateur. Dfmition
Au-dessus du zro absolu, les trajectoires des lectrons libres d'un matriau conducteur sont soumises des vibrations alatoires (agitation thermique). L'ensemble de
ces mouvements erratiques provoque, mme en l'absence de champ lectrique appliqu,
une fluctuation alatoire de la valeur instantane de la tension observable. Le courant
moyen qui rsulte de l'application d'un champ lectrique ne correspond qu' une drive relativement lente des lectrons (sect. 11.2.2).
Ce bnlt thermique, parfois appel Johnson noise dans )a littrature spcialise
anglo-saxone, est prsent dans tout composant passif ou actif opposant une certaine
rsistance lectrique R au passage du courant et port la temprature T.
6.2.2 Densit spectrale et fonction d'autocorrlation
Par des arguments relevant de la thermodynamique statistique, on montre que la
distribution spectrale (bilatrale) de la puissance maximum de ce phnomne est dcrite par la loi
hlfl
(6.1 )
2 exp(hlfl/kT)-l
o
= 6,62 10- 34 J s constallte de Planck

= 1,38 10- 23 J K- 1 = constante de Boltzmanll
A temprature ambiante (Til = 290 K -= ~a = 17 C), le produit kTvaut environ
kT == 4 10- 21 J
(6.2)
Il
k
174
ce qui conduit, par intgration de (6.1 ) pour Ifl allant jusqu' l'infini. une puissance
maximum fournie de l'ordre de 40 nW. A trs haute frquence (h If 1> kT), la densit
spectrale du bruit thermique tend s'annuler. Un autre brut de densit Y.!. h Ifl intervient alors pour tenir compte des effets quantiques [79]. Par contre, pour les frquences usuelles (h Ifl~ kT, soit Ifl < 1000 GHz), la formule (6.1) se rduit (fig. 6.1)
(6.3 )
o
Fig. 6.1
Dans la gamme des frquences indiques, le bruit thermique est donc un bmit
blallc ( 5.3.10). La puissance totale de bruit thermique disponible dans une bande de
frquence B est simplement gale
Pth
:::
kTB
(6.4 )
La fonction d'autocorrlation du bruit thermique est, en premire approximation,

une impulsion de Dirac
(6.5 )
6.2.3 Fluctuations de tension et de courant dans une rsistance R

l'agitation thermique des porteurs de charge dans un lment rsistant de valeur
R::: l/C provoque ses bornes une fluctuation alatoire de tension li (t) valeur
moyenne nulle et variance (puissance normalise: voir tableau 5.1) a~ dont la valeur
dpend de la largeur de bande B considre. On peut de mme associer cette agitation
un courant de bruit i(t), galement valeur moyenne nulle et variance a;' Les
carts-types (valeurs efficaces) sont lis par la loi d'Ohm
(6.6)
et leur produit correspond la puissance totale disponible (6.4)
auai = kTB
(6.7)
En combinant (6.6) et (6.7), la puissance totale disponible s'exprime sous forme normalise:
= kTRB
V2
(6.8 )
al == kTCB
Al
(6.9)
Y.!. kTR
V 2 /Hz
(6.10)
(Pi([) = h kTC
Al/Hz
(6.11 )
au
Les densits spectrales de puissance associes sont

<I)1l
(n :::
175
DRUIT DE FOND
6.2.4 Schmas quivalents d'une rsistance bruyante

Pour analyser l'effet du bruit thermique dans un circuit lectrique, il faut disposer d'un schma quivalent d'une rsistance bruyante R. Celui-ci peut tre tabli (fig.
6.2) grce aux thormes de Thvenin et Norton ( 1.6.7.9 et IV.SA.:!), en considrant la rsistance bruyante comme une source de tension ou de courant alatoire ayant
R comme rsistance interne (ou G = l/R comme conductance interne).
R
Fig. 6.2
Les valeurs efficaces auo de la tension vide et aiO du courant de court-circuit

s'obtiennent en tenant compte du fait que la puissance maximum est fournie l'adaptation ( 1.6.7.13), c'est--dire lorsque la source relle est charge par une rsistance
de valeur gale la rsistance interne:
Pth
::
a~/R = Rai
= a~o/4R = Raio/4
(6.12)
d'o
a~o
2
aiO
= 4 kTRB
(6.13 )
= 4 kTGB
(6.14 )
Les densits spectrales de puissance (normalises) respectives valent
V 2 ;Hz
2kTR
<puo(f)
2kTG
cI>iO(n
A jHz
(6.15 )
(6.16 )
6.2.5 Exemples
La valeur efficace de la tension vide due au bruit thermique d'une rsistance R
temprature ambiante vaut environ
eR
10 kn et B
R = 1 Mn et B
20 kHz
= 20 MHz:
auo = 1,8 /lV
auo
5661lV
Les valeurs efficaces de courant de court-circuit sont respectivement aiO

et aiO
=]80 p;\
= 566 pA.
6.2.6 Statistique du bruit thermique

Le bruit d'agitation thermique est engendr par ['action d'une multitude de per~
turbations lmentaires indpendantes dues au mouvement dsordonn de chaque lec~
tron. L'effet global rsulte de la somme de ces perturbations lmentaires. La distribu~
tion statistique du bruit observ (tension ou courant) est donc gaussienne (fig. ~.3 ),
176
en application directe du thorme de la limite centrale ( 5.5.3) :
=---
peu)
~1'2; au
exp
112]
---
(6.17 )
a;
p(ll)
Il
o
Fig. 6.3
En se rfrant une table de probabiJit gaussienne (sect. 15.8), on peut constater que l'amplitude d'un tel signal est comprise 99,7 % du temps l'intrieur de l'intervalle [- 3 Gu' 3 au]'
L'enveloppe ( 7.3.8) d'une telle tension de bruit possde, elle, une distribution de Rayleigh (5.52).
6.2.7 Mise en s~rie ou en parallle de rsistances bruyantes

Les fluctuations de bruit thermique dans deux rsistances diffrentes RI et R 2
sont statistiquement indpendantes. Par consquent ( 5.5.5), la variance de leur somme est gale la somme des variances partielles.
Pour deux rsistances en srie
2
Guo
2
2
= aUOI
+ a u 02
(6.18 )
Pour deux rsistances en parallle

2 _
aiO -
2
GiOt
+ a2i02
(6.19)
Si les deux rsistances sont la mme temprature T, les fonnules (6.18) et

(6.19) sont quivalentes (6.13) et (6.14), la condition d'introduire les substitutions R =R 1 + R 2 pour la mise en srie et G G 1 + G 2 pour la mise en parallle.
6.2.8 Bruit thermique d'une impdance

Toute impdance peut s'crire sous la forme
?(n = R(n
+ jX(n
(6.20 )
Veffet du bruit thermique (puissance active) n'est associ qu' la partie rsistive
(n- La densit spectrale de puissance (6.15) est alors remplace par

tPuo(n
2 kTR(n
V /Hz
et varie en fonction de la frquence comme la partie relle de l'impdance.
(6.21)
177
DltUIT DE FOND
La variance de la tension vide du bruit thermique est obtenue par intgration de

=12 - fI' Puisque <P1iQ (j) est paire, on
peut crire, de manire ne considrer que des frquences positives:
(6.1) ) sur la largeur de bande considre B
12
70
Ut
J (PuoU') df
12
= 4
kT
(6,11)
R(f) df
Il
fi
6.2.9 Exemple: biple RCparallle

Dans le cas de la mjsc en paraHle d'une rsistance R et d'une capacit C, on a
~(I) =
+ j 'lniRC
RJ/J~
R.
1 +(l/J~) 2
-J---1 + (f/i~ ) 2
(6.23 )
o Je = 11 ('ln RC) est la frquence de coupure - 3 dB.

La variance de la tension vide value pour une largeur de bande infinie vaut
a2
lIO
= 4 kTR
"'"
kT
1
1
+ (II fe
)2
df
= -
(6.24 )
Elle est indpendante de la valeur de rsistance, ce qui s'explique par le fait que,
pour un tel circuit RC, la frquence de coupure j~ varie proportionnellement l'inverse
de R.
La densit spectrale de puissance (Fig. 6.4 ) de la tenson vide est ici
(6.25 )
J
- Je
Je
( 2rr R C) - 1
Fig. 6.4
-RC
o
Fig. 6.5
RC
]78
La fonction d'autocorrlation correspondante (fig. 6.5) est obtenue par

formation de Fourier inverse
Ruo(r) =
kT
exp(
trans~
(6.26)
Irl/RC)
6.2.10 Exemple d'application

L'impdance d'entre d'un amplificateur d'oscilloscope est constitue par une
rsistance de 1 Mn en parallle avec une capacit parasite de 50 p F. En supposant que
l'amplificateur a une largeur de bande B ~ j~ ::= (2rr RC)-l == 3,2 kHz et que son bruit
propre n'introduit qu'une contribution ngligeable vis-vis du bruit thermique de l'impdance, la valeur efficace de la tension de bruit vide J'entre vaut environ allo
9J,lV.
6.2.11 Rduction du bruit thermique

La puissance totale de brut thermique (6.4) ne dpend que de la largeur de bande B et de la temprature T. Une fois la largeur de bande fjxe au strict minimum ncessaire, le seul moyen disponible pour rduire le bruit thermique est de refroidir le circuit. Cette technique est parfois applique, entre autre pour certains rcepteurs spciaux de tlcommunications.
6.2.12 Notion de largeur de bande quivalente

La puissance totale normalise de bruit d'un circuit RC peut tre compare celle de la seule rsistance R mesure dans une largeur de bande, dite quivalente, Bcq. En
galant (6.13) il (6.24), on tire dans ce cas
Beq = (4RC)-1 =
(rr/2)j~
(6.27)
Cette notion de largeur de bande quivalente peut tre gnralise pour tout oprateur Unaire ( 8.2.23).
6.2.13 Temprature quivalente de bruit. Dfinition

Le bruit thermique sert souvent de rfrence, alors mme que le bruit observ
rsulte d'une combinaison d'effets qui n'ont pas tous les mmes causes. certains tant
en particulier indpendants de la temprature et diffrents d'un bruit blanc.
On associe cependant souvent fi une source de bruit quelconque de puissance effective Pn unc temprature quipa/ente de b11lit Teb . Cette temprature fictive est dfinie comme celle d'une source de bruit purement thermique ayant la mme puissance.
Par (6.4) :
(6.28)
179
BRUIT DE FOND
6.3 BRUIT DE GRENAILLE
6.3.1 Effet de grenaille. Dfinition

On appelle bruit de grenaille (en anglais sllot noise) les fluctuations statistiques
du nombre de porteurs de charge (lectrons ou trou) qui participent la cration d'un
courant en traversant une barrire de potentiel. Une telle barrire existe chaque jonction pn d'un dispositif semiconducteur (chap. VI 1.2). Elle intervjent galement dans
les mcanismes d'mission thermolectrique (tubes vide) et photolectrique (sect.
II.2.S ).
Au contraire du bruit thermique, qui existe indpendamment de la prsence d'un
courant de conduction moyen dans un lment rsistf, Je bruit d'effet grenaille dpend
directement et se superpose (fig. 6.6) au courant moyen cr.
i(t )
o
Fig. 6.6
6.3.2 Densit spectrale et fonction d'autocorrlation

Pour au tan t que les porteurs puissent tre considrs comme indpendants~ la
distribution de leur nombre par unit de temps suit une loi de Poisson (5.211).
On peut~ en premire approximation (hypothse: temps de transit des porteurs
travers la barrire de potentiel ngligeable), considrer le flux des porteurs comme
une suite alatoire d'impulsions de courant reprsentes par des impulsions de Dirac
( 5.8.2) dont chacune a un poids correspondant il la charge e d'un lectron. L'quation du courant devient ici par (5.:213) :
i(t )
e o(t -
tk ,)
(6.:29 )
o les t k sont les instants alatoires de passage de chaque porteur aU travers de la barrire de potentiel et e 0,16.10- 18 C.
La fonction d'autocorrlation du courant se dduit alors de (5.~21 ) en tenant
compte de la charge e porte par chaque impulsion
Rj{r)
o est le nombre moyen de charges par unit de temps et 10

ne du courant (composante continue).
La densit spectrale de puissance vaut alors
(Pi(n
(6.30)
=e est la valeur moyen-
(6.31 )
IBO
Le premier terme est la distribution spectrale de la composante continue et le

deuxime celle des fluctuations de courant dues l'effet grenaille (fig. 6.7)
2
fllig(n = elo
A /Hz
(6.32)
o
B
Fig. 6.7
Le bruit de grenaille est donc, avec l'hypothse faite~ un bruit blanc. On peut tenir compte d'une forme plus raliste de chaque impulsion de courant lmentaire en
utilisant la reprsentation d'un processus de Poisson filtr (5.214) o la fonction g(t)
prend une forme rectangulaire (associe au concept de mobilt des porteurs dans les
solides) ou en dents de scie (acclration uniforme dans le vide). Le spectre rel des
fluctuations (exercice 8.5.11) se met alors dcrotre partir de frquences voisines
de l'inverse du temps de transit.
La variance du courant de bruit de grenaHle obtenue pour une largeur de bande B
donne vaut simplement, par intgration de (6.32)
a;g : ; 2 e10B
A2
(6.33)
Dans les tubes vide, la prsence d'une charge d'espace au voisinage de la cathode
tend limiter les fluctuations alatoires du courant. On en tient compte en multipliant
(6.33) par un certain facteur de rduction de bruit.
6.3.3 Schma quivalent

Pour analyser l'effet du bruit de grenaille dans un circuit, il suffit d'introduire en
parallle avec l'lment ou la jonction pn considre une source dpendante de courant
(fig. 6.8) alatoire de variance gale (6.33).
Fig.6.S
Fig. 6.9
181
BRUIT DE FOND
Si ce courant, de valeur efficace ai!;, circule dans une rsistance R (fig. 6.9). il Y
dveloppe une fluctuation alatoire de tension de valeur efficace
(6.34 )
qui se superpose la tension alatoire indpendante de bruit thermique, dont la valeur
efficDce il vide vaut auo -=..J4 kT RB, et la valeur moyenne Uo RIoSi l'on ne s'intresse qu'aux seules Ouctuations alatoires (fig. 6.9), on obtient
une valeur efficace rsultante
12-2
= RVOig+OiO
(6.35 )
Un exemple d'application au schma quivalent de bruit d'un transistor en rgime linaire est dcrit au 6.6.7.
6.3.4 Statistique du bruit de grenaille

A une chelle microscopique o l'on peut tenir compte de la granularit du courant lectrique, la distribution du nombre de charges traversant la barrire de potentiel
suit une loi de Poisson. Aux chelles macroscopiques usuelles, o le courant moyen 10
rsulte du flux d'un nombre norme de charges (i\ =. 10 /e 6,2510 ' 10 113 lectrons/ s),
la limite asymptotique de la loi de Poisson est une loi de Gauss. La densit de probabilit du courant total i(t) est alors donne par (fig. 6.10)
p(i)
exp [_
r;:r;;
U-I;)2]
~21T IT;g
( ") a:1. )-112

_1T
,g
(6.36 )
ITig
pU)
o
Fig. 6.10
6.3.5 Exemple: bruit de grenaille d'une diode jonction

On sait que la caractristique courant-tension d'une jonction pn suit approximativement la loi (chap. VIII. 1 )
1-= 18 [ exp (U
nU
1 ]
(6.37)
o Ir; est le courant de saturation inverse, Il un coefficient compris entre 1 et 2 et UT

:.: kT/e est la tension thermodynamique gale environ 25 mV temprature ambiante.
182
Le bruit de grenaille rsulte en fait des deux composantes indpendantes directe

ct inverse du courant [80] :
ai~
[ 2 el, exp
L~J
leI, ] B
;;:: 1 e( J + 21s ) B
(6.38)
En polarisation directe usuelle: 1 ~ 15' d'o (6.38) se rduit
al
g :;::
1 el B
(6.39)
Pour un courant 1:;:: 1 mA et une largeur de bande B gale respectivement 10 kHz et

10 MHz, la variance du courant de bruit de grenaille vaut g = 6,4 . 10- 18 Al ou
O~ == 6,4 10- 15 Al.
Le schma quivalent (fig. 6.] 1 ) de bruit de grenaille d'une diode ou d'une jonc~
tion pn en rgime linaire est une source de courant de valeur efficace aig en parallle
avec la conductance diffrentielle (caractristique dynamique, donc sans bruit thermique)
al
gd =
dl
dU
Is
nU
exp
(U
) :;::
/lUT
c(I + Is )
nkT
(6.40)
Fig. 6.11
Si le courant ig (t) passe essentiellement par la conductance diffrentielle g d, 11 Y

dveloppe une tension de bruit de valeur efficace
aug =
(6.41 )
Ojg/gd
Pour 1= l mA, Il = 1, T= 193 K et B = 20 MHz: a ug ::= 1,0 J.lV.

En combinant (6.38) et (6.40), on obtient la forme quivalente
2
aig -
2 kT gd B
J + 215
1 + Is
Jl
2 k. T gd B
(6.41)
A courant nul et pour 11 = l, la variance (6.41) est quivalente au bruit thermique d'une conductance normale gd' En polarisation directe (J~ 15 ), cette variance est
la moiti de celle du bruit thermique d'une telle conductance. De plus, trs forte po~
larisation directe, le schma quivalent de la diode doit tre complt par une rsistan~
ce srie bruyante.
1B3
BRUIT DE FOND
6.4 BRUIT ADDITIONNEL DE BASSE FRQUENCE (EN llf)
6.4.1 Modulation alatoire de la conduction de certains composants lectroniques

Aux frquences suprieures quelques kilohertz, ou quelques dizaines de kiloherz suivant les cas, le brut de fond des composants lectriques et lectroniques est
essentiellement blanc et dpend pratiquement uniquement de l'effet thermique et de
l'effet de grenaille. Aux frquences infrieures, on observe toutefois que la densit spectrale de puissance crot en fonction inverse de la frquence. Ce phnomne n'est que
partiellement expliqu et semble d des fluctuations statistiques de la conduction provoque par des imperfections de surface ou l'inhomognit du matriau conducteur:
modifications transitoires de l'tat de surface des cathodes pour les tubes

vide;
changement du taux de recombinaison en surface des paires lectron-trou pour
les dispositifs semiconducteurs en raison de la prsence de dfauts~
variations de la rsistance de contact entre granules dans les rsistances agglomres et les microphones au charbon; etc.
Ce type de bruit additionnel est donc fortement dpendant de la technologie et
des moyens de passivation des surfaces.
6.4.2 Densit spectrale. Dfinitions
Il n'existe pas de modle prcis permettant d'tablir une expression thorique
exacte de la densit spectrale de puissance de ce bruit additionnel. On constate exprimentalement que cette densit varie approximativement comme l'inverse de la frquence (fig. 6.12)
<pU') =
fa
(6.43 )
K --
Ifl
avec 0 < 0: < :::! et gnralemen t proche de l'unit, d'o son nom usuel de bnlit en 1If.
eOn rencontre aussi le terme bruit de scintillation, en anglais: flicker noise).

(p(f)
"
f
o
Fig. 6.12
La validit de la loi empirique (6.43) a t vrifie jusqu' des frquences trs

basses, de l'ordre de 10-6 Hz. Si l'on considre le processus comme stationnaire, une
limitation doit toutefois intervenir thoriquement lorsque la frquence tend vers zro,
sinon la puissance de ce bruit serait infinie. On peut tourner cette difficult en utilisant
184
THf~ORIE ET TRAITEMENT DES SIGNAUX
un modle non stationnaire [811 dans lequel l'influence du pass sur rtat prsent est
important.
Le brut en II! impose des limites svres l'amplification directe de signaux
constants ou de trs basses frquences. Pour certaines applications critiques (physique,
gnie biologique, etc.), on recourt une technique d'amplification indirecte (amplificateur lock-in) base sur la modulation-dmodulation synchrone ( 13.2.10).
6.4.3 Autres processus se comportant comme du bruit en II!
De nombreux processus alatoires n'ayant aucun rapport direct avec des problmes de conduction ont des fluctuations dont le spectre est aussi du type (6.43) :
., frquence des oscillateurs quartz;
variation saisonnire de temprature;
fi paramtres biologiques;
ID donnes conomiques;
phnomnes musicaux;
etc.
Ceci suggre que le modle non stationnaire [81] du bruit en ll!est susceptible
de s'appliquer de nombreux phnomnes naturels.
6.5 AUTRES SOURCES DE BRUIT
6.5.1 Bruit de rpartition

Cette source de bruit apparat lorsque le courant se subdivise en deux parties ou
plus. On la trouve, par exemple, dans les transistors bipolaires o les porteurs injects
de l'metteur se partagent en un courant de base (recombinaison) et de collecteur, ou
dans les tubes vide ayant plus d'une lectrode positive. Un porteur diffusant vers le
collecteur d'un transistor peut se recombiner ou non dans la base. De mme dans une
pentode, un lectron peut tre capt indiffremment par l'une ou l'autre des lectrodes
positives.
Cette rpartition arbitraire du courant provoque une perturbation alatoire qui
se superpose l'effet grenaille.
6.5.2 Bruit d'avalanche
Un bruit important est produit par les jonctions pn fonctionnant au niveau de
leur tension inverse de claquage (diodes Zener). Il est associ au phnomne d'avalanche qu'engendrent les ionisations d'atomes du cristal sous l'effet des collisions avec des
porteurs de charge acclrs par le champ lectrique appliqu.
On peut le considrer comme un bruit de grenaille amplifi.
6.5.3 Bruit induit
A hautes frquences, le courant de bruit circulant dans certains dispositifs lectroniques (triode, transistor effet de champ) induit un courant de brut de grille par
couplage capactif.
185
DRUIT DE FOND
6.5.4 Bruit d'mission secondaire

Dans les dispositifs bass sur l'amplification de courant par mission secondaire
(photomultiplicateur), le nombre d'lectrons secondaires mis pour chaque lectron
incident varie alatoirement. Ceci provoque une composante additionnelle de bruit.
6.5.5 Informations complmentaires
La prsentation faite des causes de bruit de fond est sommaire et non exhaustive.
Pour de plus amples dtails, le lecteur consultera la littrature spcialise [78,80 J. Les
conditions de mesure du bruit de fond sont dcrites dans [82], Les principes de conception de circuits faible bruit sont prsents dans [83.84 ].
6,6 FACTEUR DE BRUIT D'UN SYSTME LINAIRE
6.6.1 Rapport signal sur bruit

Si <ps(f) est la densit spectrale de puissance d'un signal utile, la puissance dans
la bande B vaut (toute composante continue tant exclue)
Ps
= a/
cIls (J')
df
(6.44 )
Soit <1>/1 (f) la densit spectrale de puissance rsultant de l'addition de toutes les
perturbations indpendantes, la puissance totale de bruit de fond
(6.45 )
correspond, pour la largeur de bande B, l'intgrale

Pt! =
(1)11
(l)
d!
(6.46)
Une mesure de la contamlnation du signal par le brut de fond est le rapport si

gnal sur bruit dfini au paragraphe] .1.5 :
(6.4 7 )
que l'on mesure gnralement en dcibels

~dB
10 log(Ps/Pn )
dB
(6.48)
6.6.2 Dfinition: facteur de brut moyen

Le [acteur de bnlt F la temprature conventionnelle Ta = 290 K dfInt la qualit d'un systme linaire (fig. 6.13 J du point de vue de son bruit propre: c'est le quotient du rapport signal sur bruit l'entre ~ 1 et du rapport signal sur bruit la sortie ~2
(6.49 )
186
Fig. 6.13
Ce facteur de bruit moyen mesure la dgradation du rapport signal sur bruit. Si
Pui est la puissance de bruit propre interne du systme et si G =PS2 /PSI est son gain de
puissance; on a
(6.50)
et
PU2
ni
+--
F=-- = l
GPul
(6.51)
GP IlI
ou, exprim en dcibels:

F dB
= 10 log F
(6.52 )
0 dB
Le terme
Pn
:.;:; F- J
(6.53 )
GP n1
est appel le facteur d'excs de bnt. La puissance de bruit l'entre qui sert de rf
rence est conventionnellement note, selon (6.4), Pn l =: kToBeq o Beq est la largeur
de bande quivalente considre.
Le rapport Pni/G =Pn1 (F- 1) reprsente le bnlit propre ramen l'entre. Pour
un systme idal (non bruyant) : Pni = 0 et F = 1.
6.6.3 Systmes linaires en cascade
Considrons la mise en cascade (fig. 6.14) de deux systmes ayant des gains de
puissance G 1 et G 2 et des facteurs de bruit FI et F 2 dfinis pour la mme puissance de
bruit l'entre Pn 1 =kToBeq. Par (6.51)
(6.54 )
et par (6.50) et (6.53)
Pn3
= G2 P1I2 + Pni2
= FI Gr G2Pnl
+ (F2 -
1 )G 2 P1I1
(6.55)
Mais, on a aussi pour le systme global
Pn3 = FGPlll = FG t G2 PIl1
(6.56 )
G.F
Fig. 6.14
187
BRUIT DE FOND
En combinant (6.55) et (6.56), l'expression du facteur de bruit global devient

F
FI
F2
(6.57 )
On peut facilement gnraliser cette expression pour un nombre quelconque

de systmes en cascade:
F = Ft +
F2
F3 - 1
+ ... +
Fm
111
(6.58 )
m-I
n C
i= 1
Si Cl }> F 2 - 1, F == FI : le hmit propre du systme global est principalement dtermin par le premier tage. C'est donc celuici dont la conception doit tre tout particulirement soigne afin d'en limiter au maximum le bruit propre.
6.6.4 Facteur de bruit spectral

En tenant compte des densits spectrales de puissance effectives, on obtient un
facteur de bruit dpendant de la frquence appel facteur de bl1ll spectral
(f)1 <{ln 1 Cf)
F(f) =
Q)s2
(6.59 )
Cl) 1{{ln 2 (f)
Reprsent en fonction de la frquence (fig. 6.15). ce facteur de bruit peut tre

dcompos en trois segments: un segment pente ngative en basses frquences o le
bruit additionnel en 11f domine endessous d'une frquence fa, un segment pente possitive en hautes frquences rsultant de la dcroissance progressIve du gain G(f) qui
varie sensiblement comme 1//2 au-del d'une frquence de coupure Jb. un domaine
constant entre fa etfb ne dpendant que du bruit thermique et du brut de grenaille.
F(j')
log!
Fig. 6.15
6.6.5 Schma quivalent de bruit d'un tage amplificateur

Les principales sources de bruit d'un tage amplificateur lmentare utilisant un
composant actif trois bornes (transstor bipolahe, j FEI, MOST, tube vide) sont le
bruit de grenaille du courant de commande Ip, celu du courant contrl Jo:.' le bruit
thermique de la rsistance srie r{J de l'lectrode de commande et celui de la rsistance
de charge R L (fig. 6.16). En caractrisant cn premire approxmation (chap. VII 1.2)
le comportement dynamique en rgime linaire du composant par sa conductance de
transfert gm = d1rx/d U{3' la source de courant de bruit de grenaille associe au courant
\88
10;0 peut tre remplace par une source de tension equivalente
l'entre de variance
2eluo B
(6.60)
")
g~
El1e s'ajoute la variance du bruit thermique de l'ventuelle rsistance srie

l'lectrode de commande U~Oi3::= 4 kTr{JB
2
__
2
UuOI
auOo;
+ a 2 O{3
r(J
de
(6.61)
Comme gm est gnralement proportionnelle 10'.0' la variance (6.60) est en fait

inversment proportionnelle gm'
aigu =V1eIexOB
r1
Rg
-r: J- - - o-t--t-+--~-7
_
=:=;>'... h.
l' ~
"r
,/
'- -
cr Il 01
crtlOs=V4kTRsB
- -
- 0 - - -......- - - & - - -......--0
schma quivalent de bruit
Fig. 6.16
Si la tension continue de polarisation apparaissant aux bornes de R L est suprieure 50 mV (voir exercice 6.8.4), la contribution due au bruit thermique est ngligeable vis--vis du bruit de grenaille U 10;'
Les sources de bruit propre ramenes l'entre sont ainsi essentiellement dtermines par le courant de commande et la conductance de transfert.
Ce modle simple suffit analyser en premire approximation les performances
de bruit de l'tage amplificateur dans la bande lb - j~. Le bruit thermique d'ventuelles
rsistances de polarisation l'entre peut tre pris en compte avec celui de la rsistance
interne de la source de signal. La contribution d'une rsistance de contre-raction R",
place entre l'lectrode 'Y et la terre revient ajouter (6.61) un terme additionnel
4 kTB(R",gm 2 )-1.
6.6.6 Facteur de bruit de l'tage amplificateur

Connectons une source de signal de rsistance interne Rs l'tage amplificateur
de la figure 6.16. La tension de bruit thermique de Rs possde, vide, une variance
(6.62)
La variance de la tension quivalente de bruit propre de l'amplificateur ramene

(forme nonnalisc de Pni/G) l'entre et value aussi vide vaut
(6.63 )
189
BRUIT DE FOND
Le quotient de (6.63) par (6.6:!) correspond au facteur d'excs de bruit (6.53)

d'o
F=I
auOI
2 R 2
+ aig(J
s
4 kT Rs B
1 +.!!+eI{3oR s
Rs
:!kT
e1nO
'2kTRsg~
(6.64 )
avec a~ 01 donn par (6.61 ) et a ~(j = 2 elfJQB.

Le facteur de bruit F dpend ainsi de la rsistance de la source. Il est minimum
pour une valeur particulire optimum Rso que l'on obtient pour la condition dF/dRs
== 0 :
(6.65 )
Cette rsistance optimum ne dpend pas directement de la rsistance d'entre Re
de l'amplificateur. Elle ne correspond en gnral pas celle requise pour assurer une
adaptation de puissance (Rs ==Rc).
Le facteur de bruit minimum vaut alors
F min == 1
allOI Oigf1
(6.66 )
'2 kTB
6.6.7 Exemple : tage amplificateur transistor bipolaire

Pour un tage amplificateur transistor en metteur commun, le rapport 10:.0/1(10
est le gain de courant f3 == Ica/IBo- La conductance de transfert vaut (chap. VIII. 1 )
temprature ambiante
gm
ICO/UT = elco/{kT) = 40 Ico
AV-
(6.67)
et 1'(1' usuellement dnote rbb' ( VIL5.3.4), est la rsistance intrinsque de la base

prise en compte dans le schma quivalent en 1T-hybride du transistor (fig. 6.1 7)
alg
{1
= 2
eBlco/f3
(6.68)
et
2
UuOl
(6.69)
La rsistance optimum de source vaut id, par (6.65)

(6.70)
...----9-"'0 - - ,
fJigCi
(1'
''
'-t'Y
1 C11/0L
r'"1
IIR L
~------+---+-~~-+~--~
schma quivalent de bruit
Fig. 6.17
190
THtOIUE ET TRAITEMENT DES SIGNAUX
et le facteur de bruit minimum, par (6.66)

(6.71 )
3
Si rbb'
100 n, (3 100 et Ico::::: 1 mA : gm ::= 40 10- Ay- 1 et la rsistance
de la source optimum vaut Rso::= 750 n. Dans ce cas, le facteur de bruit minimum
F min ::::: 1,3 ou 1,14 dB. L'volution deFen fonction deR s est reprsente sur la figure
6.18.
Alternativement, on peut rechercher le courant Ico qui minimise le facteur de
bruit pour une rsistance de source donne.
F
10
0,1
Fig. 6.18
6.6.8 Spcification usuelle du niveau de bruit de transistors ou d'amplificateurs

On se contente gnralement d'une indication globale. Dans l'hypothse o la
densit spectrale de bruit (gnralement spcifie sous sa forme unilatrale) est constante, la variance de la tension quivalente de bruit propre ramene l'entre est donne par
a~ol1 ::::: J (P;;OIl (1) dl = gl~Oll B
(6.72 )
et la valeur efficace est

D'UOIi
= V4>';OIl . Vii
(6.73 )
Afin d'tre indpendant de la largeur de bande, on indique gnralement la valeur
VtOIl
v/VRi
(6.74)
Par exemple: )<1);;011 32 nY/VHZ correspond n ;;01l 1024 10-IB V 2jHz
6
12
et pour une'bande passante B= 10 Hz, on a D'~OIl = 1024.10- y2 et allo n =32 J,J.V.
6.7 GNRATEURS DE BRUIT
6.7.1 Utilit d'une excitation alatoire

Le bruit est gnralement considr comme un phnomne indsirable. Il existe
toutefois des situations o il est souhaitable de disposer d'une source gnrant un bruit
de spectre et de puissance contrls [85 J. C'est le cas, en particulier, lorsque l'on veut
191
BRUIT DE FOND
soumettre un systme de mesure ou de tlcommunications des essais permettant de

dterminer son degr d'insensibilit au bruit. D'autres applications concernent la simulation de phnomnes alatoires, la synthse de la parole, 1'dentification dynamique de
systmes 1inaires, etc.
6.7.2 Types de gnrateurs
On djstingue deux types de gnrateurs de bruit. Ceux simulant un bruit partir
d'un signal pseudo-alatoire (sect. 5.10) et ceux qui amplifient le bruit de fond fourni
par un composant appropri (diode Zener, tubes gaz, etc.). Le lecteur intress trouvera plus de dtails dans la littrature spcialise [86].
6.8 EXERCICES
6.8.1 Calculer la puissance totale de bruit thermique obtenue pour une temprature
ambiante Ta = 290 K et une largeur de bande BI = 3,1 kHz (voie tlphonique) et
B 2 =: 5 MHz (tlvision).
6.8.2 Dterminer la valeur efficace de la tension de bruit thermique apparaissant aux

bornes du biple de la figure 6.19 si la temprature est de 290 K et la largeur de bande
considre est de 100 kHz.
Fig. 6.19
6.8.3 Dterminer la valeur efficace de la tension de bruit totale apparaissant aux bornes
du circuit de la figure 6.20 fonctionnant en rgime linaire si Uo =: 12 V, la temprature est de 290 K, la bande passante considre vaut 1 MHz et la caractristique de la diode est 1:::: 1s [ ex p ( UI UT ) - 1 ] avec 15 :::: 43 pA.
u.
j
Fig. 6.20
6.8.4 Dterminer pour quelle valeur de UR les contdbutions de bruit thermique et de

bruit de grenaille sont gales pour le circuit de la figure 6.20.
CHAPITRE 7
SIGNAL ANALYTIQUE
ET ENVELOPPE COMPLEXE
7.1 TRANSFORME DE HILBERT D'UN SIGNAL
7.1.1 Gnralisation du concept de phaseur

En lectrotechnique (chap. 1.8), on introduit la notion de valeur instantane
complexe d'une grandeur sinusodale u Ct) = cos (wo t + a)
ll(t)
exp[j(wot+a)]
exp(ja)exp(jwot)
(7.1)
cos (wo t + a) + j sin (wo t + a)
o = Illl dnote le module, (wot+ a) argll est la phase instantane de II et a est

sa phase initiale. La grandeur relle u (t) correspond ainsi la partie relle de la grandeur
complexe II (t).
Par (4.77), la transforme de Fourier de II (t) devient (fig. 7.1). avec fo woi (2n):
F{ll(t)}
exp(ja) 0 (f-fo)
:=
{Jo (f- fol
(7.2)
o fl = exp (j) est le phaseur qui contient l'information d'amplitude et de phase ini
tiale.
!Jo ([- [1})

[
[fi
Fig. 7.1
La transforme de Fourer de la grandeur complexe II (t) est donc nulle aux frquences llgatiJ'es.
La transforme de Fourier de la grandeur relle u (t) vaut, el1e, par (4.115)
F{u(t) == Ucos(wot+)}:::: +exp(jflfo)'[o(f+fo)+o(f-fo)]
(7.3)
Par consquent, (7.2) correspond la forme unilatrale de (7.3). Par (4.162)
F{ll(t)} = le(f)F{u(t)},
f ~ 0
(7.4)
194
Par analogie, on peut tendre cette reprsentaton complexe au cas des signaux
non sinusodaux dterministes ou alatoires [10, 17], en introduisant un signal complexe
dont la partie relle est le signal x (t). Cette reprsentation est limite au cas de signaux
valeur moyenne nulle dont Je spectre ne contient ainsi aucune raie 5 (f) il l'origine.
7.1.2 Dfinition: signal analytique

On appelle signal analytique (fig. 7.1) une fonction complexe du temps dont la
transforme de Fourer est la forme unilatrale de celle de la partie relle. En notant
cette partie relle par x (t),]a partie imaginaire par (t) et le signal analytique par ~ (t):
~(t);;;:: x(t)+jx(t)
(7.5)
avec
~(f) =
(tn
(7.6)
= X+(I) = "2e(f)X(f)
lm
Re
x(t )
Fig. 7.2
7.1.3 Dfinition: transforme de Hilbert

En dnotant par i (f) la transforme de Fourier de la partie imaginaire
on tire de (7.5), (7.6) et (I.10)
~(/)
= X(f)+jX(f) = 1e(f)X(f)
= [1+sgn(f)]X(f)
Par identification, on obtient: sgn (f):;: j X(f)f X (/), d'o

...
X(/)
- j sgn(f) X(/)
=j
sgn(- f)X(f)
x(t),
(7.7)
(7.8)
L'expression de la partie imaginaire est obtenue par transformation de Fourier

inverse en utilisant la proprit (4.14), le rsultat (4.89) et la quasi-symtrie (sect. 15.3)
des transformations directe et inverse (4.1) et (4.2) qui entrane que si X (f)
F{x(t)}:X(t)= F- 1 {x(-f)}:
v I l
x(t)= -
rr t
* x(t)
rr
""
f
X (T)
--dT
t-T
(7.9)
L'expression (7.9) est la translomze de Hilbert du signal x (t), parfois dnote
x(t) =H {x (t)}. On la rencontre aussi en thorie des circuits ( IV.7 .3.33) o elle tablit
un lien entre les parties relle et imaginaire de la fonction de transfert d'un systme
causal.
SIGNAL ANALYTIQUE ET
= j sgn (f )
/Y (f) =
COMPLEXE
195
H- 1 {x(t)} est obtenue partir de (7.8) en remar-
La transformation inverse x (t)

quant que
x ( f)
I~NVELOPPE
sgn(- f) X(f)
(7.10)
d'o
x (t)
1
v
- - *x(t)
1ft
x(r)
CO
1f
(7.11)
dr
t-r
_00
Les transformes (7.9) et (7.11) sont dfinies comme des valeurs principales de
Cauchy.
7.1.4 Exemple
Soit, par (4.117):x(t) =A cos (21ffot) +l- A [0 (f+ fol + (f- fo)]. Par (7.8):
X(f) == (j/2)A [5 (f+ fo) - (1- fo)] d'o, par (4.118): x(t) =A sin (2nfot). Le
signal analytique correspondant est ~ (t) = A exp (j 2nfo t), ce qui justifie l'analogie dve~
Joppe au paragraphe 7.1 .1.
-
1-
7.1.5 Exemple
Soit x (t)
=A reet (tl T). Par (7.9):
f"" rect (rIT)- [t - rr dr
.~ (t) :::: -
_00
A f 12 (t - r rI d r = Ait
+ TI21
ln
T
-T12
1f
1f
t -
TI2
Ces deux fonctions sont reprsentes sur la figure 7.3.

x(t)
x(1)
- T/1.
Tf1
Fig. 7.3
196
7.2 PRINCIP ALES PROPRITS
7.2.1 Linarit
La transforme de Hilbert ~~ (t) d'un signal x (t) est gale au produit de convolu~
tion de celui-ci avec une fonction g (t) = (11' trI. C'est donc une opration linaire qui
correspond ( 8.2.18) au filtrage de x (t) par un systme linaire (fig. 7.4) de rponse
impulsionnelle g (t ).
x(t)
Fig. 7.4
7.2.2 Dphaseur pur

Les transformes de Fourier du signal et de sa transforme de Hilbert sont lies
par l'quation (7.8). On en dduit que les spectres d'amplitudes sont identiques:
= IX(f)1
IX(f)1
(7.12)
alors que les spectres de phase ne diffrent que par un dphasage constant
v
argX(f)
11'
= argX(f)--:;-sgn(f)
(7.13)
Le systme de la figure 7.4 se comporte comme un dphaseur pur de 11'/2. Le

signal x (t) et sa transforme de Hilbert x(t) sont dits en quadrature.
7.2.3 Orthogonalit
Le produit scalaire
rme du produit (4.67)
<x,X>
< x, x> est nuL En effet, en introduisant (7.8) dans le tho-
tpxx(O) =
=j
x(t)x(t)dt =
x*(f)~f(f)df
IX(f)1 2 sgn(-f)df= 0
(7.14)
Le signal x (t) et sa transforme de Hilbert x(t) sont des fonctions orthogonales

sur l'intervalle - 00 < t< 00, Cette proprit s'observe facilement sur la figure 7.3.
7.2.4 Produit de convolution

Soit z (t) = x (t) * y Ct), alors
z(t)
x(t)*y(t)
= x(t)*y(t)
(7.15)
= X(f) Y(f) et par (7.8):

= jZ(f)sgn(-f) = jX(f)Y(f)sgn(-f)
En effet, par (4,14), Z (f)

Zef)
= X(f) Y(f)
=:
X(f) Y(f)
(7.16)
SIGNAL ANALYTIQUE ET
ENVELOPI'I~
197
COMPLEXE
On a galemen t :
= - x(t) :1: y (t)
x (t) '" y (t)
(7.17)
7.2.5 Produit de deux signaux dont les spectres ont des supports disjoints et J'un est de
type passe-bas
Soit z(t)=a(t)y(t)avecA(f)=Opour Ifl>Bet Y(f)=O pour Ifl<B,alors
z(l) = a(t)y(t)
(7.18)
En effet, on vrifie aisment que dOlls ce cas
i (f)
= j sgn (- f ) Z ( f) = j sgn (- f )[ A ( f)
= A ( f ) j sgn (- f )
* y (f
)]
y (f )
(7.19 )
7.2.6 Intercorrlation
Soit tPXY (r) = x (-r) * y (T) ou ~xv (r) = x (- r)
(r) la fonction d'intercorrla
tian de deux signaux rels nergie finie 'ou puissance moyenne finie. Par une procdure
semblable celle suivie au paragraphe 7.1.4, on montre que sa transforme de Hilbert est
gale
<pxy(r) =.tPx;;(r)
<'ox)'(r); ;;'Xy(r) = ~xJj(r)
En particulier, si y (t)
x (t), on 0 btient
-~xy{T)
(7.10)
(7.21 )
7.2.7 Signal causal

En vertu de (1.25) et (4.89), les transformes de Fourier des parties paire et impaire
d'un signal rel causal sont, un facteur j prs, des transformes de Hilbert l'une de
l'autre.
7.2.8 Reprsentation en fonction des parties du spectre frquences ngatives et

positives
Soit un signal rel valeur moyenne nulle
x(t)
X(f) exp (j2iTfl)df
(7.21)
avec
o
x_(t)
x+(t)
J
J
o
X(f) exp(j2iTft)df
X(f) exp (j1iTft)df
(7.23 )
(7.14 )
198
Ces deux composantes du signal x (t) sont conjugues complexes l'une de l'autre:
x+(t) =x~ (t). Elles sont directement lies au sgna] analytique, en vertu de (7.6):
+~(t)
x+(I)
= +[x(t)+ji(t)]
= +~* (t) =
x_(t)
(7.25)
(7.26)
[x(t)- j i(t)]
d'o les relations:

x(l)::: x_(t)+x+(t)
x(t)
=j
= +[~(t)+
[x_(t)-x+(t)] :::
(1)]
~ [~"'(t)-~(t)]
(7.27)
(7.28)
7.2.9 Autocorrlation et spectre de signaux nergie finie

Les densits spectrales d'nergie et les fonctions d'autocorrlation d'un signal
nergie finie x (t) et de sa transforme de Hilbert sont identiques. En effet, par (4.55)
et (7.12)
4>x([)::: IX([)1 2
::=
I.lY([)1 2 = <Pi(f)
(7.29)
et par transformation de Fourier inverse
~ (T)
= tPx (r)
(7.30)
Des rsultats semblables sont obtenus dans le cas de signaux dterministe ou alatoire puissance moyenne finie.
7.2.10 Signaux alatoires

Bien que la dfinition du paragraphe 7.1.2 ne s'applique pas formellement au cas
des signaux alatoires dont la transforme de Fourier n'est pas dfinie -- le concept de
signal analytique et de transforme de Hilbert s'tend sans autre cette catgorie de
signaux. Le signal analytique (7.5) d'un signal alatoire stationnaire, ergodique, et
valeur moyenne nune x Ct) est obtenu en lui adjoignant une partie imaginaire i (t) dfi
nie par la convolution (7.9). On a alors, de manire analogue (7.29) et (7.30), identit
des fonctions d'autocorrlation et des densits spectrales de puissance:
(7.31 )
R;(T)
et donc
p;(f)
= 4>x(f)
(7.32)
De plus, par analogie avec (7.21)

Rx(T) = Rxx (T) = - R;x(r)
(7.33)
avec en particulier
R.~;(O)
= Rxx(O)
=0
(7.34)
ce qui entrane que le signal alatoire x (t) et sa transforme de Hilbert i (t) sont non
corrls (et donc statistiquement indpendants dans le cas d'une distribution gaussienne
SIGNAL ANALYTIQUE ET ENVELOI'PE COMPLEXE
199
en vertu du paragraphe 5.7.3, puisque la transformation de Hlbert est une transformation linaire et que celle-ci conserve le caractre gaussien).
De (7.8) et (7.33), on tire galement les quivalences
(7.35)
7.2.11 Dmonstmtions
Les rsultats du paragraphe prcdent s'obtiennent facilement en observant que,
pour un signal stationnaire et ergodique, on peut crire, en utilisant la relation (5.59)!
Rx(T) = X(- 1')
*x(1') = X (- 1') * (-1fT)-l *" x (1') * (7TT)-1
= Rx(T) * [(-1fTf 1 * (1fT)-I] = Rx(T)*p-l{jsgn(f)'jsgn(-fn

= Rx (T)
* F- 1 {I} = Rx(T) * Il (1') = R;x (1')
(7.36)
D'autre part, en tenant compte galement de (7.17)
Rx(T) = Rx (1')
* (7TT)-1
= x (- Tfj;
x(1')
X (- T)"* x (1')
= X(- 1') *X(T)
* (7TTr l
(7.37 )
avec, en particulier:
~
J F{Rx(T)
'1:
(1fTfl}df
=j
J <-p;x(f)sgn(-f)df= 0 (7.38)
puisque <Px (f ) est une fonction paire et sgn (- f) est une fonction impaire.
7.2.12 Double transfonnation de Hilbert

D'une manire gnrale, on a
i (t) = - x (t)
(7.39)
Ce rsultat se dduit directement de (7.15) et (7.17).
7.2.13 Fonction d'autocorrlaton et densit spectrale du signal analytique

La fonction d'autocorrlation du signal analytique.!' (t) associ au signal ala
toire rel x (t) est donne par la relation
-
(7.40)
o Rx(T) = H {Rx (T)}. L'expression (7.40) a aussi la forme d'un signal analytique.
La densit spectrale du signa) analytique.! (t) est alors lie celle du signal alatoire x (t) par la relation
-
(7.41)
o E (f) est le saut unit dfini par (l.20). Cette relation est llustre par l'exemple de
la figure 7.5.
200
o
Fig. 7.5
7.2.14 Dmonstration
Le signal analytique tant une fonction complexe, sa fonction d'autocorrlation
vaut, d'aprs (5.78), (7.31), (7.33):
R~(r)::= E[~*(t)~(t+r)]
::=
Rx{T)
+ R;(r) + j Rxx(r) -
(7.42)
j Rxx (T)
== 2 [Rx(r)+jRx(r)]
Par transformation de Fourier et (7.35)

rb x Cf) :: 2 [1 +sgn (f)] rbx{f)
= 4(f)<px(f)
(7.43)
::: 2P~{f)
7.3 ENVELOPPE RELLE ET PHASE D'UN SIGNAL
7.3.1 Forme polaire du signal analytique

La forme cartsienne (7.5) du signal analytique est quivalente la forme polaire
(fig. 7.6)
~(t) == rx(t) exp [j4>xCt)]
(7.44)
dont le module vaut

rx(t) == 1~(t)1
= v'X2(t)+~P(t)
(7.45)
[m
Re
.tU)
Fig.7.6
201
SIGNAL ANALYTIQUE ET ENVELOI'PE COMI'LEXE
et l'argument est
f/Jx(t)
= arg~(t) = arctan [x (t)jx(t)]
(7.46)
7.3.2 Modles de l'enveloppe et de la phase instantane d'un signal. Dfmitons

Un modle de l'elweloppe d'un signal x (t) est, par dfinition, le module r x (t) du
signal analytique ~ (t). D'autres dfinitions peuvent aussi tre proposes [87].
Le modle de la phase instantane du signal x (t) est, par dfinition, l'argument
rjJx (t) du signal analytique ~ (t).
7.3.3 Dfinitions: pulsation et frquence instantanes

La pulsation illstalltane est gale la drive de la phase instantane par rapport
au temps:
(7.4 7)
et la frquence instantane vaut, par consquent
w(t)
'ln
x (t)x (t) -
let) = _ I _
l
'ln
dt
x(t)x (t)
(7.48)
2rr r~ (t)
o x(t) = dxj dt.

Cette fonction correspond approximativement la sortie d'un circuit discriminateur de frquence.
7.3.4 Exemple: sgnal sinusodal

Pour un signal de type sinusodal x(t)==Acos(wot+), on obtient, selon l'exemple 7.1.4, X (t) == A sin (wot + 0:) et ~ (t);::: A exp [j (wot + 0:)], d'o l'enveloppe r;x (t) ==
lAI et la phase instantane rjJ x (t) = wot +0:. La pulsation instantane W i (t) = dq)x (t) /
dt;::: Wo et la frquence instantane fi(t);::: Wi(t)/ (2n) = fo.
Les dfinitions des paragraphes 7.3.2 et 7.3.3 sont donc cohrentes avec les concepts traditionnels de phase, de pulsation et de frquence. De plus, le modle propos
d'enveloppe d'un signal est conforme la notion intuitive que l'on peut s'en faire dans
ce cas.
Par (7.41), la densit spectrale du signal analytique associ au signal sinusodal
est ipx (f) A 2fi (f - fo) et la fonction d'autocorrlation correspondante vaut l{Jx (r) =
A 2 exp (j 2n fo 1).
=
7.3.5 Exemple: signal sinusodal modul

Soit un signal sinusodal dont l'ampHtude a (t) est une fonction du temps de spectre passe-bas, nul pour If 1 > B avec B <fo = Wo / (2 7T): x (t) =a (t) cos (wot + 0:). Sa
transfonne de Hilbert vaut, par (7.18) et l'exemple prcdent: (t) a (t) sin (wot +
). Le signal analytique correspondant est ainsi ~ (t) = a (t) exp [j (wot +) l d'o l'on
tire l'enveloppe 'x(t) = la(t)1 et la phase instantane rjJx(t) = wot + 0:.
Ce signal et son enveloppe sont reprsents sur la figure 7.7.
102
x(t} ;;; a(!) cos(wol
+ o;}
/ enveloppe rx (t) -= la (t) 1
.
/
/ .... .... ./
,
Fig. 7.7
7.3.6 Exemple: signal transitoire

La figure 7.8 reprsent un signal transitoire y (t) produit par l'enclenchement
d'un moteur lectrique et son enveloppe selon (7.45) calcule l'ordinateur.
yU)
enveloppcry(t)
ly(t)1
Fig. 7.8
7.3.7 Exemple: signal alatoire

La figure 7.9 reprsente un signal alatoire (simul en fait l'ordinateur par un
signal pseudoalatoire) et son enveloppe calcule.
z(t)
Fig. 7.9
203
7.3.8 Statistique de l'enveloppe et de la phase instantane d'un bruit gaussien

Si 11 (t) est un bruit gaussien valeur moyenne nulle et variance a~, sa transforme
de Hilbert il (t) :::: 12 (t) * (1Tt )-1 est galement un bruit gaussien, de meme variance en raison de (7.31), non corrle - et donc indpelldant - en raison de (7.34).
L'enveloppe r JI (t) = [11 2 (t) + il 2 (t)] 1/2 est donc elle~meme une grandeur alatoire
dont la distribution statistique est facilement obtenue en effectuant la transformation de
coordonnes cartsiennes en coordonnes polaires dcrite au paragraphe 5.1.23.
Pour 11 (t) et il (t) gaussiens, la densit de probabilit de l'enveloppe est la loi de
Rayleigh (5.52) reproduite ci-dessous:
rlf ~ 0
(7.49)
La phase instantane est, elle, une variable alatoire unifonnment distribue, selon (5.53),
et indpendante de l'enveloppe, selon (5.54):
1
PrfJ(r/J)::::7~
0~rP<21T
_1T
(7.50)
7.3.9 Distnoution .de l'enveloppe et de la phase instantane d'un signal additionn de

bruit gaussien
Soit un signal perturb
x (t) ::::
S (t)
+ Il (t)
(7.51 )
o s (t) est un signal utile et 11 (t) un bruit gaussien valeur moyenne nulle et variance
L'enveloppe du signal perturb est donne par
a?t.
(7.52 )
En posant:
x ::::
+ 12
= rx cos rP ;
x = s + il
= rx sin rP
(7.53)
et en utilisant la transformation de coordonnes cartsiennes en coordonnes polaires

11 et il tirs de (7.53) dans (5.49) et valua-
( 5.1.23), on obtient aprs introduction de

tion de (5.47),
(7.54 )
(7.55)
est l'enveloppe du signal utile seul, avec s=r s cosrPs et =rssinrPs'

En introduisan t l'expression de la fonction de Bessel modifie d'ordre zro (88]
1
Jo():::: 21T
2n
f
o
exp(cosrP)drP
(7.56)
204
THORIE ET TItAITEMENT DES SIGNAUX'
on obtient, par l'intgration de (7.54) par rapport cp ;:;: CPx - q, s' la densit de probabilit
de renveloppe r x (t), appele distribution de Rice-Nakagami (fig. 7.10)
rx
cr;'
[ri+r;] oJo (rxrs)

--
exp -
C1,~1
2a~
cr;'
l'x ~
(7.57)
Pr(rx )
~=o
0,6
0,5
= 100
0,4
0,3
0,2
0,1
10
12
Fig. 7.10 Distribution de Rice-Nakgami pour diffrentes valeurs du rapport signal sur bruit
t=rUcr~.
En l'absence de signal utile: s (t):; 0, rs(t) = 0 et l'x (t)::= rn (t). La valeur Io (0) =1
et (7.57) s'identifie (7.49).
Dans le cas d'un simple signal sinusodal s (t)::: A cos (wo t +0;), rAt);:;: lA 1La distribution de RiceNakagami intervient dans l'valuation des perfonnances de
systmes de tlcommunications et de radar utilisant la dtection d'enveloppe. A fort rapport signal sur hruit ~ =
elle se rapproche d'une loi de Gauss.
La distribution de la phase instantane est obtenue par intgration de (7.54) par
rapport r x [24]:
r; /a;"
PfjJ(ifJ)
o 'Y =
= (27T)-lexp[-r;/(2a~)]'{1+'YV;exp('Y2)[l+erf'Y])
(7.58)
rs cos cp / (VIail) et erf'Y est la fonction d'erreur dfinie par (14.108).
7.3.10 Dfmition: phaseur alatoire

Certains phnomnes alatoires peuvent tre reprsents par une somme vectorielle
de composantes alatoires. Chaque composante est alors dcrite par un vecteur du type
(7.44)
(7.59)
dont le module r k et la phase instantane ,pk sont des variables alatoires. Un tel vecteur
est appel pllaseur alatoire.
L'tude d'un phnomne correspondant un tel modle revient considrer le
comportement d'un phaseur rsultant
n
rexpU~)
L rk exp(j9k)
k=O
possdant aussi un module alatore r et une phase alatoire q, (fig. 7.11).

On donne parfois ce type de phnomne le nom de marche alatoire.
(7.60)
205
Fig. 7.11
7.3.11 Applications
Ce modle permet de dcrire le comportement de l'enveloppe d'un signal d'amplitude et de phase donnes auquel est ajout du brut reprsent par une somme de phaseurs alatoires.
Il peut aussi tre utilis pour caractriser les fluctuations alatoires affectant la
transmission d'un signal radiolectrique lorsque plusieurs signaux de mme frquence
interfrent les uns avec les autres. Ces interfrences peuvent tre dues de multiples
rflexions, sur les couches ionises de l'atmosphre par exemple (fig. 7.12), ou causes
par des turbulences atmosphriques provoquant des variations locales de l'indice de
rfraction. Ces fluctuations engendrent un phnomne d'vanouissement (en anglais:
fading).
ionosphre ou troposphre
Un modle approximatif de ce type de perturbation est obtenu en dcomposant
le signal reu en une somme de termes correspondant aux contributions respectives de

l'onde directe et des multiples ondes rflchies:
rexp(j9) = ro exp (j4>o) +

~-,--
onde
directe
L"
rkexp(j~k)
(7.61 )
k=l - , - -
ondes
rflcles
La phase de l'onde directe 4>0 peut tre prise, pour simplifier, comme phase de rfrence
(fig. 7.13).
206
Fig. 7.13
La mthode gnrale de rsolution fait intervenir nouveau la transformation de

coordonnes cartsiennes x et y en coordonnes polaires r et f#> ( 5.1.23) avec:
Il
Il
rcos';
xk
k=O
r sin';
(7.62)
rk sin ~k
(7.63)
Il
Il
rk cos (Jk
k=o
Yk
k=O
k=o
Connaissant les proprits statistiques des rk et 9k' on en dduit la densit de

probabilit conjointe p (x ,y) de x et y. On peut ensuite, en utilisant le rsultat (5.47),
dterminer la densit de probabilit conjointe P (r, f/J) des variables r et 9.
Les densits de probabilit marginale sont alors donnes par
271"
Pr(r)
P (r, tP) dtP
(7.64)
p (r. tfJ) dr
(7.65)
Prp (tfJ) =
f
0
7.3.12 Somme de phaseurs alatoires indpendants: phaseur de Rayleigh

Considrons la somme (avec ro = 0, ondes rflchies seules)
II
rexp(j~) =
(7.66)
rkexp(j>k)
k=)
o tous les phaseurs xk = rk exp (j9d sont statistiquement indpendants. On suppose

de plus que les variables rk sont identiquement distribues et que la densit de probabilit des phases tfJ k est uniforme:
1
PIP(tfJ)'= ~,
_1f
0 ~ tfJ
<
(7.67)
21f
On suppose galement que les variables
rk
et
tP k sont indpendantes.
207
SIGNAL ANALYTIQUE ET ENVELOPI'E COMPLEXE
Si la sommation est effectue sur un nombre n de termes assez grand, les variables
alatoires
11
=:
fk
cos4lk
(7.68)
rk
sin 4a k
(7.69)
k::::1
11
Y ==
L
k=l
sont approximativement gaussiennes en vertu du thorme de la limite centrale ( 5.s .3).

De plus, ces deux variables sont aussi non corrles.
n
11
k=l
1=1
L L E[rkrtlE[cos9ksinpil
E{xy] ==
(7.70)
car E [cos tfJk sin 9/] = 0 pour tous k et 1. Il s'ensuit que les variables gaussiennes x et y
sont statistiquement indpendantes. Leur valeur moyenne est nulle
E [x]
= L
E [ rd E [cos () d=:O
(7.71 )
E[rk]E[sin~d
(7.72)
k=l
n
E[y]
=0
k=f
car E [cos ,,k] = E [sin tf>k] = 0 et leur variance est donne par
.,
E[y-]
Il
=:
-E[r]
2
k
(7.73)
car
Il
E [x 2 ]
=l
E [r~] E [cos 2 ~k]
(7.74)
k=f
et
(7.75)
o
En procdant la transformation en coordonnes polaires, on constate que renveloppe r et la phase 9 du processus possdent respectivement, comme au paragraphe 7.3.8)
une distribution de Rayleigh (7,49) et une distribution uniforme (7.50). La rsultante
r exp (9) est parfois appele phaseur de Rayleigh.
7.3.13 Somme d'une constante et d'un phaseur de Rayleigh

Si, dans l'expression (7.61), on considre "0 comme une constante et l/lo =
d'autres termes ,po est prise comme phase de rfrence), on il
rexp(j9)
rD
rk
exp(j9k)
a (en
(7.76)
k=l
Ce cas correspond une transmission avec onde directe. La densit de probabiIit
208
conjointe des variables alatoires x et y devient alors

l
_1Ta
p:xy(x,y) = ~ exp
[(x-r of + y2 ]
_a
(7.77)
La transformation en coordonnes polaires donne

PrljJ(r,t/J)
[(rcos1J-ro)'2+r2sn2t/J]
[,2 +r5]
[rorcos1J
]
exp ..
exp
..
exp - - - - -2 - - - 21Ta'1
2a
21Ta 2
avec r
2a~
(7.78)
a-
a et a ~ 9 < 21T.
En intgrant par rapport rp et en introduisant l'expression intgrale (7.56) de

la fonction de Bessel modifie, on retrouve pour l'enveloppe la distribution de RiceNakagarni (7.57):
[1'2+r5]
,.,"
Pr(") = -.. exp a-
La distribution de la phase
L.a-
10 (rro)
-.,
a-
(7.79)
t; est, elle, identique (7.58).
7.4 ENVELOPPE COMPLEXE ET REPRSENTATION DES SIGNAUX

SPECTRE PASSE-BANDE
7.4.1 Dfmition de l'enveloppe complexe

Soit le signal analytique:! (t) = x (t) + jx (t) et une pulsation arbitraire
L'expression
-
Wo
!. (t) = ~ (t) exp (- jWot)

est appele enveloppe complexe du signal rel x (t). Les parties relles et imaginaires sont
notes a (t) et b (t), son module et son argument sont l'enveloppe relle r(t) et une
phase instantane ~ (t) lie celle du signal analytique cp (t) et dpendante du choix de
Wo (fig. 7.14):
!. (t) = a(t) + j b (t) = r(t) exp [j~(t)]
(7.81)
avec
(l(t)
= cp
(t)-wot
arctan[b(t)fa(t)}
(7.82)
et
(7.83)
En dveloppant (7.80), on obtient par identification
a(t)
b(t)
= r(t)cos[~(t)] = x(t) cos(wot) +x(t) sin (wot)

= rU) sin [~(t)] = x(t)cos(wot) -x (t)sin(wot)
(7.84)
(7.85)
209
lm
\\.';(1)
\
1\
1\
1 \
1 \
.... ....
\
\
bU)\"
\
\
......
1.--
1-0U )
1
Re
x(t)
Fig. 7.14
ou inversment
x (t) = Re .:( t) exp (j Wo t )}

r (t) cos [wot
+ a(t)]
= a(t)cos(wot)-b{t)sn(wot)
(7.86)
= r(t)sin[wot+a(t)]
= b (t) cos (wo t) + a (t) sin (wot)
(7.87 )
et
x(t)
Les fonctions a (t) et b (t) sont appeles respectivement les composantes en phase
et en Quadrature du signal x (t). Si celui-ci est alatoire et stationnaire au sens large, a (t)
et b (t) sont aussi des signaux alatoires stationnaires.
L'enveloppe complexe dfinie par (7 .80) est lie au signal analytique. Cette reprsentation n'est pas unique, mais elle est juge optimale [89].
7.4.2 Thorme
Soit x (t) un signal, alatoire ou non, spectre
-dire nul except dans l'intervalle de frquence
qJx (f)
passe-bande (fig. 7.15) c'est-
fI < If 1 <f2, avec 0 <fI </2 < oc.
a
(l'aU)
= III1,(f)
r .~
. "'" \ t
\
Fig. 7.15
Il)r
(f) ::::
t[II)r (f)
+ IJ'r
(- f)]
cll.~ (f + 10 )
210
Alors x(t) peut s'crire sous la forme (7.86) avec
cp x (f) =
[(p! (- f - fo ,)
+ cI>!. (f -
fo )]
(7.88)
pr(f) = tPx(f+fo) = 2q,~(f+fo)

-
(7.89)
:![cI>a(f)+jcI>ab(f)]
est la densit spectrale de l'enveloppe complexe, fonction relle non ngative, mais pas
ncessairement paire en f.
Les densits spectrales des composantes a (t) et b (t) sont ici identiques
cp a ( f) =
(I) b
(f) =
t [cp! ( f ) + cP!. ( - f )]
(7.90)
Elles occupent une largeur de bande 2B. centre sur l'origine f= 0, avec
(7.91 )
Si fi <fo <f2 : a (t) et b (t) sont des signaux il spectre passebas.
Si
fa
~fl,
l'enveloppe complexe est eHe-mme un signal analytique: L (t) = !!.. (t) et

CPg (f).
-
b(/)=o (t) car CP!..(f)=l(P;(f )::::
7.4.3 Dmonstration
Par (5.78), (5.198), (7.80) et (7.81) et par analogie avec (7.31) et (7.33)
R r (T)
= E L!" (t) !
R~ (T)
(t
+ T)]
= 2 [Ra ( T)
+ j Rab ( T )l
exp (- j :2rrfo T)
(7.9:!)
et par (4.17) et (7.41)

(Pr ([) = :2 [<f)a(f)
+ j4>ub(f)]
(Ilx(f+ fa)
2(I)~(f+ fo}
(7.93)
Ainsi
t [<f}~(- f) + (1):( f)]

= t [Il>!.. (- f - fo ) + cf 1: (f - fo )]
(I>x( f) =
(7.94 )
La densit spectrale de l'enveloppe complexe est relle et non ngative en raison

de la symtrie hermitienne de la fonction d'autocorrelation d'un signal complexe. Elle
est paire en f si les composantes a (t) et b (t) sont orthogonales.
La denst spectrale de a(t}ou b (1) s'tablit, partir de (7.84) ou (7.85), par
transformation de Fourier de la fonction d'autocorrlation correspondante. Par exemple
Ra(T) = E [a(t}a(t
+ T)]
= t[Rx(T)+R_~(T)]cos(woT)+t[Rxi(T)-Rix(T)l sin(woT)
(7.95 )
Avec. par (7.31) ct (733), Rx (r) = Ri (T), Rxx (T) = - Rix (r) et, par (7.35). {I).h: (f):::::
x(f ) = j (Px (f ) sgn (f ), on obtient aprs transformation
- (Px
211
SIGNAL ANALYTIQUE ET ENVELOPPE COMI'LEXE
1
- 2/0
III X
Cf - lo}
10 - Il
o 10 -II
2/0
cJ)x Cf + lo} sgn(f + 10 )
- 2/0
2/0
'lB
Fig. 7.16
111
'a(f)
+ <px(f) sgn(f)
==
* 1- [5(f+fo)-5(f-fo)]
1- cI>x(f + fo) + t Px(f - fo) + t {Px (f+ fo) sgn (f + fo)
-t P (f - fa) sgn ( f - fo )
: : t [<p~(f+ fo) + cp~(fo - f)] = t [cp!,(f) + cp!, (- f)]
x
(7.96)
et la largeur de bande occupe vaut 2B avec B = max (Ifl - fo 1, If2 - fo 1) ainsi que cela
est illustr sur la figure 7.J 6 pour le cas o fI <fo < f2'
7.4.4 Commentaire
Un signal spectre passe-bande est donc uniquement dtermin par ses composantes en phase a (t) et en quadrature b (t), donc par sa seule enveloppe complexe r (1) =
a (t) + j b (t) = r (t) exp [j (t)] qui est l'analogue du pllaseur [z:::: exp (j) d~ne grandeur purement sinusodale.
Si fi < fo < f2, ces composantes sont de type passe-bas, de frquence maximum
Chacune d'elles peut tre reprsente par une srie cardinale. du type (3.82). Cette proprit est mise profit dans rtablissement du throme d'chantillonnage des signaux
de type passe-bande nonc au paragraphe 9.3.8.
Il rsulte de (7.90) que les puissances (variances) des composantes a (t) et b (t)
sont identiques et gales cenes de x (t).
7.4.5 Cas particulier

Si la densit spectrale q).\: (f) est localement symtrique par rapport fo. c'est
-dire si
<P;(f+fo) :::: 4>;(fo-f)
(7.97)
la relation (7.96) se rduit

iPa(f)
= <]:>;(f+fo)
:::: t(Il!.(f)
(7.98)
d'o
<Ilx(f):::: trp.~(f)+1-(p;(-f)
1
'2 cI>a (f'" fo) + '2 4>a (f + fo)
(7.99)
:::: 4>a(f)*t[0(f-fo)+5(f+fo)J
Par transfonnation inverse, la fonction d'autocorrlation devient dans ce cas

(fig. 7.17)
(7.1 00)
Les composantes a (t) et b (t) sont ici orthogonales: Rab (T) = 0 et cp ab (f) == O.
Ainsi, un signal spectre passe-bande localement symtrique est quivalent une
oscillation sinusodale de frquence fo, multiplie par une composante indpendante de
type passe-bas a (t). C'est le signal sinusodal modul de l'exemple 7.3.5, dont l'envelop
pe relle est 1a (t) 1.
213
SIGNAL ANAL YTIQUE ET ENVELOPPE COMPLEXE
CPx (f)
-/0
/0
Fig. 7.17
7.4.6 Signaux bande troite et cas gaussien

Si 12 - ft ~ fo avec fI < fo < f2 , les composantes en phase a (t) et en quadrature
b (t) sont variation lente. Il en va de mme de renveloppe reHe r(t) et de la phase a(t).
La frquence instantane (7.48) devient
li(t) = fo
+-
1 da(t)
271"
-dt
= fo
a(t)b(t)-ti(t)b(t)
211'[a 2 (t)+b 2 (t)]
(7.101)
Dans le cas d'un signal (ou bruit) alatoire gaussien bande troite de variance cr 2 ,
les composantes a (t) et b (t) sont elles-mmes des signaux gaussiens indpendants, de
mme variance a 2 et spectre passe-bas. La phase a (t) est uniformment distribue entre 0 et 211' et l'enveloppe relle r(t) possde la distribution de Rayleigh (7.49).
Si le signal possde un spectre <px(f) = 1] {rect [(/+ I*)/B] + rect[(f-/:lJ/B]),
on a par (7.90), en posant fo = f*, <Pa (f) = <Pb (f) = 1] rect (f / B) avec cr.~ = a~ =
1]B.
1-
7.4.7 Application la reprsentation vectorielle d'un signal perturb

Considrons un signal sinusodal s (t) = A cos (wo t + a) de frquence fo et de phase
alatoire a, perturb par du bruit additif n (t) bande troite centre sur fo. Conformment au modle dvelopp prcdemment, on peut crire (fig. 7.18)
n (t)
an (t) cos (wot
+ a)
b n (t) sin (wot
+ Il)
(7.102)
et
x(t)
= s(t)+n(t)
= [A + an (t)] cos CWot + a) -
bu Ct) sin (wot
+ a)
(7.103)
214
L'extrmit du vecteur ~ (t) dcrit dans le temps une trajectoire alatoire dans le
plan complexe. Lorsque n(t) est bande troite, la vitesse relative de l'extrmit du
vecteur .!(t) est faible vis-vs de la vitesse angulaire wo.
Cctte
est d'une grande utilit pour l'valuation de l'influence du
bruit additif sur les signaux moduls. La composante en phase intervient dans l'tude de
la dmodulation d'amplitude et la composante en quadrature dans ceBe de la dmodulation angulaire (phase ou frquence).
D'une manire gnrale, la reprsen tation (7.86) des signaux spectre passe-bande
facilite l'tude thorique des mthodes de modulation u tilisan t une porteuse sinusodale
(chap. Il).
o 7.4.8 Application au radar: fonction d'ambigut. Dfinitions
Considrons l'mission d'une impulsion radar dcrite par
s (t)
rs{t) cos [wot
+ a (t)]
(7.104 )
dont l'enveloppe "s(t) et la phase Ct! (1) sont des fonctions relles variation lente vis-ii-vis
de wot.
Le signal d'cho peru est retard par rapport au signal mis d'une quantit to
proportionnelle :i la distance de l'antenne la cible et sa frquence est dcale par effet
Doppler d'une quantit Id proportionnelle la vitesse radiale de la cible (sect. X III 8.1).
Son amplitude, enfin, est rduite par un facteur d'attnuation k.
En utilisant le formalisme d'criture du signal analytique. les signaux d'mission et
de rception sont reprsents respectivement par
J (t)
=!
(7.105 )
(t) exp [jwot]
et
~r(t)
(t - t 0 ) exp [j 2 rrid (t - t 0
k! (t - ta) exp [j 2 rr (la +id) (t - ta)]
(7.106)
! (t)
a (t)
+ j b (t) = rs(t} exp [j a(t)]
(7.107)
est l'enveloppe complexe (7.80).

Si plusieurs cibles sont prsentes dans le volume illumin pur le faisceau radar, un
problme de rsolution est pos puisque plusieurs chos seront identifier. De plus. le
215
signal radar est gnralement form d'un train priodique d'impulsions et non d'une
impulsion unique, cc qui peut crer des ambiguts. En effet, si deux cibles sont situes
l'une par rapport l'autre une distance correspondant un multiple de l'intervalle de
temps sparant deux impulsions, elles seront difficiles discriminer. Une ambigut du
mme ordre existe aux frquences multiples de la frquence fo Jors de l'estimation des
vitesses radiales par mesure du dcalage Doppler.
Supposons que le signal mis soit reprsent par le signal analytique 1 (t) et que
le signal peru en retour, d la somme des chos 1rl (t) et lr2 (t) de deux cibles, soit le
suivant (l'un des chos est pris comme rfrence temporelle:-Ies attnuations sont supposes gales et seul l'cart v des dcalages Doppler est pris en compte, pour simplifier)
(7.108)
Pour obtenir une bonne rsolution, il faut que le signal l (t) choisi, c'est--dire en
fait renveloppe complexe! (t), ,soit tel que les contributionsdues aux deux chos soient
aussi diffrentes que possible pour une trs large gamme de valeurs de T et v. On cherche
donc maximiser la distance euclidienne (3.3)
= 1k'
LIIJ:
(1) l' d / - Re
[_l J:*(I) J: Ct +
T) exp (j 211V/) dt
l!
(7.109)
La premire intgrale de (7.109) est l'nergie de l'enveloppe et la seconde est un

produit scalaire: une sorte de fonction d'autocorrlation bidimensionnelle en T et v dont
il faut minimiser le module pour T =1= 0 et v =1= 0 de manire obtenir une bonne rsolution.
Avec s (t) r (t) exp (jwot), cette seconde intgrale devient
'"
::::
J(r,v) = exp (jWoT)'X(T,V)
(7.110)
avec
X(T,V) =
J .("(t)!(t+T)exp(j2rrvt)dt
(7.111)
Selon les auteurs [11, 27, 67,90,91,92], la fonction X(T, v), son conjugu complexe ou
son module carr 1 X (T, v)1 2 sont appels fonction d'ambiglt du signaL
La signification de cette fonction est la suivante: deux cibles dont les chos diffrent d'un retard r et d'un dcalage Doppler v ne peuvent pas tre distingues si 1X( T, V)j2
est gal Ix(O,0)1 2 et sont difficiles distinguer si Ix(r,v)l'2 est presque gal
Ix(O,O)1 2
En appliquant le thorme du produit (4.67), la fonction X(T, v) peut aussi s'crire

x(r,v)
o
!S (f)
J /};(f) !f'(f+v)exp(j2rrfr)df
= F {! (t)}.
(7.112)
216
THORIE ET TRAlTE/'.IENT DES SIGNAUX
En particulier, on tire de (7.111) la projection
X(T, 0)
r*(t) r(t+T)dt
= ~L(T)
(7.113)
qui est la fonction d'autocorrlation (4.38) de renveloppe complexe. Pour une bonne
rsolution dans l'estimation de distance, cette fonction devrait se rapprocher le plus possible d'une impulsion de Dirac.
De manire analogue. on tire de (7.112) le rsultat
x(0, 11)
J 13
(f) 13*(f + v) df
= tP~ (v)
(7.114)
qui est une fonction d'autocorrlation frquentielle de la transforme (spectre) de renveloppe. A nouveau, pour une bonne rsolution dans l'estimation de vitesse radiale. cette
fonction devrait aussi se rapprocher le mieux possible d'une impulsion de Dirac.
La valeur l'origine
(7.115)
correspond l'nergie de l'enveloppe. Celle-ci est eUe-mme gale au double de l'nergie
du signal rel s (t).
La fonction lx (T, v) 12 dcrit une surface au-dessus du plan T, Il, de valeurmaxirnaIe
2
1X(0,0) 1 Une indication de la rsolution combine en temps et en frquence est fournie par l'aire de la base d'un cylindre, de hauteur gale W2 = lx (0, 0) 12 et de volume
identique celui compris sous la surface Ix(r,vI 2 , appele aire effective d'ambigut:
= W-
.JJ IX(T,V)l2 dT dv
(7.116)
On montre (exercice 7.6.10) que cette aire est indpendante du choix du signal et
toujours gale l'unit. Ce rsultat fixe une limite thorique aux possibilits de rsolution conjointe en temps et en frquence.
On dfinit galement un pouvoir de rsolution temporelle (ou en distance)
(7.117)
et un pouvoir de rsolution frquentielle (ou en vitesse)
(7.118)
Les positions de deux cibles dont les chos sont d'ntensits comparables pourront difficilement tre distingues si ces chos sont reus avec un dcalage temporel infrieur il T d
De mme, les vitesses radiales de ces cibles pourront difficilement tre discrimines si la
diffrence entre les effets Doppler respectifs est infrieure Fv.
Les inverses de T d et Fv sont appeles respectivement largeur de bande efficace
(ou ouverture en frquence) et dure efficace du signal.
217
7.4.9 Exemples de fonctions d'ambigut

A une impulsion sinusodale de frquence fo fixe et d'enveloppe rectangulaire de
.dure T
.,(1) =
rect(I-;/2)
.cos(211101)
(7.119)
correspond la fonction (fig. 7.19)

IX1(T,V)I:.!
T 2 sine:.! [v(T-ITI)]tri 2 (T/T)
(7.110)
Fig. 7.19
Afin d'amliorer la rsolution temporelle, on utilise souvent en radar une impulsion enveloppe rectangulaire module linairement en frquence (en anglais: chirp
signal)
S2(t)
Tf1) . cos [21T(fo+ilnt]
= Tect ( t
(7.121 )
laquelle correspond l'enveloppe complexe
! (t)
= Te ct [
t'-
T11] exp (j .21T{3t 2 )
(7.112)
et la fonction
(7.113)
Celle-ci est reprsente sur la figure 7.20 pour {3 =
21 T Hz/s.
2
218
1x~ (T, Il) 11 /1 X2 (0,0) 1:!
Fig. 7.20
Dans le cas de l'mission d'un train priodique d'impulsions, la fonction d'ambigut devien t elle aussi localement priodique, il la fois selon l'axe T et selon l'axe v.
7.4.10 Autres applications de la fonction d'ambigut

La fonction d'ambigut a t introduite en thorie du radar [Il]. Elle a trouv
galement des applications dans d'autres domaines [67] o l'on dsire estimer la fois
les dcalages temporel et frquentiel de deux signaux. C'est le cas des signaux sonars
(acoustique sous-marine, chauv~-souris). La fonction d'ambigut est galement lie
la reprsentation de signaux complexes (en particulier forte modulation de phase ou
de frquence) dans un plan temps-frquence conduisant au concept de spectre instan-
tan [93].
Par analogie avec (7.111) on peut galement dfinir une fonction d'inter-ambigut
x.xy( T, v) pour deux signaux x (t) et y (t). Celle-ci a t applique l'identification de

systmes linaires variant dans le temps.
7.5 LARGEUR DE BANDE ET DURE DES SIGNAUX
7.5.1 Dispersion temporelle et dispersion spectrale

Pour les signaux physiquement ralisables, c'est--dire nergie finie, les distributions temporelle x 2 (t) et frquentielle 1)x (f) IX (f) 12 de cette nergie tendent ncessairement vers zro lorsque It 1 et Ifl tendent vers l'infini. L'ampleur de la dispersion de
cette nergie sur l'axe du temps ou l'axe des frquences est une information utile.
219
En raison de la proprit (4.18) de la transformation de Fourer. toute contraction

d'un signal correspond une dilatation de son spectre et inversment. Ceci suggre l'existence d'une relation entre les dispersions temporelle et frquentielle de ces distributions
d'nergie [10].
La mesure de ces dispersions est toutefois dlicate parce que l'on peu t envisager
plusieurs manires de les dfinir, toutes aussi arbitraires les unes que les autres. Le choix
d'une dfinition dpend de la commodit d'emploi dans un contexte donn et de
la forme du signal. Ce problme est tudi de manire approfondie dans [~31 et [91].
Son importance est particulirement grande en thorie du radar [90] et en transmission
de donnes o les interfrences entre symboles doivent etre minimises [ 49].
On se limite, dans cet ouvrage. la prsentation de dfinitions relativement gnrales.
7.5.2 Localisation d'un signal

La dispersion temporelle de l'nergie d'un signal est invariante toute translation
de celui-ci. Il est souvent judicieux de choisir au pralable. comme origine, une position
moyenne:
t-x 2 (t)dt
to ==
(7.124)
L: x2(t)dt
o Wx est l'nergie totale du signaL

La position moyenne choisie est le celltre de grol,it de la distribution temporelle
esprance mathmatique
d'une
d'nergie. Elle est analogue la valeur moyenne
variable alatoire t de densite de probabilit p (t) = W;lX2 (1).
7.5.3 Exemple
Soit un signal rectangulaire de support [l" t 2 ]
1 -7 )
x(t) == A rcct - ( t2 - Il
Par (7.124)
(ti-d)/2
(t2- t d
7.5.4 Exemple
Soit un signal dcroissance exponentielle dcal
x(t)
10
e(t-T)exp
0(1-7)]
1/(:~a)+7
7.5.5 Dure utile

En statistique (chap. 14), la dispersion des amplitudes d'une variable alatoire est
caractrise par son cart-type a, la racine carre de la variance. Par analogie, on peut dfinr une variance
de la distribution temporelle d'nergie du signal. aprs avoir choisi
a;
220
THORII.': eT TRAITEMENT DES SIGNAUX
comme nouvelle origine, pour simplifier, la position moyenne to dfinie par (7.114):
(7.125)
La dure utile Du du signal est une grandeur proportionnelle l'cart-type
Du
Ut
(fig. 7.21):
(7.126)
2aut
Le choix de a est assez arbitraire. On peut, par exemple, choisir
CI!
= 1 [57].
- Qia c
Du
Fig. 7.21
7.5.6 Largeur de bande utile

De manire similaire, la dispersion de la densit spectrale d'nergie peut tre caractrise par un cart-type a[Pour un spectre de type passe-bas, la variance est donne par
( : f 2 ;Px(f) df
_cg
J-=
~}x(f) df
W~yl
f2 <lx(f) df
(7.127)
co
A nouveau, la largeur de bande utile BtI du signal est proportionnelle il l'cart-type

af (fig. 7.22)
(7.128)
Bu = ka uf
avec k == l pour un spectre passe-bas.
cP x (j')
Fig. 7.22
221
7.5 .7 Dure et largeur de bande utile des signaux spectre passe-bande

Dans le cas d'un spectre de type passe-bande, la densit spectrale d'nergie bilatrale est semblable (7.88). Elle comporte deux termes symtriques centrs sur des fr
quences fo correspondant aux centres de gravit de la distribution spectrale d'nergie
de chaque terme (fig. 7.23)
"
q>x (f)
"
= "4l [ri>!.
(- f -
fo)
~_
+ li'!. (f - 10)]
(7.129)
On peut encore utiliser les formules (7.127) et (7.128) condition de remplacer

<Px(f) par -4- cP)' (f) et de poser k = 2.
De mme, a position moyenne (7.124) et la variance temporelle (7.125) peuvent
tre redfinies en remplaant X2(t) par
l!:x(t)I:2. Le facteur
tient compte du
fait que l'nergie de l'enveloppe complexe Lx (t) est le double de ce]Je du signal x (t).
-t
-fo
fo
Fig. 7.23
7.5.8 Exemple
Soit x (t) = A tri (tl T). Par (7.125), on obtient comme cart.type temporel a t =
TlvT6. Par (4.35) et (4.55), la densit spectrale d'nergie de ce signal est: cJx (f)= (A T)
sinc 4 (Tf). Le calcul de l'cart-type frquentiel est possible, partir de (7.127), en tenant
compte de l'exercice 2.6.1 et du rsultat [94] :
""
J
sin 4 0:
., do: = rr/4
0:.
On obtient finalement: al V3/(2rrT).

Les distributions temporelle et frquentielle de ce signal sont reprsentes sur la
figure 7.24 avec les carts-type correspondants.
On constate que le produit a t al est indpendant de la dure totale 2 T du signal
et vaut 1/(3,651T).
7.5.9 Produit dure x largeur de bande

Une relation gnrale entre les carts-type temporel et frquentiel et par voie
de consquence la dure utile et la largeur de bande utile d'un signal s(t) peut tre
tablie l'aide de l'ingalit de Schwarz (3.21) en posant x (t) = ds/dt et y (t) = t s (t):
d;
_1 t s * (t) d dt 1" .;;

<Xl
_1
"" t'Is (1)1' dt~1=1
d; .dt
d
1""'
. (7.130)
122
-T
-lIT
liT
Fig. 7.24
En intgrant par partie, on obtient
is'(t) :: dt =
[i-t!s(tll'l':-~ -i-
_00
J !s(tl!'dt
(7.131 )
-00
En limitant cette analyse aux seuls signaux pour lesquels la distribution temporelle
dernergie Is(t)1 2 dcrot plus vite que l/t quand Itl-7oo,ona
_!
IX)
n~
t s' (1 )
d: dt
d
4'1 W~
(7.132)
est l'nergie totale du signal s (t).

D'autre part, par (4.13), (4.55), (4.57) et (7.127), on a
2
"'" 1
d 1
d:
dl
4"~! F ~s(f) d! =
00
4,,' W. a}
(7.133)
Finalement, l'introduction de (7.125), (7.132) et (7.133) dans l'ingalit (7.130)

conduit la relation
(7.134)
Cette espression est appele relation d'incertitude par analogie avec le principe
d'incertitude de Heisenberg, rencontr en mcanique quantique (dualit ondes-corpuscules).
Eri choisissant, par exemple, un facteur de proportionnalit = ..J2; on obtient
partir de (7.126), (7.128) et (7.134) pour un signal spectre passe-bas
DuBu
~ 1
Le produit dure
(7.135)
largeur de bande est born infrieurement.
SIGNAL ANALYTIQUE ET ENVELOl'!'E COMPLEXE
223
7.5.10 Commentaire
La relation (7.133) indique qu'un signal il fluctuations rapides doit possder une
grande largeur de bande. Inversment, on peut montrer que de grandes fluctuations dans le
spectre d'amplitude ou de phase impliquent un signal de longue dure.
7.5.11 Signal produit dure x largeur de bande minimal
La condition sous laquelle l'ingalit de Schwarz (3.21) devient une gaHt est
donne par (3.22), ce qui conduit ici poser
ds
dt
== t set)
(7.136)
= t dt
(7.137)
d'o
ds
Par intgration, on obtient

(7.138)
o C est une constante et < a pour satisfaire la condition d'nergie finie.
Ainsi, le signal possdant un produit dure x largeur de bande minimal est l'impulsion gaussienne.
Ce signal jouit d'une proprit remarquable: on peut montrer, en effet, que la
transforme de Fourier d'une impulsion gaussienne est encore une impulsion gaussienne
(exercice 4.6.9). Avec les notations introduites au paragraphe l.3.16, on a la correspondance
(7.139)
et
ig(tIT)
+-l-
T'ig(Tf)
(7.140)
Par(7.125)et(7.127), on a les quivalences or T(2v';;)-1 et 0f=(2y';Tf1

dont le produit correspond bien la valeur limite de (7.134). En posant .j2""; dans
(7.126) et (7 .l28)~ Du =B~I = ~ T.
7.5.12 Autres dfinitions: dure et largeur de bande effectives
Le choix des carts-type dfinis par (7.125) et (7.127) comme mesure de la dispersion des distributions temporelle et frquentielle d'nergie n'est pas sans limitation. Cer
tain es distributions peuvent ne pas avoir de variance finie. On peut vrifier, titre
d'exercice, que cette situation apparat avec des signaux aussi simples que x (t) =A
rect (tl T) et y (t) = e(t) exp (- at). Le premier possde un cart-type temporel gal
TI(1..y3) et un cart-type frquentiel infini. Pour le second, l'cart-type temporel vaut
II (la) et l'cart-type frquentiel est indfini.
On peut remdier cela en dfinissant, par des arguments relevant par exemple
de la thorie de l'information [91], une largeur de bande eJJectit1e
cP (f) df)]2
q;2 (0)
(7.141)
224
THORIE ET TnAIrEMENT DES SIGNAUX
et une dure effectl1e
D =
e
J,(T)dT]2
f.:J;2 (T) dr
(7.142)
La largeur de bande effective (7.141) correspond la moiti de la largeur de bande efficace dfinie au paragraphe 7.4.8 comme l'inverse du pouvoir de rsolution temporelle
(7.117) en radar.
L'avantage de la dfinition (7.141) est de faire correspondre une densit spectrale
rectangulaire <Il (f) = rect [f/(2B)] une largeur de bande effective Be = B.
L'valuation de Be et De pour les signaux x (t) et y (t) mentionns plus baut est
laisse comme exercice.
Les dfinitions (7.141) et (7.142) sont galement appHcables au cas des signaux
alatoires valeur moyenne nulle en remplaant cP (f) par cIl (f) et J,(r} par R (T) =
C(r).
7.5 J 3 Dfmition: dure de corrlation et largeur de bande approximative

Pour les signaux alatoires, la notion de dure utile ou effective n'est pas trs pertinente. On lui prfre souvent celle de dure de corrlation DT dfinie par
.,.,
DT == C-I(O)
J IC(T)ldr J Ip(r)ldr
(7.143)
o P (T) = C (T)/ C (0) est la fonction d'autocovariance normalise.

L'inverse Br de la dure de corrlation est aussi une mesure approximative de la
dispersion spectrale - ou largeur de bande approxinzative du signal.
Pour tous les signaux dont la fonction d'auto covariance est IlOllllgative, la relation (7.143) se rsume
(7.144)
Les relations (7.143) et (7.144) s'appliquent galement au cas de signaux dtenninistes fi nergie finie en remplaant la fonction d'autocovariance C (r) par la fonction
d'autocorrlation ;p (r).
7.s.14 Exemples
Pour le signal binaire cadenc en mode NRZ du paragraphe 5.3.7, P (T) == tri (r/ T)
et par (7.143): Dr = B;I = T. Pour le signal binaire cadenc en mode biphas du paragraphe 5.3.8, P (T) :::: 2 tri (2 T/ T) - tri (T/ T) d'o l'on tire Dr:::: B:;I = 2 T13.
Dans le cas du signal rectangulaire x (t) = A rect (t / T), on obtient facilement par
(4.63), (4.64) et (7.143) : DT T et ET = 1/ T.
Pour le signal dcroissance exponentielle JI (t):::: E(t) exp(-at) on a par (4.61)
et (4.62): DT:::; 2/a et BT =a/2.
Ces dures de corrlation et largeurs de bande approximatives peuvent tre reportes pour comparaison sur les figures 4.15, 4.16,5.9, 5.13. 5.15 et 5.16.
225
7.6 EXERCICES
7.6.1 Dterminer quelle est la transforme de Hilbert du signal x (t)
=A sin (wt + a).
7.6.2 Dterminer quelle est la transforme de Hilbert et le signal analytique de x (t) =

2Bsinc(2Bt).
7.6.3 Si Px est la puissance du signal x (t), calculer la puissance du signal analytique ~ (t).
7.6.4 Dterminer la fonction d'intercorrlation
'Pxy
(T) et sa transforme de Hilbert
~xy (T) pour x (t) = A cos (wot + a) et y (t) = A sin (wo t + 0:).
7.6.5 Calculer avec quelle probabilit l'enveloppe d'un signal alatoire gaussien valeur
moyenne nulle et variance a~ reste infrieure un seuil Va = 2 a".
7 .6.6 Un signal x (t) possde la densit spectrale reprsente sur la figure 7.25. Dter~
miner pour ~uelle valeur de!o x (t) peut tre exprim par l'quation (7.86) avec
1)
(I>a(!) =
2)
(Il a
(!) =
+7J rect[!I(!2 -Ji)] et

+7J tri [!I(f~ - Il)]'
o
Fig. 7.25
7.6.7 Dmontrer que les transformes de Fourier des parties paires et impaires d'un
signal rel causal sont des transformes de Hilbert l'une de l'autre, un facteur j prs.
7.6.8 Soit x (t) et y (t) deux signaux rels spectres passebandes et enveloppes com~
plexes L x(t) et Ly(t). Montrer que le produit scalaire <x,)' >= -} Re <r.x'!~ >.
7.6.9 Vrifier (7.120) et (7.123).
7.6.10 Dmontrer que

(7.145)
sachant que
(7.146)
7.6.11 Calculer la dure de corrlation DT et la longueur de bande approximative BT du

signal x (t) = A tri (t 1T).
CHAPITRE 8
8.1 MODLISATION DES SYSTMES DE TRAITEMENT
8.1.1 Dfinition: systme de traitement des signaux

Un systme de traitement des signaux est un dispositif qui effectue sur un signal
provenant de l'extrieur ou produit de manire interne un ensemble d'oprations de base
telles qu'amplification, filtrage, transformation non-linaire, modulation, dtection,
estimation d'un paramtre, etc. Le rsultat est restitu soit sous la forme d'un autre
signal, soit par l'intermdiaire d'un dispositif d'affichage appropri. On dnomme
souvent ce type de dispositif processeur de signal (en anglais: signal processar).
On peut distinguer les catgories suivantes (fig. 8.1):
.. gnrateurs de signal: un signal de sortie uniquement;

.. transformateurs de signal: un signal d'entre et un signal de sortie;
analyseurs de signal: un signal d'entre uniquement, la sortie tant remplace
par un affichage des rsultats de l'analyse.
gnrateur
sU)
de signal
x(t )
transformateur I---_).....j'(....
t)
de signal
sU)
analyseur
de signal
et aflichage
Fig. 8.1
Le signal primaire trait ou le signal final restitu est gnralement analogique

(fig. 8.2). Le processeur peut tre, lui, analogique, numrique ou hybride: la transformation du signal analogique en signal numrique tant assure par un convertisseur
analogique-numrique (A/N) et la transformation inverse parun convertisseur numriqueanalogique (N/A). Les conditions respecter pour ce type de converson sont prcises aux
chapitres 9 et 10. La conception lectronique de tels convertisseurs est dcrite dans [95].
Lorsque les rsultats s'obtiennent au fur et mesure de l'volution du signal
d'entre, on parle de traitement en temps rel. Cette appellation s'utilise surtout pour
caractriser les processeurs numriques ayant un temps d'excu tion compatible avec la
cadence d'chantillonnage du convertisseur A/N.
228
x(t)
(1)
processeur
analogique
{x.\"
conversion AIN
processeur
numrique
rU)
(y,,J
conversion
y(t)
NI A
Fig. 8.2
8.1.2 Dcomposition en schma-bloc

Vu son caractre souvent complexe, le systme de traitement est, de prfrence,
dcrit sous une forme dcompose dans laquelle chaque opration de base apparat de
manire explicite. C'est le principe de la reprsentation en schma bloc ( 1.2.4).
Une telle dcomposition prsente l'avantage de correspondre en gnral assez bien
la structure architecturale ou logicielle interne du processeur et en fait ressortir la
modularit.
x(t-r)
x(t )
~xy(f,1,T)
1
-T f
t
x( t -
T )
y( t)
dt
t-T
moyenncur
y(t)
Fig. 8.3
Un exemple de schma-bloc est reproduit sur la fjgure 8.3: c'est le schema de

principe d'un intercorrlateur. Un autre exemple est illustr par la figure 8.4: c'est le
prindpe d'une mesure de densit spectrale de puissance. Dans le premier cas, le dispo
sitif calcule la valeur moyenne locale, sur une dure T, du produit du signal yU) et de la
version retarde d'une quantit T du signal x(t). Les oprations fondamentales sont ici:
retard, multiplication, moyennage. Une rptition de la mesure pour diffrentes valeurs
du retard T conduit une reconstruction approximative de la fonction d'intercorrlation.
Dans le deuxime cas, le signal d'entre x (t) est appliqu pralablement un filtre
slectif qui ne laisse passer que sa composante xC t, fo, B) contenue dans une bande
spectrale B centre sur la frquence fo. La puissance moyenne de cette dernire est
estime en procdant une lvation au carr suivie d'un moyennage local sur une dure
de mesure T. La puissance estime correspond approximativement au produit de la densit spectrale de puissance unilatrale enf= fo et de la largeur de bande B du filtre
d'analyse.
_
1 r
Px(t,fo,B,T)=r
r-T
x (t)
filtre slectif
fo,lJ
xU./o,B)
qU[ldrareur
Fig. 8.4
..
x 2 (1./0,B)
:;<T>;Uio)'B
m()yenneur
229
8.1.3 Dfinition: oprateur fonctionnel

La plupart des blocs - ou modules - fOllction1lels identifiables dans un schmabloc sont des units de transformation caractrises par une grandeur de sortie dpendant d'une grandeur d'entre ou d'une combinaison de grandeurs d'entre.
Le modle thorique de ce type de module est appel oprateur fonctiollnel:
rgle de correspondance entre deux ensembles de fonctions. La transformation d'une
grandeur x en une grandeur JI par l'oprateur S est note symboliquement (fig. 8.5)
(8.1)
S{x}
Si les signaux sont analogiques, on crit en dnotant le temps par la variable

continue t :
yU) = S{x(t)}
(8.2)
~L--- S_--I~S {xl

__
Fig. 8.5
S'ils sont reprsents sous forme numrique (ou plus gnralement s'ils sont
temps discret), les suites de valeurs des signaux d'entre et de sortie sont gnralement
notes {Xk} et {y,,} ou x(k) et)' (k), avec k entier
y (le)
= S {x (k ) }
(8.3)
Dans de nombreux cas, l'quation (8.3) est une simple adaptation discrte de la relation
continue (8.2).
Sau f rares exceptions, la modlisa tian spcifique aux oprateurs numriques ne
sera pas dveloppe dans cet ouvrage. On consultera ce sujet le volume XX ou les
rfrences [44-48J.
8.1.4 Classification et dfinitions

La gamme des oprateurs usuels est assez vaste. On peu t distinguer en particulier
trois classes principales:
les oprateurs linaires invariants qui jouissent des proprits d'additivit
(principe de superposition), d'homognit et de stationnarit au cours du
temps;
CD les oprateurs paramtriques qui dpendent du temps en fonction d'une grandeur ou d'un signal auxiliaire de commande;
les oprateurs 11011 linaires qui forment une vaste classe sans mode de reprsentation universelle.
Les modules de retard, de filtrage slectif et de moyennage des figures 8.3 et

8.4 sont modliss par des oprateurs linaires invariants. Le multiplicateur de la figure
8.3 correspond un oprateur paramtrique et le quadrateur de la figure 8.4 un oprateur non linaire.
130
8.1.5 Ralisation des modules fonctionnels

La ralisation pratique d'un module fonctionnel consiste matrialiser l'oprateur
correspondant en recourant une solution technique adquate. Pour l'essentiel, on dispose de trois options:
o une ralisation en technique analogique, faisant appel, par exemple, dans le
domaine des basses et moyennes frquences, aux nombreuses possibilits
offertes par les circuits lectroniques exploitant des amplificateurs oprationnels ou d'autres circuits intgrs fonctionnels (multiplicateurs, circuits non
linaires, etc.);
Ga une ralisation en technique numrique cble, base sur l'assemblage de
circuits logiques lmentaires ou complexes, tels que portes logiques, bascules,
registres dcalage et mmoires, circuits arithmtiques, etc.;
Ga une ralisation en technique numrique programme; la fonction est ici dfinie
par un logiciel appropri dont la mmorisation et l'excution est confie des
units spcialises (mmoires, microprocesseurs, circuits de calcul spcifiques,
etc.) dans le cas d'un traitement en temps rel ou un ordinateur d'usage
gnral pour un traitement ou une simulation en temps diffr.
La description de ces divers modes de ralisation sort du cadre de cet ouvrage. On peut
consulter cet effet d'autres volumes du Trait (en particulier les volumes VIII et XIV)
ou les rfrences [96-98].
8.2 OPRATEURS LINAIRES INVARIANTS

8.2.1 Proprits fondamentales
Soit S un oprateur linaire invariant. La linarit et l'homognit entrainent
que, si
x(t) ;;;; Ia; Xj(t)
(8.4)
alors
(8.5)
Siy(t)=S{x(t)}, l'invariance se traduit par
y(t-r}
= S{x(t-r)}
(8.6)
L'oprateur est donc indpendant de l'origine des temps.
8.2.2 Dfinition: oprateur de convolution et oprateur de transformation orthogonale

On peut distinguer deux classes d'oprateurs linaires invariants:
Ga
les oprateurs de transformation orthogonale, pour lesquels les grandeurs

d'entre et de sortie sont fonction de variables diffrentes comme le temps t et
la frquence f dans le cas d'une transformation de Fourier;
les oprateurs de cOlll'olution, pour lesquels les grandeurs d'entre et de sortie
sont fonction d'une mme variable indpendante, usuellement le temps.
231
8.2.3 Exemple: transformateur de Fourier

Un transformateur de Fourier est caractris par un oprateur F qui, tout signal
x (t), fait correspondre une fonction X(f) dfinie par (4.1) reproduite cdessous
J"'" x(t) exp ( - j 21Tft) dt
XC!)
(8.7)
00
Dans le cas de signaux reprsents sous fonne chantillonne ou numrique, l'oprateur F est dfini par ( 3 .4.1 0, 9.3 .11 et volume XX)
ko+N-1
'"
X(n) =
x(k)WN-llk
(8.8)
k =ko
o N est le nombre d'chantillons du signal pris en considration, WN est la Nime

racine de l'unit
WN
= exp(j21T/N)
(8.9)
et k et 11 sont respectivement les indices de discrtisation temporelle et frquentielle.

La transformation inverse est associe l'oprateur r- 1 (fig. 8.6) dfini dans le
cas continu par
<Xl
x(l) =
r X(f) exp (j 2rrft)df
(8.1 0)
-';,.,
et dans le cas discret par

N/2-t
x( k) = N
X( Il) WNlIk
-1 '"
11
(8.11)
-N/2
Les oprations (8.8) et (8.11) correspondent au produit d'un vecteur par une
matrice de transformation de dimension N x N.
Fig. 8.6
8.2.4 Description directe des oprateurs de convoluton

Un oprateur de convolution (fig. 8.7) est entirement dfini par sa rponse
impulsionnelle (sec. IV.2.2). Celle-ci est noteg(t) ou Il (t) dans le cas continu: c'est
la rponse une excitation en fonne d'impulsion de Dirac ( 1.3.12). Dans le cas discret,
elle est note g( k) ou Il (k) et correspond la rponse du systme il un chantillon
unit dfini par d (k) = 1 pour le = 0 et d (k) = 0 pour k O.
Fig. 8.7
132
TH(~ORlE ET TRAITEMENT ilES SIGNAUX
La rponse une excitation quelconque est reprsente par le produit de convolutiony =x * g qui, dans le cas continu, prend la forme
y(t)
= x(t) * g(t)
""
r x (T )g( t
- T)
dT
(8.12)
-';,0
et dans le cas discret
y( k) :::: x( k )
* g( k) = L
1=
x (l)g( k -/)
( 8.13)
-00
Le produit de convolution correspond une sommation pondre des valeurs

(continues ou chantillonnes) du signal d'entre: la fonction de pondration tant la
rponse impulsionnelle. Une interprtation graphique en a t donne la figure 1.5.
8.2.5 Description indirecte des oprateurs de convolution: dfinitions

Si les signaux d'entre et de sortie sont dterministes et possdent, par consquent,
une transforme de Fourier, on peut associer au produit de convolution (8.12) ou (8.13)
un produit des transformes en vertu de la proprit (4.1 4):
Y(f) = X(f}-C(f)
(8.14)
pour le cas continu, ou dans le cas discret
yen)
(8.15)
X(n)'C(n)
La fonction C = F {g } y / X=.I C 1 exp (j 19g) est la fonction de rponse frquell~

lieUe (aussi appele fonction de transfert harmonique) de l'oprateur de convolution.
Son module 1G 1 est la rponse d'amplitude et son argument 19g arg C est la rponse de
phase de l'oprateur.
La reprsentation graphique des rponses d'amplitude et de phase est souvent faite
sous la forme de diagrammes logarithmiques (chap. IV. 3).
8.2.6 Fonction de rponse d'un systme linaire constantes localise

Une description complte du comportement d'un systme linaire invariant
constantes localises est donne par son quation diffrentielle:
~
d II
-i
111
L ai ---;;=:-r yU) = L hi
i=o
dt
i=O
d m-i
III - j
dt
(t )
(8.16)
o les coefficients ai et hi sont des constantes.

Dans le cas des circuits lectriques (vol. IV), cette quation est obtenue en appliquant les lois de Kirchhoff.
On sait que la solution y (t) d'une telle quation diffrentielle est la somme de la
solution de l'quation sans second membre et d'une solution particulire de l'quation
avec second membre. Cette solu tion y (t) peut aussi tre dcompose en la somme d'un
terme transitoire et d'un terme pe111lanent ( de rgime). Le terme transitoire est la partie
de y (t) qui s'annule (ou croit indfjniment) avec le temps. Le terme permanent est soit
une constante, soit une combinaison de sinusodes en fonction du temps.
233
OPRATEuns FONCTIONNELS
Si, au lieu de rsoudre (8.l6)~ nous en prenons la transforme de Fourier terme

terme, en utilisant la proprit (4.13)
k
d x(l)
dt
(j 2rrf) kX(f)
(8.17)
on obtient:
Tl]
[ i~
m bi(j 2:rrf) i ] X(f)
[ i~O ai(j 2rr!) i Y(f) =
(8.18)
La transformation a rduit l'quation diffrentielle une quation algbrique qui

permet d'exprimer l'effet du circuit linaire dans le domaine des frquences. La fonction
de rponse frquentielle est alors exprimable partir des constantes ai et b i du systme
sous la forme
III
G(f) =
Y(f)
-X(f)
III
biC j 2rrf) i
;=0
Zi)
Go
aie j 2nf)
;=0
rr (j 2rrf +
rr (j2rrf + pd
;=1
Il
(8.19)
i=l
o Go = hm/an et Zi et Pi sont respectivement les racines du numrateur et du dnominateur, c'est-dire les zros et les ples de la fonction de rponse frquentielle.
8.2.7 Dfinition ~ transformation en z

Dans l'tude des signaux et systmes temps discret utilisant un chantillonnage
rgulier, on prfre la description indirecte par transforme de Fourier celle obtenue
l'aide de la transformation en Z dfinie par
G(z)
l
k=
g(k) z
-le
(8.20)
IX>
o z est une variable complexe.

La transformation en z est lie la transformation de Laplace bilatrale (sect.
IV.8.1) d'une fonction chantillonne priodiquement. C'est une gnralisation de la
transformation de Fourier. Elle s'identifie cette dernire sur le cercle unit z =
exp(j 2n!). Le volume XX de ce Trait renseignera le lecteur sur les proprits et
l'utilisation spcifique de cette transformation.
8.2.8 Relations entre fonctions de corrlation

Par (4.50), (4.98) ou (5.59), la fonction de corrlation temporelle, quel que soit
le type de signaux, peut s'exprimer sous forme d'un produit de convolution du type
(8.21)
En combinant ce rsultat avec (8.12) et en exploHant les proprits de commutativit et d'associativit de la convolution, on obtient les relations suivantes, si x (t) et
y {t} sont respectivement les signaux d'entre et de sortie d'un oprateur linaire de
234
rponse impu Isionnel.le g (t) :
'Py (T)
IPx (T)
* ~g (T)
(8.22)
o ~g (T) est la fonction d'autocorrlation de la rponse impulsionnelle, et

'P.~y(T)
= 'Px(T) *g(T)
(8.23)
8.2.9 Relations spectrales

La relation frquentielle (8.14) ne s'appUque qu'au cas des signaux dterministes.
En revanche, une expression valable galement pour les signaux alatoires est obtenue
en prenant la transforme de Fourier de (8.22):
tPy (f) = <Px (f)"1 G (f)
car F {~iT)} = F {g(- T) * g(T)}

ment la relation (8.23), on a
(8.24)
G'" (f) G (f)
= IG Cf) 12 . En transformant gale-
8.2.10 Application l'identification de systmes linaires

On observe que, en vertu de la proprit d'identit (1.47) de l'impulsion de Dirac,
si x (t) est un bruit blanc ( 5.3.1 0) de fonction d'autocorrlation
IPx{T)
Rx(T)
2" 17 0 (T)
(8.26)
la rponse impulsionnel1e d'un systme linaire peut tre dtermine en valuant la

fonction d'intercorrlation (8.23)
(8.27)
L'valuation, dans les mmes conditions d'exdtation, de la densit interspectrale
(8.25) pennet, elle, d'obtenjr la fonction de rponse frquentielle
(8.28)
8.2.11 Application: dconvolution. Dfinition

Lorsqu'un signal est peru par j'intermdiaire d'un capteur linaire de fonction de
transfert GI(f), l'information originale peut tre altre par l'influence du capteur
lui-mme. Les signaux d'entre et de sortie du capteur tant lis par une relation de
convolution (8.12), l'opration de compensation de l'effet du capteur est appele
dcollvolu ti01l.
Une correction parfaite serait ralisable, en thorie, en plaant en cascade (fig. 8.8)
avec le capteur un oprateur inverse dfini par
G2 (f) = G 1- \ / )
(I>x (f)
(8.29)
q)xy(f)
235
OPRATEUItS FONCTIONNELS
x (1)
y(t)
capteur
GlU)
correcteur
Cl U) = CI-lU)
x(t
....
Fig. 8.8
L'application pratique de ce prillcipe est trs dlicate, le systme de correction

thorique n'tant pas ncessairement stable et amplifiant fortement toutes les perturbations additionnelles dans les bandes spectrales voisines des zros de la fonction Cl (f).
8.2.12 Simulation indirecte de convolutions ou de corrlations
Une manire indirecte de raliser un oprateur de convolu tion ou une intercor
rlation est illustre sur les figures 8.9 et 8.1 O. Elle est base sur l'emploi de transfor
mateurs de Fourier et sur les proprits (4.14) et (4.18). Cette solution est souvent
adopte pour des analyseurs numriques de signaux.
Le premier cas requiert la mise en mmoire pralable de la fonction de rponse
C dsire.
)'
*g
Fig. 8.9
"
'P;r,'
F*
)'
Fig. 8.10
8.2.13 Mise en cascade d'oprateurs de convolution

On admet gnralement que l'entre d'un oprateur n'influence pas celui qui le
prcde. Cette hypothse est vraie dans le cas numrique, mais n'est, par contre, pas
toujours vrifie dans le cas analogique (effet de charge). Lorsqu'eHe est vrifie, la
rponse impulsionnelle globale d'une cascade d'oprateurs de convolution (fig. 8.11)
est quivalente la convolution multiple des rponses impulsionnelles partielles
yU) = x(t) *g(t)
(8.30)
avec
gU)
= gl (t):I: g2 (t):I: ... * gl/(t)
(8.31)
236
-<~
.,(1), G,U)
g,(I),G,(f)
~ .. "
.. ,
---l
.,(1), G,(fl
~)
~----------------------~v~----------------------~J
g(t). G(!)
Fig. 8.11
La fonction de rponse frquentielle globale se rsume ainsi au produit des fonctions de rponse partielles
Y(f) = X(f) G(f)
(8.32)
avec
G(f)
= G1 (f)G2 Cf)
... G'l(f)
(8.33)
Cette hypothse d~indpendance n'est pas vrifie dans certaines situations pratiques, telles que la mise en cascade de circuits lectriques passifs. On dmontre aisment (chap. IV.6) que la mise en cascade de deux circuits Re semblables celui dcrit
dans l'exemple 8.2.24 ne possde pas une fonction de rponse globale quivalente au
carr de celle du circuit simple.
8.2.14 Description statistique du signal de sortie d'un oprateur de convolution

En rgle gnrale, il n'est pas possible de dterminer analytiquement la loi de
distribution statistique des amplitudes du signal de sortie d'un oprateur de convolution. Ceci rsulte du fait que chaque valeur du signal de sortie est une combinaison
linaire des valeurs (passes, si l'oprateur est causal) du signal d'entre, comme l'indique
l'quation de convolution (8.12) ou (8.13). Ces valeurs ne sont en gnral pas indpendantes. L'valuation de la probabilit que l'amplitude du signal de sortie se trouve dans
un domairIe donn implique la connaissance de la loi de probabilit conjointe multidimensionnelle de toutes les valeurs du signal d'entre! Cette loi est gnralement
inconnue, sauf dans le cas particulier d'un processus gaussien (sect. 5.7) ou si ces valeurs
sont indpendantes. Dans ce dernier cas, la statistique de sortie tend vers une loi gaussienne en vertu du thorme de la limite centrale ( 5.5.3). Dans le premier cas, on
dmontre Cexercice 5.11.34) que toute combinaison linaire de variables gaussiennes
est aussi une variable gaussienne. Ainsi: le signal de sortie d'un oprateur de convolution
est gaussien si l'entre l'est aussi.
Exprimentalement, on constate que la statistique de sortie d'un filtre modrment
slectif se rapproche d'une loj gaussienne pour de nombreux cas d'excitation non
gaussiens.
A dfaut de pouvoir dterminer dans tous les cas la forme analytique de ]a distribution statistique du signal de sortie, ses principaux moments peuvent tre calculs:
valeur moyenne, valeur quadratique moyenne, variance, autocorrlation. Cette dernire
est donne par l'quation (8.22) rcrite ci-dessous en tenant compte que pour un signal
stationnaire et ergodique: Rx(7) == IPx(7) et Ry(7) == 'Py(7):
QQ
Ry(7) = Rx(T)
* tPg(r) =
f RxCr') ({;g(T
-00
r')dr'
(8.34)
237
On sait que la valeur l'origine de la fonction de corrlation est la valeur quadratique moyenne (alias puissance totale), qui est gale, elle-mme, la somme de la variance et du carr de la valeur moyenne
Rx( T')tPg( T') dT'
-~
f (l)x(f) . IG(f)1 2d[
(8.35)
-~
La deuxime intgrale se dduit de la premire grce au thorme du produit (4.67).

La valeur moyenne Py est, elle! donne par
oc>
Ily =
E [ y]
:=
E [ x (t ) * g(t ) l
J g( t) dt
E [ x] .
(8.36)
-QO
d'o finalement
Ily
Il.Y;
J"" g(t)dt
(8.37)
-00
Ce rsultat jndique que la valeur moyenne de sortie (composante continue) d'un

systme linaire est gale au produit de celle d'entre par le gain en continu G(O) du
systme.
En combinant (8.35) et (8.37), la variance du signal de sortie peut s'exprjmer sous
les formes quivalentes:
.,.,
(I)x (f)IG(f)1 2df
p}C 2(0)
CCI
_~ Rx(T)~g(T)dT -Ji:} )~ g(T) dT

CIO
<Xl
]2
00
f ex (
T)
.pg (T)
dT
(8.38)
co
o CAr)
RAT)
Ji; est la fonction d'autocovariance du signal d'entre.
8.2.15 Cas particuliers

Dans Je cas d'un filtre passe-bas, on a gnralement: C (0) = l et I-f y = Il x ' Pour un
filtre passe-haut ou passe-bande: C(O)= 0 el Ji y := 0 quelle que soit Ilx'
Si l'excitation d'entre est du bruit blanc de densit spectrale 11 /2 (variance
d'entre in fin je ): Rx( T) = c:.~( T) = 1']0 (T) et uf,
1'] ~g(O) < co. D'autres cas particuliers sont signals dans plusieurs des exemples suivants.
-t
238
THORIE ET TRAITEMENT DES.SIGNAUX
8.2.16 Dfinition: oprateur de multiplication par une constante

Soit la relation symbolse par la figure 8.1 2
y (t)
= Kx(t)
(8.39)
o K est une constante. Elle modlise les systmes linaires suivants:
K> 1: amplificateur idal (sans limitation de bande passante)

K = 1 : interrupteur ferm, circuit passetout (oprateur identit)
(1 0 < K < 1 : attnuateur
K = 0: interrupteur ouvert
.. K =-1 : inverseur
K < 0: multiplication par une constante avec inversion
X~=KX(t)
---V-Fig. 8.12
Les proprits de cet oprateur de multiplication par une constante sont rsumes
dans le tableau 8.13.
On en dduit que (Ily(f)
<Px (f), lPy (r)
IPx (r), f.ly = Kf.lx! a~ = K 2 a~ et
2
Py K Px. Par (5.39), la statistique du signal de sortie se dduit directement de celle
d'entre: Py (y) = IKI- 1 Px (y fK).
Tableau 8.13
g (t)
== K li (t)
1G ([JI
G (f) == K avec
1"g([)
= IK 1
0
1T
sgn (f)
pour K
>
pour K
< 0
8.2.17 Dfinition: oprateur de retard

La relation symbolise par la fjgure 8.14
y(t) = x(t-t o )
(8.40)
est le modle de tout systme assurant une propagation sans distorsion d'un signal, mais
ncessitant un dlai 10 (ligne de transmission idale, ligne retard, circuit
dcalage ou mmoire circulante, dispositif bande magntique avec ttes d'enregistrement et lecture spares, etc.).
-----L
X~L-
retard fo
______
!
~~
Fig. 8.14
X(I-/ o )
239
Les proprits de cet oprateur de retard sont rsumes dans le tableau 8.15.
Tableau 8.15
Toutes les caractdstiques statistiques sont videmment identiques l'entre et

la sortie dans le cas de signaux stationnaires. Dans le domaine frquentiel, l'oprateur
de retard se comporte (thorme du retard) comme un dphaseur lil1aire pur. On en
dduit que tout systme satisfaisant la condition 1G Cf) 1= K mais n'ayant pas une
rponse de phase linaire introduit une distorsion ( 8.2.25).
Dans les systmes numriques - ou plus gnralement temps discret il est
frquent de considrer des oprateurs de retard d'un pas d'chantillonnage, appel
oprateur de retard unit (fig. 8.16) symbolis, en utilisant la transformation en z
dfinie au paragraphe 8.2.7., par la fonction de transfert G(z) =
X~~ ~ ~~)
x(k
1)
_____l__
Fig. 8.16
8.2.18 Dfinition: oprateur de Hilbert

La transfomle de Hilbert d'un signal a t introduite au chapitre 7 en relation
avec la notion de signal analytique. Un oprateur de Hilbert H (fig. 8.17) ralise cette
transformatjon
00
y(t)
.f(t)
TI
-00
x( 7)
(8.41 )
d7
1-7
.'~I-___
H_ _
....J~ = .t)
Fig. 8.17
0
C'est le modle d'un dp/zaseur parfait de 90 comme l'indiquent ses proprits,

dduites des relations dveloppes au paragraphe 7.I .3 et rsumes dans le tableau 8.18.
La densit spectrale, la fonction d'autocorrlation et, par consquent, la puissance
totale, la variance et la valeur moyenne sont identiques l'entre et la sortie.
La ralisation pratique d'un circuit effectuant la transformation (8.41) ne
tre qu'approximative, la rponse impulsionnelle g (t) n'tant pas causale. Un dphasage
0
peu prs constant et voisin de 90 n'est ralisable que su rune largeu r de bande limite.
,
240
Tableau 8.18
g (t)
(rrt)-l
G (f)
- j sgn (f) avec
IGCf)I=l
{}gCf)
<Pg(T)
= li (T)
rr
= --:; sgn(f)
-
8.2.19 Dfinition: oprateur de moyenne temporelle

L'estimation d'une moyenne temporelle est une opration frquente en traitement
des signaux. La moyenne glissante (1.11), appele parfois moyenne temporelle d1lOn'
zon T, correspond la sortie d'un oprateur linaire
y(t) = x(t, T)
-f
T
(8.42)
x(r)dr
t-T
dnomm moyelmeur temporel parfait (fig. 8.19), dont les caractristiques sont rsumes
dans le tableau 8,20.
yU) =
xU}
x(t, T)
moyenncur
Fig. 8.19
Tableau 8.20
T- ' reet[(t- T/l)/Tl

G (f) = sine (Tf) exp (- jrrfT)
IG Cf) 1 = Isine (Tf) 1
.pg(T)
T- 1 tri {T/ T}
g(l)
Sa rponse impulsionnelle est rectangulaire (fig. 8.21), C'est le modle d'un circuit
intgrateur dont l'approximation analogique est un simple filtre passe-bas ( 8.2.24).
Une ralisation quasi-parfaite, mais impliquant une sortie chantillonne et une remise
zro priodique, exploite les proprits du montage intgrateur amplificateur oprationnel (chap. VII!. 3). Dans le cas discret, l'expression (8.42) se ramne une simple
sommation,
g(t)
T-l~----------~
..
Fig. 8.21
OPERATEURS FONCTIONNELS
241
On dduit du tableau 8.20 et de (8.37) et (8.38) les paramtres principaux

du signal de sortie qui sont bien entendu la valeur moyenne statistique
(8.43)
Il.\' == Ilx
et la variance. Celle-ci correspond la puissallce de l'erreur d'estimation de la valeur

moyenne et sert. par consquent. de critre de qualit ou d'indice de prcision ( 13.1.24)
a)~
'!'
1
=-
Cx(T) tri (T/T) dT
T-';;",
[(Px(f) -/J.;8(f)] sine 2( TI) dl
-QO
J"" (f}x(f)
sine 2( TI) dl - Il}
(8.44)
-IXI
Elle dcroit videmment en fonction de la dure d'intgration T.
8.2.20 Illustration; estimation d'une valeur moyenne en prsence de bruit blanc

Considrons le cas d'un signal x (t), compos d'une valeur continue estimer en
prsence d'un bruit additif blanc, de densit spectrale (Ill! (I) = 71/2) ou blanc bande
limite de type passe-bas (5.3.10).
La ronction d'autocovariance Cx(T) est la fonction d'autocorrlation RIl(T) du
bruit. Dans le cas du bruit blanc, on a
(8.45 )
Alternativement, la densit spectrale du signal x (t) diminue de la contribution
de la composante continue est gale la densit spectrale du bruit c!ln(I). Dans le cas
du bruit blanc bande limite, de densit spectrale (5.155), on obtient
Jlio([)
(f)
= fT] rcet
[[/(2B)]
(8.46)
L'valuation de la variance de l'estimation est facilement obtenue, dans le premier cas, en introdulsant (8.45) dans (8.44)
a;l
1
2
T]/T
(8.47)
Alors mme que la variance du signal d'entre est thoriquement infinie, celle de
l'estimation obtenue est limite et inversment proportonneHe au temps de mesure T.
En introduisant (8,46) dans (8.44), on obtient dans le deuxime cas
~
:2
71
1T
( sine 2( Tf)
dl
':'8
BT
( sine 2(
O! )
d O!
(8.48)
-"BT
Pour BT l, a;'2 0,45 71/ T et tend progressivement vers le rsultat limite (8.47)
lorsque le produit B T augmente.
242
THOltlE ET TRAITEMENT DES SIGNAUX
8.2.21 Dfinition: oprateur de filtrage idal

Un jltre ideal est un oprateur permettant le transfert sans distorsion de toutes les
composantes du signal d'entre comprises dans une largeur de bande spectrale B, dfinie
selon (:LI5), et appele aussi bande passante. Il attnue totalement toutes les autres.
f
-8
... ...
f
Fig. 8.22
Pour un filtre passe-bas (fig. 8.22), on obtient, en tenant compte d'un retard
arbitraire to comme en (8.40), les caractristiques rsumes dans le tableau 8.23.
Tableau 8.23
,
l
CI (f)'
GI(f)
:=
red[f/(2B)]'cxp(-j21T!t o ) avec
{)gl (f)
= 2Bsinc[2B(t-t o H
.pgl(') =- 1B sine (2B.)
glU)
=- rcct ([ 1(2B))
- 2nft o
Un tel filtre idal est un oprateur non causal puisque gl (t) =1= 0 pour t
lorsque to =f=.oa (fig. 8.24).
Fig. 8.24
<0
243
OPRA TEURS FONCTIONNELS
IG~ (j') 1
-J(J
fa
Fig. 8.25
On peut dduire les caractristiques d'un filtre passe-bande idal (fig. 8.25)
partir de celles d'un filtre passe-bas de bande passante E/2 en utilisant la proprit de
translation de l'impulsion de Dirac
G2 ( [ )
rcct ([/B)exp(-j21Tlt o ) * [5([+lo)+5([-jo)]
(8.49 )
Les rsultats sont rsums dans le tableau 8.26.

Tableau 8.26
lBsinetB(r
11l))'cos(l11'[of)
2B sine (8 r) cos (111'[0 'r)
8.2.22 Dfinition: temps de monte d'un filtre idal

La rponse indicielle 'YU) est nntgrale de la rponse impulsionnelle ( 1.3.1
Pour un fil tre passc -bas, elle permet de caractriser directemen t le temps de raction
(inertie) du filtre, mesur arbitrairement par un certain temps de monte tm. Pour un
filtre passe- bande, c'est la rponse l'cxcitation eU) cos('2 'nIa 1). o 10 se situe au
centre de la bande passante. qui fournit la mme informaton. Il est toutefois quivalent
et plus simple de considrer. dans ce cas, lntgrale 'Yrg2 (t) de l'enveloppe r g 2 (t ) de la
rponse impulsionnelle.
Cctte enveloppe se calcule partir de (7.45). En tenant compte de (7.18) et de
l'exemple 7.1.4. clle vaut pour le filtre passe-bande idal de largeur de bande
B:rg 2U)=2Bsine [B(t-t o )].
Pour le filtre passe- bas idal de mme bande passante B, la rponse impulsionnelle. tire du tableau 8.23, est: g\ (t) = '2B sine [2B (t - to)].
En utilisant le rsultat (1.65), on obtient par intgration
:.n.
(8.50)
1
" l'rg2 (t)
2" +
Si[rrB(t
( 0 )]
Le graphe de ces fonctions est reprsent sur la figure 8.27. L'oscillation prsente
dans ces rponses une discontinuit est connue sous le nom de phnomne de Gibbs
( IV. 7.3.36).
244
THrmRIE ET TRAITEMENT DES SIGNAUX
"Y/(t) ' \ .
---
. . . . .c::=...=...-..........,...;
..
-------+l--J--:.'~---_::J11I"=-~
.... ...................... .
~
Fig. 8.27
En dfinissant arbitrairement les temps de monte respectifs t ml et t m2 comme

l'intervalle entre les intersections des drives de 'Yt (t) et 'Yrg2 (t) en t to avec les
ordonnes 0 ct l, on tire
t;~ = d'Ytldtlt=to = gl(tO) = 2B

(8.51 )
Le temps de m01lte, ainsi dfini, est f'iTIJ1erse de la bande passallte pOlir 1111 filtre
passe-ballde idal et l'inverse dll double de la largeur de ba1lde pOlir lill filtre passe-bas
idal.
Ce rsultat fournit un ordre de grandeur utile. Il s'applique approximativement
auss au cas de filtres rels si l'on interprte B comme la largeur de bande quivalente
dfinie au paragraphe 8.2.23.

Exprimentalement, le temps de monte est gnralement dfini comme le temps
que met la rponse indicielle pour passer de 10% 90% de sa valeur finale ( XVIII.
4.1.3).
8.2.23 Largeur de bande d'un filtre rel. Dfinitions
Un filtre rel est un oprateur causal ayant des proprits slectives en fonction
de la frquence (voL XIX). Le module de sa fonction de rponse frquentielle ne peut
tre discontinu. Dans ces conditions, la dfniLion d'une largeur de bande il un caractre arbitraire.
On utilise principalement en lectronique, pour des raisons de facilit de mesure,
la notion de largeur de bande -3 dB (fig. 8.28) note ici B- 3 dB et dfinie comme le
domaine des frquences positJ'es pour lequel
IG(f)12
.,
G~ax
;>
(8.5:2)
245
En traitement des signaux, en rason de l'importance des processus alatoires, on

introduit le concept de largeur de bande quipalente de bruit:
1
Beq
= -2G max
J IG(f)1
OC)
(0)
df:-::
(8.53)
2G max
C'est la largeur de bande d'un filtre idlll dont le signal de sortie a la mme puissance
que celui du filtre rel lorsqu'ils sont tous les deux excits par le mme bruit blanc.
filtre pusse-bas
B-3dll
filtre passe-bu nd e
10
Fig. 8.28
8.2.24 lllustration
Un fi1tre passe-basRC(fig. 8.19), en crcuit ouvert possde une fonction de rponse
frquentielle
G(f)
o fe
+ j 2rrfRC
1 + j flic
(8.54)
= (2rr RC)-l dnote la frquence de coupure.
On obtient facilement, par le calcul complexe, IG(/)I = [I

{)g(f) = - arctan (f/J~) et
IG(f)12=
1
+ Ct'lfe ) 2
+ (f/J~)2 ]-112,
(8.55)
246
o----e::=Ir-----I-9----00
x{t)
0---1_ cI-------!1 J'(t]

Fig. 8.29
d'o l'on dduit que

g( t}
=-
exp [ - t J( R C ")] . E (t)
(8.56)
RC
1
- - exp [ -Irl/(RC)]
1RC
B- 3dB
= f~
1
Beq
(8.57)
(8.58)
1T
= - - ;:: -B
2 -3dB
(8.59)
4RC
Selon la dfinition (8.51), le temps de monte vaut ici

t ml ;:: (2 Bcq)-l ;::
1RC
(8.60)
soit deux fois la constante de temps du circuit.

Un tel filtre est un intgrateur imparfait souvent utilis pour raliser approxima
tivement une opration de moyennage (voir exercice 8.5.6 et paragraphe 13.1.14).
Dans le cas d'un moyenneur parfait ( 8.2.19), le calcul de la largeur de bande
quivalente selon (8.53) donne, avec IG (f) 12 ;:: sinc 2 (Tf) et en tenant compte de
(1.63): Be.q :::: (2 T)-l, d'o un temps de monte t ml ;:: T qui correspond bien la
ralit.
8.2.25 Dfinition: distorsion linaire

Tout systme linaire dont la rponse d'amplitude n'est pas constante ou dont
la rponse de phase n'est pas linaire, c'est--dire n'introduit pas un retard pur, fait
subir au signal d'entre une distorsion. On parle respectivement de distorsion d'amplitude ou d'affaiblissement et de distorsion de phase.
La distorsion de phase rsulte du retard diffrenci que subit chaque composante
frquentielle du signa1. Cette distorsion est sans effet perceptibles dans les systmes
lectroacoustiques ou en tlphonie, en raison de l'insensibilit de l'oreille ce phnomne. Elle doit tre, au contraire, limite dans de nombreux autres cas: transmission
de donnes ou de signaux de tlvision, rception de signaux radar, etc.
8.2.26 Dfinitions: retard de phase et retard de groupe

Considrons le cas o le signal d'entre d'un systme linaire est bande troite
voisine d'une frquence /0. En adoptant la notation complexe dveloppe la
247
section 7.4, ce signal peut tre reprsent par le signal analytique

~(t) =
!.. (t) exp(j2nfot)
(8.61)
dont! (t) est l'enveloppe complexe ( 7 A.l).

Si la rponse de phase du systme n'est pas linaire, on peut dcrire approximativement son comportement dans la bande d'intrt au voisinage de la frquence Jo
par les deux premiers tennes d'un dveloppement en srie de Taylor:
a(/) = {)(iij)
da
+ (f - /0) - .
d]
[=10
= - 2nfotq; - 27T(f-jo)lg
trjJ
et
tg
(8.62)
sont deux constantes, ayant la dimension d'un temps, dfinies par
{)(fo)
tq;
tg =
(8.63)
'2 nio
-
1 d t'I 1
2n df [=10
(8.64)
Elles sont appeles respectivement retard ou temps de propagation de phase (en anglais:
phase de/ay) et retard ou temps de propagation de groupe (groupe delay).
En considrant que la rponse d'amplitude est constante et gale, pour simplifier,
l'unit dans la bande d'intrt, la fonction de rponse frquentielle du systme devient
(8.65)
.t
Fig. 8.30
248
La transfonne de Fourier du signal analytique de sortie vaut alors; par (8.14)
IU') GU')
= IU') exp ( -j 2nft g) exp[ -j2nfo(trp -
);(f) ::
tg)]
(8.66)
Par transfonnaton inverse et en tenant compte de (8.61), on obtient finalement

~(t) == ~(t-tg)exp[-j21Tfo(tcp-tg)]
= r(t-t g )exp[j2njo(t-t</l)]
(8.67)
Ainsi l'enveloppe du signal subit le retard tg alors que la composante auxiliaire

sinusodale frquence fo subit, elle, le retard trp (fig. 8.30). Ces deux retards ne sont
gaux que si la rponse de phase varie linairement avec la frquence.
8.2.27 Dfinition: filtre adapt ou oprateur de corrlation

Un filtre adapt (sect. 13.4) est un cas particulier de mtre linaire conu pour optimiser le rapport signal sur bruit lors de la dtection d'un signal s(t), de forme connue et
de dure T, masqu par du bruit de fond. En prsence d'un bruit blanc, sa rponse
impulsionnelle est l'image translate de T du signal dtecter
g(t)
= ks(T-t)
(8.68)
o k est une constante arbitraire.

La rponse du mtre adapt la seule excitation x (t) == s(t) est gale la fonction
d'autocorrlation translate du signal
y(t) = ks(T-t)*s(t) = k&s(t-T)
(8.69)
Le filtre adapt se comporte ainsi en corrlateur vis--vis du signal dtecter. On

dmontre qu'en prsence d'un bruit blanc, le rapport signal sur bruit est optimum en
t = T et ne dpend que de l'nergie du signal et de la densit spectrale du bruit. Ce rsultat met en vidence le rle de la corrlation dans les procdures de dtection et d'identification.
Les caractristiques de cet oprateur sont rsumes dans le tableau 8.31.
Tableau 8.31
g(t)
::.: ks(T-t)
GU)
~g{T)
::.:
kS"U) exp (-j2rr!T)

IGU)!l =klcbs(f)
k l ~S(T)
8.2.28 Dfinition: oprateur de drivation

La transformation linaire
y(t)
-x(t)
dt
(8.70)
249
OPIlATEURS FONCTIONNELS
dfinit un oprateur, appel dril'ateur, dont les caractristiques sant rsumes dans le
tableau 8.32. Un tel oprateur n'est pas physiquement ralisable, puisque sa rponse
d'amplitude croit linairement sans limite avec la frquence. Un filtre passe- hau t, tel
que le circuitRC drivateur de la figure 8.33; en constitue une ralisation approximative.
C
Tableau 8.32
cl
g (t)
GU)
IGU)I:!
8 (t)
li
'Ct)
dt
j2rr[
(2rrf)l
x(1)
!J'(t)
Fig. 8.33
Du tableau 8.32, on dduit que la densit spectrale de la drive d'un processus

alatoire (si elle existe) vaut
(8.71)
d'o, par le thorme de Wiener-Khintchine ( 5.3.3), on a pour les autocorrlations
la relation suivante
2
Rx,(T)
= -
d Rx(T)
(8.72)
dT
L'existence d'une drive, au sens d'une convergence en moyenne quadratique,

n'est donc possible que si la seconde drive de la fonction d'autocorrlation du processus existe.
8.3 OPRATEURS PARAMTRIQUES
8.3.1 Dfinition
On appelle oprateur paramtrique tout oprateur non stationnaire dpendant
d'un signal ou grandeur "de commande auxiliaire. Le signal de sortie
y (t) = S{x(t), u (t)}
(8.73)
est ainsi une fonction de deux signaux x (t) et li (t), l'un tant considr comme signal
d'entre et l'autre comme signal de commande (fig. 8.34)
x(t)
y(t )
s
u{t)
Fig. 8.34
8.3.2 Description gnrale des oprateurs paramtriques linaires

Un oprateur est linaire, mais fion stationnaire, si la condition (8.5) est satisfaite,
mais non la condition (8.6).
250
THORIE ET TRAITEMENT DS SIGNAUX
Le signal de sortie y (t) d'un tel oprateur s'exprime alors en fonction du signal
d'entre x (t) parla relation [49, 53]
OQ
(8.74)
y(t) = _[ h(t, 7)X( 7) dT
o Il (t, T) est une rponse impulsionnelle, dpendant de la grandeur auxiliaire li (t).

C'est la rponse, en fonction du temps t, une impulsion de Dirac applique j'entre
au temps T. L'oprateur est causal si h (t, T)::: 0 pour T> t.
L'oprateur linaire invariant apparat ainsi comme un cas particulier de cette
classe plus gnrale pour lequel Il (t, T)::: g (t - T).
Une description indirecte de l'oprateur linaire non stationnaire est la fonction
de rponse
DO
r lz (t,
H( IJ,! )
T)
exp ( - j 2 1T1lT ) dT
(8.75)
-0.,
qui dpend aussi du temps. On lui prfre gnralement une expression dpendant des
deux frquences f et ven effectuant une deuxime transformation de Fourier
""
H(f,v) = ffh(t,T)expfj27T(1'7-ft)] dTdt
(8.76)
On vrifie (exercice 8.5.12) que les transformes de Fourier des signaux d'entre
et de sortie x (t) et y (t) sont lies par la relation
f H(f,v)X(,J)dI
CIO
Y(f) =
(8.77)
-(XI
8.3.3 Oprateur sparable. Dfinition

Un oprateur est dit sparable si la rponse mpulsionnelle peut s'crire sous la
forme
h(t,T)
= U(t)g(t-T)
(8.78)
ou, de manire quivalente

h(t,T) = U(T)g(t-T)
(8.79)
La fonction de transfert (8.76) devient dans le cas d'une rponse impulsionnelle

du type (8.78)
H(f, v) = U(f-v) G(v)
(8.80)
et dans le cas de (8.79)

HU~v)
= U(f-v)G(f)
(8.81 )
251
8.3.4 Dfinition: oprateur de multiplication

Si l'on pose dans (8.78)g(t - T) 0 (t - T) on obtient
h (t, T)
= u(t)o (t-T)
(8.82)
HU: v)
= U(f-v)
(8.83)
et
d'o, en remplaant dans (8.74) et (8.77)

YCt):=: u(t)'x(t)
(8.84)
Y(f) = U(f) '" XU)
(8.85)
et
Le multiplicateur (fig. 8.35) est donc un oprateur paramtrique linaire (qui se rduit
l'oprateur stationnaire dcrit au paragraphe 8.2.16 si li (t) est une constante).
x(t)
---1....
yU)
I-------i....
Il (t)
Fig. 8.35
Les relations (8.84) et (8.85) reproduisent la proprit (4.15). Dans Je cas de

signaux x (t) et Li (t) alatoires indpendants, [cs proprits statistiques et spectrales
du signal de sortie y (t) peuvent se dduire de (5.195), (5.198) et (5.199) qui deviennent
ici
oc
Py(Y) :;
_1 Px(x) Pu ( y
Ixl
Ry(T)
Rx(T)"Ru(T)
 u (f)
(8.88)
8.3.5 Cas particulier: oprateur idal d'chantillonnage

En posant li (t):; T(t) dans (8.82), le signal de sortie devient en tenant compte
de la notation (1.54)
y(t)
= x(t)T(t) =
Ie=
x(kT)(t - kT)
.,.,
Cest le modle du signal chantillonn idalis dcrit au chapitre 9.
(8.89)
252
THOR!E ET TRAITEMENT DES SlGNt\UX
8.3.6 Cas particulier: interrupteur priodique

L'oprateur non stationnaire symbolis (fig. 8.36) par un interrupteur se fermant
priodiquement la cadence f = 1/ T avec une dure de fermeture Ll est un oprateur
de multiplication pour lequel (voir notation 1.56)
li
(t) = repT {rect(t 1Ll)}
(8.90)
yU)
.r(t)
Il
Il
LI (I)
Fig. 8.36
8.3.7 Cas particulier: oprateur de pondration uniforme

L'oprateur symbolis par la figure 8.36 pennet galement de raliser une observation JI (t) = x (t, T) de dure finie T d'un signal x (t) en donnant fa fonction de com~
mande la forme d'une fentre temporelle rectangulaire de pondration:
LI
(t)
rec t (t 1T )
(8.91 )
La dure finie d'observation entrane une rsolution spectrale limite (exercice

8.5.14) et l'apparition d'oscillations (phnomene de Gibbs, IV.7.3.36) au voisinage
des discontinuits du spectre de x (t).
D'autres fonctions de pondration (fentres temporelles) sont parfois utilises
( 12.1.6 et sect. XX.3.7) pour rduire cet inconvnient.
8.3.8 Cas particulier: inverseur priodique

L'oprateur symbolis par un inverseur priodique (multiplication par ]) correspond un multiplicateur avec fonction auxiliaire (ici pour un rapport cyclique de
50%)
u(t) = sgn{cos(21Tt/T)}
= repT{rect(2t/T)-rect[(1t-T)/T]}
(8.91)
8.3.9 Exemple: oprateur de multiplication avec prfiltrage

La rponse impulsionnelle (8.78) est celle d'un oprateur dcomposable en une
cascade d'un oprateur linaire invariant suivi par un multiplicateur (fig. 8.37). En effet,
en introdusanth{t,r)=u(t)g(t-r) dans (8.74), on obtient pour le signal de sortie
J
0C3
y(t} = LI(t)
g(t - T )x( T) dT
= u(t) [x(t) *g(t)]
(8.93)
253
.--.-----,' x (t) * g(t )

x(t)
yU)
= u(l)'
[x(l) *g(t)]
gU)
Fig. 8.37
Les proprits spectrales du signal y (t) se dduisent facilement

Y(f)
ID)' (f)
U(f)
* [XCf) G(f)]
(8.94)
2
tl\t (J') '" [cJ\" (f) IG (1) 1
(8.95)
8.3.10 Exemple: oprateur de multiplication avec postfiltrage

En partant de la rponse impulsionnelle (8.79), le signal de sortie devient
y(t)
g( t
T) li (T) x( T) dT = [x(t) u(t)]
* g(t)
(8.96)
Cest la rponse d'un oprateur (fig. 8.38) combinant un multiplicateur suivi d'un filtre
linaire invariant.
x(t) Il (t) . - - . - - - - - ,
y(t)
= [x(1) u(t)]
*g(t)
g( t)
Fig. 8.38
Les proprits spectrales du signal de sortie sont ici

Y(f)
= [X(f) * U(f)] G(l)
cJ.ly(f) = [IDx(f)
(8,97)
* q)u(f~]IG(f)12
(8.98)
Un tel oprateur est utile pour modliser l'chantillonnage rel, la reconstitution

d'un signal continu partir d'un signal chantillonn, la modulation d'amplitude et le
changement de frquence.
8.3.11 Cas particulier: oprateur d'chantillonnage rel

En posant u(t) ST (t) dans (8.96), on obtient
y(t)
[X(t)T(l)] *g(t) =
l
k=
x(kT)g(t-kT)
(8.99)
-00
Chaque chantillon est ici le facteur multipHcatif d'une inlpulsion de forme g (t).
Dans le cas d'impulsion de Dirac, g (t ) = (t) et l'on retrouve l'chantillonnage idal
(8.89).
254
THORlE ET TRAITEMENT DUS SIGNAUX
8.3.12 Dfinition: oprateur de modulation

Un modulateur (fig. 8.39) est typiquement un dispositif paramtrique~ linaire ou
non linaire suivant les cas, qui produit un signal de sortie dont un ou plusieurs paramtres varient en fonction du signal d'entre.
Fig. 8.39
Le signal auxiliaire est appel la porteuse IIp(t) en tlcommunications (chap.

XVIIIA). Les signaux d'entre et de sortie sont appels signal primaire (ou modulant)
et signal secondaire (ou modul)~ respectivement.
La porteuse up(t) est gnralement une sinusode de frquence f p et le signal de
sortie y (t) est spectre passe-bande. En utilisant le concept d'enveloppe complexe
[ (t) introduit la section 7 A~ le signal de sortie peut se mettre sous la forme
y(t)::: Re:(t)exp(j2rrfpt)}= a(t)cos(2rrfpt)-b(t)sin(2rrfpt ) (8.100)
o!. (t) ::: a(t) + jb(t)::: f {x (t)} est une fonction complexe du signal d'entre typique
chaque genre de modulation (chap. 11).
Le signal d'entre n'influenant que l'enveloppe complexe, on peut simplifier les
notations en dfmssant [99] un oprateur de modulation (fig. 8.40) par la relation
!. (i)::: Sm{x (t )}. Inversement, on peut dfinir un oprateur de dmodulation (fig. 8Al)
par la relation x (t)::: Sd :. (t)). Ce dernier est soit de type paramtrique, soit de type
non linaire.
x~
sm
_r::-l
---cs--
~J
x~t)
rU)
Fig. 8.40
Fig. 8.41
8.3.13 Dfmition: oprateur de sommation

Un sommateur (fig. 8.42) ou un sous tracteur (fig. 8A3) est un oprateur qui ajoute
ou retranche II (t) au signal d'entre x (t)
y (t)
= six (t)~ u (t)}
:::
(t) u(t)
(8.101)
Fig. 8.42
Fig. 8.43
Vis-~vis du signal d'entre, cet oprateur n'est pas linaire homogne puisqu'il
ne satisfait pas (8.5) et il est non stationnaire si u (t) n'est pas une constante. n est
logique de le classer panni les oprateurs paramtriques, encore que dans certaines
OI'RA TEURS FONCTIONNELS
255
cations (filtres actifs), il soit prfrable de le considrer comme un dispositif linaire

vectorieL
Par (4.12), on a pour des signaux dterministes
= X(f)
Y(f)
U(f)
(8.102)
D'une manire gnrale, valable aussi pourles signaux alatoires, on a par (5.189)
et (5.190)
(8.103)
et
iPy (f)
= iPx (f) + <Pu (f) iP XII (f) <Pux (f)
(8.104)
Ces deux dernires expressions se rsument aux deux premiers termes seulement
lorsque les signaux x (t) et li (t) sont indpendants et que l'un au moins est valeur
moyenne nulle (5.5.5).
8.4 OPRATEURS NON LINAIRES INVARIANTS
8.4.1 Dfinitions et classification

La modlisation des systmes non linaires se heurte des difficults considrables.
Aucune thorie globale n'existe qui permette, comme dans le cas linaire, de dterminer
simplement les relations liant la sortie l'entre du systme. C'est un domaine ardu qui,
bien qu'tudi depuis fort longtemps, ncessite encore un important effort de recherche.
Des approches partielles ont t tentes [100 -1 01]. Le sujet est si complexe qu'il ne
peut tre abord en dtail dans le prsent ouvrage.
Un moyen de relier l'entre x (t) la sortie y (t) d'un oprateur non linaire ici
suppos invariant - est la reprsentation en srie de fonctio1lnelles de Volterra
y(t)
""
TI=1
J .. J
_=
hll(Tl, ... ,Tn)X(t-7d .. x(t-Tn)dTt .. dTn (8.105)
_co
C'est une extension de la reprsentation intgrale des oprateurs linaires (8.12);

ce cas correspondant au premier terme de la srie. Elle implique l'existence des intgrales
et la convergence - en moyenne quadratique -.". de la srie. La fonctionnelle gnrale
(8.106)
dfinit un oprateur
noyau hfl{tJ, ... , tn).
11011
linaire homogne de degr n caractris (fig. 8.44) par le
Fig. 8.44
256
THORIE ET TRAITEl\!ENT DES SiGNAUX
On dmontre [102] que la rponse d'un tel oprateur li une excitation sinusodale
pennanente de frquence 10 est compose de termes sinusodaux de frquences
n/o, (Il 2)/0, ... ,10 (12 impair) ou 0 (Il pair). Si le degr 11 est impair, la rponse ne
contient donc que des harmoniques impaires et, si Il est pair, elle ne contient que des
harmoniques paires et une composante continue. Une illustration de ce rsultat apparait aux paragraphes 8.4.4 et 8.4.5.
Certains circuits non linaires (par exemple ractance non linaire) sont susceptibles de produire galement des sous-harmoniques de la frquence d'excitation. Ils ne
sont donc pas reprsents par ce modle.
La formule (8.105) suggre une reprsentation (fig. 8.45) par oprateurs homognes branchs en parallle li l'entre et dont les sorties sont sommes.
x(t)
",,(t, .... t")
Fig. B.45
Un cas particulier d'oprateur non linare dcrit par (8.105) est celui o le signal
de sortie est exprimable en srie de puissance
y (t)
(8.107)
Le noyau caractristique devient ici simplement

(8.]08)
La relation (8.107) permet de dcrire une large gamme d'oprateurs non linaires
amnsiques (ou sans mmoire, statiques, non inertiels, insta11tans): le signal de sortie
y (t) l'instant t ne dpend que de l'entre au mme instant et aucunement du pass.
En lectricit, un circuit non linaire est en principe de ce type s'il ne contient pas d'lments ractifs.
Or~ il est souvent possible [33] de modliser un systme non linaire par une cas
cade de deux ou trois oprateurs (fig. 8.46): par exemple, un oprateur linare, suivi
d'un oprateur non linaire amnsique et d'un deuxime oprateur linaire. On parle ici
de systme sparable.
OPRATEURS FONCTIONNtLS
257
systme
linaire
~------------------~v~------------------~
systme non linaire
Fig. 8.46
On est ainsi amen considrer la classification suivan te:

oprateurs non linaires amnsiques;
oprateurs non linaires sparables;
oprateurs non linaires non sparables.
ft
CI
La dernire catgorie ne sera pas aborde. La seconde se ramne donc une cascade
d'oprateurs o toute l'inertie (mmoire) du systme est prise en compte par l'oprateur
linaire alors que la non linarit est reprsente par le ou les oprateurs amnsiques. On
se limite dans ce qui suit examiner quelques proprits de ces oprateurs.
8.4.2 Oprateurs non linaires amnsiques

Un tel oprateur est caractris par une relation instantane entre les signaux d'entre et de sortie (fig. 8.47) qui est l'quation de la non linarit
y = g(x)
(8.1 09)
X(~
----\
y == g(x}
11
Y~I
Fig. 8.47
C'est le modle d'un grand nombre de dispositifs lectroniques ralisables analogiquement (vol. VIII) avec des circuits diodes, des amplificateurs oprationnels, des
comparateurs, des multiplicateurs, etc., et numriquement l'aide d'une table de correspondance mise en mmoire ou d'un algorithme de calcul appropri. Les principaux
d'entre eux sont regroups dans le tableau 8.48. Si la sortie est retarde (temps de raction, dure de calcul), on en tient compte en combinant en srie un oprateur amnsique
idal (sans retard) et un oprateur de retard ( 8.2.17).
8.4.3 Non linarit dveloppe en srie de Taylor

Le dveloppement en srie (8.107) ne converge pas au voisinage de discontinuits.
Il ne peut donc tre utilis que dans le cas de caractristiques non linaires g(x) variation progressive. Dans ce cas, les coefficients an sont lis la non linarit g(x) par
=~.
/:Y
fi
n.1
dTlg(x)
d"
x
(8.110)
x=o
La transforme de Fourier du signal de sortie de l'oprateur excit par un signal

dterministe devient simplement, en vertu de (4.15)
Y(f) =
2: /:Yu FI
11=1
;-=1
X(f)
(8.111)
Tableau 8.48
t-J
Fonction
Caractristique
Redresseur bipolaire
(oprateur de valeur absolue)
(t)
Rcdrc~seur
JI
(t) = e(x)-lx(t)1
unipolaire
Symbole graphique
Ix(t)1
-;-lx(t) + Ix(t)I]
Dtecteur de signe
(limiteur idal)
A sgn {x(t)}
(t)
Ul
co
~""'k~p
~-n~P
~-+-=t-~~
""l
:r
t'I1.
o
;::
r;;
Comparateur
(t)
= 5gn {x (t) - a }
~
""l
;:::1
>
si x
x(t) si a
a
Ecrteur
(t)
Oprateur quadratique
;:;
<a
<x b
CI
r:l
~-\V~P
y (t) = x 2 (t)
x ~ 0
Oprateur de racine carre
(t) ::::: JX(t) :
Oprateur logarithmique
JI
(t)
Oprateur trigonomtrique
par exemple:
y (t) = sin {x(l)}
loga {x (t) }; x > 0
~-=f?P
~~~
"~~-!~
I.n
!Il
Ci
)-
i>':
259
Ol'RATEURS FONCTIONNELS
o
11
(8.112)
HX(f) =X(f)*X(f)**X(f)
i=l
---------V--------~
/1 fois
dnote une multi-convolution d'ordre (n - 1).

Le spectre complexe du signal de sortie contient donc un premier terme proportionnel au spectre X (f) du signal d'entre, puis un terme proportionnel la convolution de X(f) avec lui-mme, etc. En vertu du thorme de la limite centrale ( 5.5.3),
les contributions spectrales (8.] 12) d'ordre lev se rapprochent d'une loi de Gauss
lorsque X(f) est rel (ou imaginaire).
Une proprit caractristique des systmes IZon lillaires est de foire surgir des
composantes spectrales totalement abselltes du spectre d'entre.
Cette proprit est parfois indsirable et interprte comme la source d'une

distorsion ( 8.4.6) du signal dsir. Elle est, par contre, mse profit dans d'autres
circonstances (modulation. changement et multiplication de frquence, etc.).
8.4.4 Exemple: oprateur quadratique

Si
y(t)=x 2 (t)
(8.113)
le dveloppement (8.107) se rsume au seul tenne quadratique. La transforme de

Fourier du signal de sortie est ici un simple produit de convolution
Y(f) = X(f)
* X(f)
(8.114)
Lorsque le signal d'entre est purement sinusodal x (t) =A cos (21T fo t):
X(f) fA[5(f+fo)+0(f-fo)]et,par(1.50)et(8.114),Y(f)=+A 2 (f)+
tA 2 [(f+2fo)+(f-:2fo)]. Ce rsultat (fig. 8.49), faci1ement vrifi raide
d'identits trigonomtriques, correspond au signal de sortie y (t) = A 2 + A 2
COS(41Tfot). Le terme continu -}A 2 mesure la puissance du signal d'entre.
X(f)
Y{f)
tA:!
J
-Jo
-t
- '2.Jo
Jo
-Jo
Jo
Fg.8.49
Si rentre est la somme de deux termes sinusodaux: x (t) =Al cos (21Tf1 t) +
= Al [o(f+ fd + 8 (f- fd] + AdtS (f+ f1 ) +
A 1 COS(21Tf2t), on obtient X(f)

5(f- f2 )].
Par convolution (fig. 8.50), la transforme du signal de sortie devient ici:

Y(f)= -}(A~ +Ai)5(f) + -tA! [0(f+~fd+o(f-2fd] + -tA~ [o(f+2fd +
5 (f - '2f2)] + -} A 1 A 2 [0 (f + fi + f2) + 0 (f - fi - f2) + (f - fi + f2) + (f +f~ -!-J. )].
Le premier terme reprsente nouveau la puissance moyenne du signal composite d"entre. Le dernier terme rsulte de ce que l'on appelle des produits cl 'intermodulatioll : il
fait apparatre des composantes aux frquences (f2 - fi) et (fi. + fi)'
260
THOlllE ET TRAITEMENT DES SIGNAUX
K(f)
Y(n
l
-2/2 /-2/1
2/1
j'
2/1
- <fI +/2) - (h - JI) J2 -JI JI + /2

Fig. 8.50
D'une manire plus gnrale. si

(8.115)
aiors
(8.116)
Le troisime terme caractrise Je phnomne d'intermodulation.
Considrons encore (fig. 8.51) le cas d'un signal d'entre nergie finie
x(t)=2aBsinc(2Bt) avec X(f)=arect[fl(2B)]. Par (1.33), on obtient ici Y(f)=
la 2 B tri [fI (2B)] La valeur l'origine reprsente l'nergie du signal d entre.
X(f)
-B
/
-2B
Fig. 8.51
-B
1B
Finalement (fig. 8.52), prenons l'exemple d'un signal d'entre spectre passe-bande
avec X(f) =a {rect [(f + fo )IB] + rect[(f - fo )IBJ). La transforme du signal de sortie
devient Y(f) =a 2 B{2 tfi (fIB) + tri [(f+ 2j)IB] + tri [(f- 2fo)IB]).
XU)
nt)
B
+---+
B
~
..
2B
18
Jo
l
- /0
- 2Jo
Jo
-1'0 -B
B Jo
2[0
Fig. 8.52
8.4.5 Exemple: oprateur cubique

Pour un tel oprateur, on a
(8.117)
3
Y(f)
FI X(f)
;=1
= X(f) *X(f) 'I:X(f)
(8.118)
OP:RA TEURS FONCTIONNELS
261
Si rentre est une simple sinusode x (t) =A cos (27T/ot), la transforme de Fourier
de la sortie devient Y(/)={3A 3 /8) [0(/+/0) +0(1-/0)] + (A 3 /8) [0(/+3/0 ) +
o(1 - 3J~)] correspondant y (t) (3 A 3/4) cos ("2 rr/o t) + (A 3/4) cos (6rrJ t). Dans le
cas d'une somme de deux sinusodes l'entre, les produits d'intermodulation apparaissent aux frquences 211 +tl, 2/1 - 12,212 + Il et 2/2 - 1.
La dtermination de Y (/) correspondant d'autres signaux d'entre est laisse
comme exercice.
8.4.6 Distorsion non linaire. Dfinitions

De nombreux dispositifs de traitement de signaux utiliss en instrumentation ou
en tlcommuncations sont supposs linaires. Pratiquement, toutefois, ils sont toujours
affects d'une lgre non linarit. Cela se produit pour diverses raisons: non linarit
naturelle des caractristiques des composants, phnomne de saturation ou d'crtage
d un domaine linaire born (par exemple, par des tensions d'alimentation dans les
amplificateurs ou autres circuits lectroniques), etc. Les signaux d'entre et de sortie de
ces dispositifs ne sont donc pas exactement isomorphes: le spectre du signal de sortie a
t enrichi de composantes dues aux contributions non linaires en x 2 , x 3, etc. C'est ce
que l'on appelle la distorsion lion lineaire.
On distingue plus particulirement
la distorsion harmonique~
la distorsion d'intermodulation.
La distorsion hannonique est due la cration, en cas d'excitation par une snusode
pure de frquence 10, de composantes aux frquences harmoniques k/o . On peut dfinir
alors un taux de distorsion harmonique, index k, en faisant le rapport de l'amplitude
de l'harmonique k et de cene de la fondamentale (gnralement exprim en %). Un
taux global de distorsion harmonique est obtenu en faisant le rapport des valeurs efficaces du signal de sortie sans fondamentale et avec fondamentale. Par (3.76), on a
(8.119)
La distorsion d'intermodulatioll est lie il l'existence de produits d'ntcrmodulation. Ceux-ci apparaissent lorsque l'entre est constituee par une somme de termes. Si
ceux-ci sont sinusodaux et de frquence anharmonique Ij,Ji. etc. (signal d'entre quasipriodique). Je signal de sortie contiendra, en plus de composantes harmoniques, des
termes d'intermodulation de frquence (mli lljj).
8.4.7 Distribution statistique du signal de sortie

Lorsque le signal d'entre d'un systme non 1inaire amnsique de caractristique
JI =g (x) est alatoire et de densit de probabilit connue, la distribution du signal de
sortie peut se dterminer en appliquant la rgle de transformation introduite au paragraphe 5.1.20, o J est le Jacobien de la transformation:
(8.120)
262
THORIE El' TRAITEMENT DES SIGNAUX
Si la non linarit est dcrite par la loi g (x) et si la densit de probabilit du signal
d'entre est p(x), les divers moments du 1er ordre ( 14.3.3) du signal de sortie sont
donns par
111 yn
= E [y ll]
(8.121)
et d'une manire gnrale, la valeur moyenne de toute fonction f (y) du signal de sortie
est exprime par l'esprance mathmatique.
E[f(y)]
::=
f(y)py(y)dy
(8.122)
f[g(x)]Px(x)dx
8.4.8 Fonction d'autocorrlation du signal de sortie

Un problme central dans l'analyse des effets d'un oprateur non linaire dans une
chane de traitement est la dtermination de la densit spectrale du signal de sortie lorsque rentre est alatoire. Cette densit spectrale est, en vertu du thorme de WienerKhintchine ( 5.3.3), la transforme de Fourier de la fonction d'uutocorrlation Ry (r)
du signal y (t). Le problme est donc ramen celui de l'valuation de ce moment du
deuxime ordre.
Par dfinition avec Xl = X (1), X2 ::= X (t + r), YI =g (XI) et Y2 =g (Xl):
Ry(r) = E[ yU) y(
t+
r)1 = E[ YI Y2]
E [ g( XI) g( Xl ) J
00
= fSg(XI)g(X2)P(Xl
r) dx l dx 2
X2
(8.123)
La rsolution de cette intgrale ncessite, outre la connaissance de la loi de non

linarit, celle de la statistique du 2me ordre [densit de probablt conjointe de x (t)
et x(t+ rH du processus d'entre. Cette loi est malheureusement rarement connue,
sauf dans des cas particuliers comme celui des processus gaussiens (sect. 5.7).
La dtermination de Ry (r) par solution de (8.123) est appele: mthode directe.
li est parfois prfrable, en particulier lorsque la non linarit contient des discontinuits. de passer par une mthode indirecte o la statistique du 2me ordre est indique
par la fonction caractristique (14.66 ).
Supposons que la non linarit y =g (x) possde une transforme de Fourier
G (v), alors g(x) F -1 {G Cv)} et en remplaant dans (8.123) avec li 2 rrv et v 2rrv,
on obtient l'expression quivalente
1 E
-.,
4rr-
l
'-2
411"
{!'"JrG( u )G( l') exp [j(

_~
ff G(u)G(p) n.
li Xl
+ li X2 )] du d"
DO
t (
_00
li,
l') du dl'
(8.124)
263
o
00
JI p(
XI, X2
7)exp [j(
llXI
+ IJX2)]
dXt dX2
(8.125)
est prcisment la fonction caractristique du 2me ordre du processus d'entre.
8.4.9 SignaI d'excitation gaussien valeur moyenne nulle

La solution de (8..123) ou (8.114) est en principe possible lorsque le signal d'entre
est gaussien. Dans ce cas, la densit de probabi1it conjointe peut s'crire, d'aprs (14.98)
et avec Il x = 0 :
= a;
o Rx(O)-=Cx(O)
et
Rx(7)
-=
= a~ Px (7).
Cx(T)
La fonction caractristique du deuxime ordre correspondante est, selon (l4.1 04)

Ilx(u,v)
= exp {-+Rx(O)
[u 2
+ J!2]
Rx(T)UV}
(8.117)
8.4.10 Exemple: redresseur unipolaire

Ce type d'oprateur (tab. 8.48) possde une caractristique
g(x)
xe(x)
(8.128)
En remplaant dans (8.123), on obtient
ff
Ry(i) =
XIX1P(Xl,X2
(8.129)
;i)dxl dx'2
Le signal redress y (t) possde alors, dans le cas d'une entre gaussienne valeur moyenne nulle, la fonction d'autocorrlation (exercice 8.5.14)
Ry(i) =
+1[R~(O)-R_~(7)]1/2
+Rx(7)arccos
-'otT
8.4.11 Exemple: non linarit en
R.,,(T)
Rx (0)
l
~
(8.130)
Xll
Dans le cas o
y == g(x)
= x"
(8.131)
il est avantageux d'exploiter la relation (14.70) qui lie le moment du deuxime ordre
E (x'i xr] la valeur l'origine de la drive partielle de degr (Il, Il) de la fonction
caractristique:
21l
R (i)
JI
(u' v)
= E [x 1 X~l]
= J'-211 a rr x
au av
ll
Il
1/
(8.131)
u=v=o
264
TIIOIUE ET TRAITEMENT DES SIGNAUX
Si le signal d'entre x (t) est gaussien valeur moyenne nulle, la fonction carac
rstique est donne par (8.1:27). La solution gnrale de (8.13~) peut tre mise sous la
forme [17,104]:
fi
R ()
y
o k
'\
7;
{ll!j[(ll k)j2]!}2
R Il - k (O)R k ' )
.2 Il -k. k!
x
x (r
pair et k = 1,3,5 ... pour 11 impair (et O! = 1).

Le tableau 8.53 rsume les rsultats obtenus pour quelques valeurs de
(8.133)
=0,2,4 ... pour Il
11.
Tableau 8.53
RX(T)
2Ri{T)+Rl<O)
6R~(r}
24R~(T)
120Ri:(T)
+ 9R 5:(0) RX(T)
+ 72Ri(O)Ri-(T) + 9R~(O)
+ 600Ri-(0) R.~(r) + 225 R~{O) Rx(r)
On a par exemple dans le cas d'une transformation cubique:

Ry(r)
6R;(r)+9R;(O)R x (r)
(8.134)
d'o l'on tire l'expression spectrale par transformation de Fourier:

3
q)y (
f )
FI cp x (f ) + 9 R _~ (0) q).'\; (f )
(8.135)
;=1
Ce rsultat est comparer (8.118), valable pour une en tre dterministe.
8.4.12 Thorme de Priee

Le thorme suivant, bas sur l'approche indirecte, se rvle particulirement
commode d'emploi lorsque la loi non linaire g(x), ou l'une de ses drives, est compose de segments de droites. Si l'excitation x (t) est gaussienne et valeur moyenne
nulle, la fonction d'autocorrlation Ry(r) du signal de sortie peut tre dtermine par
intgration de la relation
(8.136)
(x) est la kime drive de g(x) par rapport x.
D'une manire similiaire, la fonction d'intercorrlation Ry 1J' 1 (r) des sgnaux de
sortie YI (t) et Y2 (t) de deux systmes non linaires gj (xd et g2 (X2) excite respectivement par les signaux gaussiens valeurs moyennes nulles XI (t) et X2 (t) s'obtient
par intgration de la relation [avec Xll = Xl (t) et X22 Xl (t + r)]
O g{k)
a /(; ()
(r) = E [g(JC) (x ')g~k)(X'l'l)]
1 ]1
- ..
aR xlx2 r
(8.137)
265
8.4.13 Dmonstration
En introduisant (8.127) dans (8.124) et en drivant k fois par rapport R;x (r).
on obtient
ale R
(r)
aR x (r)
-1
41r~
ff G(u)G(V)(-J)kukvk nx(u,l')dudv
(8.138)
En remplaant nx (u, v) par l'esprance mathmatique (8.125), en crivant

(- 1 )k = / le , en sparant les varia bles u et JI et en tenan t compte de la proprit (4.13)
avec ici li 27Tt) et v = 27TV, on a finalement
4~2
E[f G{U)jku k exp(juxddufG(p)j"l'k exp(jv)(2)d,']
E[g(k)(XI)og(k)(X2)J
(8.139)
La relation (8.137) se dmontre de manire analogue.
8.4.14 Autre relation gnrale valable en cas d'excitation gaussenne

Par une approche voisine de celle expose ci-dessus, mais en fasant inteIVenir le
dveloppement en srie de (8.127), on peut mettre la fonction d'autocorrlation du
signal de sortie sous la forme [69J
""
k=O
A.
L -::-,
E [g(k)(x 1)] E [g(k) (X2)J R~ (r)
(8.140)
A l'inverse du thorme de Priee, cette expression se prte mal ('tude de non

linarits dont les drives contiennent des discontinuits. Elle est, par contre, assez commode d'emploi, si la non linarit est dveloppable en srie de puissances.
8.4.1 5 Exemple: dtecteur de signe

Un tel oprateur est rpertori dans le tableau 8.48. Sa caractristique est
= g(x)
Si x (t) est gaussien, avec Ilx

g(J)(x)
(8.141)
= Asgn(x)
0, on peut appliquer le thorme de Priee avec ici
= lA o(x)
(8.142)
d'o, en tenant compte de (8.] 26) et (1.35)
aR y (7)
aR x (7)
= 4A 2 E [0 (x.) a(X2)]
= 4A 2 ff (3 (xd (3 (x:d Px(xt. X2, 7) dXl dX2
4A 2 Px(O,O)
2A 2
(8-143)
266
Par intgration, on a
2A 2
Ry (r) == - - arcsin
(8.144)
1T
La COllstante d'intgration est gale la voleur particulire de Ry (r) obtenue en

imposant Rx (r) == O. Or, puisque x (t) est gaussien et Li valeur moyenne nulle ( 5.7.3),
R;x(r)==O entrane l'indpendance de Xl ==x(t) et Xl == x(t+ r).On a ainsi
K == Ry (r) 1 R;x(r)=o == E [g (x]) g(X2 )]R;x(r)=o == E [g (x d] E [g{X2)] ::.: 0
car
(8.145)
E[g(x)] =
sgn(x)p(x)dx == 0
(8.146)
puisque sgn (x) est une fonction impaire et p (x) est ici une distribution paire. Finalement
2A 2
Rx{r)
1T
R;x(O)
R (r) :::: - - arcsin-y
(8.147)
La densit spectrale correspondante peut tre dtermine en dveloppant la fonc

tion arcsinus en srie.
8.4.16 Exemple: oprateur quadratique

Cet oprateur de caractristique y =x 2 a dj t pris comme exemple au paragraphe 8.4.4 dans le contexte d'une excitation dterministe. La fonction d'autocorrlation
du signal de sortie obtenu en cas d'excitation gaussienne valeur moyenne nulle peut
tre tire du tableau 8.53
(8.148)
On peut aussi l'obtenir (exercice 8.5.26) par application du thorme de Priee ou
de la formule (8.140).
La densit spe'ctrale correspondante est simplement
Py(f) == 2(Px(!)*cpx(!)+R;(0)o(!)
(8.149)
On tire de (8.148) les paramtres suivants
Py == Ry(O) ::.: 3R; (0) == 3a~

Jly == Rx(O) =
ai
a~ == 2R; (0) == 2a;
(8.150)
(8.15.1)
(8.152)
Le cas d'un signal d'entre gaussien spectre blanc born de type passebande est
illustr par la figure 854.
8.4.17 Oprateur quadratique excit par un signal additionn de bruit gaussien

Soit x (t) = s (t) + Il (t), o S (1) et 11 (t) sont indpendants et valeurs moyennes nulles, s (t) tant un signal quelconque et Il (1) un bruit gaussien. La sortie de
267
op(mATEURS FONCTIONNELS
TJ~B'-5([)
28
lB
<1-4--_
-B
-110
10
210
Fig. 8.54
[1)nU)
+--1>
- 10
j~
-lo
fo
[I>r 2 (f)
'=0:
...1 4/16
A~/I6
- 2};,
2fn
1 [fl,t" (f)
T/lB~
=11;:
11 2B
'2.B
"2B
f
-
:'j~
-B
210
B
{Ils,nU}
..1 20ft =2111u~

il
Al17
-..
il
+--1>
l17
f
-2fo
-+B o TB
"'!.I()
q,),([)
a:+a~+a;;a;
17!B+A~11
-210
/J
Fig. 8.55
/J
110
268
THORIE ET TRAITEMENT DI~S SIGNAUX
l'oprateur quadratique est
y (t)
= X 2 (t) = 8 2 (t) + 2s (t) 11 (t) + 11 2 (t)
(8.153)
Sa fonction d'autocorrlation vaut
Ry(T)
= E (y(t)y(t+T)] = E [VIV2]
== E [s1 s~]
::::
+ E [n1 n~] + E [si n~ + n1 s~ + 4 SI S2 nI n2]

Rs'l (1') + Rtl (1') + Rs.11 (1')
l
(8.154)
avec
RSl
RIl
= E [S2 (t) S2 (t+ 1')]

(1') = 2 R,~ (1') + R~ (0)
(1')
(8.155)
(8.156)
en fonction du rsultat (8.148), et
Rs,fI (1')
= 2Rs (O) Rtl (0) + 4RsC T ) Rtl (1')
(8.157)
La densit spectrale rsultante devient
py(f) = cps2(f)+[R,~(O)+2Rs(O)RTJ(0)]6(f)
+ 2 fP n (f) * P n (f) + 4 Ps(f) * P"
(8.158)
(f)
La figure 8.55 rsume les rsultats obtenus dans le cas d'un signal s (t) = A cos (l1Tfot)
et d'un bruit blanc gaussien Il (t) spectre passe-bande.
8.5 EXERCICES
8.5.1 Soit un systme linaire caractris par la rponse impulsionnelle g(t) = Wc
exp (- Wc t) E (t) avec wc::: 11Tfc. Dterminer la relation liant les fonctions d'autocorrIation d'entre et de sortie 'Px (1') et tpy (1') ainsi que la largeur quivalente de brut. Si
l'entre x (t) est un bruit de densit spectrale de puissance constante <Px (f) = Til 2, en
dduire la fonction d'autocorrlation Ry (1'), la densit spectrale de puissance CPy (f) et
la puissance totale Py du signal de sortie y (t).
8.5.2 Dmontrer que le systme composite de la figure 8.56, o le signe 2: symbolise
une sommation, est encore un systme linaire.
yCt)
Fig. 8.56
OI' RATEURS FONCTIONNELS
269
8.5.3 Dterminer la fonction de rponse frquentielle G (f) du systme linaire de la

figure 8.57 et en dduire la forme particulire correspondant to = O. Quel genre de
filtre obtient-on dans ce cas-l?
~
T
x(t)
retard to
Fig. 8.57
8.5.4 La fonction de rponse frquentielle d'un amplificateur de signaux acoustiques est

la suivante: G (f):::: Go (j fI fI) (1 + j[1[ir I (l +jfl f,.)-I o fI 30 Hz, f2 = 20 kHz et
Go = 1000. Dterminer l'quation de la rponse impulsionnelle g (t). Calculer la puissance
Py du bruit obtenu la sortie si l'entre x (t) est un bruit blanc de densit spectrale
cI>x (f) ::::] 0- 7 V 21Hz. Dterminer galement la largeur de bande - 3 dB et la largeur de
bande quivalente de bruit de cet amplificateur.
8.5.5 Soit x(t) =A +11 (t) rentre d'un moyenneur temporel parfait, dfini par (8.42)
o A est une constante estimer et Il (t) est un brut additif de densit spectrale
Pu (f) = 11 (1 + (flBf2 . Sachant que Jx exp (ax) dx = (ax -1) exp (ax), dterminer quelle est, en fonction de la dure d'intgration T, l'expression du rapport signal
sur bruit la sortie et calculer la valeur de T assurant un rapport signal sur bruit de sortie suprieur de 20 dB celui de l'entre pour A = 0,1 V, 11 10- 4 V 21Hz et B = 10011T Hz.
8.5.6 Reprendre l'exerCce 8.5.5 dans le cas o le moyenneur n'est pas parfait, mais ralis approximativement par un filtre passe-bas Re, dfini par (8.54), en remplaant la
dure d'intgration par la constante de temps Re du filtre.
8.5.7 Dterminer les temps de propagation de phase et de groupe d'un filtre passe-bas
du 1er ordre dfini par (8.54) et comparer les rsultats obtenus pour fo = fc8.5.8 Montrer que la fonction de cohrence (5.178) liant l'excitation x (t) et la rponse
y (t) d'un systme linaire (sans bruit interne additionnel) vaut l'unit.
8.5.9 Un modle de bruit mpulsionnel caractristique spectrale quelconque peut tre
construit l'aide du schma-bloc de la figure 8.58 o up(t):::: LO(t-t;) est une suite
alatoire d'impulsions de Dirac (processus de Poisson). Le bruit produit 11 (t) est une
somme d'impulsions de fonne Ci.ig(t-t;) o t i est un instant alatoire arbitraire et
Fig. 8.58
270
=Ci. (t =ti) est la valeur chantillonne d'une grandeur indpendante Ci. (t). Dterminer l'quation gnrale de la densit spectrale de puissance du bruit Il (t) si le nombre
moyen d'impulsions par seconde est dnot par .
Ci.i
8.5.10 Indiquer sous quelles conditions le rsultat obtenu l'exercice 8.5.9 s'identifie
avec la formule (6.31).
8.5.11 Dterminer, partir du rsultat de l'exercice 8.5.9, le spectre d'une suite poissionnienne d'impulsions de fonne triangulaire de dure ~ et d'amplitude unit pour
a (t) = e (charge d'un lectron) et e = Jo.
8.5.12 Dmontrer la relation (8.77).

8.5.13 Dduire de (8.90) la densit spectrale de puissance du signal de sortie d'un
rupteur priodique dans l'hypothse o le signal d'entre x (t) et le signal de
li (t) sont indpendants. Interprter graphiquement le rsultat pour ~ = TI'2 et avec
x (t) un bruit blanc born spectre passebas idal de largeur de bande B = (2 Tf1.
8.5.14 Dterminer la densit spectrale d'nergie du signal de sortie y (t) d'un nn,p,r"t""t1r'\:?'
de pondration dfini par (8.91) lorsque le signal d'entre x (t) est de type priodique
(priode Tx ). Interprter graphiquement le rsultat pour T = Tx et T = 10 Tx .
8.5.15 Le signal quasi-priodique x(t) =A I cos (2rr/l t) +A;! cos(2rr/2t) est appliqu
fi l'entre d'un oprateur de pondration dont la fonction de commande est u;(t).
miner analytiquement et comparer graphiquement les spectres d'amplitude
pour Il = 100 Hz,fi = 150 Hz, Al = 10 V, A 2 = 1 V. Pour les trois cas: u! (t) = rect (tl
U2 (t) = tri (t 1T), ll3 (t) = ig (t 1T) avec T = 50 ms.
8.5.16 Un signal cosinusodal redress peut tre considr comme le produit d'une
fonction cosinusodale A cos (2 rr t 1T) par la fonction signe de cette mme fonction.
dduire la transfonne de ,Fourier.
8.5.17 Quelle est la fonction d'autocorrlation, la densit spectrale de puissance et la

puissance totale du signal y (t) obtenues la sortie du systme reprsent sur la figure
8.59, si x (t) est un signal alatoire avec une fonction d'autocorrlation Rx (T) =
a~ (T) + Jl~ et si li (t) = A cos (2 rr/o t + Ci.) est indpendant de x (t)? Esquisser graphiquement le rsultat pour /0 = 21Re.
x ( t)
o-c::::J--+---o
"
--Le
Fig. 8.59
8.5.18 Dterminer l'expression du signal de sortie y (t) du systme reprsent sur la

figure 8.60 (modulateur de Hartley), ainsi que celle de sa fonction d'autocorrlation.
Montrer que ce signal possde un spectre bande latrale unique.
271
OPERA TEU RS FONCTIONN ELS
x( t)
y(t)
Fig. 8.60
8.5.19 Soit x (t) =A ig (fI T) le signal d'entre d'un oprateur quadratique. Dterminer et esquisser graphiquement le signal de sortie y (t). sa transforme de Fourier et sa
densit spectrale d'nergie.
8.5.20 Dterminer et esquisser graphiquement la transforme de Fourier du signal de
sortie d'un oprateur cubique, si a) x (1) ::: A 1 cos ( 27r/1 t) + A 2 cos (2 ni:! t); b) x (t) =
2AB sinc (2Bt).
8.5.21 Le courant de sortie d'un composant lectronique command par une tension
d'entre li est donn par l'quation i =a + bu +cu 2 Dterminer l'expression littrale
du taux de distorsion d au deuxime harmonique en cas d'entre sinusodale d'amplitude . Evaluer la valeur de ce taux pour = 1 V, si i min = 0,45 a, i max = 1.7 a, et si le
courant de sortie en l'absence d'excitation d'entre vaut 10 mA.
8.5.22 La caractristique rcHe d'entre-sortie d'un amplificateur peut, au voisinage
de l'origine, se mettre sous la forme y (x) = AVarctan (xl JI) o A = J 00 est le facteur
d'amplification et v= 1 volt est un facteur d'chelle. Calculer approximativement les
taux globaux de distorsion harmonique de cet amplificateur obtenus pour une excitation sinusodale d'amplitude gale : a) 0,1 Vet b) 0,2 V.
8.5.23 Dtermner en fonction du paramtre b la valeur moyenne. la valeur quadratique moyenne et la variance du signal de sortie des oprateurs non linaires dfinis par
Yt=x 2 et Y2 1+x 2 +x 3 dont le signal d'entre est distribution uniforme p (x) =
a rect (x/b).
8.5.24 Vrifier (8.130) par le thorme de Priee.
8.5.25 Dterminer la fonction d'autocorrlation de sortie Rl'(r) d'un oprateur de
valeur absolue (redresseur bipolaire) de caractristique y =lx," dans le cas d'une excitation gaussienne valeur moyenne nulle de fonction d'autocorrlatiol1 Rx(r) connue.
272
8.5.26 Vrifier la relation (8.148) en appliquant: a) la formule (8.133); b) le thorme

de Priee et c) la formule (8.140).
8.5.27 Soit y (t) =x (t) + x 3(t) o x (t) est un signal gaussien valeur moyenne nuUe
et fonction d'autocorrlation connue Rx (1'). Dterminer Ry (1'): a) par le thorme de
Priee (8.136), sachant que E [x ln ] = 1 3 ... (211 -1)
(0); b) en considrant la sortie
y (t) comme la somme de deux signaux YI (t):::: x (t) et Y2 (t) =x 3 (t) et en exploitant
la relation (8.137); c) en appliquant la fonnule (8.140).
R;
8.5.28 Deux signaux gaussiens Xl (t) et X2 (t), valeurs moyennes nulles, variances a~l
et
et fonction d'intercorrlation R x1x2 (1'), sont appliqus aux entres de deux
dtecteurs de signe. Dterminer la fonction d'intercorrlation des signaux de sortie
YI (t) = sgn [Xl (t)] et Y2 (t) = sgn [X2 (t)].
a;2
8.5.29 Montrer que la fonction d'intercorrlation des signaux Yl (t):::: Xl (t) et)'2 (t) =
[X2 (t)], o Xl (t) et X2 (t) sont gaussiens valeurs moyennes nulles, est proportionnelle R x1x2 (1').
A sgn
CHAPITRE 9
9.1 INTRODUCTION
9.1.1 Motivation et dfinitions de l'chantillonnage

Les signaux primaires porteurs d'informations sont pratiquement toujours de type
analogique (amplitude et temps continus). Un ordinateur, ou tout autre systme lectronique numrique, est un dispositif qui traite des donnes, c'est--dire des suites de
nombres. Il y a apparemment incompatibilit. Si l'on veut traiter un signal par voie
numrique, il faut le reprsenter au pralable par une suite de valeurs ponctuelles prleves rgulirement (fig. 9.1) ou irrgulirement. Un tel prlvement est appel chautillormage. On parle d'chantillonnage rgulier ou priodique lorsque les prlvements
sont effectus selon un rythme rgulier. L'ntervalle entre deux chantillons successifs appel pas d'cJwlltillolmage - est dans ce cas constant. L'chantillonnage irrgulier ou
pas l'ariable est rarement utilis.
La reprsentation numrique des chantillons requiert une opration complmentaire de quantification et de codage dont la nature et les consquences sont examines
au chapitre 10. L'ensemble ralise une fonction de conversion analogique -numrique
(AIN).
Il existe, par ailleurs, des dispositifs tels que les circuits transferts de charges et
les filtres capacits commu tes, qui travaillen t naturellement avec des signaux chantillonns, mais non quantifis et cods .
.':(1 )
{x( k)}
--
pas d'chantillonnage Tc
rI l l r
ll
Fig. 9.1
rI III
274
9.1.2 Transformation rversible ou irrversible

Lorsqu'un signal doit tre chantillonn, la premire question rsoudre est de
savoir si la transformation ainsi ralise doit tre rversible ou non. En d'autres termes,
doit-on pouvoir reconstituer, si ncessaire, le signal analogique de dpart partir des
chantillons prlevs ou non.
Le deuxime cas sous-entend que seule une information partielle sur la nature
du signal sera extraite par le traitement ultrieur. Un exemple classique est la mesure de
l'histogramme ( 14.2.6) du signal ou d'autres caractristiques statistiques du 1er ordre
(valeur moyenne, puissance, etc.).
La rversibilit d'une telle transformation n'est pas vidente. On montre dans ce
qui suit que seules des conditions thoriques, irralisables parfaitement dans la pratique,
permettent une reconstitu tion exacte du signal analogique partir de ses chantillons.
La procdure d'chantillonnage introduit donc toujours une distorsion invitable qu'il
convient de limiter un niveau acceptable.
9.1.3 chantil10nnage et modulation

Il est courant, dans les ouvrages de tlcommunications, de prsenter l'chantillonnage dans le contexte d'un chapitre traitant de la modulation. Il y a cela autant une
raison historique (invention de la mthode de reprsentation numrique des signaux
appele modulation par impulsions codes) qu'un parfait bien-fond. On verra, en effet,
que l'oprateur idal d'chantillonnage est assimilable un oprateur de modulation
d'amplitude travaillant avec une porteuse constitue par une suite priodique d'impulsions de Dirac. L'chantillonnage est associ toutes les techniques de modulation
d'impulsions (sect. 11.4).
9.1.4 chantillonnage thorique et ralits pratiques

La suite d'chantillons reprsente sur la figure 9.1 n'a pas de ralit physique
(dure nulle::: nergie nulle). II s'agit donc d'un concept abstrait. Le prlvement exprimentaI d'une valeur chantillonne implique une opration de mesurage qui prend un
certain temps. Pratiquement, les valeurs chantillonnes x (k) ::: x (tk) sont reprsentes
par un paramtre (amplitude, surface) d'une suite xe (t) = I:.g(t - t k ) d'impulsions de
forme g(t) et d'nergie non nulle. Un exemple en est donn par la figure 9.2 o
la forme des impulsions est rectangulaire.
-YeU) =
'I; g(t -
tk)
Fig. 9.2
275
9.2 MODLES DE SIGNAUX CHANTILLONNS
9.2.1 Oprateur gnral d'chantillonnage

Le modle gnral (fig. 9.3) d'un chantillonneur est celui d'un oprateur paramtrique sparable ( 8.3.10) comprenant un multiplicateur suivi d'un circuit linaire
de mise en forme ayant une rponse impulsionnelle g(t).
g(t)
miSE! E!1l forme
Fig. 9.3
Le signal analogique x (t) est multipli par la fonction d'chantillonnage e (t), puis
filtr. Le signal chantillonn est dnot Xe (t). Il est li x (t) et e (t) par l'quation
(8.96) qui devient ici
xc(t)
[x(t)'e(t)] * g(t)
(9.1 )
Dans le cas de signaux dterministes, la forme gnrale de la transforme de Fourier

du signal chantillonn devient, selon (8.97)
Xe(f) = [X(f)
E(f)]'O(f)
(9.2)
Si x (t) est un signal alatoire statistiquement indpendant du signal dterministe

d'chantillonnage e (t), on a- par (8.22) et (8.87)
Rxe(T) = [Rx(T)'~e(T)] '" ~g(T)
(9.3)
et
(9.4)
9.2.2 chantillonnage rel priodique. Dfinition

Un chantillonnage rel priodique (fig. 9.4) d'un signal analogique x (t) est
obtenu en multipliant x (t) par une fonction d'chantillonnage e (t) qui est une suite
priodique, de priode Te = 1/j~ d'impulsions rectangulaires d'amplitude unit et de
dure D:
e (t)
:.=
rep T {rect (t / D)}
(9.5)
Le schma gnral de la figure 9.3 se rsume ici au seul multiplicateur qui symbolise, dans ce cas, un simple interrupteur priodique ( 8.3.6). Le filtre linaire est un
circuit passe-tout (court-circuit) de rponse g(t) =0 (t). Le signal chantillonn rellement est dnot xer(t).
Par (4.128) et l'exemple 4.4.17, les formules (9.2) et (9.4) deviennent dans ce cas
n=-=
L
11=-<:>::>
J~ D sinc (nDffJ X (f - nj~)
(9.6)
276
x(c)
e(t)
o
Fig. 9.4
et
(Ilxer(f)
= <px(f) *
f,}D 2 sinc 2 (IlDfe}5(f-nfe)
l1=-ao
(9.7)
11=-""
On constate immdiatement l'importance que joue la cadence ou jj-quence

d'chantillonnage fe = 1/ TcLe spectre du signal chantillonn reIJement est donc obtenu par une somme pondre de termes correspondant la rptition priodique, de priode fe = 1/ Tc, du spectre du signal analogique. Le facteur de pondration dpend de la densit d'impulsions
fe D -= D / Te, qui est compris en tre 0 et l, et varie en fane tian de 11 selon une loi en
sine pour la transforme de Fourier et en sinc 2 pour la densit spectrale de puissance.
Ce rsulta t est illustr par la figure 9.5.
Une gnralisation de l'chantillonnage rel est la multiplication du signal x (t) par
un train priodique d'impulsions de fonne gel) quelconque.
9.2.3 chantillonnage priodique idalis. Dfinition

La suite de valeurs ponctuelles {x k }, o Xk = x (t k), ne constitue pas un signal
physiquement ralisable ainsi qu'on l'a relev au paragraphe 9.1.4. En effet, on peut
277
CHANTILLONNAGE: DES SIGNAUX
f
- f max 0 f milx
pour fcD = 1/3
f
- 3 te
-r-
lie
:. fe
3 j~
4 fe
5 fe
imaginer obtenir un tel signal partir d'un chantillonnage rel dans lequel on fait tendre la dure D des impulsions de la fonction d'chantillonnage vers zro. Il est vident
que la puissance du signal ansi cr tend aussi vers zro!
Une manire, toute thorique, de mettre en vidence malgr tout les proprits
spectrales d'une telle suite, consiste multiplier chaque impulsion d'chantillonnage
par un facteur IID. Le passage la limite, pour D tendant vers zro, transforme alors
chaque impulsion rectangulaire en une impulsion de Dirac.
On peut ainsi assimiler thoriquement la sute idale d'chantillons prlevs avec
une cadence fixe fe =: liTe un signal Xe(t) obtenu par la multiplication du signal analogique x (t) par une fonction d'chantillonnage idalise
ej(t)
= 5 Te(t) =
k=-ao
(9.8)
8 (t-kTe )
Le modle gnral de la figure 9.3 se rsume ici il celui d'un chantillonneur idalis
( 83.5) et (fig. 9.6) dont le signal de sortie est
x(kTe)(t
kT..J
(9.9)
k=-<Xl
x(t1
Fig. 9.6
Les proprits spectrales de Xei (t) sont obtenues comme dans le cas prcdent. La
transforme de Fourier et la fonction d'autocorrlation d'une suite priodique d'impulsion de Dirac 5 Te (1) sont donnes respectivement par (4.123) et (4.138)
F {DTe(t)}
Te- 1 {jl/Te(f)
!Po Tc (T)
T;l DTe(T)
= fe5fe(f)
= f~5Te(T)
(9.10)
(9.11)
278
THORIE ET THAlTEMENT DES SIGNAUX
Ce sont galement des suites priodiques d'impulsions de Dirac, de poids fe = 1/ Te,

et de priodicit fe dans le domaine frquentiel et Te dans le domaine temporel. Par
(1.57), (9.:2) et (9.4), la transforme de Fourier et la densit spectrale du signal cha"ntillonn idalis deviennent
feX(f-J1j~)
11=-=
= j~ rePfe {.X (f)}
(9.12)
11=-00
(9.13)
Ces deux fonctions correspondent dOliC la rptition priodique, de priode gale la
cadence d'chantillonnage, de la transforme de FOllrier 011 de la densit spectrale, respectivement, du signal analogique (fig. 9.7).
ID<
f~
le
1
iii
- /max"
Ima.x
(IJxei(f) = 1; rePfc {(l\(f)}
Fig. 9.7
CHANTll.l.ONNAGE DES SIGNAUX
179
On observe galement que la fonction d'au tocorrlation (9.3) du signal chantillonn

idalis est simplement la version chantillonne idalement de la fonction d'autocorrlation du signal analogique
Tc
=- ao
Rx(kTe)o(t-kTe )
(9.14 )
9.2.4 chantillonnage priodique avec maintien. Dfinition

Dans l' cJzantillolllzage avec maintien, la valeur chantillonne instantanment est
ensuite mmorise temporairement sous forme analogique. Ce type d'chantillonnage
reprsente un cas pratique trs important.
Le modle du signal chantillonn avec maintien est facilement obtenu partir de
la figure 9.3 en considrant nouveau la fonction d'chantillonnage e (t) comme une
suite priodique d'impulsions de Dirac. Le signal d'excitation du filtre de rponse impulsionnel1e g (t) est ainsi le signal chantillonn idalis. Le signal de sortie x cm (t) correspond la convolution du signal d'excitation avec g(t). La fonction de maintien pendant
une dure D est obtenue en choisissant comme rponse impulsionnel1e du filtre de mise
en forme la fonction
g(t) = rect[(t-DI2)ID]
(9.15)
qui est, un facteur D prs, gale celle d'un moyenneur temporel ( 8.2.19).
Par (4.29), (9.2), (9.4), (9.12) et (9.13), la transforme de Fourier et la densit
spectrale du signal chantillonn avec maintien deviennent
Xcm (f) = Dfe sinc(Df) repfc {.X(f)} exp (-j7TfD)
(9.16)
et
(9.17)
Le terme exp (- j 7Tf D) traduit l'effet du retard moyen DI2 introduit par le circuit
de maintien (fig. 9.8).
Xem(f)
Fig. 9.8
280
TH:ORIE ET TRAITEMENT DES SIGNAUX
Ainsi, dans le cas de l'chantillonnage avec maintien, la densit spectrale obtenue

correspond celle du cas idal, pondre de manire continue par une fonction en sine:!
dont les zros dpendent de la dure de maintien D (fig. 9.9). Ceci correspond une
distorsion linaire d'affaiblissement ( 8.2.25). L'chantiIlonnage rel (fig. 9.5) fait lui
intervenir une pondra tion discrte.
f
- fma,x 0 [max
1119
[
3fe
-1fe
Fig. 9.9
9.2.5 chantillonnage priodique avec moyennage. Dfinition

Une situation intermdiaire entre l'chantillonnage rel et l'chantIlonnage avec
maintien est l'clzantillOlmage al'ec moyell1wge. L'amplitude de chaque impulsion rectangulaire du signal chantillonn xeJ.l (t) correspond la valeur moyenne du signal
analogique mesure sur un intervalle de dure quivalente D. Le modle (fig. 9.1 0)
d'un chantllonneur de ce type est obtenu en plaant en amont de l'chantllonneur
avec maintien un deuxime circuit moyenneur de rponse impulsionnelle gl (t) =
D- 1 rect [Ct - DI 2)ID].
maintien
rnoyennclIr
Fig. 9.10
Le signal chantillonn avec moyen nage devient

XeJ.l (t)
[x (t) * gl (t)] li Te (t) ,. g2 (t)
(9.18)
et, en tenant compte de (9.15), on obtient pour la densit spectrale

cI>xCJ.l(f) = Dlfel sinc 2 (Df) rePfe {sinc 2 (Df)acI)x(f)}
(9.19)
281
9.2.6 Transfonne de Fourier et transforme en z d'un sgnal chantillonn idalis

Le signal chantillonn idalis s'crit, selon (9.9)
Xei (t):;::
k=-OQ
x (kT,;) (t - k:Te )
(9.20)
Par transformation de Fourier des deux membres, on obtient, en tenant compte de

(4.76), l'expression suivante quivalente (9.12)
Xei(f):;
,-",-<XI
(kTe ) exp (-j211'fkTe)
(9.21)
II est d'usage, dans les ouvrages consacrs au traitement numrique des signaux
(vol. XX), de normaliser l'axe du temps par rapport la priode d'chantillonnage. En
posant ainsi Te = 1 dans (9.21), on obtient la dfinition conventionnelle de la transforme de Fourier d'un signal numrique (alias signal chantillonn idalis)
Xei(f)
x(k) exp (-j211'fk)
(9.22)
k=-O<I
En introduisant la mme normalisation dans (9.12), on a l'expression quivalente
Xei(f)
= repdX(f)}
(9.23)
qui met mieux en vidence sa priodicit gale l'unit.

On a dj mentionn, au paragraphe 8.2.7, l'intrt de la transforme en z pour
l'tude des signaux et systmes chantillonns [105]. Elle s'crit sous forme d'une srie
de puissances ngatives
Xei(z)
x (k)
Z-k
(9.24)
/c=-""
o z est une variable complexe. Cette transformation, dont les proprits sont prsentes
dans le volume XX de ce Trait, s'identifie avec la transfonnation de Fourier (9.22) sur
le cercle unH z ::= exp (j 211'f). Elle pennet, entre autres, de caractriser un signal chantillonn par les ples et les zros de Xci (z) et d'exprimer simplement les conditions de
stabilit d'un systme de traitement chantillonn (souvent numrique).
9.3 THORMES D'CHANTILLONNAGE ET CONSQUENCES
9.3.1 Recouvrement spectraL Dfmition

Chaque spectre de signal chantillonn est une fonction de la rptition priodique.
de priode gale la cadence d'chantillonnage fe == Il Te, du spectre original du signal
analogique. Selon le support frquentiel de celui~ci, les motifs spectraux ainsi rpts
sont supports disjoints (cas des figures 9.5, 9.7 et 9.9) ou, au contraire, se recouvrent
partiellement (fig. 9.11). La prsence d'un tel recouvrement spectral (on dit aussi effet
de repliement, en anglais: aliasing effect) entrane la non~rversibilit de la transformation. L'chantillonnage, mme idal, de tout signal dont le spectre n'est pas strictement
bande limite implique l'apparition du phnomne de recouvrement spectral et, donc,
la non rversibilit. Pour rduire le risque de recouvrement spectral, on place, en pratique,
un filtre adquat ( 9.3.6) en amont de l'chantillonneur.
181
f
-fmax
f mnx
f
- le
j~
< ~ f milx
Fig. 9.11
9.3.2 Inexistence de signaux nergie finie et bande limite

Tout signal nergie finie peut tre reprsent comme le produit d'un signal puissance moyenne finie non nulle et d'une fonction de pondration du type (8.91). Il en
dcoule, par (8.85) ou (8.88)~ que son spectre est le rsultat d'un produit de convolution
dont l'un des termes est une fonction frquentielle de support infini. Mme si le signal
puissance moyenne finie non nulle possde un spectre support born (exemple limite:
signal sinusodal), le signal nergie finie qui s'en dduit par produit possde ncessairement un spectre support infini. Ainsi, tout signal pltys;qllemellt ralisable Ile peut tre
simultanment bande limite. Ce rsultat est un corollaire d'un thorme connu sous
le nom de thorme de Paley-Wiener [22].
L'chantillonnage d'un signal physiquement ralisable entrane donc toujours un
certain recouvrement qui exclut toute possibilit de rversibilit parfaite.
La condition d'nergie finie impose, toutefois, que le spectre tende vers zro lorsque If 1 tend vers l'infini. Il existe, par consquent, une frquence au-del de laquelle le
spectre est quasiment nul, d'o la possibilit de choisir une cadence d'chantillonnage ne
provoquant qu'un recouvrement ngligeable et garantissant une rversibilit acceptable.
9.3.3 Thorme d'chantillonnage pour signaux de spectre passe-bas support born

Ce thorme, dont la dmonstration est due au mathmaticien Shannon [5], peut
s'noncer comme suit:
un signal analogique x (t) ayant un spectre de type passe-bas s'tendant jusqu'
la frquence limite [max est entirement dcrit par la suite complte de ses
valeurs instantanes x (tk) prleves intervalles rgulers de dure Te infrieure
ou gale l/Ofmax)'
En d'autres termes~ la condition de rversibilit est assure si
j~
(9.25)
283
Remarquons que la 1argeur de bande totale occupe par le spectre d'un tel signal
est Hm =fmux' Ainsi, (9.25) peutauss s'exprimer sous la forme fe ~ 2Hm. Une dmonstration mathmatique de ce thorme, valable dans le cas d'un signal x (t) dterministe,
avec transforme de Fourier X (f) = 0 pour If 1> f max =B m , est donne au paragraphe
3.4.9. Le cas des signaux spectre passe-bande est trait au paragraphe 9.3.8.
Une gnralisation valable pour tout type de signaux peut tre tablie en observant
que si la condition (9.25) est satisfaite, aucun recouvrement spectral ne se produit. Il est
ainsi thoriquement possible de recrer un signal possdant le spectre c:Px (f) en filtrant
le signal chantlIonn l'aide du filtre passe-bas idal dfini sur la figure 8.22 (cas de
l'chantillonnage rel et de l'chantillonnage idalis). Dans le cas de l'chantillonnage
avec maintien ou de l'chantillonnage avec moyennage, la mme restitution est possible
en exigeant, en plus, que ce filtre compense la distorsion d'affaiblissement introduite.
En reprenant le cas de l'chantillonnage idalis (fig. 9.3) suivi d'un filtre passe-bas
idal dont la rponse harmonique d'amplitude est
1
(9.26)
G (f) 1 == Te rect (f/fe)
on obtient le schma de la figure 9.12.
Lb)
Fig. 9.12
...
Fig. 9.13
284
Le signal de sortie y (t) a, par (9.13) et (8.24), la densit spectrale

<I)y(f) :::: rePfe{cpx(f)} -reet(flfe )
(9.27)
qui est gale <Px (f) si le support de celle-ci est born f= f max = Bm et si le > 2fmax
(fig. 9.13).
La rponse impulsionnelle du filtre idal est ici (cf. tab. 8.23)
g(t) = sinc[(t
to)ITe ]
(9.28)
et le signal de sortie devient, en posant to = 0 pour simplifier,
y(t) == x(t)= [X(t)Te(t)]*g(t)
x (kTe ) sine [(tl Te) - k]
(9.29)
k=-oo
Cette formule dfinit l'interpolation idale examine la section suivante.
9.3.4 Observation
Dans le cas de l'chantillonnage d'une sinusode de frquence fo, la cadence
d'chantillonnage ne peut tre exactement gale 2fo en raison du recouvrement spectral apparaissant dans ce cas thorique.
9.3.5 Consq uences pratiques

L'importance pratique du thorme d'chantillonnage, caractris par le rsultat
(9.25), est considrable. Il impose une contrainte fondamentale tous les systmes
numriques de traitement, de transmission ou d'enregistrement devant travailler en
temps rel. Pour des raisons lies la reconstruction du signal analogique (sect. 9.4), la
cadence effective d'chantillonnage doit tre gnralement nettement suprieure la
limite thorique le = 2!max
Ainsi, un signal tlphonique dont la frquence est limite environ 3400 Hz doit
tre chantillonn une cadence supreure 6800 chantillons par seconde (normalisation internationale: f~ = 8000 Hz). Avec un dbit moyen de quelques mots par seconde,
une petite pluase ncessite dj plusieurs dizaines de milliers d'chantillons!
Le signal vido de la tlvision possde un spectre s'tendant jusqu' environ 5 MHz.
La cadence d'chantillonnage doit donc, dans ce cas, tre suprieure 10 MHz (pratiquement de l'ordre de 18 MHz). Une trame de 20 ms reprsente, elle seule, plusieurs
centaines de milliers d'chantillons! Le stockage d'une seule trame dans une mmoire
d'ordinateur inlpose des exigences de place disponible importantes.
Par contre, il se rvle inutile d'chantillonner certains signaux de mesures associs
des phnomnes physiques de grande inertie (temprature, par exemple) des cadences dpassant quelques chantillons par seconde, voire quelques chantillons par minute.
On voit qu'une bonne connaissance des caractristiques spectraJes du signal analogique traiter est essentielle afin de pouvoir effectuer un choix intelligent de la cadence
d'chantillonnage.
285
CI1ANTlLLONNAGE DES S1GNAUX
9.3.6 Filtre antirepliernent. Dfinitions

Dans de nombreuses circonstances, le spectre du signal chantillonner n'est pas
parfaitement connu. Il contient souvent une composante large bande due la prsence
additionnelle de bruit de fond gnr dans le milieu de mesure, le capteur, les circuits
d'amplification, etc. Il est alors indispensable d'introduire un pr-filtrage du signal analogique avant de procder l'chantillonnage (fig. 9.14) afin de supprimer tout risque de
recouvrement spectral sans devoir imposer une cadence d'chantillonnage abusive.
J'--______~
-L
x'(I)
gl(f)
1iI t rc an li rCJ1licmcn t
mise cn forme
Fig. 9.14
Le filtre antirepliement (aussi appel: filtre de garde) parfait serait un filtre passebas idal de bande passante B = fe/2. On sait toutefois qu'un tel filtre n'est pas ralisable,
car non causal ( 8.2.21). Tout filtre antirepliement rel comporte donc une bande de
transition (fig. 9.15) qui reporte la bande passante limite Bm bien au-del de la bande
passante effective B. La cadence d'chantillonnage pratique minimale doit donc tre
gale
fe,min
= 2Bm >
lB
f
-B
o
bande de transition
Fig. 9.15
La largeur de la bande de transition dpend du type de filtre utilis et du critre

choisi pour fixer Bm'
On utilise parfois, pour la ralisation de ce filtre. l'approximation de Butterworth
( XIXA.3.:!) de
n:
IG 1 (f)1 2
[1
+ (f/!c)2"r 1
(9.31)
Celle-ci maintient dans la bande passante une rponse plate optimale (fig. 9.16)
avec une attnuation de 3 dB pour f= fe et une pente asymptotique d'attnuation de
- 20 11 dB/dcade (- 6n dB/octave) pour f> fe. Le cas 11 =1 correspond au filtre passebas Re du paragraphe 8.2.24.
Si le spectre du signal d'entre x' (t) est constant, on peut montrer [106], en
identifiant B fc' que le rapport ~rx de la puissance Pr de l'erreur introduite. par le
recouvrement sur la puissance totale Px du signal filtr est approximativement, pour
286
IG 1 (f)l2/n=oo
__....+-.~,':::..J'!
\\
\\
1
1
\\ 1
\1
/1l=1
/fI
Ji
/!
1
1
1 \:'-
- --:::::::.::'~:'/ :
ri
-1
\"..i
/11=2
'== 3 )...... ::::::::::-:-.___
IIIc
o dB - j - - - - - = S ! s , i ; ; :
3 dB
-20 dB
11
40 dB
00
1
1
IIIc
(chelle log,lritllmi(ft
-60dB+,-----------;--------~~~--~~----~~
100
10
0,1
Fig. 9.16
(2Ic/ fcf2r1 ~ 1~ donn par
t r -'
= ;:
~ 2 (2::
2" 1T
1) sin
(2~') (~
r-
En exprimant ce rapport en dcibels (~rxdB = 10 10glO~rx)' on obtient la loi

sente sur la figure 9.17:
2u
1
n2 sin ( rr/n)
fc) == - - [ loglo ------~--
10glO ( -
Je
2n
~rxdB ]
(2n -1) rr
10
n=l
~OO+---------<ri~-------,
100+--------~---------4
11=2
10 -t----+-------t----.",..c------4..,. 11 = 3
1/
11=5
2-1"1~~~~~~~~====~n=IO
- ~r:cdB
l+----------r--------+-----Oo
:20
40
Fig. 9.17
287
CHANTlLLONNAGE DES SIGNAUX
Dans le cas d'un simple filtre RC(n = 1), un rapport de puissance de 1% UrxdB =
- 20 dB) impose une cadence d'chantillonnage le == 127/c. Pour n = 2 et Il = 4, le
mme rapport de puissance conduit une cadence d'chantillonnage de l'ordre de 6/c
et 3j~, respectivement. 11 y a donc un compromis trouver entre l'abaissement de la
cadence d'chantillonnage vers la limite thorique et la complexit du filtre antirepliement requis.
D'autres approximations du filtre idal sont possibles (Iltres de TcJzebychell,
filtres elliptiques, etc.). Leurs fonctions de transfert possdent une transition plus rapide
entre bande passante et bande bloque, au prix d'une ondulation rsiduelle dans la bande
passante et, pour les filtres elliptiques, dans la bande bloque galement.
9.3.7 Distorsion due au recouvrement spectral

Les figures 9.18 et 9.19 illustrent deux types de distorsion due au non respect du
thorme d'chantillonnage. Dans le premier cas, une sinusode de frquence 10 est
chantillonne une cadence le = 1/ Tr~ = 1,25/0' Il existe en fait une infinit de sinusodes, de frquences nie 10, passant par les mmes chantillons. En l'absence d'une information plus prcise, on interprtera toujours cette suite comme provenant de la sinusode
de plus basse frquence I~ = fe -/0. C'est ce que tendra faire naturellement tout filtre
passe-bas de reconstitution.
X(n
XeU)
-10
x (t)
=A
10
cos ( l1T 10 t
t
1
1
1
- /c -
10
1
1
1
-/~o/o'
1 r
10 le
lie
+ Il:)
Fig. 9.18
La figure 9.19 montre la dformation subie par le signal reconstitu x/ct) mme
aprs filtrage passe-bas idal, lorsque le signal analogique initial x (t) possde un spectre
de support non born et que la cadence d'chantillonnage choisie laisse subsister un
recouvrement important.
288
I-,\:'(n 1= T (sinc(fT) (
f
1
-+T
ID<
+T
-lIT
lIT
21T
- lIT
lIT
2/T
xe(t )
r-
1
1
1
1
1
1
---------~~~--~~----~
0..--.
Te = TI4
x'( t)
fe = 4/T
(X'(nl
--------V filtrage ideal

1
1
____~--~----~---Y----~----- __
- fe/2
- lIT
I/T
fe/2
Fig. 9.19
passe~bande support
Une application aveugle du thorme d'chantillonnage (9.25) conduit, lorsque le
signal analogique est spectre passe-bande born par la frquence infrieure fi et la frquence suprieure 12, une cadence d'chantillonnage j~ ~ 2[2.
En fait, la condition de non recouvrement spectral est satisfaite [35] pour une
cadence d'chantillonnage minimale
9.3.8 Thorme d'chantillonnage pour signaux de spectre
(9.34)
o m est le plus grand nombre entier infrieur ou gal fllB, avec B = f2 - It. Toutes
les cadences suprieures ne sont pas ncessairement utilisables. Pour j; ~ B, la cadence
d'chantillonnage minimale tend vers 2B.
Cette limite peut, de fait, tre atteinte thoriquement quelle que soit la largeur de
bande B si l'on fait intervenir la reprsentation introduite la section 7.4:
x(t) = aCt)cos(27Tjt)-b(t)sin(27Tjot)
= Re t!:(t) exp (j27Tfo t)}
En choisissant ici la frquence arbitraire j~ =
(9.35)
(ft
+ f?),
les composantes en
a Ct) et en quadrature b (t) sont de spectre passe-bas born 1max = BI 2. Elles sont donc
chacune reprsentables par une suite d'chantillons prlevs la cadence le = '2fmax =B
en vertu de (9.25). Le thorme suivan t s'en dduit
soit x (t) un signal spectre passe-bande support born, de largeur de bande
B =f2 - Il, et j~ = (fI + 12) la frquence centrale de cette bande; alors x (t)
peut tre reprsent par la srie cardinale
289
[a (kTe ) cos (2 rrfot) - b (le Te) sin (2nfo f)]' sine [(t 1Tc)
x (t)
k]
(9.36)
k==-a::
Te = Ille = lIB
(9.37)
La diffrence par rapport au thorme nonc au paragraphe 9.3.3 est qu'ici,

chaque pas d'chantillonnage, on prlve un chantillon sur chaculle des deux compo
salltes a (t) et b (t). Chaque paire d'chantillons dfinit une valeur ponctuelle (partie
relle et partie imaginaire ou, alternativement, module et argument) de l'enveloppe complexe !. (t) =il (t) + jb (t) = r (t) exp j CI: (t). Si la cadence d'chantillonnage est le B, le
taux d'chantillonnage, mesur en nombre d'chantillons rels par seconde, est encore
gal 2B.
Les composantes il (t) et b (t) peuvent tre obtenues raide du systme schmatis
sur la figure 9.20.
filtre passe-bas id!!,,1
Bn. <j~a.,'(
<
x(t)
a (t)
2/0 -Bj2
fil! rc passe-bas ideal
Bn. <j'max
b( , )
< 2/0 - BI].

:2 sin (:1:rr Jo t)
Fig. 9.20
9.3.9 Dimension d'un signal de dure finie et de spectre support born

Bien qu'un tel signal ne puisse exister, c'est un concept abstrait commode. Il
dcoule des thormes d'chantillonnage noncs que si la dure du signal est T et la largeur de bande de son spectre est B, le signal est entirement dtermin par
N::;;: 2BT
(9.38)
chantillons. Ce nombre N correspond la quantit minimale d'informations ncessaires

pour reconstituer le signal et en mesure, en quelque sorte, la dimension.
On a montr, au chapitre 3, qu' tout signal de dure T correspond un dveloppement en srie de Fourier de coefficients complexes X k associs aux frquences djscrtes
kIT. Si la largeur de bande est B, ce dveloppement comprend (pour k,;;!; 0) BT coefficients complexes, donc nouveau 'lBT lments d'information.
Un signal d'une dure d'une minute et d'une largeur de bande de 10 kHz ne peut
pas tre correctement reprsent par moins de 1200000 lments d'information (si l'on
ne prend pas en compte l'ventuelle dpendance statistique entre chantillons introduisant une redondance de l'information).
9.3.1 0 Thorme rciproque

Compte tenu de la dualit temps-frquence, on dmontre aisment que le spectre
complexe X (f) d'un signal x (t, T) de dure finie T est uniquement dtermin par la
290
THOIHE ET TRAITEMENT DES SIGNAUX
sujte de ses valeurs chantiIJonnes sur l'axe des frquences avec un pas
x (f)
Il:=-
1~.f=
X (Il/ T) sine (Tf - 11)
1/ T:
(9.39)
00
Par analogie avec (9.12), la transforme de Fourier inverse de la fonction

tHlonnage idalse
x (f)' b Al(f)
(9.40)
X (nI T) b (f - n/ T)
11=-=
est un signol priodique:
(9.41 )
Par (4.77), cette transforme de Fourier inverse peut encore s'crire sous la
forme
xp(t) =
(9.42)
X(n/T) exp (j21mt/T)
11=-=
qui est le pendant de l'expression (9.21) et s'identifie avec le dveloppement en srie d

Fourier (3.74) en divisant les deux membres par T. La priode principale x (t, T) peut
ainsi s'crire
x (t, T)
oc
-T L
X{n/T)exp{j2rrllt/T)
(9.43)
n=-IXJ
9.3.11 Reprsentations chantillonnes conjointes dans le temps et en frquence:

transformation de Fourier discrte. Dfinitions
En combinant les rsultats des paragraphes 9.3.3 et 9.3.1 0, on peut faire correspondre une suite temporelle de N =- T/ Te chantillons x (kTe ) prlevs sur une dure
T une cadence le =1/ Te, une suite frquentielle de N chantillons complexes X (n/ T
prlevs sur une bande de largeur!c avec un pas IJ.f = 1/ T= !c/N. Par (9.43) et (9.21),
on obtient la paire de transformes
X (11/ T,le) exp (j 2rrkll/N)

(le =- k o, ,.. , ko+N-l)
(9.44)
ko+N-t
X(nIT,!c)
k=ko
x{kTe,T) exp (-j 2rrk1l/N)

(n
110, . , Ilo
+ N -1)
(9.45)
La notation utilise met en vidence le fait que (9.44) et (9.45) reprsentent cha
cune U11e priode d 'mIe suite priodique (fig. 9.21). Si x Ct) est rel, les chantillons
complexes X (n/ T) = 1 X (n/ T) lexp j {lx (nI T) situs symtriquement par rapport
mj~ (m = 0, 1, 2, ... ) fonnent des paires conjugues. A N lments d'information
temporels correspondent donc toujours N lments d'infonnation frquentiels. On
choisit gnralement no = - N/ 2 de manire faire apparatre la priode principale
du spectre complexe. Il est de mme usuel de faire concider ko avec l'origine des
temps.
291
x(kTc)';x(k)
-N
N
!X(II/n 1";
2N
IX(I1)
priode prndpalc
f
Tl
Fig. 9.21
En normalisant l'axe du temps par rapport la priode d'chantillonnage (Te = 1)

et en introduisant les simpHfcatons de notation
x(k) ~ x(kTe , T)
(9.46)
X(1l) ~ X(n/T,Je)
(9.47)
WN
exp (j:2 Tr/N)
(9.48)
on obtient la dfinition conventionnelle ( XX.3 .2.12) de la transformation de f'Ourier

discrte (abrviation TFD, en anglais DFT) dj mentionne au paragraphe 8.2.3:
ko+N-}
N/2-1
x(k) = N- 1
Il
=-NJ2
X(n)WNk~ X(n)
= L
x(k)H'JVllk
(9A9)
k=ko
avec k = ko, '''' ko + JV l et Il = - N/ 2, ... , N/2 l.

Des algorithmes de calcul efficaces, connus sous le nom de transformations de
Fourier rapides (en anglais: Fast Fourier Transforms ou FFT) sont dcrits dans les
ouvrages spcialiss consacrs au traitement numrique des signaux (voir, en particulier,
la rfrence [107] et le volume XX). L'efficacit est obtenue en liminant les calculs
redondants.
292
THORIE ET THAlTEMENT DES SIGNAUX
9 .3.12
Sous~chantillonnage
d'un signal priodique
Soit T la priode d'un signal priodique x (t) et Tc le pas d'chantillonnage. Si

Te > 1', un seul chantillon sera au mieux prlev chaque priode. Une reconstitution
x (t) de la forme du signal selon une nouvelle chelle de temps t 1 est toutefois possible
dans ce cas si
Tc =mT+e
(9.50)
o m est un nombre entier positif et E joue le rle de pseudo-priode d'chantillonnage

(fig. 9.22). En effet, une priode entire du signal peut tre reconstruite partir des
chantillons prlevs la cadence le :.:: 1/ Te lorsque N T/f chantillons sont disponibles.
Cette technique est principalement utilise pour l'acquisition et la visualisation de
phnomnes priodiques de trs haute frquence (oscilloscope chantillonnage) et dans
certains dispositifs de dtection de signaux priodiques noys dans le brut de
appels moyenneur chantillonnage (en anglais: box car integrator). Elle s'apparente
l'effet stroboscopique employ pour l'observation du mouvement de machines tournantes.
x(t)
ii
Fig. 9.22
9.4 RECONSTITUTION PAR INTERPOLATION OU EXTRAPOLATION
9.4.1 Interpolation et extrapolation. Dfinitions

La reconstitution (fig. 9.23) d'un signal analogique y (t) partir d'une
d'chantillons {y (kTc )} implique la restitution de toutes les valeurs intermdiaires
entre deux chantillons successifs. Cette restitution y (t) est gnralement aDT)roX1ITla-)iVA
tlve et introduit donc une distorsion d (t) :.:: Ji (t) - y (t).
Si le systme de restitution dtermine les valeurs du signal dans le pas
lonnage suivant l'chantillon d'abscisse le Te partir de cet chantillon et des m prlHln";jt'~
tillons antrieurs, c'est un extrapolateur cl 'ordre 111.
293
syst~me de
reconstillllion
Fig. 9.23
Si les valeurs reconstruites sont dtermines l'aide de 111 + 1 chantillons dont

certains postrieurs l'abscisse k Te, le systme de restitution est un interpolateur
d'ordre m.
Un interpolateur n'est apparemment pas un systme causal, puisqu'il a besoin de
connatre l'avenir pour calculer le prsent. On le rend causal en admettant un retard to
adquat la reconstituton.
Un retard, mme mportant, ne pose en principe pas de problme lorsque le traitement n'est pas effectu en temps rel. Mme dans ce cas, beaucoup de systmes de
traitement ou de tlcommunications peuvent tolrer des retards substantiels. Les exigences sont, par contre, beaucoup plus svres dans les systmes en boucle ferme
(rglage automatique, par exemple) o le retard introduit peut poser des problmes de
stabilit.
9.4.2 Reconstitution par oprateur linaire: filtre de lissage. Dfinition

Par (9.9), le sgnal chantillonn idaHs s'crit
Yei(t)
::=
y(t)Te(t)
y(kTc )8(t-kTe )
(9.51 )
k=-co
En prsentant ce signal J'entre d'un oprateur linare (fig. 9.24) de rponse

mpulsionnelle g (t), on obtient le signal reconstitu
y(t-t o ):::
y(kTe)g(t-kTe )
(9.52)
k=-1X1
Fig. 9.24
L'oprateur linaire utilis dans cette fonction est usuellement appel filtre de
lissage. Ce mtre est de type passe-bas si le signal est Il spectre pusse-bas et de type passebande si le spectre du slgnaI l'est aussi. On n'examinera, plus loin, que ]e cas du filtre
passe-bas.
Par (9.]3) ct (9.24), la densit spectrale du signal reconstitu est donne par
(fig. 9.25)
(9.53)
et l'erreur quadratique moyenne de reconstitution vaut
(9.54)
294
l)Jye(f) = Ic" rep/cl Illy(f) j
-le
- Imax
'2 le
le
fmfJY..
IGU) Il
- IcI'!.
.....
ffil
1,)'2
..--
Dr
Fig. 9.25
La qualit de la reconstitution dpend, comme au paragraphe 9.3.6, d'un compromis entre cadence d'chantillonnage et complexit du filtre de lissage. Une cadence nettement suprieure la limite thorique Je :; 2Jmax est pratiquement requise pour limiter
la fois la distorsion de recouvrement spectral et la distorsion de reconstitution.
9.4.3 Reconstitution par approximation polynomiale

Par 111 +) chantillons, il n'est possible de faire passer qu'un seul polynome de
degr m. Cette approche peut tre utilise pour obtenir une approximation du signal
analogique reconstituer.
Si les m + 1 chantillons y [(n - Ill) Te] ... , y (nTe ) sont connus, l'approximation
de y (t - to) pour nTe -< t-< (n + l)Te et 0 -< r -< 111 peut tre calcule en utHisant la
mthode des polynomes de Lagrange ( XIX. 5.1.8 et [105, 108]):
ni
Y (t - l'Te - t~) :;
y [(i + 11
m) Tel qm,d t
(n
+r
111)
Tel
(9.55)
i=o
avec
m
qm,i(t)
= fI
I=Q
1'1; i
-ITe
(i-l)Te
pour i = 0, ... , m
(9.56)
et
C/o,o(t)
(9.57)
Pour 0 <,. -< m, on obtient une interpolation. Le cas r:::: 0 correspond une extra
polation qui peut se ramener la formule de Newton-Gregory [l09]
Y (t-t~) = y (nTe ) + {y(nTe)-y [(n-l)Te ])
295
Le retard global to =rTe +t~ dpend du choix de r et de m.

En identifiant (9.52) et (9.55), la reconstitution polynomiale apparat qujvalente
un lissage par un filtre linaire de rponse impulsionnelle
171
g(t)
L gm,m-l(t-1Tc )
(9.59)
1=0
o
(9.60)
Puisque gm,f(t) est nulle en dehors de l'intervalle 0< t< Tc,g(t) est nulle en
dehors de l'intervalle 0< t< (m + 1)Te .
Une reconstitution polynomiale d'ordre nI lev n'est possible qu' la condition
de disposer de moyens de calcul appropris. On se contente gnralement, en pratique,
d'une extrapolation d'ordre zro ou ventuellement d'une extrapolation ou interpolation d'ordre l, souvent combine avec un lissage complmentaire ralis par un filtre
conventionnel.
9.4.4 Exemple: extrapolateur d'ordre zro

La reconstitution la plus simple (fig. 9.26) consiste maintenir, dans tout l'intervalle nTc ~ t< (Il + l)Te , la valeur de l'chantillon y (nTe ). C'est ce que l'on appelle
l'extrapolation d'ordre zro, qui correspond au cas r = a et m a du paragraphe prcdent et est analogue au principe de l'chantillonnage avec maintien ( 9.2.4).
Fig. 9.26
La rponse impulsionnelle du filtre quivalent est (fig. 9.27):

go (t)
rect[ (t - Te/2)1 Te]
(9.61)
Il lui correspond la fonction de rponse frquentielle (fig. 9.28):

Ga(f) = Te sinc(Tef) exp (-j1TTc f)
(9.62)
296
THORIE ET TRAITEMENT DES SIGNAU.X
Te
Fig. 9.27
Fig. 9.28
qui introduit un dphasage linaire -rrTe/, entranant un retard to =

ainsi l'approximation
Yo(t-Tc /2)=
Tell.
On obtient
(t - Te /2 - kTe )
L
y(kTc)rect
k=-oo
Te
toc
(9.63)
avec, par (9.53)

cp Yu (f)
= rep te {(Py (/))
(9.64)
sinc 2 (Tc f)
Un exemple de densit spectrale rsultante est reprsent sur la figure 9.29.
1
- le
-IcI"!.
J\(n
0
Ic/ 2
le
2/e
1
-
i
j~
-fmux 0
f max
j~
...
2fe
Fig. 9.19
On constate que, pour que CP; (f) 3;0 CP)' (f), la cadence d'chantillonnage Je doit
tre nettement plus leve que le double de la frquence maximum fmax'
La fonction de maintien implique par (9.6]) est naturellement ralise par un convertisseur numrique-analogique ( 10.1.3) rentre duquel les valeurs numriques sont
maintenues pendant toute la dure du pas d'chantillonnage Te. Aussi la reconstitution
par extrapolation d'ordre zro est-elle de loin ln plus couramment employe. On fait souvent suivre le circuit de maintien d'un filtre de lissage additionnel dont le rle est d'attnuer les composantes spectrales de hautes frquences indsirables (fig. 9.30). On peut
297
galement chercher il compenser l'attnuation introduite par la fonction de rponse frquentielle (9.62) dans la bande passante dsire en imposant localement au deuxime
filtre une fonction de rponse frquentielle d'galisation dont le module est peu prs
proportionnel 1Go (f) 1- 1
y(kTe )
extTapolalcur
:Vo(t
1~)
d'ordre lro
I----~Doot
(convertisseur NI A)
I1Itrciidditionnel
de lissage et
d'galisation
y(l-t o )
Fig. 9.30
9.4.5 Exemple: extrapolateuf d'ordre un

En posant r = 0 et 111 l dans l'approximation polynomiale (9.55), on obtient
l'extrapolation d'ordre un (fig. 9.31):
YlO (t - t~) = y (nTe ) + {y (nTe ) - y [en -l)TeH (t -IlTe )/ Te
pour IlTe
(9.65)
t< (n +l)Te .
Fig. 9.31
La rponse impulsionnelle quivalente (fjg. 9.32) se dduit de (9.60)

pour
0 ~ t
pour
Te
< Te
t < 2Tr:
(9.66)
ailleurs
et conduH la fonction de rponse frquentielle (fig. 9.33)
CIO (f)
= Te v' 1 + (2nfTe ):2 sine 2 (Te f) exp { -
j pn/Te - aretan (2n/Te )]}

(9.67)
qui n'introduit pas un dphasage linaire.

Ce type d'extrapolateur agit approximativement, dans la bande passante d'intrt,
comme un filtre passe-haut. Il est donc dconselll en raison de la distorsion qu'il introduit, tout particulirement en prsence de bruit.
298
{)gIOU J
Fig. 9.33
Fig. 9.32
On lui substitue parfois une version modifie qui se situe entre l'extrapolation
d'ordre zro et celle d'ordre un:
(9.68)
avec 0
~a ~
1.
9.4.6 Exemple: interpolateur d'ordre un

Si l'on peut accepter un retard to plus important, correspondant un pas d'chan .
tillonnage, une relativement bonne approximation est obtenue en reliant les chantillons
par des droites. C'est le principe de l'interpolation linaire (fig. 9.34) qui est obtenue
pour r =l et m:::::; 1 d'o
Yl1 (t Te)
pour nTc
~t ~
Y [(n - 1) Te] + {y (Il Te) - y [(n - 1) Te ]} (t -
(n
Il Tc)
1Te
(9.69)
+ l)Te .
Fig. 9.34
La rponse impulsionnelle de l'interpolateur linajre est simplement (fig. 9.35)

gn(t)
trj[(t-Te)/Tel
(9.70)
sa fonction de rponse frquentielle vaut (fig. 9.36)
Gll(f)
Tc sine:! (Tef) exp(- j21TTe f)
(9.71 )
299
CH,ANTILLONNAGE DES SIGNAUX
Fig. 9.35
Fig. 9.36
La densit spectrale du signal reconstitu devient ici

r:I>y(f)
= rePfc{r:I>y(f)} 'sinc 4 (Te f)
(9.72)
Les composantes de frquence suprieure fe sont beaucoup plus fortement attnues que dans le cas des extrapolateurs d'ordre zro ou un.
On peut, nouveau, complter le circuit d'approximation par un filtre additionnel
de lissage et d'galisation.
9.4.7 Interpolateur idal

On peut encore imaginer bien d'autres fonctions d'interpolation correspondant aux
rponses impulsionnelles de diffrents types de filtres passe-bas. Un exemple est le filtre
de Butterworth dcrit au paragraphe 9.3.6. Dans la rgle, on pourra dire que la qualit
de l'approximation est d'autant meilleure que l'ordre du filtre est lev. Il convient
toutefois de ne pas ngliger le retard introduit et l'erreur provoque par nnvitable
distorsion de phase.
o
Fig. 9.37
L'interpolateur idal est bien entendu, pour autant que le thorme d'chantillonnage soit respect, un filtre idal de fonction de rponse frquentielIe (fig. 9.37):
(9.73)
Gi(f) = Te rect (flfe) exp (-j21Tft o )
ct de rponse impulsionnelle (fig. 9.38):

(9.74 )
gi(t) = sinc[(t-to)!Tc ]
crant le dveloppement cardinal (9.29) illustr par la figure 9.39:
5)' i (t - t 0)
L""
~-~
y (k Te) si ne
(t-kT,
-t )
o le retard to devrait tre infini pour rendre le filtre causal!
(9.75)
300
THORIE ET TRAITEANT DES SIGNAUX
Fig. 9.39
Fig. 9.38
Bien qu'irralisable, une telle interpolation peut tre approximativement ralise

(en principe, par voie numrique) en se limitant une fonction d'interpolation tronque
(fig. 9.40)
'lj (t)
. [t-m Te /1] . rect [t-mTc /2]

Te
mTe
smc
(9.76)
(m::::: 8)
o
~
Tc
Fig. 9.40
Au lieu d'une fentre de pondration rectangulaire, on peut avoir avantage choisir

une fentre ne prsentant pas de discontinuit et dont la drive est elle-mme sans
discontinuit. Ceci de manire limiter les ondulations rsiduelles du module de la
fonction de rponse frquentielle en dehors de la bande passante, au prix, toutefois,
d'un largissement de la bande de transition.
La reconstitution du signal analogique peut tre alors effectue en deux temps
(fig. 9.41): un interpolateur numrique quasi-idal alimente une cadence I~ = LIe (L ~ 1)
un extrapola teur d'ordre zro (convertisseur numrique -analogique) suivi ven tuellement
d'un filtre additionnel de lissage. Le surchantillonnage introduit par l'interpolateur remplace la priode de rptition le du spectre du signal chantillonn idalis par LIe sans
modifier la frquence limite 1max' La distorsion introduite ensuite par l'extrapolateur
d'ordre zro et le filtre de lissage devient ngligeable pour L ~ 1.
} '(kTc )
---....
interpolateur
quas-idal
numrique
y[ (kL
-I_+ m) rTc]
extrupolateur
d'ordre zro (conycrtisseur NIA)
Fig.9Al
y(tfiltre de lissage r---""""
301
9.4.8 Reprsentation d'un bruit blanc gaussien

On sait ( 5.7.3) gue les chanUllons prlevs sur un processus gaussien sont jnd~
pendants si les prlvements sont distants les uns des autres d'un pas Tc tel que la fonction d'autocovariance soit nulle. En particulier, pour un bruit blanc gaussien born par
une frquence limite suprieure fmax =B, cette condition est raUse si
Tc
= 1/(2B)
(9.77)
On peut donc, en s'inspirant de (9.75), construire le modle suivant d'un brut

blanc gaussien spectre born:
x (t)
2:
Xk
(9.78)
sinc [2B (t - -} k/B)]
Ii:=-oo
o les xIe sont des chantillons de variables gaussiennes, statistiquement indpendantes,

de valeur moyenne nulIe et variance
Le signal x (t) appartient certainement un processus gaussien puisqu'il rsulte de
la somme pondre de processus gaussiens (ex. 5.11.34).
De plus, la fonction de corrlation est donne par
a;.
2:
E[Xk)(/]sinc[2B(t--}k/B)]sinc[2B(t+r -fl/B)]
k=-= [=-"'"
::=
cr; sinc (2Br)
(9.79)
d'o
cVx (f)
avec
a;/B
2B
rect
(-1: flB)
(9.80)
11.
Ced justifie l'hypothse de bruit blanc gaussien, stationnaire, spectre born par
une frquence maximum f max = B.
9.4.9 Chane de traitement chantillonn
Une chane complte de traitement chantillonn comprend les oprateurs reprsents sur la figure 9.42.
filtre
antircplicment
(garde)
traitement
chantillonn
filtre de
reconstitu tion
(lissage)
Fig. 9.42
9.5 EXERCICES
9.5.1 Un signal x (t) exp (- a
reprsent sur la figure 9.43.
It 1) avec
= 2 Hz est
transmis au travers du systme
302
x(t)
chuntillonneur
filtre pusse-bande
Fig. 9.43
L'chantillonneur est ralls par un interrupteur qui s'ouvre et se ferme priodiquement la cadence fe = 20 Hz avec un temps de fermeture gal 1f 20 ms. Le
passe-bande idaHs possde un gain unitaire et une rponse de phase nulle dans
bande de frquence B = f max - fmin = 10 Hz centre sur la frquence fe = 20 Hz.
nua tian en dehors de cette bande est totale. Esquisser l'allure de y (t) et de son
d'ampHtude 1y (f) 1; esquisser l'allure de z (t) et en donner l'expression n1!1thP'Tn!'ltin',,"';
approche.
9.5.2 Un signal x (t), dont la densit spectrale de puissance tP.'I:' (f) est reprsente
la fjgure 9.44, est chantillonn une cadence ff!' Le signal chantiHonn (idalis)
sde la densit spectrale tPxei (f) reprsente galement sur la figure 9.44.
quelle est la frquence d'chantillonnage utilise et indiquer si ce choix est IUdIJClem(g~~
pour permettre une reconstitution du signal par filtrage idal (justifier votre rponse).
l[kHzJ
-4
Fig. 9.44
9.5.3 Peut-on reconstituer exactement le signal x (t)

tillonn idalement une cadence le = l/~t?
B sinc 2 (t/ llt) s'il est chan-
9.5.4 Soit le systme de traitement reprsent sur la figure 9.45, avec X (f)
D {rect [1- (f + fo)/B] + rect[ +(f - fo)/BD, G 1 (f) = rect[f/(4B)] et fo = 3B .
Dterminer la cadence d'chantillonnage minimale fe du signal z (t) pelme~[tamA

de reconstituer ce signal sans distorsion la sortie d'un filtre passe-bas idal
G 2 (f) de largeur de bande adquate.
x(t)
/lU)
Acos(2rrfot)
Fig. 9.45
303
.. Quelle cadence d'chantillonnage proposez-vous de choisir si le filtre C 2 (f) possde la fonction de rponse frquentielle reprsente sur la figure 9.46 et que
l'on dsire galement reconstruire z (t) sans distorsion?
Esquisser graphiquement l'allure du spectre d'amplitude la sortie de l'chantillonneur idalis pour les deux cas ci-dessus.
f
-j~
j~=B
4fc
Fig. 9.46
9.5.5 Rtablir le rsultat (9.32), o la puissance de l'erreur de recouvrement Pr est dfinie comme la puissance des composantes du signal de frquences suprieures fcl 2,
sachant que f o=(1 + X 111 rI dx 1T [111 sin (1Tlm)r 1
9.5.6 Un signal x (t) spectre uniforme iI>x (f) = 1712 est filtr par un filtre de Butterworth avant d'tre chantillonn une cadence fe. Si fc est la frquence de coupure
- 3 dB du filtre, dtenniner quel devrait tre le rapport felf~ pour que le rapport ~rxdB
de la puissance de l'erreur de recouvrement sur la puissance totale du signal soit de
-30dB pour Il I, 2,3,4.
9.5.7 Dmontrer le rsultat illustr par la figure 9.20.
9.5.8 Dterminer (sans tenir compte des termes ngligeables) la densit spectrale de
puissance du signal y (t) du schma de la figure 9.47 sachant que
x (t)
= L A cos (l1T!;t)
i
pour i = 1,2,3 et que g (t) tri [Ct - Ll)/Ll] avec j~ =

0,5 kHz, f3 :::: 1,5 kHz, Ll 1 ms et A :::: 10 V.
II Te = 3 kHz, fl = 0,3 kHz, h.
Fig. 9.47
9.5.9 Un signal alatoire gaussien 11 (t) il comme fonction d'autocorrlation

Rn (T) = 4 + 16 sinc 2 (TI T) V 2 , avec T= l ms. Dterminer la valeur moyenne, la variance
et la densit spectrale de puissance de ce signal. Quelle est la cadence minimale il laquelle
ce signal peut tre chantillonn idalement et reconstitu parfaitement? A quelle
cadence d'chantillonnage obtient-on des chantillons statistiquement indpendants?
CHAPITRE 10
NUMRISATION DES SIGNAUX
10.1 CONVERSION ANALOGIQUE-NUMRIQUE

ET NUMRIQUE-ANALOGIQUE
10.1.1 Principe et dfinitions

Les systmes numriques de traitement de l'information oprent sur des nombres.
Tout systme de traitement de signaux faisant appel un ordinateur ou un processeur
numrique spcialis implique donc ncessairement une opration prliminaire de
conversion analogique mwzrique (AI N) - on dit aussi en franglais: analogique-digitale
(A/D). Lorsque l'information traite doit tre restitue sous forme analogique, on procde l'operation inverse de conversio1l numrique-analogique (N/A) ou digitaleanalogique (D/A). Le schma de principe d'un systme de traitement numrique de
signaux analogiques est reprsent sur la figure 10.1.
4
x(t)
conversion
traitement
conversion
AIN
numrique
NIA
y(t)
Fig. 10.1
La converson analogique-numrique (fig. 10.2) fait correspondre au signal analogique d'entre x (t) une suite de nombres {Xk}, usuellement cods sous forme binaire.
Chaque nombre correspond l'amplitude x Ctd d'un chantillon du signal prlev un
instant donn t k . On procde gnralement cet chantHlonnage intervalles de temps
rguliers Te (chap. 9).
Comme la dtermination du nombre correspondant l'amplitude d'un chantillon
prend un certain temps, il est souvent ncessaire de mmoriser cette valeur analogique
entre deux prlvements successifs.
Chacun des chantillons prlevs peut prendre en principe une infinit de valeurs
du fait de la nature analogique du signaL Toutefois, la prcision avec laquelle ces amplitudes doivent et peuvent tre connues est ncessairement limite par toutes sortes de
considrations pratiques. On est amen remplacer la valeur exacte de l'chantillon par
la plus proche valeur approximative tire d'un assortiement fini de valeurs discrtes: il y
a quantification. Chacune de ces valeurs discrtes esl dsigne par un nombre exprim
sous forme binaire par un codage appropri. Ce nombre est compris entre deux valeurs
limites qui fixent la plage de conversion. Chaque nombre xk reprsente ainsi un ensem
ble de valeurs analogiques contenues dans un intervalle de largeur l::J. k appel pas de
quantificatioll. Lorsque la plage de conversion est subdivise en pas de quantification
gaux, on parle de quantification uniforme ( 10.3.4).
306
x(t)
mmorisation x(t)
-
J
1
1
x k (quantifica tan uniforme)
~~ ~~~~~=2-~\~~~:~---~:~-~~~~
J __________ _
2
_____ ' ___
_\ _
../_ ~
_ _ __ _ _
O;---07--~--~--~--._--~~----~
-li.l
-2
3i.l
-4
"
Fig. 10.2
<
4
3
t:::
2i.l
Z
'~
:>
t:::
0
u
interpolation d'ordre un
l
0
-li.l
-2Ll
3Ll
-4i.l
y( t[)-
\..J
extrapolution d'ordre zro
Fig. 10.3
La conversion numrique-analogique (fig. 10.3) est en principe un peu plus directe.

La suite de nombres b'l} est transforme en une suite d'chantillons d'amplitudes
discrtes y (lI)'
La reconstitution finale du signal analogique de sortie y (t) est ensuite ralise
par une opration d'extrapolation ou d'jnterpolation entre les chantillons (comme
indiqu au paragraphe 9.4.4). Une simple extrapolation d'ordre zro est souvent utilise
cet effet. Elle est facilement ralise par la mmorisation numrique de la valeur de
chaque chantillon rentre du convertisseur NIA, complte par un filtrage analogique
(lissage).
Les reprsentations graphiques symboliques normalises des convertisseurs AIN e
N lA sont in diques sur la figure 10.4.
307
NUMt!RISATION DES SIGNAUX
convertisseur AIN
converrisseur NI A
Fig. 10.4
10.1.2 Principales mthodes de conversion AIN. Dfinitions

On distingue les mthodes de converson directes et indirectes. Une tude dtaille de celles-ci sort du cadre de cet ouvrage. Le lecteur se reportera, pour plus de dtails,
la littrature spcialise [95, 110, Ill].
Dans les mthodes indirectes, la valeur de la tension du signal d'entre est initialement convertie en une frquence par un oscillateur command en tension (en anglais:
voltage cOlltroled oscillator ou VCO: voir paragraphe VIII.6.5.5) ou en une dure proportionnelle obtenue par intgra tion. Dans-le premier cas, la valeur numrjque correspondante est dtermine en comptant le nombre de priodes du signal fourni par
l'oscillateur pendant un intervalle de temps prescrit. Dans le deuxime cas, cette valeur
numrique est donne par le comptage du nombre d'impulsions fournies par un gnrateur auxiliaire entre le dbut et la fin de l'intgration.
De par leur principe, les mthodes indirectes se prtent la ralisation de convertisseur AIN de haute prcision. Elles sont, par contre, ncessairement lentes en raison de
leur nature sriel1e et ne conviennent pas, en gnral, pour les applications usuelles de
traitement numrque des signaux. On les utilise essentiellement dans l'instrumentation
de prcision (par exemple: voltmtres numriques, cf. volume XVII).
Ua (tension de rfrence)
2/1 - t comparateurs
xU)
dcodeur
logique
Fig. 10.5
sortie
numrique
(code en
binaire)
308
Le convertisseur A/ N drect le plus simple dans son principe - mais non dans sa
ralisation technologique - est le convertisseur parallle (fig. 10.5). La tension d'entre
est compare simultanment 2" - 1 valeurs du type
k
-:;;zUo
avec
k = 1,2, ... ,2"-)
(10.1)
dduite d'une tension de rfrence Ua par un diviseur de tenson rsistances. L'tat

des 2 11 -1 variables binaires de sortie des comparateurs ( VUI .6.2.3) est finalement
traduit en un mot binaire de n bits, ou chiffres binaires nots conventjonnellement 0 et 1,
par un dcodeur logique.
L'avantage des convertisseurs parallles (en anglais: flash cOJ1l'erters) est leur rapi~
dit, puisque le mot binaire de sortie est dtermin presque instantanment. L'chantillonnage peut se faire alors en aval du convertisseur par prlvement priodique des
valeurs numriques. Le nombre de comparateurs mettre en uvre limite toutefois la
rsolution environ 256 niveaux discrets (Il = 8 bits). Ce type de convertisseur se prte
bien la conversion analogique-numrique de signaux de haute frquence (vido, radar)
ne ncessitant pas une prcision trop grande.
Pour des raisons de complexit - donc de cot - et de prcision, on emploie plus
gnralement, lorsque la cadence d'chantillonnage requise n'est pas trop leve, des
cOJ11'ertsseurs approximations successives (fig. 10.6). La tension d'en tre est ici compare successivement une combinaison convergente des :!." - 1 valeurs de rfrence
pondrs kUo/2/1. C'est un systme boucl qui inclut un convertsseur numrique
analogique ( 10.1.3).
. - - - - - - - ordre de dbut
dc converson
dl} sortie
numrique
;-------- d"
convertisseur
NJA
1-4---
tension de
rfrence Ua
Fig. 10.6
Sous contrle d'une horloge interne, le dispositif dtermine d'abord le premier

bit dl en dcidant si l'entre analogique x (1) est suprieure (dl = 1) ou infrieure (dl =0)
la moiti de la tension de rfrence Uo . A la priode d'horloge suivante. on dtermine
si x (1) dl' Uo/2 est suprieure (d 2 =]) ou infrieure (d 2 = 0) Uo/4. La procdure se
rpte ainsi Il fois dans un convertisseur n bits. Le mot binaire dfinitif n'est donc
ponible Li la sortie qu'aprs Il priodes de l'horloge interne. Ce type de convertisseur
permet d'obtenir des prcisions plus leves (la valeur max.imale de J1 atteignable est de
l'ordre de 16) qu'avec les convertisseurs parallles. Ils sont par contre au moins Il fois
plus lents, une nouvelle conversion ne pouvant tre ordonne qu'une fois la prcdente
entirement termine. Des structures hybrides peuvent tre utilises pour obtenr un
bon compromis entre vitesse et prcision.
NUMERISATION DES SIGNAUX
309
Fig. 10.7
Mentionnons qu'en plus des convertisseurs purement lectroniques dcrits prcdemment, on utilise pour certaines applications des dispositifs lectromcaniques
comme le disque de codage angulaire reprsent sur la figure 10.7.
La lecture, sous forme numrique, de la position angulaire du disque se fait l'aide
de dtecteurs photo-lectriques placs, raison de un par anneau, sur une ligne passant
par le centre de rotation du disque. Chaque anneau est dcompos en ].i segments transparents et opaques alterns, avec i = 1 (anneau extrieur dterminant le bit dl dans
notre exemple) jusqu' 11 (anneau intrieur dterminant le bit dl!)' Le disque de la figure
10.7 comprend dL'\. anneaux: sa rsolution angulaire est donc de 360/1 10= 0,35 degr.
Si la plupart des convertisseurs dcomposent la plage de conversion de la variable
numriser en q = 2,1/ intervalles gaux (quantification uniforme), il existe des applications o il est avantageux de recourir une loi de quantification non uniforme [112].
L'exemple le plus courant est la conversion avec compression logarithmique utilis pour la
transmission numrique des signaux tlphoniques (modulation par impulsion et codage:
section XYIIL7.5).
10.1.3 Conversion NIA
Un convertisseur numrique-analogique est un dispositif produisant une grandeur

de sortie quantifie J' qui possde Cl = 2" valeurs distinctes. Il est loi uniforme si ces
valeurs sont rgulirement rparties sur une plage allant de zro 2/1 selon la loi
JI = (d l
2'1-1
+ ... + d
1l
20)
(10.2)
o est le pas de quantification. Cette grandeur de sortie est gnralement un courant

ou une tension. Le mode de ralisation usuel est bas sur le principe i\1ustr par la figure
10.8.
Des commutateurs commands par les variables binaires d" aiguillent le passage
des courants pondrs 10/2 k. provenant de sources de courant dpendant d'une rrrence 10 , soit contre terre (d k =0), soit vers un point de sommation (d/;:= 1: Kirchhoff).
Le courant rsultant correspond la loi (10.2). Une conversion courant- tension est
310
THQRIE ET TRAITEMENT DES SIGNAUX
Fig. 10.8
ensuite gnralement ralise, soit raide d'une simple rsistance (plage d'amplitude
limite en pratique), soit raide d'un montage amplificateur oprationnel (chap. VIIL3).
Les sources de courant et les commutateurs commands sont raliss selon diffrentes
techniques lectroniques. On se reportera la littrature spcialise pour plus de dtails
[96. 103].
Le convertisseur NI A est structure parallle. A l'application simultane des bits
dl ... d n son entre correspond presque instantanment la grandeur analogique de
sortie l = dl 10 12 + ... + dllion/I La conversion courant-tension entraine, elle. crtaines
limitations de vitesse (charge de capacits, vitesse limite des amplificateurs oprationnels).
Dans la pratique, tous les commutateurs ne ragissent pas exactement au mme instant. Il en rsulte des parasites de commutation (en anglais. glitches) qui doivent tre
limins par filtrage ou r-chantillonnage avec maintien dcal (chanti11onneurbloqueur: paragraphe 10.2.4).
10.2 CADENCES LIMITES DE CONVERSION AIN
10.2.1 Variation du signal pendant la dure de conversion. Dfinition

La conversion A / N n'est pas une opraton instantane. Elle peu t tre relativement
rapide dans les convertisseurs parallles ct nettement plus lente dans les convertisseurs
approxima tions successives.
Soit V la plage de conversion disponible. Si la loi de quantfication est uniforme,
cette plage est subdivise en li = 21/ intervalles de largeur constante il::= Vl2 11 La procdure de conversion assigne alors la valeur Xk::= kil chaque chantillon d'amplitude comprise entre kil-+ il et kil + Ll. Si le signal varie pendant la dure de COlll'ersioJ1 'je,
le rsultat numrique obtenu risque d'tre incorrect (fig. 10.9).
En premire approximation. la vadation ilx du signal analogique pendant la dure
revaut
ilx ~
dx
dt
'je
(l 0.3)
Une exigence de prcision courante est de limiter la variation de ilx -ril:

ilx ~
-t Ll
(1 0.4 )
311
(k
-,(t)
1).Q.
~--
(k-l).Q.
~~----~~--------(0 ::::
t 0 + Tc
nu e conversion
dbu l de conversion
Fig. 10.9
L'erreur globale introduite est ainsi infrieure ou gale

combinant (10.3) et (l 0.4), on obtient la relation
dx
dt
max == 2T
en valeur absolue. En
2"+~
(10.5)

Si l'on considre un signal sinusodal dont l'amplitude crte crte correspond
la plage de conversion V du convertisseur, sa pente maximum vaut
dx
1
dt
max
~ [~sin(2rrft)1
dt
rrfV
(10.6)
t=O
En combinant (l 0.5) et (I 0.6 ), on obtient
f max
==
i l1 + 1
(10.7 )
"rri c
Ainsi, pour une conversion effectue en l /lS par un convertisseur binaire Il = 8 bits,
la frequence maximum tolre d'un signal sinusodal de valeur crte crte gale la
plage du convertisseur est de 622 Hz seulement! El1e est quatre fois plus faible pour
11 == 10 et dix rois plus faible .pour i e = 10 /lS.
L'abaque de la figure 10.1 0 illustre la relation (l0.7).
10.2.3 Exemple: signal alatoire gaussien

Dans le cas d'un signal alatoire, la pente est aussi une grandeur alatoire et l'on
doit raisonner en terme de probabilit de dpassement d'une limite fixe.
Considrons un signal gaussien x (t) spectre blanc born cp x (f) =
1] reet (fi 2B)
et variance a~ -:::; 1]B. La probabilit que lx 1> 3 a.,\: est infrieure 3 %0 et l'on peut choisir pour le convertisseur la plage de conversion V = 6 a.~.
Par (8.71), la drive .i=dxldt possde un spectre (2rrf)1<I)x(f), d'o une
variance
.B
a~::= 4rr 2 1]
f f'-df = 4rr'21]B /3
3
(10.8)
312
100 ns( ps)
1 ilS ( pS )
t~~!1~
fmax
-I---!.-"--'-.l....LLW4-...-J..---L...l-1..w..w+---.L-L-l...W..l.L.LI---'-'L!.-I-!.J...I...I.!\--L-~...!..L.lJ.4._ _ _
IOOHz(kHz)
IOHz(kHz)
1 Hz(kHz)
1 kHz(1vlHz)
IOkHz(MHz)
IOOkHz{MHz)
Fig. 10.10
Or X;:: dx/d t est galement il distribution gaussienne, puisque la drivation est

une opration linaire. La pente ne dpasse donc, en valeur absolue, 3 ai qu'avec une
probabilit infrieure 3%0. En choisissant cette valeur comme pente maximum ne
devant pas introduire d'erreur de conversion, on a
dx
1
(10.9)
dt max
En galant ce rsultat (10.5), on tire la condition
Bmnx =
V3!1
2nVT c
1
= 1.73 - - .
211+I7TT
(10.1 0)
On constate que (l0.7) et (la.! 0) sont du mme ordre de grandeur. L'abaque de

la figure 10.1 0 semble donc un bon indicateur de la frquence maximum du signal que
peut convertir, sans autre prcaution, un convertisseur ayant une dure de conversion Tc.
313
10.2.4 Mmorisation analogique temporaire par chantillonneur-bloqueur. Dfinition
Un convertsseur ayant une dure e conversion i c est en principe capable de travailler une frquence d'chantillonnage j~ ~ l/ie. En vertu du thorme d'chantillonnage, la frquence maximale du signal analogique d'entre pourrait donc atteindre la
valeur Brnax 1/(2ie). C'est une valeur de l'ordre de 2"1T plus leve que les frquences
limites tolres (10.7) ou (10.10). Les possiblits du convertisseur sont donc dans ce cas
largement sous-employes.
On vite cet inconvnient en utilisant un circuit de mmorisation temporae de la
valeur de chaque chantHIon pendant la dure de conversion. Un tel dispositif porte le
nom d'chantillonneur-bloC/LIeur (en anglais: sample-and-hold). Le principe de fonctionnement d'un tel circuit est illustr par la figure 10.11. 11 effectue une opration
d'chantillonnage avec maintien ( 9.2.4).
xCI,)
amplificateur
de lecture
(Ail:::: 1)
signal dc
commande
x(t}
dure d'acquisition
Ta
ta
dure d'ouverture ----'"'"
(retard moycn T 0 + erreur Tc)
signal de commande
maintien
1
acquisition
tm
l,
Fig. 10.11
Lorsque le signal de commande est au niveau bas, l'interrupteur 1 est ferm et le

signal de sortie x m (t) de l'amplificateur de lecture (gain de tension unit) suit le signal
d'entre xU). L'ordre de mmorisation {signal de commande passant au niveau haut en
tm} entrane l'ouverture de l'interrupteur. La capacit C maintient alors il ses bornes la
valeur de la tension prsente l'instant d'ouverture (le courant d'entre de l'amplificateur de lecture est trs faible); cette valeur, disponible la sortie de l'amplificateur de
lecture peut tre convertie sans risque de variation par un convertisseur plac en aval
(fig, 10.12).
314
TlitORIE ET TRAITEMENT DES SIGNAUX
x(t)
commande _ _ _-------......J
Fig. 10.12
Il Y a, toutefois, un certain retard entre l'instant tm d'application de l'ordre d'ouverture et la mmorisation effective. Ce retard, appel dure d'ol.werture (aperture Ume),
se dcompose en un retard moyen 70 et un retard variable 7 e qui cre une certaine incertitude sur l'instant exact d'chantillonnage. Cette incertitude est appele erreur ou gigue
d'ouverture (aperture 11l1certainty ou jitter). Elle joue, en ce qui concerne l'erreur d'amplitude de l'chantillonneur-bloqueur, le mme rle que la dure de conversion 7 c pour
le convertisseur, selon (I0.5).
La cadence limite de travail de l'chantillonneur-bloqueur dpend surtout de la
dure d'acquisition (acquisition time) 7 a qui est l'intervalle qui spare la fin du maintien
(instant d'application de l'ordre d'acquisition ta) et le moment o la sorte x m (t)
a rattrap l'entre x (t). Cette dure est lie la rponse transitoire du circuit et dpend
de la valeur de la capacit de mmorisation employe.
Par exemple: si le convertisseur Il = 8 bits et dure de conversion 7 c 1JlS de
l'exemple 10.2.2 est prcd d'un chantillonneur-bloqueur ayant une gigue d'ouverture
infrieure los et une dure d'acquisition 7 a = 1 JlS, la cadence d'chantillonnage pourra
tre de l'ordre de 500 kHz, autorisant l'chantillonnage d'un signal de frquence maximum avoisinant 250 kHz.
] 0.3 QUANTIFICATION
10.3.1 Principe gnral et dfinitions

La quantification est une rgle de correspondance entre le nombre infini des valeurs
possibles du signal d'entre x (t) et un nombre fini de valeurs assignes au signal de sortie
x q (t). L'oprateur correspondant est du type non linaire amnsique ( 8.4.2.). La rgle
11 1
-V/2
Fig. 10.13
315
de correspondance (fig. 10.13) est obtenue en subdivisant la plage de conversion V des

variations du signal d'entre en q intervalles juxtaposs Ai avec i = 1, ... , q et en assignant au signal de sortie la valeur xi lorsque l'amplitude du signal d'entre appartient au
domaine Ai' Toutes les valeurs d'entre appartenant au mme intervalle sont donc reprsentes par le mme niveau quantifi, qui correspond gnralement la valeur mdiane
de l'intervalle (quantification par Gn'ondi) ou sa valeur minimale (quantification par
troncature ).
Un tel processus introduit naturellement une distorsion intrinsque qui dpend
autant de la nature du sIgnal que de la loi de quantification adopte.
10.3.2 Distorsion ou bruit de quantification. Dfinition

La diffrence
(I0.11)
est appele distorsion ou bmitde quantification. Cette distorsion dpend de l'amplitude
du signal et peut tre considre comme la sortie d'un oprateur non linaire de caractristique (10.11) excit par le signal x Ct). La figure 10.14 illustre le cas de la distorsion
engendre par la loi de quantification de la figure 10.13.
,
"
.x
"
Fig. 10.14
Lorsque le signal x (t) est alatoire, il est commode de considrer le signal quanti-
fi comme rsultant de la somme de x (t) et d'un bruit alatoire de quantification

(fig. 10.15). Dans bien des situations, le bruit de quantification se rvle pratiquement
non corrl avec le signal d'entre.
Le bruit de quantification apparat non seulement lors de la conversion analogquenumrique d'un signal, mais galement dans les opratons de calcul subsquentes
(erreur d'arrondi ou de troncature).
x(t }
Fig. 10.15
316
10.3.3 Variance du bruit de quantification

Le bruit de quantification llq tant considr comme un processus alatoire, il
possde une valeur moyenne Pq et une variance a~. Une valeur Pq =f=. 0 indique la prsence d'un biais systmatique. Cette situation se prsente, en particu1ier, dans le cas
d'une quantification par troncature. Ce biais est nul lorsque deux conditions sont satisfaites: le signal d'entre a une densit de probabilit paire par rapport la valeur moyenne
Px et la loi de quantification est symtrie impaire par rapport Px' La variance. elle,
s'identifie avec la puissance des fluctuations (tab. 5.2):
q
a~ = ~
J.=1
J (x-xifp(x)dx
(10.12)
ai
Si le nombre q d'intervalles est lev, une approximation raisonnable peut tre faite en
considrant p (x) ~ p (x;) =: constante dans l'intervalle Ll;:
q
a~ ~ ~ p(xr)
r=1
(x
xifdx
(10.13)
ai
Si, de plus. les valeurs quantifies Xi correspondent la valeur mdiane de l'inter~

valle Llj (quantification par arrondi), la variance du bruit de quantification devient
simplement
xi+ a i/ 2
~ ~
p(x;)
(x
xi?dx
xr if2
r=l
(10.14)
L P(x;)Ll1/ 12
;=1
Lorsque la densit de probabilit p (x) du signal d'entre est connue, il est possible
de rechercher la loi de quantification optimale [112] qui minimise a~ pour un nombre
de niveaux de quantification donns.
Dans certains cas, il peut tre avantageux d'obtenir un rapport de la puissance du
signal d'entre celle du bruit de quantification constant. C'est l'approche utilise en
tlphonie numrque (peM) qui conduit une loi de quantification de type logarithmique (sect. XYIII.7.4).
10.3.4 Quantification uniforme. Dfinitions

La loi de quantification de loin la plus frquemment utilise est la loi uniforme
(parfois qualifie de linaire) dans laquelle les pas de quantification Ll i son t constants
(fig. 10.16).
"di
(1Q.15)
En remplaant dans (10.14), on obtient, puisque par (14.14) z,p (XdLl = 1
(10.16)
317
NUMRISATrON DES SIGNAUX
/
/
Fig. 10.16
Cette fonnule approximative, largement utilise, est en fait exacte lorsque le bruit
de quantification, distribu entre !.ll 2 (fig. 10.17), possde une densit de probabilit
uniforme. Cette situation est exactement ou presque parfaitement ralise dans de nombreuses situations pratiques, comme le dmontre l'analyse du paragraphe 10.3.10.
flq =Xq-X
+Ll
0-1--+----11....
Ll- 1
Fig. 10.17
Le l'apport signal sur blUft de quantification est dfini par

:
t;;q
= ax2 /cr q2
(10.17)
o l'cart-type cr x s'identifie (tab. 5.2) avec la valeur efficace du signal d'entre x (t). En
introduisant (10.16), on obtient
(10.18)
et
~qdB
1010glO ~q
::::::
2010g lO (a,)!.l)
+ 10,8
dB
(10.19)
Si la plage de conversion Vest dcompose en q :;;: 2 intervalles de largeur !.l,

la relation (10.19) devient, en posant V/a x =a:
~qdB ~
6n+l0,.s
2010gl o a
dB
(10.20)
Ains, pour url cO/lvertisseur a"alogique-numrique, o Il reprsente le Ilombre de

bits des valeurs de sortie, le rapport signal sur bntit de qualltification mesur ell dcibels
318
J.'arie linairemellt avec Il et augmente de 6 dB avec chaque bit supplmentaire. Dans

l'analyse ci~dessus, on a nglig la distorsion d'crtage intervenant si la plage des amplitudes du signal d'entre est suprieure la plage de conversion V.
10.3.5 Exemples
Considrons premirement un signal d'entre distribution uniforme p (x) ;;::
2 2n et
v- I rect (x/ V) dont la variance vaut cr~ = V 2 /12. Por (10.18), ~q = (V/b.)2 = q2
dB
~qdB ~ 6n
(10.21)
Ce rsultat est SOli vent cit sans faire allusion aux conditions particulires pour lesquelles
il est obtenu!
Il est rare d'avoir affaire des signaux uniformment distribus. Une rpartition
approximativement gaussienne est assez frquente. Une estimation du rapport signal sur
bruit de quantification peut aussi tre facilement obtenue dans ce cas sous l'hypothse
d'une distribution quasi-uniforme de l'erreur sur un pas de quantification. Par exemple,
supposons que la plage de conversion Vl corresponde 6 carts-type cr x (fig. 10.18). On
obtient alors, d'aprs (10.20):
~qdB ~
dB
6n - 4,76
-4
-3
-2
-1
(l0.22)
Fig. 10.18
Si l'on fait passer la plage de conversion V2 = 8 0x, on a

~qdB ~
6n -7,27
dB
Dans le cas d'un signal sinusodal d'amplitude crte- crte V, on a

~qdB ~ 6n
+ 1,77
dB
(10.23)
0x
V/(2V2), d'o
(10.24)
Ces rsultats sont rsums sur la figure 10.19.

Une quantification 16 niveaux (n = 4 bits) se rvle suffisante en tlvision industrielle. Des valeurs de 11 = 8, 10 ou 12 bits (q = 256,1024 ou 4096) sont courantes en
traitement des signaux et des images et en acquisition de donnes en gnral. Le haut de
gamme (n 14 16, ... ) est rserv des applications trs particulires (mesures de haute
prcision, signaux acoustiques haute fidlite).
319
NUMRISA TION DES SIGNAUX
~qdD
[dB l
distribution uniforme
60
40
20
246
10
12
14
,,[bits]
16
Fig. 10.l9
o 10.3.6 Distribution du signal quantifi

Dans le cas d'une quantification uniforme avec arrondi pour laquelle le nombre de
niveau q est, pour simplifier, considr comme illimit, la densit de probabillt du
signal quantifi est la loi discrte (fig. 10.20)
P (.xq)
Pk O (x q
(10.25)
kba)
k=-=
o (fig. 10.21)
(k+l/2)t:..
Pk
{l0.:26}
P (x), rect[(x - kba)!il] dx
P (x)dx
(k-l/2).A
p(x)
Po
!1-1
PI
p-~
Pz
P-J
--3-~~--2~~---~~--0r-~--1~~~3~~-Xq
-3~-2 -,1
Fig. lO.20
2~ 3~
Fig. 10.2l
Les probabilits Pic sont donc quivalentes aux chantillons en x = kil
d~une
fonc-
tion
w(x)::::
Jp(x')rect[(x-x')/il]dx'
= p (x)
* reet ~,=/il)
= Prob (x
ba/:2
)C
~ x
+ ba/:2)
(10.27)
Les rsultats tablis au chapitre 9 concernant l'chantillonnage idalis d'un signal

temporel peuvent donc tre transposs dans le cas de la quantification. Celle-ci est quivalellte ulle opration d'chontilloll1loge idalis d'une loi de probabilit w (x).
310
THORIE Eor TRAITEMENT DES SIGNAUX
La fonction caractristique nxq(v) du signal quantifi est, par (14.64), la

forme de Fourier (inverse) de la densit de probabilit p(x q ). Pur (9.12), (I0.25)e
(10.26)ona
rI x (V-IlILl)snc(.6v
Il)
Il'''-00
repil-l {flx(v) sine (LlV)}
o n.\:(v) est la fonction caractristique du signal d'entre x (t).

La fonction I1 x Cv) sine (LlV) s'annule, en particulier, pour toutes les valeurs v ==
avec le entier. Par ailleurs, si la plage des amplitudes du signal d'entre x (t) est V, la
persion de Ilx(v) sur l'axe v est, selon (4.185), de l'ordre de V- 1 (fig. 10.22). Comme
en pratique Ll ~ Ji, on a approximativement (fig. 10.23)
nxq (v)
~ repil- I {fIx (v)}

p(x)
,.~rr.t(UJ
/
\...-- sinc( ~IJ)

\
\
__ - - .
o
1------+
Fig. 10.22
Il V
v
(2~)-1 .1- 1
_~-I
Fig. 10.23
o 10.3.7 Thorme de la quantification

Par analogie avec le thorme d'chantillonnage du paragraphe 9.3.3, on peu t
noncer le thorme suivant:
la densit de probabilit p (x) d'ulle J'arlable contirme x est entirement dcrite
par la densit de probabHit p (x q ) de la variable x q quantifie uniformment
aJ'ec un pas Ll, si la fonction caractristique I1x(v) est support born tel que:
pour 1vi ~ (2Llf'
(l0.30)
Pour les mmes raisons que celles mentionnes au paragraphe 9.3.2, lorsque la
dynamique du signal est borne, la fonction caractristique ne peut en fait s'annuler sur
un intervalle non nul. Elle tend toutefois vers zro lorsque v tend vers l'infini de telle
sorte que (10.30) peut tre satisfaite avec une bonne approximation.
321
NUM(,RISATION DES SIGNAUX
010.3.8 Thorme des moments du premier ordre

Par (14.68), le moment du 1cr ordre ct de degr k: l1l x k = E [x k ] est porportionnel (facteur j k) la Idme drive de la fonction caractristique fI", (u) value en
11
2rrv O. Cette drive peut tre value sans erreur partir de I1Xq Cv) si les translates qui la composent ne se superposent pas au voisinage de u = O. La condition est
donc ici moins svre que (i 0.30)
pour
vi> - 1 -
e; e
>
(l0.31 )
On obtien t alors les formules de Sheppard [64], reproduites ici seulement pour
letk 1:
}}lxl
1Jl x 2
(10.32)
= 11l xq l
1
m xq 2 - /12
(l0.33)
010.3.9 Extension la statistique du second ordre

Par une analyse similaire, on montre en tenan t compte de (14.70) que sUa fonction
caractristique du 2me ordre
nXY (v, v)
pour Ivl
>
-1-e, Il)1
> - 1
e; e> 0
(10.34)
les moments du 2me ordre E [xf y~], avec xl =x(t) et Y2 =y(t+T), peuvent s'obtenir
directement par drivation en v =- v=-O de la fonction caractristique fI xq (v. p).
En particulier, on a dans ces conditions la relation suivante entre les fonctions de
corrlation des signaux non quantifis et quantifis
T
=0
=F 0
=0
(10.35)
d'o, dans le cas de l'autocorrlation

(10.36)
T=FO
Ce rsultat indique que, lorsque la condition (10.34) est satisfLlte,le bruit de quantification Ilq =x q x est un processus valeur moyenne nulle et variance 2/12 li
distribution uniforme, assimilable Li un bruit blanc non corrl avec x (t).
010.3.10 Proprits du bruit de quantification

Lorsque x q = Ic , llq =x q - x est distribu selon la loi conditionnelle
Px (1lq - k) fect (ll q / ). La densit de probabilit du bruit de quantification uniforme
avec arrondi est, toujours en admettant un nombre infini de niveaux de quantification,
L
k=-=
px(l1 q -k)rect(ll q /L1)
(I0.37)
322
Par consquent, sa fonction caractristique est, par (4.1

Unq(u) = [Ux{U)'
k~~ exp (j2lTUkLl.)] * LI. sinc (LI.' u)
ITx{v) 0 tl,.-I (v)
(4.17), (4.111) et (1.36):
* sinc (~. v)
nx(k~-l)sinc(~'v-k)
(I0.38)
k=-OIO
Les composantes de flllq(v) pour k
=0 et k =1 sont reprsentes sur la figure 10.14.
_~
'~'
/' TL (.6. -1 )sinc(.:lu - 1 )

.,
\
\
Fig. 10.24
Une condition ncessaire et suffisante [113] pour que le bruit de quantification

soit distribution uniforme
p (n q ) == ~-l rect (nq/~)
(10.39)
est que la fonction caractristique ITx(v) du signal d'entre soit nulle pour v
avec k entier diffrent de zro. Dans ce cas, en effet. avec ITx(O) = f p (x) dx
TI,lq(v)
= sine (~. v) = F-
{p (ll q )}
k~-I,
1:
(IOAO)
Cette condition est, bien sr, aussi satisfaite lorsque la condition (10.31) est
valable.
Il apparat donc clairement que le bruit de quantificatioll peut tre considr
comme uniformmellt distribu mme dans des cOllditions de quantificatio1l grossire.

Sa valeur moyenne est nulle, en cas de quantification par arrondi, et sa variance
~1"/11 est prcisment gale au membre de droite de (10.16).
Par une gnralisation deux dimensions, on dmontre que sous 1es mmes conditions peu svres. l'erreur de qua1l1ification est assimilable un bruit blanc 11011 corrl
(mais pas statistiquement indpellda1lt) avec le signal d'entre x (t).
010.3.11 Exemple: signal gaussien

Soit x (t) tel que
'" -1/"- exp (1"11"1
p(x) = (1no;)
--;;-x- 0;;)
avec, selon (14.97) et u
nx(v)
(10.41)
11TV,
exp(-2n 2 0iv 2 )
(10042)
pour v ~ (::! crx ri,

pas
n.,\: (v) < 1%. On en dduit qu'une quantification
323
trs grossire avec un

(10.43)
est dj suffisante pour garantir un bruit de quantification distribution pratiquement

uniforme, il spectre blanc, faiblement corrl avec x (t).
Dans une telle situation, la mesure par voie numrique des proprits statistiques
du premier et du second ordre du signal d'entre peut s'effectuer avec une prcision
satisfaisante en se limitant 8 niveaux de quantification par exemple (V q t::. 8 Gx )'
ce qui implique une conversion AIN 3 bits seulement.
o 10.3.12 Quantification uniforme rfrence stochastique

L'addition avant quantification (fig. 10.25) au signal d'entre utile s Ct) d'un bruit
alatoire auxiliaire a (1) est analogue il la prsence d'une fluctuation stochastique (en
anglais: ditlzer qUalztization) de l'origine de la loi de quantification.
J--~~
quantificateur
Fig. 10.25
Si a (t) et s (t) sont statistiqllemeTlt indpelldallts, on a, par (5.187), pour x (t) =
s (t)
+ a (t)
(10.44)
Il suffit que na (v) = 0 pour u = kt::.- 1 , avec li: entier diffrent de zro, pour que
n.~(v kt::.- 1 ) = 0 quelle que soit ns(u) et, par consquent, que le bruit de quantification
soit distribu uniformment selon (l0.39) avec une valeur moyenne nulle. Le signal
quantifi est
(t)
x (t) + llq (t) = s (t) + a (t) + Ilq (t)
(10.45)
Par (14.46), on obtient l'identit des valeurs moyennes

Ilxq
Ils
(10.46)
si a (t) est galement valeur moyenne nulle. Une distribution vidente de a (t) satisfaisant la condition nonce est la loi uniforme
(10.47)
Cette approche est utilise [114] en calcul stochastique, o les grandeurs sont
reprsentes par les valeurs moyennes de variables alatoires quantifies grossirement
(souvent avec fi 2), ou pour amliorer les performances de corrlateurs simplifis
( 13.2.4).
314
10A CODAGE BINAIRE
10.4.1 Reprsentation binaire des niveaux de quantification

A chacun des q "')1/ niveaux discrets dfinis par la loi de quantification, on peut
faire correspondre un mot binaire distinct de Il bits. Le choix d'une solution parmi les q
thoriquement possibles est li des considrations pratiques o interviennent le mode
de fonctionnement du convertisseur AI N ou NIA et l'origine ou la destinaton de l'information numrique.
Tous les codes utiliss en pratique se dduisent du code binaire pur (tab. 10.26).
Une diffrence notable est introduite entre le codage de signuux strictement unipolaire
et le cas, plus frquent, des signaux bipolaires.
Tableau 10.26 Principaux codes pour signaux unipolaires ct bipolaires (1l
AI
/11=
binaire
d"
7
6
15/16
14/16
13/16
12/16
11/16
10/16
9/16
8/16
7/16
6/16
5
4
4/16
3/16
2/16
1/16
0
1111
1110
1101
1100
1011
1010
1001
1000
0111
0110
0101
0100
0011
0010
0001
0000
!vi
m=rl
l
d,cal
15
14
13
12
11
10
9
a
!vi
5/16
7/16
6/16
5/16
4/16
3/16
5
4
3
1
(-)
2/1
-1
-2
-3
4
5
-6
-7
2/16
1/16
(-) 0
-1/16
- 2/16
- 3/16
- 4/16
5/16
- 6/16
binaire
1
1
1
1
1
BCD 8411
BCD 2421
1111
1101
1100
0100
0101
Oili
0110
0010
0011
0001
0000
0001 0000
1001
1000
0111
0110
0101
0100
0011
0010
0001
0000
0001 0000
bnilire
symtrique
complment
complment
il 1
a III
0
0
0
0
0
0
code de
Gmy
1000
1001
1011
1010
1110
100
011
010
001
000
111
110
101
100
011
010
0 III
a 110
a 101
0 100
0 011
0 010
0 001
(1) 0 000
1 001
1 010
011
100
101
110
0 DOl
III
a
0
0
0
0
III
1\0
101
= 4).
IlO
101
100
011
a 010
0 001
0 000
1 III
\ \10
101
100
011
010
001
0
0
0
0
1111
1110
0111
0110
0101
0100
0011
0010
0001
0000
III
110
101
100
011
010
a 001
0 000 (1111)
110
lOI
100
Olt
010
001
000
325
10.4.2 Dfmitions: code binaire pur

C'est la mthode la plus simple et la plus connue de reprsentation d'un nombre
lU sous forme binaire (chap, XIV 2). En normalisant l'chelle des nombres entre zro et
un en posant 1JZ :=; AI/2" , le code binare pur correspondant est l'ensemble des chiffres
binaires, ou bits. di (i L ... , Il) dfini par
fi
; dj
112
:::::
0 ou 1
(10.48)
Les puissances de deux sont appeles les poids du code. Dans la notation utilise,
dl est le bit de poids le plus fort (1/2) et d n est le bit de poids le plus jible (l/ 2" ). En
anglais: dl = MSB = ivlost Significant Bit et dll = LSB Least Sigllificallt Bit.
Ainsi, pour une loi de quantification uniforme avec plage de conversion V, le niveau
x qm est gal
X qm
= mV
JIlL).
(10.49)
est le pas de quantification.
10.4.3 Dfinition: code de Gray

Le code de Gray, appel aussi code rtlchi, n'est pas un code pondr. Il se dduit
du code binaire pur en examinant successivement chaque bit, en partant du poids le plus
fort pour aller vers le poids le plus faible. Pour tout chiffre binaire gal 0, le chiffre de
rang immdiatement infrieur est inchang. Pour tout chiffre binaire gal l, au contraire.
le chiffre de rang immdiatement infrieur doit tre complment (0...,).1 et 1...,). 0). Ce
transcodage est dfini par les relations
d lg
d jg
(10.50)
d 1b
-=
d ib d(i-l)b
: i = 1,3, .. "
Il
(l 0.5 1)
o les indices b et g dsignent les codes binaires purs et de Gray, respectivement. et le

symbole 0 caractrise l'opration logique Ou-exclusif: 1 e 1 0 a = 0, 1 $ 0 = a 1 :::; 1
( V.1.6.l).
Le transcodage inverse est obtenu de manire analogue, avec (10.5 1) remplace
par
;i:::; 1,3, ... ,1l
(10.52)
Ces relations sont facilement ralises en lectronique logique.

Le code de Gray a la proprit que le passage d'un niveau son voisn n'implique
que le changement d'un seul bit. Il est pour cette raison utilis dans les systmes de con
version continue (convertisseur parallle, codeur angulaire lectromcanique, etc.) pour
limiter L). les erreurs ventuelles de lecture effectues au moment d'un changement
de niveau.
10.4.4 Dfinition: code BeD

Dans le code BCD (BillOly Coded Decima!), ou code dcimal binaire, chaque
chiffre dcimal (units, dizaines, centaines, etc.) du nombre entier JlI est traduit en code
binaire. On utilise cet effet le systme de pondration 8-4-21 (code binaire pur) ou
326
parfois 24-21. Ce type de codage est utilis principalement dans les voltmtres numriqldes et autres dispositifs affichage numrique, car il permet l'emploi d'un dcodeur
simple pour traduire chaque groupe de quatre bits en chiffre dcimal. Il est galement
utilis, pour des raisons semblables, dans les calculatrices de poche et de bureau.
10.4.5 Dfinition: code binaire dcal

Le code binaire decale correspond simplement une translation du code binaire
pur d'une quantit gale la moiti de la plage totale. Le bit de poids le plus lev, qui
vaut 1 pour toutes les valeurs positives ou nulles et 0 pour toutes les valeurs ngatives,
caractrise le signe de la valeur encode. Ce code est facilement obtenu partir d'un
convertisseur unipolaire auquel est appliqu une tension de dcalage analogique.
10.4.6 Dfinition: code binaire symtrique

Dans le code binaire symetrique, les nombres positifs et ngatifs de mme valeur
absolue ne se distinguent que par le bit de signe. Ce type de code, qui n'est pas trs frquemment utilis en traitement numrique, permet de maintenir une bonne prcision
et une bonne linarit autour du niveau zro, alors que tous les autres codes bipolaires
impliquent un changement de tous les bits en passant du niveau l'vI = 0 au niveau /vI = - 1.
Ce code peut tre obtenu directement l'aide d'un convertisseur unipolaire et d'un
circuit spar pour l'inversion de la polarit.
Un transcodage du code binaire dcal au code binaire symtrique implique
l'inversion du MSB et, si le nouveau MSB vaut 1, l'inversion de tous les autres bits et
l'addition d'une unit.
En inversant le bit de signe, on obtient le code binaire repli dont une variante
est utilise en modulation PCM pour la tlphonie (sect. XVIII 7.5).
10.4.7 Dfmition: code complment 2

Le code complment 2 est largement utilis pour la reprsentation numrique
des signaux bipolaires. Il facilite en particulier les oprations arithmtiques ultrieures
d'addition et de soustraction de nombres ngatifs (sect. XIV 2.3), le rsultat tenant
compte automatiquement du signe (exemple 10.4.9).
Si /vI est un nombre positif, le nombre ngatif -111 est reprsent par le code
binaire du complment 2 de Al dfini par
(10.53)
La reprsentation de la valeur ngative d'un nombre positif est obtenue pratiquement

en complmentant chaque bit (complment 1) et en ajoutant une unit dans la position du bit le moins significatif.
011 passe du code binaire dcal au code complment 2 simplement en im 1ersal1t
le bit de signe. Les convertisseurs A / N approximations successives fournissent naturellement un code binaire pur (dcal ou non selon que la plage convertir est bipolaire ou
unipolaire). Ils sont donc aussi directement utilisables en code complment deux
moyennant une simple inversion du bit de poids le plus fort (MSB) qui joue le rle de
327
bit de signe. Les fabricants incorporent gnralement euxmmes un circuit inverseur

logique leurs convertisseurs de manire fournr simultanment les variables MSB et
MSB.
10.4.8 Dfinition: code complment 1

Pour le codecomplmellt 1, la valeur ngative d'un nombre positif est simple.
ment obtenue en inversant tous les bits. Ce code a le dsavantage, comme le code binaire
symtrique, d'offrir deux reprsentations du nombre zro. Le code complment 1
diffre du code complment 2 d'une seule unit pour les nombres ngatifs. Il est parfois
utilis en raison de sa simplicit lorsqu'une erreur systmatique d'un pus de quantification
peut tre tolre.
10.4.9 Exemple
Si M = 5 et 11 = 4, - Al = 5 est reprsent en code complment 2 par le code
binaire pur de 1II' 16 - 5 = 11 -t+ 10 Il. 1\1 = 5 correspond en binaire pur 0101. le code
complment l de - lVf = 5 est 1010_
Si l'on a deux nombres positifs, par exemple }VII = 5 +l- 0101 et 1112 = 2 +l- 0010, les
oprations d'addition et de soustraction sont quivalentes en code complment 1:
Ali + 111 2 = 7 +l- 010 1 + 001 0 = 0 11 1:
J11 1 -111 2 = 3 ++111) +jl1~ #0101 +1110 = (1)0011 (le 5me bit est ignor);
CD llJ 2 - JU I = - 3 -t+ A12 + }VI ~ -t+ 00 J 0 + 101 1 = 1 101.
10.5 ACQUISITIONS DE DONNES
10.5.1 Systmes multi-voies

Un systme d'acquisition de donnes (fig. 10.27) est une installation groupant
gnralement plusieurs voies de conversion analogique-numrique reHant des capteurs
un processeur central doubl d'une mmoire. Celui-ci assure premirement la gestion de
l'installation et des donnes recueillies. Selon ses capacits de traitement, on peuL galement lui assigner des tches de filtrage, de compensation des nonlinarits des capteurs,
d'analyse statistique, de contrle, etc. !l est souvent connect un ordinateur principal,
processeur
central
ct
mmoire
.l'Ill (/)
xn(t)
r-------,
.------~
~--------v--------~
voies d'acquisiton
r-------~
ordinateur
prncipal.
affichage, etc.
Fig. 10.27
r-------.
~--------y~--------~
voies de rcslitulion
328
qui se charge des traitements importants, des dispositifs d'affichage, etc. Selon les
besoins, le systme comprend galement des canaux de restitution de l'information traite avec conversion analogique-numrique et actionneurs.
Ces installations sont surtout employes en technique des mesures (vol. XVII), en
automatisation industrielle et pour le contrle de grands systmes (production d'nergie,
quipement aronautique et spatiaux, etc.). Si une ou quelques voies suffisent dans les
applications simples, il n'est pas rare de rencontrer des installations comprenant plusieurs
centaines, voire, exceptionnellement, plusieurs milliers de voies.
Selon les besoins, les convertisseurs AIN sont relis aux capteurs de mesure par
l'intermdiaire de circuits de conditionnement des signaux (amplification, filtrage, conversion courant-tension, etc.).
Lorsque le nombre de voies est lev, l'information acquise est souvent multiplexe,
soit au niveau analogique (fig. 10.28), soit au niveau numrique (fig. 10.29).
X1(t)
processeur
central
multiplexeur
analogique
multiplexeur
:mulogique
et
mmoire
Fig. 10.28
multiplexeur
numrique
processeur
central
multiplexeur
numrique
mmoire
Fig. 10.29
La premire solution est utilise lorsque le convertisseur AIN est l'organe le plus
coteux. Une mmorisation temporaire sur chaque voie analogique par chantillonneursbloqueurs est en principe incorpore au multiplexeur. La solution dcentralise permettant d'attribuer chaque capteur un dispositif de pr-traitement complet comprenant les
circuits de conditionnnement ad-hoc et un convertisseur AIN, complt au besoin par
un microprocesseur, est une tendance actuelle qui offre de nombreux avantages (prtraitement effectu directement proximit du capteur. transmission et multiplexage
numrique, meilleure insensibilit aux perturbations dues l'environnement lectromagntique, etc.).
Dans la plupart des systmes, les cadences d'chantillonnage disponibles sont faibles
et ne conviennent que pour des signaux d'assez basse frquence.
329
10.5.2 Enregistrement de phnomnes transitoires

L'enregistreur de transitoires est un dispositif de mmorisation particulier destin
servir d'interface entre une source analogique de signaux phmres et un quipement

de visualisation (par exemple, oscilloscope, enregistreur graphique) ou d'analyse. Son
principe est illustr par la figure 10.30.
entre
,nalog~IL__A_I_N_..-J==~:'>
mmoire
numrique
de N mots
relecture
cyclique
NIA
f~
'-----..... analogique
(liaison avec
1
oscilloscope
sortie numrique
ou enregistreur
(liaison avec ordinateur
graphique)
ou processeur spcialis)
Fig. 10.30
En phase d'acquisition, le signal d'entre est chantillonn et numris, ds son

apparition, une cadence leI compatible avec ses caractristiques frquentieIIes et temporelles. Un surchanti1lonnage important (leI ~ 2Em) est souvent utilis pour garantir
une bonne reconstitution ultrieure avec simple extrapolation d'ordre zro ( 9.4.4).
Lorsque les N chantillons correspondant la capacit de la mmoire interne sont
acquis, le dispositif est prt fonctionner en phase de restitution, avec une nouvelJe
cadence le2 qui est choisie, suivant les besoins, suprieure ou infrieure leI' La
mmoire bnficiant d'un circuit de relecture cyclique (recirculation), c'est un sgnal
priodique dont on peut disposer en sortie, ce qui facilite l'observation du signal sur un
oscilloscope ou son analyse spectrale par exemple. La conversion temporelle ralse
permet aussi bien d'enregistrer et d'observer commodment ensuite des phnomnes
phmres trs lents (par exemple secousse sismique, transitoire thermique) ou, si le
convertisseur d'entre est suffisammen t rapide, des impulsions trs courtes (foudre, etc.).
l~
1
ID
330
THOlUE ET TRAITEMENT DES SIGNAUX
Si Tel est le pas d'chantillonnage d'acquisition, le tronon de signal enregistr en

mmoire xdt, 1j) a une dure 1\ =NTel (fig. 10.31). Le facteur d'acclration ou de
ralentissement est
(10.54 )
avec a> 1 en cas d'acclration et 0 < a < 1 en cas de ralentissement. Le signal repro
duit devient ainsi x:'! (f, T2 ) Xl (at, Tt/a). La relecture cyclique cre, elle, un signal
priodique X3 (t) =rePTJ {x:,! (t. T2 )} Par (4.18) et (4.125), les transformes de Fourier
(fig. 10.31) de X2 (t, T2 ) et X3 (t) se dduisent de celle de XI (f, 1\):
Xl (f, T~)
= a- l Xl (j'la, Td
(l0.55)
X 3 (f) = Tell X 2 (f,T z ) I/TJ (f)

= Te 1X tCf/ a ,1\)I/T;J(f)
(I0.56)
La dilatation spectrale que permet d'obtenir la mmoire recirculante avec un fae

teur d'acclration a> l est mise profit dans certains analyseurs de spectre ( 12.3.6).
f
- "2/1i 0 2/ Ii
,1
o
Fig. 10.32
10.5.3 Erreurs d'acquisition

En plus de la distorsion par recouvrement spectrale ( 9.3.1) et de la distorsion de
quantification, qui sont propres aux oprations d'chantillonnage et de quantification
(numrisation), il existe d'autres sources d'erreurs d'acquisition. Celles-ci sont dues aux
331
imperfections des circuits convertisseurs AIN et NIA. Leur description dtaille sort du
cadre de cet ouvrage et peut tre trouve dans le volume XVIII ou la littrature spcialise [103, Ill]. On retiendra simplement pour mmoire, qu'elles ont principalement
pour effet de faire dvier la caractristique de quantification relle de la loi idale envisage au paragraphe 103.4:
dcalage (offset): la caractristique de quantification n'est en fait pas symtri

que par rapport l'origine (fig. ]0.33);
modification de pente (gain error): la caractristique moyenne crot plus vite ou moins vite que la loi thorique (fig. ] 0.34);
non linarit: les pas de quantification ne sont pas tous gaux et la caractristique moyenne ne suit pus, de ce fait, la ligne droite thorique (fig. 10.35);
non linarit diffrentielle: les ondula tions excessives (> il) de la caractristique moyenne par rapport la droite thorique provoquent l'absence de
certains motscode en conversion AIN (missing codes) ou une croissance non
monotone des niveaux en conversion NI A (fig. 10.36).
-------,
III
7/8
110
6/8
101
5/8
100
4/8
011
3{8
010
2/8
001
dcalage
I{S 1
00
0
0
dcalage
AIN
Fig. 10.33
III
7/8
110
6/8
101
5/8
100
4/8
011
3/8
010
2/8
001
1/8
il'
JI
AjN
::
Fig. 10.34
111
7/8
110
6/1l
101
5/8
100
4/8
011
3/8
010
21B
001
1/8
+1"
::
AIN
Fig. 10.35
0
0
00 0
=NIA -
- ---
0 0
=NIA
-- ::
NIA
0
332
------------;(
croissance
non monotone
duc il la nOIl
linarit
diffrentielle.
\11
7)8
110
6/8
101
5/8
100
4/8
011
3{8
010
2/8
1/8
+v
JI"
1
1
:
1
1
1
1
1
0
0
0
000
___
0
0
0
-
NIA
AIN
Fig. 10.36
Une mthode efficace de test de circuits convertisseurs est de leur imposer une
grandeur d'entre ayant une distribution statistique connue (par exemple uniforme) et
de contrler la distribution de la grandeur de sortie.
10.6 EXERCICES
10.6.1 On dsire enregistrer sous forme numrique binaire un signal sinusodal de

frquence fo = 500 Hz et d'amplitude crte c~te gale 20 V:
., quelles caractristiques principales (plage de conversion, temps de conversion,
nombre de bits) doit possder le convertisseur analogique-numrique utilis, si
le signal est chantillonn sans mmorisation et si le rapport signal sur bruit de
quantification doit tre suprieur 45 dB?
., Si l'on dsire pouvoir restituer ensuite ce signal par une conversion numrique~
analogique avec interpolation linaire, quelle doit tre la frquence d'chantillonnage pour que la valeur absolue de l'erreur de reconstitu tion ne dpasse pas
un pas de quantification? Comparer le rsultat obtenu avec la limite infrieure
thorique indique par le thorme d'chantillonnage.
10.6.2 Vrifier les rsultats (l 0.21), Cl 0.22), (10.23) et (10.24).

10.6.3 Ca1culer le rapport signal sur brut de quantification ~qdB obtenu dans le cas
d'une plage de conversion V et d'une densit de probabilit du signal d'entre gale :
a) p(x) = 2 V- 1 rect (2x/V); b) p (x) == 2 V- 1 tri (2x/ V); c) une distribution gaussienne
valeur moyenne nulle avec V == 10 ux '
10.6.4 Un signal x (t), possdant une distribution statistique uniforme entre - Vj4 et
V/4, est quantifi uniformment par un dispositif de quantification disposant de 256
niveaux discrets reprsentant une plage totale V. Dterminer le rapport signal sur bruit
de quantification ~qdB ainsi obtenu.
10.6.5 Un signal x (t) a pour densit de probabilit p (x) = a exp (-a lx 1). Il est
quantifi uniformment en q = 2 Tl niveaux discrets compris entre -5/a et +5/0. Dter~
miner partir de quelle valeur de Il on obtient un rapport signal sur bruit de quantification ~qdB suprieur 30 dB.
10.6.6 Vrifier (10.32) et (I0.33).
CHAPITRE l t
MODULATION ET CHANGEMENT
DE FRQUENCE
1 LI PRINCIPES GNRAUX
Il.1.1 Objectifs et dfinitions
La modulation est un procd dans lequel un signal primaire, appel signal modulant) modifie un signal auxiliaire, appel signal porteur ou simplement porteuse, pour
crer un signal secondaire, ou signal modul, don t les caractristiq ues sont mieux adaptes aux conditions dsires d'utilisation (fig. Il.1).
~ signal ~O~Ul ~
signal
modulant
modulation
"
transmISsIon .~
enregistrement
amplification
signal
dmodul
dmodu la ton
_ _ .J1
porteuse auxiliaire
Fig. 11.1
La modulation est donc un moyen de reprsentation de l'information; elle s'apparente ainsi au codage.
On recourt principalement la modulation pour:
transposer sans perte d~information le spectre d'un signal dans un autre domaine
de frquences pour s'adapter aux contraintes d'mission-rception (efficacit et
dimension des antennes), satisfaire des conditions imposes par une voie de
transmisson (propagation, largeur de bande disponible) ou faciliter certaines
oprations de traitement du signal (changement de frquence pour syntonisation
en rception radio ou dans les analyseurs de spectres balayage, par exemple);
assurer le partage d'un canal de communication entre plusieurs signaux transmis
simultanment (multiplexage frquentiel: allocation d'une bande de frquence
diffrente chaque message transmis simultanment, multiplexage temporel:
transmission squentielle de valeurs chantillonnes de chaque message);
.. obtenir l'amplification et le filtrage efficace de faibles signaux de basse frquence en s'affranchissant, en particulier, du bruit de fond en II f dcrit la section
6.4 (amplificateur synchrone: 13.2.10);
enregistrer des signaux, dont le spectre s'tend jusqu' la frquence zro, sur
des supports magntiques (enregistreurs de mesure)~
334
., modifier le spectre du signal mis afin d'amliorer les conditions de dtection

(radar, par exemple: cf 7.4.8 et sect. 13.4) et d'immunit au bruit (modulation angulaire et d'impulsions) ou de rendre la communication plus confidentielle et difficile brouiller (systmes talement de bande, 13.2.11);
., varier une grandeur approprie pour la commande ou le rglage automatique de
machines ou de processus industriels.
La dmodulation est l'opration inverse de la modulation: c'est la reconstruction
du signal modulant partir du signal modul. Selon les cas, cette reconstitu tion requiert
l'emploi d'un signal auxiliaire identique , ou dduit de, celui utilis dans la phase de
modulation. L'addition ventuelle de bruits, d'interfrences et de distorsions limite la
fidlit de la reconstruction.
Il.1.2 Domaines d'application

La modulation est principalement utilise en tlcommunications (chap. XVIII.8)
dans le cadre des systmes de
., tlgraphie;
tlphonie;
radiophonie;
GD tlvision;
transmission de donnes;
tlmesure et tlcommandes.
Elle est galement employe pour amliorer la rsolu tion des systmes de dtection:
.. radar;
Il sonar;
Il tldtection.
L'instrumentation lectronique et la mtrologie (vol. XVII) y font galement

appel pour raliser des transpositions de frquence facilitant le traitement du signal.
Il.1.3 Procds. Dfinitions

Les mthodes de modulation sont souvent classes en deux ca tgories:
modulations analogiques;
CD modulations numriques.
Le terme un peu malheureux de modulation 1lU11U~rique est utilis en tlcommunications pour dsigner les divers procds de reprsentation code d'informations
analogiques. La forme la plus usuelle de cette reprsentation, connue sous le nom de
modulation par impulsion et codage, abrg MIC (en anglais: pulse code modulation,
PCM) est une variante des techniques de numrisation dcrites au chapitre 10. Il n'y
sera, par consquent, fait mention que brivement.
Les modulations analogiques satisfont la dfinition donne au paragraphe Il.1.
Le signal porteur est soit sinusodal (modulatioll continue), soit une sute priodique
d'impulsions (modulation chantilloJlne). Selon la nature du paramtre du signal porteur que l'on fait varier en fonction du signal modulant, on distingue divers types de
modulations.
335
Pour les modulations porteuse sinusodale:

CI modulations linaires: d'amplitude (AM) ou bande latrale unique (SSB);
modulations angulaires: de frquence (FM) ou de phase (cf> M).
Pour les modulations d'impulsions:

1)
modulation d'impulsions en amplitude (P AM);
ca modulation d'impulsions en dure (PDM);
modulation d'impulsions en position (PPM) ou en frquence (PFM).

Lorsque le signal modulant est numrique, ou simplement quantifi, on obtient
une modulation discrte. C'est le cas rencontr tout particulirement en transmission de
donnes (sect. XVIII 11.4), o l'on fait principalement usage de modulations discrtes
de frquence et de phase.
11.1.4 Modulations porteuse sinusodale: modle gnral

En utilisant la reprsentation d'un signal spectre passe-bande (sect. 7.4), le signal
secondaire s (t) d'un modulateur ( 8.3.12) dont les entres sont le signal modulant
112 (t) et la porteuse u p (t) = p cos (2rr/p t + C p ) peut s'crire (fig. 11.2), selon (8.1 00)
set)
= r(t)exp [j(2rr/p t+ a p )]}

= a (t) cos (2 TrIp t + a p ) - b (t) sin (2 rr/p t + a p )
Re {~(t)
(11.1)
!. (t) =
a (t)
+ j b (t) = r (t) exp [j AtP (t)]
(11.2)
est l'enveloppe complexe associe au signal analytique f(t), qui contient toute l'information apporte par le signal modulant. Selon les procdsde modulation, cette information est porte par l'enveloppe relle r (t) ou par l'cart de phase instantane AtP (t), ou
encore par une combinaison des deux.
up(t) = pcos(1rrfpf
+ O:p)
Fig. 11.2
Chaque type de modulation est ainsi caractrise [99] par une loi du type
!. (t)
= Sm {m (t)}
(11.3)
o Sm reprsente l'oprateur de modulation adquat (fig. 11.3). fnversement, la restitution du signal modulant est obtenue par une loi
m (t) = Sd {!. (t)}
(l1.4)
o Sd reprsente l'oprateur de dmodulation ncessaire (fig. Il A).

La densit spectrale du signal modul est simplement lie celle de l'enveloppe
complexe par (7.88):
(11.5)
336
THORIE ET TRAiTEMENT OES SIGNAUX
Cette fonnule simple ne s'applique toutefois qu'au cas de signaux stationnaires. La

prsence d'une non-stationnarit pdiodique peut entrainer des corrlations spectrales qui ajoutent (11.5) un tenne correctif [149].
Fig. 11.4
Fig. 11.3
11.1.5 Modulation porteuse impulsionnelle: modle gnral

Lorsque la porteuse (fig. Il.5) est une suite priodique d'impulsions de priode T
et de forme g(t/), le signal modul s (t) peut se mettre sous la forme gnrale
co
s(t)
= k~CIO akg
(t-kT-Tk)
k
(11.6)
k=-co
o ak est un paramtre d'amplitude, fl k un paramtre de dure et Tk un paramtre de

position, susceptibles de varier en fonction des valeurs chantillonnes ln (kT) du signal
modulant (fig. 11.6).
IIpU) = rePT {gUI ..Il)}
Fig. 11.5
Fig. 11.6
Aucune expression gnrale de la densit spectrale du signal modul ne peut tre

donne ici. On remarque toutefois que dans le cas particulier (PAM) o Tk =0 et d k
il = constante, le modle (I 1.6) devient analogue celui du signal chantillonn (9.1),
avec fondion d'chantllonnage priodique e (t) = 6 T(t). Le spectre correspondant se
dduit donc directement de (9.4). Si ak = a et fl k =il sont des constantes (pPM, PFM),
l'expression (11.6) est analogue l'quation du signal de sortie d'un systme linaire
invariant, de rponse impulsionnelle ag (t / d), excit par une suite apriodique d'impulsions de Dirac. En dnotant par Po (f) la densit spectrale d'une telle suite, celle du
signal modul devient, par (4.18) et (8.24): cPs(f) =a 2 .tl21G (df) 12. cP8 (f). Dans le
cas o seule k varie (PDM), l'expression (11.6) est analogue au signal de sortie d'un
oprateur paramtrique linaire ( 8.3.2) excit par une suite priodique d'impulsions
de Dirac 6 T(t).
1 1.2 MODULATIONS LINAIRES

II.2.1 Introduction
Les modulations linaires parfois improprement appeles modulations d'amplitude - forment une famille de techniques apparentes de modulation dans lesquelles
l'amplitude d'une porteuse sinusodale varie en fonction du signal modulant. Les ........
de cette famille sont dsigns par les appelations conventionnelles suivantes (les ~f'Tnn'Vmes
L't" ...
337
mentionns proviennent gnralement des appellations utilises en langue anglaise):

., modulation
modulation
Il modulation
Il modulation
d'amplitude avec porteuse (AM);

d'ampHtude sans porteuse (AM-P);
bande latrale unique (SSB);
bande latrale rsiduelle (VSB).
Il
Ces modulations sont obtenues par une opration linaire qui prserve, en gnral, la
morphologie du spectre unilatral du signal modulant m (t) en lui faisant subir une
translation frquentielle. Le tableau 11. 7 rsume les expressions de l'enveloppe complexe
L (t) et les spectres 4>$ (f) du signal modul correspondants chaque type de modulation.
Tableau 11.7
S!wal
m~dulant
m(t)= Um'm o (t)
t'"(
t,i
f
)
rh .
rh
0
AM
!Jt):::: pfl
+ ma (t)
- /p
AM-P
[Jt) =
p ' mo (1)
c:\
-jr
SSB
r..ct ):::: '2
+ j Ino {tH
n
- /p
VSB
r (t) = {(I) + III, (t)
+ il m, (t)
Ir (t)1)
t~,(f)
Li
1
-Ir
'>,(fI
Ip
c:\ ..1
Ip
I>,(f)
[m o (t)
1\
J~
1
III>
1"
L'opration fondamentale implique par toute modulation linaire est la

multiplication ( 8.3.4) du signal modulant - ou d'une fonction de ce signal- par une
porteuse sinusodale (fig. 11.8). Cette multiplication est obtenue, soit directement
raide d'un dispositif paramtrique appropri (multiplicateur analogique), soit indirectement en superposant la porteuse et le signal modulant l'entre d'un oprateur non linaire amnsique ( 8.4.2) de caractristique y = g(x) - ou d'un circuit ractance non
linaire suivi d'un filtre liminant les composantes spectrales indsirables (fig. 11.9).
La non-linarit pratiquement utilise est celle d'un composant lectronique (transistor
bipolaire ou effet de champ, tube vide, capacit non linaire d'une diode bloque).
Fig, 11.8
Fig. 11.9
338
THOHIE ET TRAITEMENT DES SIGNAUX
Un exemple simple est celui d'un modulateur quadratique de caractristique

y =alX + a2x2. Si x (t) = ln (t) + pcos(wpt+ ~p); y (t) = {alm (t) + al m 2(t) +
:2
2
a2 Up cos (Wpt + O!p)} + {al UpCOS(Wpt+ tx p ) [1 + ( 2al/al)m (t)]).
Le deuxime terme entre accolades contient le signal modul dsir, le premier terme
doit tre limin par filtrage.
~
11.2.2 Dfmition: modulation d'amplitude avec porteuse

La modulation d'amplitude avec porteuse, dsigne par son abrviation anglaise
AM (Amplitude Modulation) est la forme la plus classique de modulation linaire.
Son principe est illustr par le schma de la figure Il.10.
Fig. 11.10
Le signal modul s (t) correspond au produit de la porteuse sinusodale u p (t) par

la fonction du signal modulant x (t) 1 + 1120 (t) suppose statistiquement indpendante.
Le signal mo (t) = 172 Ct) 1Um est ici sous forme adimensionnelle (obtenue en divisant le
signal original par une valeur caractristique Um):
(11.7)
En l'absence de signal modulant [m ct) == 0], le signal s (t) est ici gal la porteuse seule
(fig. 11.11).
1110 1t)
s( 1)
rU) = la (1)1
"
~/V
0/
'-.- rU)
Fig. ll.ll
La comparaison de (11. 7) avec le modle gnral (11.1) montre que l'on a dans ce
cas
!.. (t)
== a Ct) = [1
+ 1120 (t)] p
(11.8)
La densit spectrale de l'enveloppe complexe est <Py_ (f) ==
; [8 (f) + <Pm
(f)]
le spectre du signal modul (fig. Il.12) devient, par (11.5)
,2
<Ps(f) = -:- [8 (f + f p )
,2
+ 6 (f - f p )] + -:-
[<Pm 0 (f + f p )
+ <Pm
(f - f p )]
(l1.9)
339
MODULATION ET CHANGEMENT DE FRtQUENCE
banes latrales
!\
f
-Dm
BI1I
o
Fig. Il. t 2
o l'on a tenu compte du caractre pair de cJ.>m o(f) et de 5 (f). La dimension de la den
sit spectrale du signal adimensionnel mo(t) est en Hz- 1 et q)m (f) = U1;r (1)111 0 (f).
La modulation d'amplitude avec porteuse se caractrise ainsi, sur le plan spectral,
par une simple translation du spectre bilatral du signal modulant, d'une quantit
correspondan t il f p ' la /i"quellce porteuse, accompagne de l 'app~rition de raies il ces
mmes frquences fp ' La puissance totale de ce signal vaut Ps = (UJ/].) (1 + Pm o ) o
Pm =Pm/Ul~ est le coefficient de puissance du signal modulant.
o
On constate facilement que si Bm est la largeur de bande du signal modulant, la
largeur de bande Bs occupe par le signal modul est deux fois plus large:
(11.JO)
La modulation d'amplitude avec porteuse prsente l'avantage, pour autant que
a (t) = [1
+ 1110 (t)]
Up
(11.11)
de permettre une simple dmodulation par dtection d'enveloppe ( 11.2.7). Elle est
encore largement utilise pour cela en radiodiffusion (ondes longues, moyennes et
courtes).
L'un de ses inconvnients est que la puissance du signal modul est pour une large
part concentre dans les raies situes f= fp qui ne contiennent pas d'information.
Le rapport de la puissance contenue dans les bandes latales sur la puissance totale
fournit une mesure du rendement de cette modulation:
(11.11)
o Pmo = f<Pmo(f )df est le coefficient de puissance du signal modulant. Par exemple,
dans le cas d'un signal mo(t) sinusodal d'amplitude unit [valeur maximale satisfaisant
~ncore (I 1.(1), donc autorisant une dtection d'enveloppe], Pm o
et 11ln = 33,3 %.
Si l'on considre un signal moU) alatoire gaussien valeur moyenne nulle atteignant la
limite impose par (11.11) pour des amplitudes gales 3am o.le rendement tombe
1-
11m = 10%.
Il.2.3 Dfinition: modulation d'amplitude sans porteuse

La modulation d'amplitude dite sans porteuse AM-P (en anglais DSBSC = Double
Side Band Suppressed Carrier) se rsume une simple multiplication (fig. 11.13):
(11.13)
340
Fig. 11.13
L'enveloppe complexe est ici directement proportionnelle au signal modulant
(11.14)
Le signal modul est donc nul en l'absence de signal modulant (fig. 11.14) et son
spectre ne contient plus que les contributions translates du spectre bilatral du signal
modulant (fig. Il.15)
4>s(f)
P2
4
[CPm o(f + f p )
+ CPm o(f -
(11.15)
f p )]
sU)
~ rU)
= laU)1
o
'1'
\-. -rU)
Fig. 11.14
(Ilmo {fi
{J).r(f)
bandes lalt!nllcs
f
-BII/
BII/
- j~
fp
2 Bm
Fig. 11.15
La largeur de ballde Es occupee est la mme qll 'ell modulatioll d'amplitude avec porteuse,
mais les raies
ont disparu. Ceci permet de concentrer la totalit de la puissance
mise dans les bandes latrales contenant toute nnformation: le rendement est ainsi de
100%.
Il n'est, en revanche, plus possible de dmoduler par simple dtection d'enveloppe.
Il faut recourir une dtection isochrone ( 11.2.6) qui exige une reconstitution de la
porteuse.
341
Il.2,4 Dfinition: modulation bande latrale unique

De mme que Je spectre est entirement dfini par sa forme unilatrale, toute
l'information du signal modulant se trouve en fa it reprsente par une seule bande latrale
du spectre du signal modul. Cette constatation permet d'envisager de rduire la largeur
de bande occupe par un facteur deux en liminant J'une des bandes latrales. C'est le
principe de Ja modulation bande latrale unique BLU (en anglais: SS B = Single Side
Band modulation). Cette technique est surtou t utiJise en tlphonie dans les installations
de multiplexage frquentiel appeles systmes courants porteurs (sect. XVIILI 0.1).
Elle ncessite aussi une dtection isochrone ( 11.1.6).
Considrons Je cas (fjg. 11.16) o seuJe la bande latrale suprieure du spectre est
conserve. Le nouveau spectre correspond la translation de f p du spectre unilatral du
signal modulant et de son image.
(OtIS) q)~lo (f- Ip)
..-/
f
-B m
1~
Bm
+--+
B.r=Bm
Fig. 11.16
Par (4.162) et (7.41), le spectre du signal modul devient
-t
'J.
(ps(f) =
[cP;no(-/-fp ) + {p-::noCf-fp )]
(11.16)
J6 [<P~o (- f - f p) + (I>,~o (f- f p )]

En comparant avec l'expression gnrale (11.5), on obtient
~
(PI. (f) =
Up
'4 rp~o (f)
(11.17)
d'o l'on dduit qu'ici, renveloppe complexe est analytique et vaut
!..Ct) == .1;.(t) =
(11.18)
2' Upillo(t)
avec des composantes en phase et en quadrature lies par la transformation de Hilbert

1
a (t) = "2 U p mo (t); b (t)
= "2 Up i110 (t)
(l1.19)
L'quation du signal modul bande latrale unique (suprieure) est ainsi

s(t):::::
[mo(t)cos(21Tfpt+~p)-J1zo(t)sn(21Tfpt+~p)J
(11.20)
Le choix de la bande latrale infrieure ne fait que changer Je signe du deuxime terme
de (11.20).
342
THOIUE ET TkAITEMENT DES SIGNAUX
De (11.19), on dduit que la modulation bande latrale unique engendre la fois

une variation d'amplitude (enveloppe) et une variation de phase du signal modul.
Le signal modul bande latrale unique peut tre thoriquement obtenu soit en
filtrant idalement un signal modul en amplitude avec suppression de la porteuse
(fig. Il.17), soit en partant directement de l'quation (11.20), ce qui revient changer
le filtre idal de bande latrale contre un oprateur de Hilbert ( 8.2.18) et utiliser
deux porteuses en quadrature. Cette deuxime solution conduit au schma de la figure
11.18. Tant le filtre idal de bande latrale que l'oprateur de Hilbert sont des modles
difficiles approcher en pratique.
Fig. 11.17
-} p COS(27Tj~t + O:p)
+t\
sin (27T fp t
+ C\'p)
+
L
sU)
1-----1....
- bande latrale suprieure

bande latrale infrieure
Fig. 11.18
11.2.5 Dfmition: modulation bande latrale rsidueUe

La modulatioll bandersiduelle BLR, (en anglais: VSB: Vestigial SideBalld), est
un compromis entre la modulation bande latrale unique et la modulation d'amplitude
avec ou sans porteuse. En conservant un vestige de la bande latrale non dsire, on
diminue les exigences imposes au filtre de bande latrale et l'on facilite la transmission
d'un signal modulant ayant des composantes de basse frquence importantes (par exemple signal vido). La largeur de bande Bs occupe en tlvision est pratiquement de
l'ordre de 1,25 Bm.
Le schma de la figure] Ll9 illustre le principe de la gnration d'un signal modul
en VSB (avec porteuse). Le filtre de bande latrale rsiduelle doit possder une fonction
de transfert G (f) symtrie localement impaire au voisinage de la frquence porteuse
(fig. 11.20). On montre (exercice 11.6.8) que l'enveloppe complexe du signal modul
devient dans ce cas
-
{[ 1+ m 0 (t)]
...
+ j [mo (t) * lz (t)] }
o lz (t) est la rponse impulsonnelJe d'un filtre passe-haut.
(11.11)
343
MODULATlON ET CHANGEMENT DE FRQUENCE
modulateur AM
,..--_ _ _1\.'"-_ _......
+ ~p)
OS( lii p /
Fig. l1.l9
(l'mu (f)
f
-B m
Rtl!
<f>,(AMI(f)
rh
J
rh ..
f
-fp
1fG(f1I'
fp
Cf
...
-fp
fp
,j',(VSBI(f)
ri
-fp
--
ID
j~
Bs
Fig. Il.20
Si l'on part d'une modulation d'amplitude sans porteuse, la dmodulation ne peut

tre que sy nchrone ( 11.2.6). Le maintien de la porteuse permet de se contenter d'une
dmodulation d'enveloppe ( 11.2.7) introduisant une distorsion tolrable si 1110 (t) ~ 1
(tlvision).
11.2.6 Dmodulation par dtection synchrone. Dfinition

La dmodulation par dtection synchrone est analogue la modulation d'amplitude (fig. 11.21). Elle consiste multiplier le signal modul par un signal auxiliaire
priodique de mme frquence que la porteuse et liminer les composantes rsultantes indsirables l'aide d'un filtrage passe-bas.
filtre
dU)
passe-bas
"d(t)=
lI d(t+IITp )
Fig. 11.21
tYd
Considrons le cas o le signal auxiliaire est une rplique de la porteuse de phase

et d'amplitude unit:
(11.21)
344
Le signal de sortie du multiplicateur, dont les entres sont
ud (t)
et le signal modul
s (t) dfini par (11.1), devient en exploitant les identits trigonomtriques de la section
15.2:
y(t)
= S(t)'Ud(t)
=
+[a
(t) cos (a p
ad) - b (t) sin (a p
+ 1- [a (t) cos (4tr/p t + a p + ad) -
ad~)]
b (t) sin (4tr1~ t
+ a p + ad)]
(I1.23)
Si le filtre passe-bas
suppos idal
possde une frquence de coupure
le < 21;' -Bm
(I1.24)
o Bm est la largeur de bande du spectre du signal modulant

vaut
d(t) =
[a(t)cos.6.a-b(t)sin.6.a]
111
(t), le signal de sortie
(11.15)
o .6 a:::.:: a p - ad est l'cart de phase entre IIp (t) et lld (t).

L'oprateur gnral de dmodulation (l1.4) est donc caractris, dans le cas de la
dtection synchrone, par
(I 1.26)
En particulier, d (t)::::: ~ a (t) si la dtection est cohrente (ou isochrone), c'est-dire si .6a=O.
Le tableau Il.22 rsume les rsultats dduits de (11.26) pour les divers types de
modulations d'amplitude indiqus dans le tableau 11.7.
Tableau J 1.22
!..<t>
AM
[;/l
AlI-l-J>
SSB
VSB
-:;- 1110 (t 1 cos.la
'1
(moU)
+ j liJo~t)
4 /lIIn(!)co,ACl!-,I'o(l)sinAa:]
Ur
Tmll(t)
01'
I1Jo (t)
[;"
-:;-[(!I+ JII o(r1 +jll!o(t) .. hUI)
Dans le cas des modula tions AM et VSB avec porteuse, le signal modulant est
dduit de d (t) par limination d'une composante continue (filtrage passe-haut). Une
dtection non isochrone (.6 a:ft. 0) fait apparatre dans le signal dmodul en SSB et
VSB une distorsion dpendant de la transforme de Hilbert du signal modulant. Cette
distorsion peut tre svre si le signal modulant est de type impulsionnel (cf. fig. 7.3).
La dtection synchrone ncessite la reconstitution, au niveau du dmodulateur,
d'une fonction priodique synchrone avec le signal porteur. Ceci est ralis, soit par la
transmission additionnelle d'un signal de synchronisation adquat, soit par l'extraction
directe de cette information du signal modul ( 13.2.8).
345
11.2.7 Dmodulation par dtection d'enveloppe

SaLIs certaines conditions. on peut remplacer la dtection synchrone par une simple dtection d'enveloppe, ne ncessitant aucun signal de rfrence auxiliaire. C'est la
technique largement utilise dans les rcepteurs AM de radiodiffusion. Elle s'applique au
cas de la modulation d'amplitude avec porteuse et, moyennant une certaine distorsion,
aux modulations SSB et VSB avec maintien ou rinsertion d'une porteuse.
Une expression gnrale de l'enveloppe complexe valable pour ces diffrents cas est:
(11.:::7)
avec k = 1 et b (t) = P 111o(t) Il (t) = 0 en AM el k = et b (t) = p ,hoU) en SSB

[Il (t) = (j (t)].
L'enveloppe relle r (t) est la valeur absoluc de l'enveloppe complexe (11.2)
r(t)
= ir(t)! =
v'a 2 (t)+b 2 (t)
(I1.28)
En modulation AM, b (t) = 0 et

l'
(t)
= !r (t)1
(I1.29)
On constate immdiatement que si la condition (11.11) est satisfaite, c'est--dire, si

mo(t)~-1
(11.30)
la dmodulation par dtection d'envcloppe permet de retrouver. aprs filtrage de la composante continue, un signal proportionnel au signal modulant.
En modulation SSB ou VSB avec porteuse, le terme b (t) n'est pas nul. Toutefois, si
Ib(t)l ~ !a(t)1
(11.31 )
on obtient approximativement le rsultat (11.29).

La distorsion rsiduelle due la composante en quadrature est gnralement ngligeable si !mo{t)! ~ 1.
Un dtecteur d'enveloppe est un dispositif nOlllillaire. Le schma de principe d'un
tel dtecteur est reprsent sur la figure Il.23. Il comprend un oprateur de valeur absolue (redresseur bipolaire) suivit d'un filtre passe-bas liminant les composantes redresses
indsirables. Ce dtecteur est souvent improprement qualifi de linaire dans la littrature
spcialise.
:dt)
oprateur de
valeur absolue
filtre
d(t)
passe-bas
y= Ixl
Fig. 11.23
Si le signal d'entre est modul en ampHtude avec porteuse, par (11.8) l' (t)
(I+1Ilo(t)]p etx(t)::::s(t)=a(t)cos(21Tf~t+o:p) d'o
y(t)
= IsU)1 =
En dveloppant
y (t)
Icos(21Tj~t
= ::. la (t)!1T
la(t)!-!cos(21Tfpt+O:p)1
+ Ctp)l
1+ 2
(11.32)
en srie de Fourier, on obtient
= (_1)11
L
. cos {2n (21Tfpt + p)} 1
411- - 1
'1
11=1
= a (t)
(11.33)
346
THOIUE ET TItAITEMENT DES SIGNAUX
Si la frquence de coupure
fc <
fe
du filtre passe-bas (suppos idal) est telle que
(J 1.34)
2fp -Bm
o Bm reprsente la frquence maximale du spectre de
d (t)
= ..:.. la (t) 1 :::

'TT
111
(t), le signal dmodul devient
')
p Il
..:..
'TT
+ mo (t) 1
(11.35)
qui est analogue (11.29).

Une variante de modle de dtecteur d'enveloppe est celui de la figure] 1.24. Il
comprend, en cascade, un oprateur quadratique, un filtre passe-bas et un oprateur de
racine carre.
x( t)
___>_
oprateur
quadratique
v =x 2
yU)
fillre
passe-bus
z(t)
oprateur de
racin! carn~e
d=v:
dU)
~
Fig. 11.24
Avec x (t) ::: S (t)
y(t)::: x 2 (t)
=t
=a (t) cos ( :1 'TTj~ t + p), le signal de sortie du q uadrateur devient
= a2(t)cos2(21Jfpt+p)
a (t)+ ta
2
(11.36)
(t)cos(4'TTJpt+ 2p)
Le signal a (t) = p [1 + moU)] possde un spectre compris dans le domaine fr

quentiel If 1 ~ Bm. En vertu des rsultats du paragraphe 8.4.4, il apparat que le terme
a 2 (t) possde, lui, un spectre compris dans le domaine III ~ 2 Bm. La multiplication de
ce mme terme par cos(4iT/pt+:1 p ) translate ce spectre d'une quantit 2fp' Par
consquent, pour autant que
(11.37)
on peut rcuprer le premier terme de y (t) selon (11.36) par un filtrage passe-bas suppos nouveau idal - de frquence de coupure
Je
<
2 (fp - Bm )
(11.38)
On obtient donc
(l1.39)
A la sortie de l'oprateur de racine carre, on trouve
d (t) ::: ...; z (t) :::
-p
..j2
Il + 1110 (t) 1
(11.40)
qui est, nouveau, analogue (11.29).

.
Dans le cas o Imo (t)l ~ 1, le signal de sortie du fihre passe-bas z (t) ~ g/2 +
mo(t) peut tre utilis directement pour obtenir une bonne approximation du signal
modulant.
En pratique, le dtecteur d'enveloppe est souvent ralis approximativement
l'aide d'un simple redresseur diode, une alternance, avec charge capacitive Rl Cl
U;
347
(fig. 11.25) jouant le rle de filtre passe-bas et dcouplage capacitif C 2 liminant la

composante continue. Son principe de fonctionnement est expliqu au chapitre VIII.S.
Fig. 11.25
11.2.8 Analogie entre dtection d'enveloppe et dtection synchrone d'un signal AM

L'quation (11.31), dcrivant le signal de sortie de l'oprateur de valeur absolue
de la figure 11.23, est quivalente, pour autant que l'enveloppe du signal modul en AM
satisfasse la condition}' (t) = a (t) ~ 0, au produit
y (t)
= x(t) Ud (t)
(11.41)
o Ud(t)= sgn [COS(21Tfpt+p)] est une onde synchrone et cohrente (isochrone:

Ll = 0) avec la porteuse. Ceci tablit une liaison formelle avec la dtection synchrone
dcrite au paragraphe 11.2.6.
11.2.9 Performance en prsence de bruit

En prsence de bruit additif, le signal x (t) l'entre du dmodulateur est
x(t) = s(t)+Jl(t)
(11,42)
o s (t) est le signal modul spectre passe-bande dfini par (11.1) et Il (t) est un bruit
indpendant, spectre passe-bande limit la mme bande [e.g. x (t) est le signal de sortie d'un filtre suppos idal rejetant tous les signaux ou bruits ayant des frquences
hors de la bande passante utile]. On peut donc galement l'exprimer sous la forme (7.102)
(11.43)
o art (t) et hl! (t) sont les composantes en phase et en quadrature qui ont la mme puissance que Il (t). Elles sont gaussiennes si JI (t) l'est aussi ( 7.4.6).
Le rapport signal sur bruit l'entre du dmodulateur est
(II.44)
o Ps peut tre value dans les diffrents cas de modulation, par intgration des densits
spectrales correspondantes. Si le bruit possde une densit spectrale constante 17/ '1 dans
la bande utile, sa puissance vaut P" 217Bm en AM et AM-P et Pn 17Bm en SSB.
En cas de dmodulation par dtection synchrone (hypothse: Ll = 0), la forme
gnrale du signal dmodul devient (aprs suppression de la composante continue en
348
AM) en tenant compte de (I 1.43):

dU)
=:
(l1.45)
2"[kU p 111o(t)+a,,(t)]
o k=1 en AM et AM-Pet k= ~en SSB.

Le rapport sgnal sur bruit ;prs dtection est
~d
=:
i Pmo/PII
(11.46)
o PIIIO = Pm/U,~ est le coefficient de puissance du signal modulant.

On peut mesurer l'efficacit (immunit au bruit) de la dmodulation en effectuant
le rapport ~d/~X' Les rsultats d'ensemble correspondant aux principaux types de modulation sont rsums dans le tableau 11.26. On constate que l'efficacit obtenue en
modulation d'amplitude sans porteuse est deux fois plus grande que celle obtenue en
modulation bande latrale unique. Ceci s'explique par le fait que les composantes des
deux bandes latrales du signal AM-P s'additionnent de manire cohrente au niveau du
dtecteur synchrone, alors que les composantes de bruit s'additionnent, elles, de manire
ncohre nte.
Tableau 11.26
Mou
la lion
115
P,
P'"
L-
~d
AM
:!'Bm
+- ~(1 +Pmo )
::!l1lJm
1.. (r 2 1 + l'ml)
-1
P J)ll",
+~~
AM-/'
2lJ",
+~P",o
::!J)lJ",
~2 l'mil
l1lJ lII
-+ li l~ TllJm
SSI.l
lJ",
+~P"!1
T/fJ m
!1!L
+Ur.~
l'
1..
ri 2
l'
11 1J ,,:
tdL
~J ~o
'fIlJ",
2I'mo<J+Pm(l<2
Pmo<
1+1''''0
<1
Tlfl",
L'analyse des performances en prsence de bruit d'une dmodulation d'un signal

AM par dtection d'enveloppe est plus dlicate, en raison du caractre non linaire du
dtecteur. Dans le cas d'un bruit Jl (t) gaussien, la distribution statistique du signal de
sortie du dtecteur d'enveloppe de la figure j 1.23 est la loi de Rice-Nakagami tablie
au paragraphe 7.3.9. Celle-ci peut tre utilise (40] pour valuer le rapport signal sur
bruit ~d obtenu aprs dmodulation. A fort rapport signal sur bruit il l'entre (t'l: ~ J),
l'efficacit obtenue concorde avec celle indique dans le tableau Il.26 [avec PmO < 1
pour assurer la condition de non distorsion \mo (t) < 1]. Ceci s'explique par l'analogie
mentionne au paragraphe prcdent. Lorsque ~x~ 1, on observe un effet de seuil tel
que le rapport signal sur bruit aprs dtection ~d devient proportionnel il ~~: ceci proscrit pratiquement l'usage de la dtection d"enveloppe dans ces circonstances.
Pour obtenir une comparaison globale des systmes de modulation-dmodulation,
on dfinit un facteur de mrite ~dn 0 gal au quotient du rapport signal sur bruit aprs
dmodulation ~d et d'un rapport signal sur bruit fictif
1
(11.47)
qui serait celui d'une transmission directe (sans modulation-dmodulation) d'un signal
modulant de puissance quivalente il Ps , affecte par le mme bruit de densit spectrale
n (f) = Tl/.2 filtr idalement la rception par un filtre passe-bas de caractristique
349
= rect (f/ 2Em). Ce facteur de mrite galement report dans le tableau 11.26,
montre que les systmes AMP et SSB sont, sous cet angle, quivalents et dans tous les
cas suprieurs au systme AM.
2
1G (f) 1
11.3 MODULATIONS ANGULAIRES
11.3.1 Dfinitions
Les rsultats du paragraphe 11.2.9 montrent que pour lutter contre le bruit, il n'y
a d'autres recours, en modulation linaire, que d'augmenter la puissance du signal
modul. L'utilisation d'une modulation angulaire, modifiant proportionnellement au
signal modulant la phase ou la frquence de la porteuse sinusodale, offre une possibilit
d'accrotre l'immunit au bruit au prix d'un largissement de la bande occupe par le
spectre du signal modul.
Contrairement la modulation linaire, la modulation angulaire, parfois
qualifie d'exponentielle, est une opration no" linaire, ce qui explique d'emble
l'largissement de la bande occupe.
Le signal modul s (t) est encore reprsent par l'quation (11.1 ). L'enveloppe
complexe prend ici la forme gnrale
(11.48)
o l'argument AfjJ (t) est une fonction du signal modulant. Ainsi, en dnotant par fjJ set)
la phase instantane du signal modul:
s (t)
Re
:. (t) exp [j (2nfp t + p)]}
p Re {exp [jfjJs(t)]}
(11.49)
pcosfjJs(t) = pCOS[21Tfpt+AfjJ(t)+ p ]
p [cos AfjJ (t) cos (2nfp t
+ p)
sin Al/J (t) sin (2 rrfp t
+ p)]
Si l'argument Al/J (t) de l'enveloppe complexe est directement proportionnelle au

signal modulant, on parle de modulation de phase (cI>AJ):
AfjJ (t) = (3. 111 (t)
(11.50)
Si c'est la drive de Al/J (t), ou en d'autres termes la frquence instantane

(7.48), qui est proportionnelle au signal modulant, on parle de modulation de frquence
(FM):
1 dAfjJ (t)
Af(t)==v'm(t)
(11.51)
21T
dt
et en admettant une phase initiale nulle:
t
= 2rrv
ln (t) dt
(11.52)
o
Les constantes (3 et v sont des facteurs arbitraires mesurs en rad/Y et en Hz/Y,
respectivement, si m (t) est une tension. La figure Il.27 reprsente un exemple comparatif des signaux moduls en tI>M et en FM. Les grandeurs AfjJ(t) et Af(t) sont appeles dJ'iaton de phase et dl'iatiol1 de frquence, respectivement.
AfjJ (t)
350
THORIE ET TRA!TEMENT DES SIGNAUX
m(f)
Fig. 11.27
Le signal modul peut tre produit par un oscillateur lectronique (chap. VII!.5)
dont la frquence est asservie au signal modulant (VCO = voltage-controled oscillator).
Lorsque la frquence porteuse f p doit tre trs stable et prcise, on recourt une mthode
indirecte de modulation de phase bas niveau (mthode d'Armstrong: 11.3.3) suivie
d'une multiplication de frquence ( IL 5.3).
Les relations (I 1.51) et (11.51) montrent que les modulations de phase et de frquence sont Hes par une simple opration linaire affectant le signal modulant: int
tion ou drivation. Ainsi, on peut utiliser un modulateur de frquence pour produire un
signal modul en phase en drivant au pralable le signal modulant.
11.3.2 Spectre des signaux modulation angulaire

Le signal modul (11.49) peut encore s'crire sous la forme quivalente
s (t)
= p Re {exp [j{21Tfp t + O:p)l exp [j ilb (t)] }

== pRe{exp[j(21Tf~t+O:p)1' [ 1 +jil1>(t)
111>2 (t) -J' 111>3 (t) + ... ]

21
3!
(11.53)
o l'on fait apparatre le dveloppement en srie de exp [j I1tjl (t)].

Il est immdiatement apparent qu'en raison des contributions non linaires de
I1tjJ (t), la dtermination d'une expression gnrale du spectre cps(f) du signal modul
est pratiquement impossible. Certains rsultats spcifiques ont t tablis [26,41,66]
sous l'hypothse d'un signal modulant alatoire, en particulier gaussien.
351
D'une manire gnrale, la densit spectrale du signal modul est gale (1.5)
(11.54 )
o (Pr (f) est la densit spectrale (relle, ma is pas ncessairement symtrique par rapport
il f p fde l'enveloppe complexe! (t).
Le spectre (I)r (f ) est thoriquement de largeur de bande infinie en raison des contributions dues auxtermes en Acpn (1), avec 11 -+ 00, apparaissant dans le dveloppement
en srie de! (1). L'ana)yse montre toutefois que ces contributions deviennent rapidement
nglgeables lorsque Ifl crot, de telle sorte que <ps(f) n'est sensiblement diffrent de
zro qu'au voisinage de Ifl = I p '
11.3.3 Approximation: modulation faible niveau
La valeur efficace (cart-type) de la phase Acp(t) est
GAr/!'
Dans le cas o
(11.55)
le signal modul (1 1.49) est approximativement reprsent par l'expression simplifie

(11.56)
L'enveloppe complexe et son spectre valent ici! (t) ~ p [1 + j AifJ (t)] et (f+/p )

4
+ (PAtP(f-fp )]
( 11.57)
On constate, en comparent cette expression (1] .9), la grande analogie existant
entre le modulation AM et cette modulation angulaire faible niveau, souvent qualifie
_L-+---I'I' '
(--<--ni_ _ _
- Bm
Bm
(1).r(}IM )(f)
o
Fig. 11.28
352
THORIE I::T TRAITEMENT DES SIGNAUX
de modulation b,al1de troite (narrow band modulation). La largeur de bande occupe

Es est aussi gale deux fois la largeur de bande du signal modulant (fig. l ] .28). La den~
st spectrale CP.6.f/l(f) est lie il celle du signal modulant, en tenant compte de (11.50),
(11.51) et (8.71), par
(I)~q)(f)
= (3~ iPm (f)
(11.58)
en modulation de pbase, et par

CP~~"J(f)
=v
(Pm
(f )/f ~
(J 1.59)
en modulation de frquence.
L'analogie mentionne plus haut suggre une mthode de modulation de phase
dduite de l'quation (11.56). C'est la mthode d'Armstrong illustre par le schma-bloc
de la figure 11.19.
Fig. 1 J.29
11.3.4 Approximation: modulation haut niveau

Si le niveau de modulation angulaire est lev, c'est-li-dire si
(11.60)
l'approximation prcdente n'est plus valable. Le spectre du signal modul est alors dit
large bail de .
Une nouvelle approximation peut tre tablie [41] lorsque la frquence instantane du signal modul s (t) varie suffisamment lentement pour que ce dernier ait sensib
ment l'allure d'une sinusode de frquence fi : : : f~ + Af pendant plusieurs priodes. Ce
situation se prsente si Af ~ Bm. On peut alors en dduire que, si s (t) est modul en
frquellce selon (11 .51) par un signal m (t), la probabilit que la frquence instantane
fi soit dans un domaine d! centr sur f p + Af est directement lie la probabilit que
l'amplitude de m (t) soit dans un domaine dm centr sur Allv. Le spectre du signal
modul vaut approximativement dans ces conditions, en tenant compte de (5.39)
2
4:
!PsCf):::::::
Pnl
(-f-f)
1)
+ Pm (l-~)]
~
01.6])
o Pm (m) est la densit de probabilit du signal modulant.

En utilisant le concept de largeur de bande utile Bu introduit au paragraphe
on a pour a1:l.f ~ Bm :
Es : : : Eu
= a.a1:l.f = ava m
o a est un coefficient de proportionnalit dpendant du critre employ pour dfinir

Eu; cr ~l et am sont les valeurs efficaces respectives de la frquence instantane et du
signal modulant.
MODULATION ET CHANGEMl~NT DE. FRQUENCE
353
fJl/I(lIl)
111
condition: a Il ';s> Bill
Br = Bu
:=
4 a 1:. f::;;; 4 v u m
Fig. Il.30
Par exemple (fig. 11.30), si m (t) est un signal alatoire gaussien, la densit spectrale
Pm (flv) est une loi de Gauss. Si Bu est dfinie comme la largeur de bande contenant
environ 95%de la puissance totale Ps f<Ps(f)df=',12 du signal modul, on a
(cL sect. 15.8): Ci ~ 4 ct Bs =Bu:= 4o..f= 4vom .
Il.3.5 Exemple: modulation par signal alatoire gaussien

S le signal modulant est gaussien, Llrp (t) est aussi gaussien, que la modulation soit
de type cp M ou FM. puisque l'on passe de l'une l'autre par une opration linaire
( Il.3.1 et 5.7.3). Une expression gnrale de la fonction d'autocorrlation Rs(r) du
signal modul peut tre tablie dans ce cas. On peut en dduire la densit spectrale de
puissance par transformation de Fourier.
Par (7 AD) et (7.91), la fonction d'autocorrlation du signal modul est
Rs(T)
= "2l Re {R,!(T)}
Re {RI:. (T) exp (j 2rrfp
Tn
(11.63)
avec, dans le cas d'une modulation angulaire,

Ry(')
E [1: * (t)! Ct + 7)]
~ E {exp U [Llp(t +,) - Ll.(t)])}

2
Up
(I1.64)
n..t/J (I, -1)
o n..ttJ (1, -1) est la valeur en li = 1 et l' = -1 de la fonction caractristique du deuxime

ordre n,6t/J (u, p) des variables x =Ll~(t) et y = Ll9(t +,), dfinie par (14.66).
Pour un processus gaussien valeur moyenne nulle, R..t/J(T) == C ,6$(7), R1l.$ (0) ==
C,6tfl (0):::; olt/J et, par (14.104),
ll,6$ (1.,
1) = exp [R1l.t/J (7)
a1 rP ]
(11.65)
354
Finalement
~
= -~ exp [RA. 1> (r)- ar/J]
cos (211Ip 7)
Rs(r)
(11.66)
.2
La densit spectrale du signal modul devient alors selon (1 1.54)
(1l.67)
avec
(11.68)
Cette transforme de Fourier n'est malheureusement pas calculable par voie analytique
dans le cas gnral.
En dveloppant le terme exp [RAr/J (7)1 on obtient:
= ~ exp(-air/J)' [J + :
R!.(7)
R1r/J(7)!Il']
rI::l
et par transformation de Fourier

(Pr(/)
= ~ exp(-a~1
[O(f)+
: ~l
IB_':'I
(I)A.1J(f)]
n =1 Il.
o FI dnote un produit de convolution multiple

Il
Cl) tJ.1>
(1) :::: cl) tJ. Ip ( f)
* cp tJ.1> (J' ) :): ... :): {P tJ.1/> (f )
;=1
Il
fois
Quel que soit (f), cette convolution multiple tend vers une loi de Gauss a
en analogie directe avec le thorme de la limite centrale ( 5.5.3). Plus atJ.q,
grand, plus la largeur de bande occupe Bs est grande.
Il -+
00,
11.3.6 Exemple: modulation sinusodale. Dfinition
Le spectre du signal modul peut tre exactement dtermin dans l'hypothse

d'un signal modulant purement sinusodal
Soit
m (t)
= m
sin (2rrj~71 t)
Par (11.50) et (11.51), on obtient les dviations de phase et de frquence instanta
l.q> (t) :::: ~m sin (.2rrfm t)

=
L\tP max' sin (2rr/m t)
et
111 (1) = ~ m lm
cos (2rr/m t)
= f:../max cos (2rrlm t)
phase
On appelle indice de modulation, gnralement not

Ll if> max' Ainsi
a ==
LllPmax =
355
a la dviation maximum de
(11.75)
ilfmax/fm
o Llfmax reprsente la dviation maximum de frquence.

L'enveloppe complexe (11.48) devient
!.. (t) = p exp [ja sin (21Tfm t)]
(11.76)
C'est une fonction complexe priodique, de priode T = 1/ f m) qui peut tre dveloppe
en srie de Fourier grce l'identit de Bessel-Jacobi [58]
(11.77)
u=-co
Les coefficients de Fourier (3.75) du dveloppement (11.77) sont des valeurs particu
Hres des fonctions de Bessel de premire espce (sect. 15.7)
(2fm )-1
Jn(o)=fm
exp {j[a sn(21Tfm t)
n2rrfm t ]}dt
(11.78)
- (2fm )-1
Ainsi, renveloppe complexe s'crit ici

(11.79)
n=-=
et sa densit spectrale (4.139) devient avec
!!-n;:: pJ,r(o),
(11.80)
11=-=
La densit spectrale du signal modul (fig. ] 1.31) est alors dduite de (11.67), en
tenant compte qu'ici tI>r (- f) tPr (f):
tPs(f)
4" [tI>l:,(f+fp) + <Pr(f-fp}]

- 2
= Up
4 12=-=
(I1.81)
avec, en vertu du thorme de Parseval (3.76)

(11.82)
ne-co
Le signal modul a pour expression
J,l (0) Re {exp [j(21T (fp + n[,n) t
11=-00
= p
L
11"'-'"
Jn (0}COS[21T(fp +nfm)t+O!p]
+ O:p)]}
(l1.83)
THORIE [~T TRAITEMENT DES SIGNAUX
356
(5;;;: 5)
Fig. 11.31
Bien que la srie soit thoriquement infinie, les coefficients ~I () tendent rapidement vers zro (fig. 15.2) lorsque Il tend vers l'infini pour satisfaire (11.82). La largeur
de bande utile reste donc borne et peut tre estime par la rgle empirique de Carson
Bs~ !.(~f+/nJ
2 (8
(11.84 )
+ I)/m
A faible niveau ( ~ 1), la largeur de bande utile est environ gale deux fois la
frquence du signal modulant. seules les raies il Ifp 1 et Ifp fm 1 ayant des amplitudes
non ngligeables. Ceci est conforme au rsultat gnral (11.57), avec Jo (8) ~ 1 et
JI (lj) = 812 pour ~ L
En modulant large bande (8 ~ 1), une enveloppe spectrale approximative de
ips(f) est obtenue en utilisant la relation (11.61). La densit de probabilit du signal
(11.74) modulant la porteuse en frquence est, par (5.23) et avec v =ilf= 8 'fm
~ Pm (1.-)
V
TT
-J (8 ft" )2 - /
'):
-
~ 8' /m
d'o
(11.86)
La largeur de bande occupe estime par ce modle vaut videmment Bs = 28' f m ,
ce qui est bien en accord avec la rgle de Carson pour ~ 1.
11.3.7 Diffrence entre modulation <PM et FM

Dans le cas d'une modulation sinusodale de phase, l'indice de modulation 8 dfini
par (I 1.75) est une constante qui ne dpend pas de la frquence du signal modulant fm'
Une modification de celle-ci fait subir au spectre <}:Is(f) une simple dilatation [contraction] par rapport Ifp 1avec une variation de la largeur de bande utile proportionnelle
fm'
357
Pour une modulation sinusodale en frquence, c'est l'cart maximum !::.Imax qui
est constant et l'indice de modulation varie au contraire proportionnellement l'inverse
de fm' Un changement de la frquence du signal modulant entrane par consquent non
seulement un effet de dilatation [contraction] spectral, mais galement une modification
des coefficients J~ (5). La largeur de bande utile reste, dans ce cas, sensiblement constante conformment la rgle de Carson.
Il.3.8 Exemple: modulation de phase par un signal binaire alatoire. Dfinitions

La modulation angulaire discrte est largement utilise pour la transmission
d'informations numriques (transmission de donnes). Si la grandeur module est la
phase, on parle de modulation PSK (de l'anglais Phase Shif! Keying), si c'est la frquence,
on parle de modulation FSK (Frequency Shift Keying).
Considrons le cas d'une modulation PSK binare
1T
- [1
2
o
moU)
+ mo(t}]
= 1
(I 1.87)
(11.88)
est un signal binaire alatoire, transportant une information numrique, telle que les deux
tats + 1 et - 1 soient quiprobables. L'enveloppe complexe devient simplement
(11.89 )
. ct le signal modul est ici quivalent un signal modul en ampltude avec porteuse:
s(t}
~ pmo(t)cosC~1Tj~t+ap)
(11.90)
Par (11.15)
iPs<f)
= -:- [CPmo(f+j~)+(I>mo(j'-fp)]
(11.91)
avec. dans le cas d'un signal binaire cadenc en mode NRZ ( 5.3.7 et 5.6.4), de cudence
1/ Tbits/s et niveaux 1 :
(11.9:2)
et, dans celui d'un signal binaire cadenc en mode biphas ( 5.3.8) de mme cadence.
(11.93)
La largeur de bande utile est de l'ordre de :2/ T dans le premier cas et de 4/ T dans
le second. comme on peut le dduire de la figure 5.16.
Dans le cas d'une modulation FSK binaire, la dtermination exacte du spectre du
signal modul est beaucoup plus complique II 15] et ne sera pas effectue ici. Notons
simplement que
!::.f(t)
= !::.f llz o(t) = !::.f
(11.94)
et que la variation de la phase, qui est ici une fonction cOlltinue, devient
(11.95)
358
THORIE ET TkAITEM"NT DES SIGNAUX
Si l'on autorise les discontinuits de phase chaque changement de frquence

(exercice 11.6.12) le problme se ramne celui d'une combinaison de deux signaux
sinusodaux moduls en amplitude par tou t-ou-rien (modulation OOK = On- Ofr Keying).
11.3.9 Mthodes de dmodulation

L'opration fondamentale de dmodulation angulaire est la drivation:
d(t)
d
-arg[r(t)]
21T d t " "
= Sd{r (t)} = .....
= k-
21T dt
Acp (t)
(11.96)
Une dmodulation indirecte de phase est obtenue en plaant en cascade un dmo~

dulateur (discriminateur) de frquence et un circuit intgrateur.
Parmi les diverses mthodes utilises pour raliser la fonction de discrimination de
frquence, on peut distinguer
la conversion FM/AM suivie d'une dtection d'enveloppe (fig. 11.32);
.. la conversion FM/PFM (suite d'impulsions modules en frquence) suivie d'un
moyennage temporel (fig. 11.33);
Il la dtection par boucle asservissement de phase (fig. 11.34) .
.l( t)
Fig. 11.32
Fig. 11.33
d(t)
Fig. 11.34
Un oprateur de drivation ( 8.2.28) est le modle idal d'un convertisseur FMI

AM puisque le module de sa fonction de transfert hannonique est proportionnel la
frquence: IG (f) 1= 2rrf. Si s (t) ::;: p cos [w p t + At/J (t)], la sortie du drivateur est
d
Y (t) ==
M s (t)
_
= - Up [w p
+ ~ Acp (t)] sin [wp t + Acp (t)]
(11.97)
En modulation de frquence: dAcp (t)/d t = 2rrvm (t). Pour autant que Af(t) =
vm (t) <fp ' la sortie du dtecteur d'enveloppe sera (aprs suppression de la composante
continue p w p ):
(11.98)
Pour se rendre insensible aux ventuelles fluctuations d'amplitude du signal modul,
on place en amont du convertisseur FMI AM un circuit crteur (tab. 8.48).
359
MODULATION ET CHANGEMENT DE FllQUENCE
En pratique, tout filtre ayant une fonction de transfert dont le module varie en
fonction de l dans le domaine spectral occup par s (t) peut servir de convertisseur FMI
AM, au prix d'une certaine distorsion lie la non linarit de la relation IG(l)\ L'exemple le plus simple est celui d'un circuit rsonnant accord une frquence voisine de
la frquence porteuse. Une compensation locale approximative de la non linarit de la
caractristique 1G (l) 1 est souvent ralise en combinant deux non linarits opposes
[116]. Ce principe est couramment utils dans les rcepteurs radio (dtecteur
quotient ).
La conversion FM/PFM est ralise en dtectant, l'aide d'un comparateur, les
passages par zro de s (t) et en gnrant l'instant tn de chaque passage, une impulsion calibre g(t). Le signal de sortie du convertisseur FM/PFM est alors une suite d'impulsions dont la densit varie avec la frquence instantane de sU):
z (t) =
(11.99)
g(t- ttl)
fi
Le moyenneur temporel ( 8.2.19) calcule une moyenne glissante de z (t) sur un

intervalle f"r/ ~ T~ B~:
t
d(t)
l
T1 fz(t' )dt
(11.100)
;::;: do+k1"m(t)
t-T
Cette mthode permet d 'obtenir une dmodula tian trs linaire pour de trs larges
dviations de frquence (instrumentation. tlmtrie. enregistreurs de mesure).
La dmodulation de frquence ou de phase par boucle phase asservie (en anglais:
phase locked loop = PLL [117, 118]) est galement largement utilise en tlcommunications. Son principe est simple: un oscillateur contrl en tension (VCO = voltage con troI1ed
oscilIator) produit un signal priodique Ud (t) que la boucle tend rendre synchrone
avec le signal incident s (t). Si celui-ci est tnodul en frquence, la tension de commande
du VCO varie proportionnellement la dviation instantane de frquence (exercice
Il.6.11). L'analyse dtalle du comportement d'une boucle phase asservie sort du cadre
de cet ouvrage.
Il.3.10 Performances en prsence de bruit

L'analyse dtaille des performances d'un systme modulation qlM ou FM en
prsence de bruit est complexe, en raison des relations non linaires qu'elle implique
p6, 40, 41]. II est toutefois possible de dduire simplement quelques rsultats fondamentaux dans le cas courant o la puissance du bruit est beaucoup plus petite que la
puissance de la porteuse.
Considrons une porteuse non module (pour simplifier: on peut montrer que
le rle du bruit est identique) reue en prsence d'un bruit additif 11 (t) spectre passebande fix par le filtre slectif de rception centr sur la frquence porteuse lp' En utilisant la dcomposition (11.43), le signal combin devient
x(t)
= s(t)+n(t)
= [p + an (t)] cos (2rrfp t + ap) = I"x(t) cos (2rrfp t +.64>,1(t) +a p )
bll (t) sin (2rrfp t
+ ap)
(11.101)
360
THORIE ET TRAITE.MENT DES SIGNAUX
avec
(Il.102)
et
t:.t/Ju (t) = arctan.
br! (t)
01.103 )
Up+a,,(t)
L'effet du bruit l'entre du dmodulateur se rpercute ainsi il la fois sur l'amplitude et sur la phase. Toutefois, les fluctuations d'amplitude sont limines par le circuit
crtcur inclus dans le dmodulateur. La seule perturba tian fi prendre en compte est
donc le bruitdeplzase !l~rl(t) dfni par (11.103).
Dans l'hypothse d'un fort rapport signal sur bruit rentre ~x =PsIPu =
(p/o ll ) 1 ~ l, la relation (11.103) devient approximativement
(11.] 04)
Le bruit de phase est ainsi sensiblement proportionnel Li la composante en quadrature du bruit d'entre et sa densit spectrale vaut
(11.105 )
Dans le cas d'une dmodulation de frquence, on obtient par (] ] .96), un bruit de

frquence
!lf" (t) :::;: -
1
211
d
dt
(11.1 06)
!ltP lI (t)
dont la densit spectrale vaut, par (8.71),

(11.107)
<ptlf(f) :::;: f2 (PA(p (f)
Le filtre passe-bas de sortie du dmodulatcur limine toutes les composantes de

frquence suprieure Bm' la largeur de bande du signal modulant. Si le brut Il (t) est
spectre uniforme (I>,,(f):::;: 7112 dall5la bande d'intrt Bs centre sur fp.le spectre de la
composante en quadrature vaut ( 7.4.6): q)bfl (f) :::;: 17rect (f lBs)' Le spectre du bruit
de phase est donc aussi uniforme et celui du brut de frquence varie de manire parabolique (fig. 11.35).
2
\ 11 B II! / l'
\\
II1A!(f)
11
1
1
l
-B m
1,
BIIJ
Fig. Il.35
La puissance (variance) de bruit de phase la sortie d'un dmodulateur ipM vaut

Bm
Pmp
= .2
f
o
(Ptltj;(f)df
= 217BmI~
(11.108)
361
La puissance du brut de frquence observ la sortie d'un dmodulateur FM vaut,

elle,
Bm
=1J
Pnf
!PAf (f)df
= 1T/B,~/(3~)
(I 1.109)
o
Si Bs est la largeur de bande utile occupe par le signal modul, le rapport signal
sur bruit l'entre du dmodulateur vaut
(I1.110)
En l'absence de bruit, le signal dmodul est proportionnel la dviation de phase
Arp (t) en cI>M et ]a dviation de frquence Af(t) en FM. En dnotant les variances
respectives par ai tP et a~f' et en admettant un coefficient de proportionnalit unit, le
rapport signal sur bruit aprs dmodulation devient
en !PM
- - U AtP
~d
21]B m
3 2
_P-
2 T/B;,
(11.111)
a2
en FM
Af
Le rapport ~d/~x fournit, comme au paragraphe 11.2.9, une indication de l'efficacit

(immunit au bruit) du dmodulateur:
~d/ ~x
-l
-
aXrpBsIBm
2 B /B3
U Af
en !PM
en FM
(11.112)
Alors que cette efficacit est borne en dmodulation d'amplitude (tab. Il.26), on
constate qu'une amlioration importante de l'immunit au bruit est possible en modulation angulaire au prix d'un largissement de la largeur de bande Bs occupe par le signal
modul. En effet, celle-ci dpend directement de u~rpou uAf ( 11.3.4).
Pour obtenir une comparaison globale (tab. Il.36) avec les systmes modulation
linaire, on forme le rapport ~d/ ~o o ~o = ~ /(2T/B m ) est le rapport signal sur
bruit d'une transmission directe (sans modulation) d'un signal modulant de puissance
quivalente Ps =~ / 2 et de frquence maximum Hm, soumse du bruit de densit
spectrale !PIJ (f):; 1]/2:
en cI>M
en FM
(11.113)
En modulation linaire, ce rapport est toujours gal ou infrieur l'unit.
Il.3.11 Exemple: modulation angulaire sinusodale en prsence de brut

Dans le cas d'un signal modulant sinusodal de frquence f m , les valeurs efficaces
de dviation de phase et de dviation de frquence deviennent, par (l1.73), (11.74) et
(11.75)
a~rp :; /V2
(11.114)
u~f
(11.115)
::::
fm/Vi
362
THORlE ET TRAITEMENT DES SIGNAUX
En identifiant la largeur de bande Bm fm (ce qui est contestable!), on obtient

en remp]aan t dans (11.113)
en q>M
(11.116)
en FM
Ce facteur de mrite est proportionnel au carr de l'indice de modulation D. II
peut donc tre largement suprieur l'unit pour autant que fj ~ 1. La largeur de bande,
donne par la formule de Carson (11.84), est alors proportionnelle li l'indice de modulation: Bs ~ 151m 15Bm ~Bm'
Tablcau 11.36
Modulation
AM
AM-P
SSB
Bs/Bm
L(t}
~pfl + 1110 (tH

~pm() (t)
Up
2
2
~d/to
<1
1
....
IlIlo (I) + J mo{t)J
2/2
({lM
pcxp Dtlm (t}J
2 (li + 1)
(j
nit
p exp {j2rrv fut m (t)dtl
2 (6 + 1)
35 2 /2
11.3.12 Observation
La variation parabolique du spectre du brut de frquence (fig. 11.35) suggre un
moyen additionnel pour amliorer l'efficacit du dmodulateur. rI s'agit de modifier la
d istribu tion de la puissance du signal modulant l'mission en privilgiant les frquences
leves par un filtrage appropri (praccentuation). La distorsion linaire introduite est
compense, aprs dmodulation, par un filtrage (dsaccentuation) qui a pour effet de
rduire fortement le bruit de frquence \ principalement distribu aux frquences leves.
Cette technique, qui revent crer une modulation mixte FM- <PM, est utilise,
entre autre, en radiodiffusion en ondes ultra-courtes et dans les transmission par faisceau
hertziens (chap. XVrII.12).
lIA MODULATIONS D'IMPULSIONS
11.4.1 Introduction
La modulation d'impuJsions est associe au principe de l'chantiIJonnage dcrit au
chapitre 9. Selon son type, elle peut offrir un accroissement de l'immunit au bruit au
prix d'un largissement de la bande passante occupe, comme en modulation angulaire.
Mais sa raison d'tre principale est de permettre la transmission simultane de plusieurs
messages par multiplexage temporel ( 1L LI). On la rencontre aussi dans certaines
applications de rglage automatique.
Aux modulations d'impulsions analogiques (fig. Il.37: PAM, PDM, PPM, PFM),
on prfre de plus en plus la technique de reprsentation -- dj dcrite au chapitre 10 connue sous le nom de modulaton par impulsions codes (M JC, en anglais: PCM).
MODULATION ET CHANGEMENT
ni (t)
m:
FRQUENCE
363
== signal mod litant
~1
1
PAM
1
,
1
1
1
1
__ 1
PDM
il
l'PM
il
PFM
.........L
~I
1
1
1
1
1
il
0
Fig. lL.37
Aussi se limitera-t-on ici une description trs brve de ces diverses modulations.
Le lecteur trouvera plus de dtails dans le volume XVlll de ce Trait et dans l'abondante
littrature spcialise consacre aux tlcommunications. Les rfrences [40, 41] contiennent des analyses mathmatiques pousses des spectres et des performances en prsence de bruit de ces diverses modulations.
11.4.2 Dfinition: modulation d'impulsions en amplitude

En modulation d'impulsions en amplitude (PAAl -= Pulse Amplitude Alodulation),
le signal modul correspond l'quation gnrale (11.6) avec ak = m (kT), T k = -4- Ll
(ou toute autre valeur arbitraire) et Ll k =Ll= constante. Un tel signal est, dans le cas o
364
THORIE ET TRAITEMEN1' DES SIGNAUX
l'impulsion est de forille rectangulaire, celui obtenu par chantillonnage priodique avec
maintien ( 9.2.4) et sa densit spectrale se dduit, par analoge~ de l'quation (9.17).
Une dmodulation (reconstitution) est donc possible par simple filtrage passebas
avec galisation.
Comme toute modulation d'amplitude, cette technique offre des performances
limites en prsence de bruit addtf et est, par consquent, peu utilise.
11.4.3 Dfinition: modulation d'impu1sions en dure

Dans la modulation d'impulsions ell dure (POM = Pulse Duration Afodulatioll)
ou PWM -= Pulse Width .Modulation), les paramtres du signal modul (11.6) sont
ak = a = constante, Tk = -} Tet k =
T + am (kT) o a est un coefficient de
proportionnalit.
L'intgrale de chaque impulsion varie linairement avec l'chantillon 172 (kT)
correspondant, comme en modulation PAM. Ce fait permet d'obtenir galement une
dmodulation par simple filtrage passe-bas (filtre moyenneur). Une amplitude constante
facilite la rgnration des impulsions en prsence de bruit additif.
11.4.4 Dfinition: modu1ation d'impulsions en position

En modulation d'impulsions en position (PPM = Pulse Position lV/odulation) les
paramtres du signal modul (11.6) sont ak:;: a = constante, Tk:;::
T + a m (kT) et
b." :;:: b. = constante.
Le format invariant des impulsions rend cette modulation attrayante dans certaines circonstances: la puissance du signal modul est constante et indpendante du signal
modulant; une rgnration des impulsions en prsence de bruit est aise.
Cette modulation peut se dduire d'une modulation POM: l'impulsion de format
calibr tant gnre au flanc descendant de chaque impulsion du signal POM.
Inversment, la dmodulation indirecte d'un signal PPM est effectue par une
conversion pralable en signal POM, suivie d'un filtrage passe-bas.
1-
11.4.5 Dfmition: modulation d'impulsions en frquence

La rnoduiati011 d'impulsions en frquence (PFM Pulse Frequency fr/odulation)
s'apparente la modulation PPM. Les paramtres ak et b. k de (11.6) sont ici aussi des
constantes, mais au lieu de faire varier le retard Tk proportionnellement au signal modulant. c'est l'inverse de la priode instantane 1/ Tk :;:: 1/ T+ v 111 (t) qui varie linairement
en fonction du signal modulant. Ceci proscrit son usage en multiplexage temporel. La
modulation PFM est la modulation PPM ce que la modulation d'une porteuse sinusoYdale en FM est la modulation (rl M.
Le nombre d'impulsions par unit de temps variant proportionnellement au signal
modulant, une simple dmodulation par filtre passe-bas (moyenneur) est aussi possible.
11.4.6 Modulations numriques d'impulsions. Dfinitions
Comme on l'a dj relev, le nom de modulation par impulsion et codage (MIC ou
peM :: Pulse Code lV/odulation) est donn en tlcommunication la reprsentation
numrique dcrite au chapitre 10. Les termes de modulation PCM diffrentielle (OPCM)
365
et de modulation delta (M), sont donns des mthodes de reprsentation numriques

particulires de la drive du signal primaire. 11 s'agit en fait de techniques de codage et
non de modulation, au sens o ce mot est dfini au paragraphe 11.1.1. Leurs particularits
associes aux contraintes des tlcommunications sont dcrites dans le volume XVIII de
ce Trait.
11.5 CHANGEMENT ET MULTIPLICATION DE FRQUENCE
11.5.1 Principe et dfinition du changement de frquence

Le changement de ji-quence est une opration de translation spectrale analogue il
la modulation d'amplitude. Dans cette dernire, le spectre d'un signal primaire de basse
frquence est transpos d'une quantit gale la frquence porteuse I p par produit du
signal primaire et d'une sinusode de frquence I p . Le mme principe appliqu un
signal primaire de spectre passe-bande est appel changement de frquence. Il s'effectue
souvent l'aide d'un oscillateur auxiliare (htrodyne) dont la frquence la peut tre
varie.
Si le signal spectre passe-bande est

s (t) =
1110
(t) p cos (2nj~ t)
(1 LI 17)
et si le signal auxiliaire est

Uo (t)
= cos (2nlo t)
(11.118)
le produit
z (t) ::: S (t) u 0 (t)
T Upmo (t) {cos [217 (/0
+ I p ) t] + cos (1 n (10 - I p ) t]}

(11.119)
a pour densit spectrale (fig. 11.38)
<l'.: (1) = 1: [{PmO (1 + 10
+ I p ) + <Pmo (1 + 10 - I p ) +
(I1.120)
+ <pmo(1 - 10 +I p ) + (PmO (j'- la - j~)]

{pif):=
\.:j
;[cJlmoU+ fp) + tPrno(f- fp)]
, / filtr
,.-..,
... -""
1
1
1
o
fi =: 2fo
Fig. 11.38
fo
fo
+ fp
366
Un filtre passe-bande limine ensuite les termes indsirables, par exemple ceux
transposs autour de \fo + f p 1.
Comme en modulation d'amplitude, la multiplication peut tre ralise soit de
manire directe, l'aide d'un oprateur paramtrique appropri ( 8.3.4). soit de
manire indirecte en superposant la porteuse et le signal primaire s (t) il rentre d'un
oprateur non linaire amnsique ( 8.4.2).
Dans un rcepteur changement de frquence (super-htrodyne), la frquence
de l'oscillateur local fo est choisie de telle faon que I"on ait toujours Jo - f p := fif =
constante, o f p est lu frquence de la porteuse de l'onde reue. Ccci permet d'amplifier le signal reu l'aide d'un amplificateur slectif accord sur la frquence intermdiaire fif (valeurs usueHes de fif en radiophonie: 455 kHz en modulation d'amplitude et
10.7 MHz en modulation de frquence).
11.5.2 Dfinition: frquence image

Le signal spectre passe-bande s (t) dfini par (1 L 117) n'est pas le seul produire,
aprs multiplication avec (11.118), des composantes spectrales au voisinage de la fr
quence intermdiaire fif- En effet, il rsulte de la convolution spectrale dcoulant du
produit (11.119) qu'un signal spectre passe-bande s'(t) dont les bandes spectrales sont
1fi 1 avec
centres sur les frquences
fi
(11.121)
= 2fo fp
fournira galement. aprs multiplication par Uo (t), une contribution transpose en fif =
Jo fp'
La f rquence fi, dfinie par (11.121). est appele la frquence image de la
frquence dsire f p ' Elle est l'image de f~ par rapport lo.
Tout signal de frquence fi prsent l'entre du rcepteur simultanment avec le
signal dsir de frquence f~ produit un brouillage. 11 est donc ncessaire de l'liminer,
ou tout au moins de l'affaiblir suffisamment l'aide d'un filtre accord il la frquence f p '
11.5.3 Multiplication de frquence

II est parfois ncessaire de crer un signal priodique, ou fi bande troite, dont la
frquence est proportionnelle celle d'un autre signal (fig. Il.39). Ce derner peut tre
fourni par un gnrateur de rfrence (p. ex. oscillateur quartz) ou correspondre un
signal modul en frquence.
Une telle multiplication de frquence est utilise, entre autre, pour:
., gnrer un ou plusieurs signaux de frquences prcises il partir d'une seule rfrence (sous-porteuses, synthtiseur de frquence):
convertir un signal FM bande troite ( 11.3.3) en signal FM il large bande.
f
multiplicateur
dl:' rrqucllCl:'
Fig. 11.39
nf
367
La multiplication de frquence peut tre ralise:
.. l'aide d'un circuit non linaire ( 8.4.1), dont la caractristique provoque
Et
l'appartion de composantes spectrales des multiples de la frquence originale,

suivi d'un filtre limnant les termes indsirables;
au moyen d'une boucle asservissement de phase (PLL) incluant un circuit logique diviseur de frquence (fig. 11.40).
IIf
Fig. 11.40
L'existence de circuits lectroniques intgrs adquats rend la deuxime mthode

actuellement trs populaire.
Si le signal original est modul en frquence, avec frquence porteuse I p et dviation 111, le nouveau signal a comme frquence 1l/p et comme dviation 1111f.
11.6 EXERCICES
11.6.1 Dterminer le rendement 11/11 d'une modulation d'amplitude avec porteuse o le

signal modulant normalis mo (t):
possde une fonction d'autocorrlation Rmo (1)

a = 1000 Hz et umO 0.5~
est une onde carre d'amplitude unit;
.. est une onde carre d'amplitude une-demi.
U';10 exp (-a Irl)
avec
11.6.2 Etablir l'efficacit ~d/ ~x d'une dmodulation d'amplitude par dtection sync1uone en fonction de l'indice de modulation m dfini en cas de modulation sinusodale
avec porteuse par mo{t)=mcos(2-rrfmt).
11.6.3 Dmontrer que le signal modul d'un systme bande latrale unique conservant
la bande latrale infrieure est donn par (1 1.20) avec changement du signe du deuxime
terme.
11.6.4 Etablir les expressions du signal modul s (t) et de la densit spectrale )s(f)
d'un systme bande latrale unique conservant la bande latrale a} suprieure. b) infrieure, pour le cas d'un signal modulant sinusodal mo (t):::: cos (2-rrlm t).
11.6.5 Quel est le type de modulation ralis par le modulateur double de la figure 11.41,
si la transforme de Fourier du signal modulant Afo (1) = 0 pour If 1~ f~ll '?
368
Fig. 11.41
11.6.6 Montrer qu'il est possible de transmettre deux signaux 1111 (t) et 1112 (t), indpen
dants et de mme largeur de bande, uvec la mme porteuse sinusodale module en
amplitude, moyennant l'utilisation au rcepteur d'une double dtection isochrone
avec signaux auxiliaires sinusodaux udl (t) et Lld2 (t) en quadrature (modulation
QAM).
11.6.7 Dterminer sous quelle condition la dtection d'enveloppe peut tre utilise pour
la dmodulation d'un signal VSB avec porteuse, modul par un signal m (t) de puissance
Pm
11.6.8 Dmontrer (11.21) en considrant, pour simplifier, mo (t) comme dterministe.
11.6.9 Comparer graphiquement (11.81) et (11.86) pour 0 = ID.
11.6.10 Dterminer l'expression approche de la densit spectrale de puissance d'un
signal sinusodal s (1) modul en frquence haut niveau par un signal modulant alatoire
m (t) distribution uniforme entre ,iz.
11.6.11 Dmontrer que la tension de commande d (t) de la figure Il.34 est proportionnelle la frquence instantane du signal modul s (t).
11.6.12 Dterminer la densit spectrale de puissance d'un signal sinusodal modul en
frquence (avec discon~inuits de phase) par un signal moU) binaire alatoire en mode
NRZ tel que set) pcos(2nft t+ .) pour mo (t) = 1 et s(t) =p cos (2nf2 t+ ::d
pour mo (t):::: - 1.
11.6.13 Dmontrer qu'une modulation de phase discrte (PSK) 4 tats: 0, n12, -n/2,
n, indpendants et quiprobables, occupe la mme bande passante utile que la modulation biphase traite au paragraphe Il.3.8.
11.6.14 Dterminer le spectre du signal modulant 111 (t) d'un modulateur FM stro
phonique gnr par le systme de la figure Il.42 o 11ld (t) et mg (t) reprsentent
respectivement les voies de droite et de gauche du signal strophonique, de largeur de
bande limite 15 kHz.
MODULATION ET CHANGEMENT DE FRQUENCE:
doubleur
de
frquence
369
oscillateur
pilote
fn=19kHz
+
Fig. J 1.42
11.6.15 Dmontrer que le schma de la figure 11.43 est celui d'un dmodulateur FM
strophonique adapt au traitement du signal produit par le modulateur de la figure
11.42.
sU)
discriminatcur
FM
doubleur
de
frquence
md{t)+mp,(t)
(sortie monophonique 1
Fig. 11.43
CHAPITRE 12
12.1 PRINCIPES GNRAUX
12.1. 1 Buts, dfinitions et terminologie

L'analyse spectrale est la dcomposition d'une grandeur variant en fonction du
temps en ses composantes frquentielles. Cest l'une des techniques les plus courantes de
traitement des signaux.
L'analyse spectrale exprimentale est un outil d'investigation irremplaable dans
de nombreux domaines. Djffrentes approches, bases sur des mthodes analogiques,
numriques ou hybrides, sont employes pour raliser une telle analyse.
Les instruments de mesure autonome effectuant cette opration sont appels
analyseurs de spectres. Les trallsformateurs de Fourier (calculateurs numriques spcialiss souvent appels en anglais Fourier ou FFT processors) jouent principalement ce
rle. Mais ils peuvent galement excuter d'autres tcbes: mesure des fonctions de corrla tion et de cohrence, de fonction de rponse (fonction de transfert, rponse impulsionnelle), capture et analyse de signaux transitoires (slloek analysis), etc. Les allalyseurs
donde sont essentiellement des voltmtres slectifs. Avec certaines restrictions, ils sont
utiHsables comme analyseurs de spectres.
L'analyse spectrale exprimentale est galement souvent ralise raide d'un ordinateur sur des donnes pralablement acquises. La suite des oprations mathmatiques
ncessares est alors dcrite par un logiciel appropri.
Ce chapitre a pour but d'expliquer sommairement le principe de fonctionnement
des mthodes exprimentales usuelles. d'analyse spectrale. Les relations liant les modles
thoriques de spectres dvelopps prcdemment avec les rsultats exprimentaux que
l'on peut obtenir sont tablies. Quelques exemples d'application permettent d'illustrer
ces propos (sect. 12.4).
12.1.2 Domaine principaux d'application

De nombreux signaux sont difficiles il interprter en tant que fonctions du temps.
Par contre, leurs spectres fournissent des informations prcieuses. Celles-ci permettent
de reconnaitre la nature d'un sjgnal, d'identifier ventuellement son origine et de dceler des variations de ses caractristiques.
En mtrologie, en lectronique, en rglage automatique, en tJcommunications,
en physique applique, en chimie. etc., l'analyse spectrale est utilisee pour dterminer
la distribution frquentielle de I"nergie des signaux observs, mesurer la fonction de
rponse de systmes linaires (filtres, capteurs, amplificateurs. etc.). rvler ]es distor-
372
sOI1S induites par les non linarits de certains circuits, estimer le bruit de phase
d'oscillateurs, etc.
En tlcommunication, en technique radar et sonar, elle offre en outre de nombreuses possibilits de caractrisation des signaux moduls et d'observation des conditions de transmission (bruit de fond et autres phnomnes parasites, sparation des
canaux en multiplexage frquentiel, etc.) et de rception.
En liaison avec un microphone calibr, l'analyseur de spectre est un puissant instru.
ment d'investigation en acoustique.
On l'utilise galement en analyse des vibrations (tude de structures, machines
tournantes. vhicules de transport, aronautique, etc.) o les signaux sont fournis gnralemcnt par des capteurs acclromtriques. Par exemple, les vibrations produites par
un train d'engrenages ou le bruit cr par un roulement billes peuvent tre caractriss
par une certaine signature frquentielle due la prsence de raies spectrales associes
aux priodicits mcaniques de ces dispositifs.
Enfin, l'analyse spectrale de nombreux signaux d'origine naturelle (biologiques,
sismiques, ocanographiques, a tmosphriques, galactiques) ou rsultant d'activits
humaines (prospection ptrolire, explosions nuclaires, interfrences lectromagntiques, etc.) est un outil d'investigation indispensable.
12.1.3 Mthodes fondamentales d'analyse spectrale. Dfinitions

Les techniques usuelles d'analyse spectrale se rattachent deux classes principales;
.. les mthodes directes (filtrage slectif, mthode du priodogramme);
les mthodes indirectes (mthode du corrlogramme, mthodes paramtriques
haute rsolution: autorgressive, du maximum d'entropie, de Pisarenko, etc.).
Les mthodes directes fonctionnent de manire analogue au principe de l'analyseur gnral fonctions orthogonales reprsent sur la figure 3.6. Le domaine spectral
explor est dcompos en une suite de canaux adjaants dans lesquels on value la densit
spectrale locale. Cette dcomposition est obtenue par le calcul d'une transforme de
Fourier discrte dans la mthode du priodogramme (fig. ] 2.]) ou l'aide d'un ensemble de filtres bandes troites (fig. 12.2). Cet ensemble peut tre ralis par N filtres
travaillant simultanment en parallle (analyseurs banc de filtres; 12.2.1) ou par un
seul filtre explorant squentiel1ement tout le domane spectral dsir (analyseurs
balayage: sect. ] 2.3). Les analyscurs de spectre u tlisant des techniques de diffraction
optique appartiennent auss cette classe [67].
Fig. 12.1 Mthode du priodogrammc.

fil tre (5)
slcctif(s)
Bcq,fo
Fig. 12.2 Mthode pat filtrage slectif.
rlJx2 (r.[Il.Bcq )dl

I-T
373
Les mthodes indirectes exploitent des algorithmes de calcul numrique bass soit
sur le thorme de Wiener-Khintchine (mthode du corrlogramme [31]). soit sur l'estimation du spectre d'un modle de signal devant satisfaire les donnes observes (mt/l0des paramtriques [l19]). Dans le premier cas (fig. 1~.3), on value successivemelll la
fonction d'autocorrlation du signa] (suppos ergodique), puis la transforme de Fourier
de celle-cq L'approche la plus typique des mthodes paramtriques est la modlisation
autorgressil!e (A R, ARMA). Elle consiste considrer le signal observ comme la rponse
d'un systme linaire excit par du bruit blanc (fig. 12.4). L'estimation spectrale est
alors remplace, selon (8.24). pur celle de la fonction de rponse frquentielle G (f ) du
systme. L'identification des paramtres du modle est base sur la rsolution d'un
ensemble d'quations Iinares dcrivant les relations entre ces paramtres et la fonction
d'autocorrlation du signaL La /Juit/lOde du maximum d'entropie (MEM) est une approche quivalente non linaire dans laquelle, de tous les spectres consistants avec les
donns limites disponibles, on choisit celui qui correspond un signal alatoire d'entropie maximum. La mthode de Pisarenko modle le spectre comme la somme d'un
spectre de raies et d'un spectre de bruit blanc. EUe permet d'atteindre la plus grande
rsolution si les hypothses de travail sont vrifies.
corrltioll
Fig. 12.3 Mthode du corrlogrumme.
critre
d'optimisation
x(k)
jdentifica~on --1'.... 1'.(IJ}=(.!. ,-IIG(I )l'!

ues parllletrcs --,......-.\
::. 11
1
Fig. ) 2.4 Mthode puramtrique.
Les mthodes directes sont relativement simples mettre en uvre. Elles four~
nissent d'excellents rsultats pour autant que la dure du signal observ ne soit pas
trop limite ( 12.1.5). Dans le cas contraire, les mthodes paramtriques se rvlent
gnralement plus performantes [120]. Leur mise en uvre est toutefois nettement
plus complexe et leur succs dpend de l'adquation de la mthode choisie au type
de signal analys.
La mthode indirecte du corrlogrammc. qui a eu son heure de gloire. a t supplante par la mthode du priodogramme depuis la mise au point d'algorithme de
calcul rapide de la transformation de Fourier (FFT).
Seules les mthodes directes. couramment utilises pour la ralisation d'analyseurs de spectres, sont dcrites plus en dtail dans le reste de ce chapitre. Pour les
mthodes indirectes, on se rfrera la littrature spcialise mentionne.
374
12.1.4 Erreurs de mesure
L'analyse spectrale exprimentale diffre du modle thorique pour plusieurs

raisons:
observation du signal pendant une dure Ilmite T (nombre fini d'chantillons
dans Je cas numrique)~
forme et largeur de bande Beq du ou des filtres d'analyse en technique analogique~
chanti1lonnage frquentiel en technique numrique;

approximation de la mesure de vraie valeur efficace par une dtection linaire
d'enveloppe;
distorsion engendre par la vitesse d'exploration des analyseurs balayages;
fluctuations statistiques en analyse de signaux alatoires;
CD non respect du thorme d'chantillonnage, brut de quantification et erreurs
de calcul (arrondi, troncature) en technique numrique;
.. bruit propre des quipements d'acquisition et d'analyse;
.. biais introduit par un lissage exagr du spectre dans le domane des frquences.
Les principales causes d'erreurs des mthodes classiques sont de loin la dure finie
d'observation T, la largeur de bande quivalente Beq du filtre d'analyse et les fluctuations statistiques. Elles sont inhrentes ~ l'approche exprimentale et ne peuvent tre
rduites volont pour des raisons pratiques. Leurs origines ct leurs consequences sont
expliques plus loin.
12.1.5 Rsolution, largeur de bande et dure d'observation. Dfinitions
Par rsolution, ou pouvoir sparateur, on entend l'aptitude qu'a une technique

d'analyse distinguer deux raies spectrales vOsines de mme amplitude.
Dans les Llnalyseurs filtres slectifs (fig. 12.1), cette rsolution correspond approxmativement la largeur de bande quivalente Beq, dfinie par (8.53), du ou des filtres
utilises. Dans les analyseurs banc de filtres ( 12.2.1), clle est par ncessit assez grossire et gnralement variable en fonction de la frquence centrale Jo de chaqlle filtre
(Beq/fo ~ constante). Les analyseurs balayage (sect. ] 1.3) peuvent atteindre une trs
haute rsolution, mais au prix d'une diminution drastique de la vitesse de balayage
( 11.3.4). Ceci entrane des contraintes d'exislence et de stationnarit du signal pendant
taule la dure de l'analyse.
La rsolution des analyseurs utilisant la mthode du priodogramme, selon le schma de la figure j 1.1! dpend de la dure d'obscrvation (ou d'acquisition) ncessairement'
finie T du signal. Cette dure est gale au produit du nombre N d'chantillons x (k)
disponibles (ou que J'on peut mettre en mmoire) et du pas d'chantillonnage Tc:
(12.1 )
Les chantillons x (le) sont en fait ceux d'un signal de dure limite
produit
Xu
(t)
x (t) li (t)
XII
(t) dfini par le
(l ::!.2)
o x (t) est le signal il analyser et li (t) est une fonction de pondration - ou fentre.
temporelle - approprie, sans dimension, nulle en dehors de l'intervalle d'observation T.
AN AL YSE SPECTRALE EXPRIMENTALE
Par (8.88), les densits spectrales de x (t).
Xu
(t) et
li
375
(t) sont lies par la convolution
(l2.3)
L'valuation de la densit spectrale de puissance de x (t) est obtenue en divisant
(11.3) par T:
(12.4)
Le rsuhat est une approximation du priodogramme (5.108).

Si x (t) possde deux composantes sinusodales d'amplitude A 1 et A 2 et de fr
quence fi et f2, sa densit spectrale de puissance bilatrale thorique (4.] 54) contient
les raies Ai [5 (f + Ji) + 5 (f - fi)] + A ~ [0 (f + f2) + B (f - f2)]. Par (11.4) et la
convolution (11.3), ces raies sont remplaces par la somme de versions translates
de la fonction continue T- 1 <lu (f):{
Ai ['l)u (f+Ji) + 4} (f-fd] +
1
1""
LI
'4 T- A [cpu (f + f2) + <Pu (f - f2 )]. La puissance Ar)2 de chaque paire de raies de
frquences Jk est ainsi dislribue sur l'axe des frquences selon une loi <P (f) =
T- 1 [<Pu (f+ fk) + <Pu (f - fk)J Cellecj peut tre interprte comme l'quivalent du
module carr de la fonction de rponse frquentielle d'un filtre. Par analogie avec (8.53),
la largeur de bande quivalente associe la fentre temporelle li (t) devient, avec
l'hypothse T~ fil:
1-
Cl
- J
<Pmax
l
.,
"'"
(1)
(f)df
=::
J"
1(0)_00 q>u(f)df
(12.5)
12.1.6 Illustration et dfinitions

La fentre la plus simple est une fonction de pondration uniforme (fig. 11.5)
li)
(t)
reet [(t - to)j T]
(12.6)
Il lui correspond, par (4.64)
cP U1 (f) -=
T 2 sinc 2 (Tf)
(11.7)
et, par (4.63) el (11.5)

Beq
liT
(11.8)
La figure 12.6 fournit trois exemples de la densit spectrale unilatrale approxima

live a;.~ (f) obtenue dans le cas d'un signal x (t) form de trois composantes sinusodales
de mme puissance normalise AU 2 1V 2 L'cart de frquence entre les composantes
d'indice k = 1 et 3 vaut f1f= J~ - /2 = 1/128 Hz. Chaque exemple correspond une dure
d'observation T= 64 s, T= 118 s et T= 256 s, respectivement. Les largeurs de bande
quivalentes respectives valent ainsi; Beq 1 !:J.f, Beq =Ilf et Beq = -tf1f. La rsolution
limite apparnit clairement pour Beq ;::::: f1f.
Les discontinuils de la fentre de pondration uniforme li] (t) font apparatre
dans la fonction cP/il (f) des lobes latraux relativement importants. Ceux-ci peuvent
masquer la prsence d'une raie de faible puissance situe au voisinage d'une raie de forte
puissance. Pour palier cet inconvnient. d'autres fentres de pondrLltion variation plus
123]. Les proprits de certaines d'entreselles sont
graduelle ont t proposes [67, 1
376
TNORIE ET TRAITEMENT DES SIGNAUX
x(t)
o
T
'1'(fJ == rI! (l'ul (f + Ji.) + cl'II 1(f- h )1

a
"
T i l
1
1
j
o
21T
21T
Fig. 12.5
128
il!=!3 -!2= 1/128 Hz
T :;::: 64 s
B eq = II T == ! 164 Hz
=2 !:lf
-~ Ai
-:;-:.=:_
spectre thorique
f [HzI
0,1
fi
0,2
0,5
0,3
i 1';(f} rV2/H7.1
1:!B
T = 128 s
Beq IIT= 1/128 Hz
=j
lA
0,1
'56
.-.1
0,3
f [Hzl
L\,
0,4
0,5
{~,;(f) 1V'JHz 1
T
B eq
128
0,1
0:::
:=
256 s
1/ T == 1/2 56Hz
;: ~f
f rHzj
0
D,!
0.1
0,3
Fig. 12.6
0,4
0,5
377
ANALYSE SPECTRALE EXI'IdUMENTALE
prsentes en dtails dans le volume XX de ce Trait. D'une manire gnrale, la diminu~

tion de l'importance des lobes latraux se paye par une augmentation de la largeur de
bande quivalente et, par consquent, par une diminution de la rsolution.
Un ensemble classique de fonctions de pondration est gnr par la relaUon suivante, appele fentre de Ha171ming gnralise (fig. 12.7):
[0:
+ (I -a) cos ('lntl T)] reet Ctl T)

r------
(12.9)
1
------,
1/
Ct'::::
F'
1
1
1
1
. .t'1':;1,54
1
1
.Ji'
1
1
\'" 1
L. .
.......~
Tf2
T/2
Fig. 12.7
La fonction rectangulaire (12.6) correspond au cas particulier = 1. Pour = 0,5

on obtient la fentre de Ha1l11ing et pour 0: ;;:: 0.54, la fentre de Hamming,
On dtermine facilement (exercce 12.5.1) la densit spectrale '1\/0' (f) et la lar
geur de bande quivalente Beq correspondantes (fig. 12.8):
rPuaU') = T2Isinc(Tf)++(l-a)[sinc(T/+l)+sinc(Tf-I)]12 (12.10)
Bco =
e:a n.T-
[1 + +
(1:2,11)
La largeur de bande quivalente de la fentre de Hannng est ainsi gale 1.5 T- 1 et

celle de Hamming il 1,36 T- 1
a=O,S
--
Fig. 12.8
12.1.7 Commentaires
La mthode indirecte du corrlogramme (fig. 12.3) est en principe quivalente la
mthode directe du priodogromme (fig. 12.1). Les rsolutions que l'on peut obtenir
dans ces deux cas pour les memes dures d'observation sont donc comparables. Si une
378
pondration plus svre de la fonction d'autocorrlation est introduite pour rduire les
incertitudes statistiques, il peut en rsulter une dgradation de la rsolution.
Les mthodes modernes haute rsolution (fig. 12.4) remplacent l'a priori d'une
pondration nulle en dehors de l'intervalle d'observation par des hypothses sur la nature
du signal et de son volution en dehors de cet intervalle [120]. Elles ne sont pas universel
lement applicables mais, sous certaines conditions, elles apportent une amlioration
significative de la rsolution.
12.1.8 Fluctuations statistiques de l'estimation spectrale d'un analyseur filtre slectif.

Dfinitions
L'estimation spectrale d'un sjgnal alatoire appartient, comme toutes les mthodes
d'interprtation statistique de mesures, au domaine de l'estimation traite au chapitre 13.
On dtermine en avant propos, dans ce paragraphe et dans le suivant, la statistique de
j'erreur alatoire de mesure des mthodes directes.
Considrons tout d'abord le schma de principe d'un analyseur filtre slectif
(fig. 12.2.). Il peut tre dcompos en premire approximation en trois oprateurs
(fig. 12.9): un filtre idal ( 8.2.21) de largeur de bande Beq centre sur une frquence
d'analyse 10, un oprateur quadratique ( 8.4.16) et un moyenneur temporel parfait
(8.2.19).
filtre slectif
fo.Bcfl
L..
Fig. 12.9
i\
Le signal de sortie z (t) correspond l'estimation

(10, Beq) de la puissance du
signal filtr. L'estimation de la densit spectrale de puissance bilatrale 4>x([o) s'en dd
en divisant par 2Bcq [ou pur Beq si ron dsire la densit spectrale unilatrale <Il ~(f~)l.
Compte tenu de la largeur de bande rduite du filtre d'analyse, il est raisonnable
( 8.2.14) de reprsenter approximativement la statistique du signal filtr x (t,J'o, Bcq)
par une loi gaussienne, de valeur moyenne nulle et variance (alias puissance) a.~. On
admettra, de plus, que la densit spectrale CPx (f) est approximativement constante dans
l'troit domaine 10 - -} Bcq < If 1 <fo + Beq. Ainsi ai =Px
Beq) == !. Beq <Px (fo
L'estimaUon de puissance effectue par Je schma de la figure (12.9) est lie fi la
valeur thorique Px(/o,Beq) par la relation
uo
(11.12)
o E (t) reprsente ici l'erreur alatoire de mesure. Cette erreur possde elle-mme une
valeur moyenne f.le et une variance a~. La valeur moyenne f.lf: est appele le biais (erreur
systmatique) de la mesure. L'erreur quadratique moyenne est lie f.lE et a e par
(14.53)
(12.13)
379
ANAL YSE SPECTRALE EXI'RIMENTALE
L'cart-type a il a:: caractrise l'ampleur de la dispersion des mesures par rapport la

valeur moyenne. EUe est souvent utilise comme critre principal de la qualit de l'estimation. par exemple pour dfinir une sorte de rapport signal sur bruit de la mesure. Ceci
n'est mlable que si le biais fl E est lIul ou ngligeable.
De (12.12), on dduit que le biais est donn par la diffrence
(12.14)
Dans le cas du schma de la figure 12.9. l'estimation (I2.12) peut s'crire sous la
forme
(12.15)
Cet estimateur est
11011
fl=
biaise. car
J E[x
o
= E[z] = T
a~ -
(t,io,Beq)] dt
To
t-Tu
d'o
= a~
fl = O.
f1:
dt
(l2.l6)
t- o
:= Px (/0, Beq'}
La variance a~ = a~ peut tre dtermine en utilisant les rsultats des paragraphes

8.2.19 et 8.4.16. Le spectre du signal de sortie y(t) du quadrateur est identique celui
reprsent sur la figure 8.54 avec la correspondance 77B = a~. Par (8.44)
(12.17)
avec ici
[ (1) +
tri -
Beq
1
~
tri
(/+/0)
1 tri (f-/o)]
- - + -;
--Bcq
Bcq
(12.18)
Pour Beq To < 1 et 10 ~ IITo.l'intgrant de (12.17) est approximativement donn

par
(12.19)
d'o une variance de la mesure indpendante de
Beq
et de la dure d'intgration To :
La loi statistique des fluctuations est facilement tablie en observant que, d'aprs
(7.86), le signal filtr peut s'exprimer en fonction de ses composantes de basse-frquence
en phase et en quadraiure
x (t,/o. Beq) = a(t)cos(21f/ot)-b(t) sin (].rr/o t)
(12.21 )
En vertu des hypothses faites ( 7.4.6), a (t) et b (t) sont des variables gaussiennes indpendantes, il valeur moyenne nulle et variance a~. Le signal de sortie du quadra-
380
teur est
y(t)
x"!(t,/o.Beq) = il2(t)cos2(21Tj~t)+b2(t)sin"!(21!fat)
-2 il (t) b (t) cos (2 Tlfo t) sin (2T1/0 t)
( 12.22)
Pour Bcq Ta < 1 et 10 ~ 1/ To le moyenneur filtre les contributions spectrales

voisines de 1fo et conserve le terme
( Il.23)
PxUo,Beq) est distribue selon une loi en X?t,
Par (14.115), la variable alatoire z
m = 1. degrs de libert (loi exponentielle: fig. Il.10):

p:(z) = o;lexp(-zloz) ~ 0;2exp(-z/0.~)
pour z;;:;:: 0, avec /1: =
Oz
(11.14)
= o.~.
p.(z)
Btq T o < 1
l;
Jl;/a; = 1
:
a
L'cart-type des fluctuations est ici gal la puissance estimer! Le rapport signal
sur bruit de la mesure vaut ~ =/1~/0; =1 (0 dB). Cette situation est pratiquement inacceptable. Pour rduire la variance, il faut augmenter le produit largeur de bande quivalente fois dure d'intgration.
Pour Beq To ~ l, l'expression (11.17) se ramne
(12.25)
Comme /1:;
=Px (J'o' Beq) = o~, le rapport signal sur bruit de la mesure devient
(12.26)
En raison du filtrage passe-bas svre impos par le moyenneur pour To ~ B;~ ,

l'estimation z (t) possde maintenant une distribution approximativement gaussienne
(fig. 12.11)
P::.(z) 2=
r ';ilu_
V......:..
exp -
(Z-I1:)2]
'1
(12.27)
",-0;
avec I1 z = =Px (fa, Beq) et a = = 0 ~/.Jf = 11=1 Jf Ces rsultats sont en accord avec
l'exprience [121 J. La table de la section 15.8 permet d'interprter (12.21') en disant,
par exemple, que la valeur thorique /1= cherche a environ 95% de chance de se situer
entre 2 a; de la valeur estime z (blterL'alle cIe confiance). Pour un intervalle de COIl- ,
fiance il 95 % infrieur 10% de la valeur moyenne cherche. il faut un mpport ~ > 400
(26dB).
ANAL l'SE SI'ECTltALE EXPRIMENTALE
381
P:(= )
Il:
= cr; :;: p',,(fo, Beq)

Fig. 12.11
12.1.9 Fluctuations statistiques de l'estimation spectrale d'un analyseur numrique

Considrons le cas de l'estimation numrique du priodogramme selon le schma
de la figure 11.1.
1
..]
-IX(n)l* = N
N
"J
.. -
[A~(I1)+Bv(l1)]
(12.28)
o X(n)=Ax(n) + jBx(n). Le priodogramme ~x(J1) est thoriquement nouveau une

variable alatoire distribue selon une loi en X,;, il III = 2 degrs de libert si le signal analys est gaussien. En effet, les parties relles Ax (n) et imaginaire Bx (Il) de la transforme
de Fourier X(n) d'un processus gaussien sont des variables gaussiennes indpendantes
(transformation linaire et condition d'orthogonalit). La densit de probabilit est donc
semblable (12.24)
(12.19)
pour ;Px{il)~ O. avec /lltl al!l cfJ.\.(n).

La variance de cet estimateur est nouveau prohibitive en pratique. Pour la
rduire, on dispose de deux moyens:
a;x
calculer la moyenne arithmtique de

(Il) partir de K estimations indpendantes ( 13.1.24);
Il lisser (filtrer) la suite des valeurs 4>x(l1) au prix d'une diminution de la rsoluUon et de l'introduction d'un biais ventuel ( 11.l.12).
Dans le premier cas, la variance des fluctuations statistiques dcrot, selon (13.82),
avec le nombre K des mesures indpendantes et le rapport signal sur brut ~ est simplement gal K, Par (l2,8), la rsolution minimale est quivalente 11 T, o T est la dure
d'observation ncessare une mesme spectrale, La dure totale d'observation (acquisition) ncessaire pour K mesures indpendantes vaut donc To KT, d'o finalement
(12.30)
qui est analogue (J 2.16).

Par (14.115), l'estimation obtenue est distribue selon une 10i en X,;, m = 2 K =
1Beq To degrs de libert (4.113) avec valeur moyenne ln et variance 2111. Celle-ci tend _men vertu du thorme de la limite centrale ( 5.5.3) - vers une loi gaussienne semblable
(12.27) lorsque 111 -1- DO.
12.1.10 Comparaison
Les mthodes d'analyse directe par filtrage slectif ou valuation du priodo,

gramme sont donc quivalentes au niveau des performances. Le critre de qualit de la
mesure est dans les deLIX cas exprim par le rapport signal sur bruit ~:::= Bcq To .
Pour les analyseurs filtre(s) slectif(s), la rsolution est fixe par la largeur de
bande quivalente Bcq du filtre choisi. La dure d'intgration prvoir est alors dtermine par le rapport signal sur bruit ~ dsir: To :::= UBeq.
Dans les analyseurs multicanaux. tout le domaine spectral Bm est explor en
parallle. Dans le cas d'une rsolution constante, le nombre de canaux requis vaut
N=Bm/Bcq et la dure d'intgration To reprsente aussi la dure totale d'observation
ncessaire. Si la rsolution n'est pas constante, la valeur de To minimale est fixe par le
canal le plus slectif (le rapport signal sur bruit de mesure est alors meilleur dans les
autres cana ux).
Les analyseurs balayage exploren t squentiellcmen t le domaine spectral Bm.
Chaque mesure partielle requiert To secondes pour atteindre le rapport signal sur bruit
dsir et la dure totale du balayage devient gale Tb :::= fEm/Bcq) To. Si l'analyseur
comprend un dispositif d'enregistrement-recirculation ( 10.5.2 et 12.3.6), la dure
minimale d'observation du signal est encore To ; sinon elle vaut Tb'
L'analyse par transformation de Fourier discrte (TFD) et valuation du priodogramme prsente beaucoup d'analogie avec le cas de l'analyseur multicanal rsolution
constante. Ceci pour autant que le nombre de valeurs discrtes ;j'>:(I1), aVec 11 :::= 0, l, ... ,
N - l, du prodogramme soit gal ou suprieur Bm /Bcq. Le domaine spectral Bm
explor dpend ici directement de la cadence fe laquelle est chantillonn le signal
temporel: Bm :::tj~ ( 12.2.3). Le rapport signal sur bruit est gal au nombre K des
estimations spectrales indpendantes effectues en principe squentiellement sur le
mme signal (ergodisme). La rsolution choisie fixe la dure T minimale requise pour
chaque observation (acquisition) indpendante: T:::= B~~ dans le cas d'une fentre de
pondration temporelle uniforme. La dure totale d'observation ncessaire est alors de
To :::= KT:::= ~/Bcq'
La discussion qui prcde montre que, dans tous les cas, lorsque la dure du signal
analyser est limite (ce qui fixe To ou Tb), l'exprimentateur doit choisir un campra-mis acceptable entre rsolution et rapport signal sur bruit.
Les paramtres exprimentaux ainsi dfinis sont des valeurs limites. L'utilisation
de moyenneurs non parfaits, de fentres de pondration non uniforme ( 12.1.6), d'estimations spectrales non indpendantes ou de procds de lissage du spectre ( 12.1.12)
dgrade quelq ue peu ces rsulta ts.
Une approximation frquente du moyenneur parfait (ex. 8.5.6 et 13.1.:24) est,
en technique analogique, le filtre passe,bas RC du 1er ordre ( 8.2.24). On montre que
dans ce cas, le mme rapport signal sur bruit de mesure est atteint en remplaant dans
(12.16) To par 2 Re. En raison de la rponse indicielle d'un tel filtre, une mesure effectue aprs un temps d'tablissement limit To :::= "2RC contient un biais de l'ordre de
14%. On recommande en pratique d'adopter un temps d'tablissement minimum (alias
dure d'observation) T~:::= 4 RC rduisant le biais il moins de 2 %.
12.1.11 Exemples
Considrons l'analyse spectrale d'un signal alatoire de basse frquence dont le

spectre unilatral s'tend de 0 il :W kHz.
383
Pour une rsolution de 100 Hz et un rapport signal sur bruit de mesure ~ 100
(20db) conduisant un intervalle de confiance 95% de l'ordre de 0,4,u=, les paramtres exprmentaux sont les suivants:
ct pour un analyseur balayage: Beq = 100 Hz, To 1 s et Tb ::::: 200 s:
pour un analyseur multicanal banc de filtres: Beq =100 Hz, N = 200 canaux,
Ta 1 s:
o pour un analyseur muttcanal transformation de Fourier numrique:
fe = 40 kHz,N~ :200, T= la ms, K::::: 100 et To := 1s.
Le lecteur extrapolera facilement ces rsultats d'autres conditions d'analyse.
12.1.12 Dfinition: lissage spectral

Le lissage spectral est une alternative au calcul de valeur moyenne (par intgration
ou sommation pondre) introduit au paragraphe 12.1.9 pour rduire la variance des
fluctuations alatoires de mesure. C'est un simple filtrage linaire (le long de l'axe des
frquences) de la densit spectrale mesure qui s'exprime par la convolution
~xl(f) ::::: ~x(f)
* U Cf)
(12.31)
o U (f) est une fentre spectrale jouant un rle analogue la rponse impulsionnelle
d'un filtre. La relation (12.31) est semblable il la relation (12.3). On en dduit que:
le lissage spectral est quivalent il ]a multiplication de la fonction d'autocorrlation du signal par une fonction de pondration li (r) = F -1 {U (f)};
il introduit ncessairement une rduction de la rsolution (Beq t) ~
GI comme dans tout cas d'utilisation d'une largeur de bande Beq trop grande, la
rduction de la variance de l'erreur d'estimation se paie par LIn accroissement
du risque de biais (,ut: =1= 0).
L'intrt principal du lissage est de se prter assez facilement U11 traitement
interactif dans leque/l'exprimentateur cherche par ttonnement li choisir les paramtres
d'analyse les plus favorables.
Pour une tude plus dtaille de ce problme, le lecteur consultera les rfrences
[65,122].
En technique analogique, le lissage est ralis par un simple filtrage passe-bas (filtre
Re) de la fonction du temps ~x (t) cre par le balayage. En technique numrique, on
procde au calcul d'une moyenne glissante pondre.
12.1.13 Remplacement de l'oprateur quadratique parune dtection linaire d'enveloppe

L'opration quadratique apparaissant dans les mthodes directes d'analyse spectrale
limite en pratique la dynamique des mesures. Pour obtenir une dynamique plus grande,
l'oprateur quadratique peut tre remplac par une dtection linaire d'enveloppe
(fig. Il.23). Cette astuce introduit toutefois un biais calculable entre les mesures de
composantes purement alatoires et sinusodales.
Dans le cas d'une sinusode de valeur efficace u x' la valeur moyenne de l'enveloppe
dtecte est /a valeur de crte
ux '
J2
384
TI-IOIlIE ET rRAITEMENT DES SIGNAUX
En cas de composante purement alatoire -_. gaussienne par hypothse - de varila distribution de renveloppe est une loi de Rayleigh ( 7.3.8) dont la valeur
ance
moyenne (14.111) vaut Vrrl '2 ux
Le rapport entre ces deux valeurs est de 21';;= 1,128 correspondant environ
1 dB_ Si l'analyseur est calibr pour des mesures de bruit, le niveau d'ventuelles raies
spectrales dues la prsence de composantes sinusodales sera systmatiquement affect
d'un biais positif de l'ordre de 1 dB_
ui,
12.1.14 Affichage des mesures

Les rsultats d'une analyse spectrale sont gnralement affichs en mode X - Y
(Y = mesure, X frquence) sur un cran calibr (oscilloscope, moniteur vido ou termnal graphiq ue) ou enregistrs sur du papier gradu (traceur graphique).
Selon le principe de fonctionnement de l'analyseur, la mesure affiche est
une puissance normalise (talonnage en V 2 );
une valeur efficace (talonnage en V);
.. une densit spectrale de puissance, gnralement unilatrale (talonnage en
ct
V 2 /Hz);
une densit spectrale en valeur efficace obtenue en calculant la racine carre de

la densit spectrale de puissance (talonnage en V/VHz).
Les analyseurs transformateur de Fourier offrent en principe aussi la possibilit
de calculer et d'afficher le spectre de phase (talonnage en degrs).
L'affichage en terme de puissance ou de densit spectrale de puissance est rserv
au cas o la dynamique exige est modeste (- 30 dB). On prfre gnralement un affichage en valeur efficace ou en densit spectrale de valeur efficace afin d'obtenir une
dynamique amliore (fig. Il.11).
Fig. 12.12 Spectre d'un signal priodique bruit analys entre 0 ct 25 kHz avec une rsolution de
100 Hz; l'affichage indique en ordonne la valeur efficace mesure selon une chelle linaire (20
mV/division).
Si la dynamique doit tre grande, ces mmes mesures peuvent tre affiches en
chelle logarithmique (fig. 12.13) talonne linairement en dcibels (p. ex. chelle en
dBV o OdBV ~ 1 VefL)
ANALYSE SI'ECTHALE EXPR1MENTALE
385
Fig. 12.13 Affichage logarithmique en ordonne (10 dB/division) du spectre de la figure 12.12.
Des diffrences existent, selon la mthode d'analyse, dans la calibration des mesures de composantes purement alatoire ou sinusodales.
Dans les analyse~s filtrc(s) de largeur de bande Beq_-.?n mesure et on affiche la
puissance normalise Px ([0, Beq) ou la valeur efficace
Px ([o. Bcq). 9n peut en
dduire, par calcul, la densit spectrale de puiss'Tce unilatrale ct>; (jJ,) = Px ([o. Bcq)/
Beq ou la densit spectrale en valeur efficace ...j':$x(!o). Dans le cas d'un spectre de raies,
la puissance de chaque composante sinusodale est indpendante du choix de Beq : le
niveau reste donc constant .9uc]que soit !!.cq. Par contre, dans le cas d'un spectre con
tinu, la puissance mesure Px (f, Beq) = c.f>; ([0 )Beq est proportionnelle Beq : le niveau
d'affichage varie en consquence selon le choix de la largeur de bande quivalente
(fig. 12 .14).
.J
Fig. 12.14 Analyse spectrale analogique d'un signal priodique bruit pour deux largeurs de bande
Bcq de 300 Hz (photo de gauche) et de 30 Hz (photo de droite); la calibration de l'chelle des frquences (abscisse) est de 5 kHz/dvision ct celle des amplitudes (ordonne) est de 10 dB/divsion.
Un analyseur transformateur de Fourier calcule en principe directement le priodogramme 4>x(f, T)= T- 1 IX([,T)1 2 ou sa racine carre. Comme indiqu au paragraphe 12.1.6, la largeur de bande quivalente est ici proportionnelle il II T. Dans le cas
386
j'X(/} 1
[V 1
0,5
o
Fig. 12.15 Analyse spectrale numrique d'un signal priodique bruit pour deux dures d'observation T=NTc de 1,024 ms (N= 512: tracc en pointill) et de 2,048 ms (N 1024: trace continue).
11kHz]
4
la(- 440 Hz)
la
sot dize
t[s]
o
Fig. 12.16 Sonogramme de notes de piano: reprsentation graphiquc de l'volution du spectre en
fonction du temps (Beq = 20 Hz). L'amplitude des composantes spectrales mesures est traduite
cn traces plus ou moins sombres; l'image ainsi forme met en vidence la structure spectro-temporelie des sons analyss.
Fig. ] 2.17 Reprsentation en cascade (cn anglais: waterfall) : la mmoire interne de l'analyseur
permet de stocker ct d'afncher une squence d'estimations spectrales successives rvlant rvolution des composantes frquentielles (en abscisse) en fom.:tion du temps (cn ordonne).
ANALYSE SPECTRALE !~XJ>HIMENTALE
387
d'un spectre continu, la densit spectrale ne dpend pas de la dure T du signal analys
et le niveau d'affichage est indpendant de la rsolution choisie. Par contre, la transforme de Fourier XC!, T) d'une composante sinusodale vue au travers d'une fentre
temporelle de dure T est proportionnelle T. Le niveau d'affichage d'un spectre de
raies varie donc avec la rsolution slectionne (fig. ] 1.15). La mesure se rapproche du
modle thorique de raies dcrites par des distributions de Dirac lorsque T-'" 00. Lorsque l'affichage utilise une chelle logarithmique (indications en dB), les raies mesures
sont simplement dcales verticalement de -10 log Beq.
Une pseudo-reprsentation trois dimensions est utilise en acoustique (fig. 12.16)
ou dans d'autres situations o l'on dsire mettre en vidence l'volution spectrale d'un
signal non stationnaire (fig. 12.17).
12.2 ANALYSEURS DE SPECTRE MULTICANAUX
12.2.1 Analyseurs banc de filtres

Le principe le plus simple d'analyseur de spectre est celui reprsent sur la figure
12.]8.
filtres slectifs
quadr~llcur5
moycllllcurs
affich<Jgc
multicanai
x(t)
Fig. 12.18
Le signal il analyser est appliqu simultanment aux entres d'un ensemble de

filtres dont les bandes passantes sont contigus, de manire cl couvrir toute la plage spectrale requise. Chaque filtre permet, en principe. de mesurer la puissance ou la valeur
efficace - des composantes du signal comprises dans une bande de frquence distincte
(canal). Une superposition partielle rsulte toutefois de la nature non idale des rpon~
ses frquentielles des filtres utiliss.
La rsolution d'un tel analyseur est videmment limite par le nombre (quelques
dizaines) de filtres disponibles et l'tendue de la plage de frquence il analyser.
L'avantage principal de ce type d'appareil est de permettre une surveillance perma~
nente de chaque canal. C'est la raison de son emploi pour certaines applications: analyse
de phnomnes non stationnaires en gophysique, en acoustique: tude des vibrations
mcaniques. etc. Son usage est essentiellement limit aux signaux de basse frquence.
388
THORIE ET TRAITEMENT ilES SIGNAUX
Les filtres ont longtemps t raliss selon une technique dassique analogique. La
tendance actuelle est de recourir des dispositifs intgrs traitant des signaux chantillonns (circuits transfert de charges ou capacits commutes) ou de simuler le banc
de filtres par voie numrique,
12.2.2 Rsolution variable
L'analyseur banc de filtres possde une rsolution variable si les largeurs de bande
quivalente ne sont pas identiques. Ceci permet e surveiller une plage de frquence
assez tendue avec un ensemble rduit de filtres. Cette solution est surtout employe en
acoustique (vol. XXI).
La rpartition des frquences centrales fOi et des largeurs de bande quivalentes
B egi est gnralement de type exponentielle
fO(i+l)
== 2'1. fOi;
Beq(i+I)
~II
B eqi
(12.32)
La frquence centrale est ici dfinie par la moyenne gomtrique des frquences
de coupures (par exemple - 3 dB) infrieure et suprieure fI et 12
fo ==
vifi fi
(12.33)
-t
Pour 11 = -}. on obtient l'analyse courante par d'octave (fig. 12.19). Le regroupement en parallle des filtres tros par trois (fig. 12.20) permet de passer facilement
une analyse par octave entire (n = 1). Les gabarits d'attnuation des filtres d'octave et
de 1/3 d'octave (fig. 11.21) sont normaliss (CEl = Commission Electrotechnique Internationale, ANSl = American National Standards Institute). Une solution modulaire il la
simulation numrique des filtres en tiers d'octave est dcrite dans [113].
attnuaton
10 dB
f
10 Hz
20 Hz
40Hz
80Hz
160Hz
Fig. 12.19
attnuaton
lOdS
f
4 kHz
8 kHl.
Fig. 12.20
16 kHz
389
attnuation (dB 1
ondulation maximum: 0.5 dB
o
J
4
CEl
5
6
8
ANSI classe III
9
10
II
filtre typique 1/3 d'octav
12
13
14
15
16
17
18
19
20
!::.j7fo
4---.---.-~~~~4-~~~~~T>-----
0,5
0,6
0,7 0,80,9 1,0
1.2
1,4 1,6 l,Il 2,0
Fig. 12.21
12.2.3 Analyseurs multicanaux transfonnateur de Fourier numrique

La mise au point d'algorithmes rapides de calcul de la transformation de Fourier
discrte ( 9.3.11) et l'volution du matriel lectronique numrique ont conduit il la
ralisation d'analyseurs de signaux utiliss. entre autre. comme analyseurs de spectre
multicanaux (fig. 12.22).
La rsolution potentielle est assez leve, car le nombre de canaux quivalents
est gnralement de l'ordre de plusieurs centaines, voir plusieurs milliers (ce qui conduit
les fabricants parler d'analyseurs haute rsolution). La rsolution effective dpend
x(t)
Fig. 12.22
390
toutefois aussi de la fentre temporelle de pondration et de l'ventuelle fonction de

lissage spectral utilises ( 12.1.5 et 12.1.12).
Une combinaison pondre des canaux permet de synthtiser une analyse par
bande d'octave ou tiers d'octave ( 12.2.2).
Le fonctionnement de ces dispositifs est squentiel: il comprend une opration
initiale d'acquisition (chantillonnage. conversion AI N. stockage) d'un tronon du signal,
suivie d'un ensemble d'oprations de calcul: transforme de Fourier rapide (FFT Fast
Fourier Transform). moyenne de spectres successifs ou lissage spectral, valuation de
coordonnes polaires (spectres d'amplitude et de phase ou spectre de puissance). affichage, e[C.
Un traitement de type temps rel est ralis lorsque l'ensemble de ces oprations
est effectu dans un laps de temps infrieur celui de l'acquisition. En raison des
contraintes d'chantillonnage (sect. 9.3) et de temps de calcul. le traitement en temps
rel est limit fi des signaux d'assez basse frquence. Avec des cadences d'chantillonnage plus leves, le traitement devient discontinu: les tronons du signal successivement
enregistrs et analyss ne sont plusjontifs.
Le nombre N d'chantillons mmoriss pendant la phase d'acquistion d'un tronon du signal dpend de l'algorithme de calcul de la tnmsforme de Fourier discrte
(TFD) utilis. C'est en gnral une puissance de 2. Les algorithmes rapides dcrits dans
le volume XX (sect. XXA.6) tirent parti des nombreuses redondances et symtries de
calcul de la TFD, Ils rduisent ainsi le nombre d'oprations de base (additions plus multiplications complexes) de N 2 un ordre de grandeur correspondant N IbN. Le gain
ralis est ainsi d'environ 100 pour N= 2 10 = 1024.
Ce traitement numrique a certaine consquence. Si Tc IIJ~ est le pas d'chantillonnage temporel choisi, la dure d'observation vaut T=NTe. La TFD calcule est eIlemme reprsente par une suite de N chantillons complexes dont le pas frquentiel est
Af= II T. L'chantillonnage temporel a pour effet de rendre le spectre priodique ( 9.2.2),
de priodicit fe. En principe, seule la demi priode principale couvrant une plage
frquentieI1e allant de 0 j~ est affiche (spectre unilatral) en tout ou partie. En
vertu du thorme rciproque ( 9_3.10), ce spectre chantillonn correspond celui
d'une rptition priodique du segment de N chantillons prlevs.
Les conditions exprimentales d'analyse dpendent donc directement du choix de
la frquence d'chantillonnage fe et du nombre N d'chantillons mmoriss. La frquence
fe fixe la plage analyse, Elle doit respecter le thorme d'chantillonnage (9.15) pour
viter les erreurs dues un recouvrement spectral. Le nombre N dtermine alors il la fois
la plus basse frquence analyse et la rsolution limite donne par (12.8)
Af
Beq
liT
= j~/N
(12,34)
Une pr-multiplication numrique du signal il analyser avec une fonction cosinusodale, accompagne d'un filtrage passe-bas et d'un r-chantillonnage, est parfois utilise
pour obtenir un dcalage spectral (changement de frquence: 11.5.1) el un effet de
loupe (zoom).
Par l'intermdiaire du calcul de la transforme de Fourier effectu sur un ou deux
signaux x (t) et y (t), il est possible d'valuer par (4.65), (5.168) et (5.178). d'autres
relations importantes: densit spectrale CPx (f) et densit spectrale mutuelle {I)."\: l' (f),
fonctions d'auto- et d'intercorrlation tpx (7) = F -) {CPx (f)} et IP xy (7) = F -1 {q).~y (f)},
fonction de cohrence rxy(f) I(Pxy(f)12/[(I\,U') rPy(f)], fonction de transfert
ANAL 'l'SE SI'ECTRALE EXPRIMENTALE
391
G (f) = y (f)1 X (f), etc. Les analyseurs numrlques se prtent donc gnralement
une plus grande varit d'emplois que les analyseurs de spectre conventionnels.
12.2.4 Transformation de Fourier discrte avec modulation linaire de frquence.

Dfinitions
En posant 111 k n'2 + k 2 - (11 - k) 2 dans (9.49), la transforme de Fourier discrte
peut se mettre sous les formes quivalentes suivantes:
ko+N-1
X(n)
x(k)exp(-j111"nkIN)
k=T,o
exp (- j 11" Il 21 N )
k +N-l
0
x (k) exp (- j 11" k:1 1N) . exp [j 11" (11 - k) 21 N]
k=ko
( 11.35)
La seconde forme porte. en anglais, le nom de c11irp-z transform (CZT). Le mot
cJzirp (= gazouillis) fait
du jargon des radaristes pour dsigner une impulsion
sinuso'idale module linairement en frquence. L'expression complexe et chantillonne
d'un tel signal est du type exp (jrrk 2 fN).
L'interprtation de (12.35) est simple: la transforme de Fourier discrte peu t tre
value par un systme effectuant les oprations successves suivantes:
pr-multiplica tion du signal x (k) par une exponentielle complexe module linairement en frquence exp (- jrrk 2 IN):
convolution discrte (8.13) du rsultat avec une exponentielle complexe
exp (jrrk 2 IN) ayant une modulation linaire de frquence de signe contrtJirc;
post-multiplication par une exponentielle complexe module linairement en
frquence exp (- j Till 2 IN ).
CD
La convolution discrte correspond un filtrage linaire par un filtre transversal

de rponse impulsionnelle complexe g(k) = exp (j rrk 1 IN), conduisant au schma-bloc
de la figure 11.~3. Lorsque seule la densit spectrale de puissance est requise, la postmultiplication n'est pas ncessaire.
Fig. 12.23
Une telle structure se

tout particulirement une ralisation intgre en
technologie des circuits transfert de charge (CCD [124]) ou ondes acoustiques de
surface (SAW [125]). Ces dispositifs sont utiliss pour des applications spcifiques en
instrumentation, en tlcommunications et en radar. Leurs gammes de fonctionnement
SOnt assez distinctes: de quelques kilohertz quelques mgahertz pour les CCD, de quelques mgahertz plusieurs centaines de mgahertz pour les SAW [116].
391
12.2.5 Analyseur de spectre optique

Une lentille optique travaillant en lumire cohrente est un transformateur de
Fourier bidimensionnel [127]. Le principe de cette transformation est illustr par la
figure 1.21. En plaant dans le plan focal de la lenti11e un capteur photo-lectrique constitu d'un rseau de N photorcepteurs ayant une rponse quadratique, on mesure
simultanment N valeurs de la densit spectrale de la fonction de transmittance place
dans le plan focal frontal de la lentitle.
La traduction d'un signal lectrique analyser en une image transmittance varable est ralise par voie photographique lorsque le traitement en temps rel n'est pas
recherch. Toutefois, l'intrt de ce genre de dispositif est prcisment son fonctionnement paralJle naturel et ses potentialits pour le traitement en temps rel.
Divers modulateurs lectro -optiques assurant la conversion directe tension lectrique - transmittance optique ont t dvelopps [67]. L'approche la plus prometteuse
est celle de l'optique intgre qui incorpore dans un circuit monolithique de quelques
centimtres (fig. 11.24) un laser semiconducteurs, deux lentilles godsiques spares
par un transducteur (acousto-optique ou lectro-optique) dviant le faisceau optique
d'un angle dpendant de la frquence du signal appliqu et, finalement. un rseau linaire de dtecteurs photo-lectriques. Ce type d'analyseur est rserv des signaux de
haute frquence (~ 1MHz).
laser
rscau !ineaire
de photoleCleurs
spectre
Fig. 12.24
12.3 ANALYSEURS DE SPECTRE BALAYAGE

12.3.1 Principe gnral des analyseurs changement de frquence
Les analyseurs de spectre cl balayage exploitent le changement de frquence dcrit

la section 11.5 pour transposer le spectre du signal analyser et le faire dfiler progressivement devant un unique filtre slectif. La figure 12.25 en donne le schma de principe.
Le signal d'entre x (t) est multipli par un signal auxiliaire sinusodal (ou une
onde carre) de frquence j~. Cette frquence est asservie la tension fournie par un
gnrateur de balayage et varie entre deux limites qui fixent le domaine spectral analys.
Le spectre du signal d'entre est ainsi transpos en frquence de la quantit f p . Le signal
rsultant de ]a multiplication est appliqu fi rentre d'un filtre, de rponse frquentielle
393
ANALYSE SPECTRALE EXI'RIMENTALE
r---_ 1 .---------.
x{r.j~' = j~ - 10' Bcq)
filtre s~lectf
mesure de
Bell' 10
pui,sancc (ou
valeur efficace)
(Y)
affichage
(X)
ft(f" Bcq)
oscilla teur
gnrateur
de baluyage
command
(VeO)
Fig. 12.25
G (f), dont la bande passante troite est centre sur une frquence fixe fa. Sa largeur de
bande quivalente Beq dtermine la rsolution d'analyse. Les appareils de ce type offrent
gnralement plusieurs largeurs de bande choix. Le signal filtr est enfin appliqu fi un
circuit mesurant sa puissance moyenne (ou sa valeur efficace). Le rsultat commande,
selon une loi linaire ou logarithmique (mesure en dB), le dplacement vertical CY) du
spot d'un cran d'affichage. La tenson produite par le gnrateur de balayage est en
principe en forme de dents de scie. Elle assure la fois la commande de la frquence
variable i de l'oscillateur et le balayage horizontal (X) de l'cran d'affichage.
Si <px(f) est le spectre du signal d'entre, la multiplication z (t) =
x (t) p cos (21Tfp t + a) correspond, par (5.199) et (4.144)
(p=(f)
= k 2 [<px(f+fp) + <Px (f-fp)]
(12.36)
o k = p /2 est un paramtre arbitraire de calibration qu'il convient de poser ici gal

l'unit.
En supposant fo <fp , le signal de sortie du filtre peut se noter x (tJp - 10, Beq).
Il correspond la part du signal x (t) dont le spectre unilatral est rduit une bande de
largeur Bcq centre sur la frquence ft: =j~ - j~ (fig. 12.26). La puissance mesure est
gale Px (f-:,Beq).
'1>,(f)
Bcq
~~
l,: = I p -
Fig. 12.26
10
394
L'estimation de la densit spectrale bilatrale du signal .x (t) la frquence

est obtenue en divisant la puissance mesure par 1Bcq
lI; = J~ - J'o
-
4>x(fx)
J
= l"PxUx,Bcq)/Bcq
(12.37)
En faisant glisser progressivement la frquence f p de l'oscillateur de fo fo + f m'

on explore squentiellement tout le spectre du signal .x (t) contenu elHre J~ = 0 et la frquence maximum [" = fm'
Si la commande de l'oscillateur permet il la frquence J~ de devenir infrieure fo.
l'analyseur explore galement la partie symtrique du spectre bilatral q)x (f). thoriquement situe aux frquences f.\: =f p - J'o ngatives!
L'origine correspondant f.\: 0 est gnralement repre sur l'affichage par une
pseudo-raie spectrale cre (cf. 1.2.3.3) en ajoutant au signal x (t). dont la composante
continue ventuelle a t pralablement limine par un filtrage passe-haut, une composante continue artificielle, mais calibre.
12.3.2 Relation entre spectre thorique et spectre mesur

La puissance mesure Px (j~,Bcq) = ?~)x(f)Bcq est identique celle que l'on
obtiendrait en filtrant directement Je signal x (t) il l'aide d'un fil~re slectif analogue
G (f). mais dont la largeur de bande quivalente Beq est centre sur la frquence J~.
La puissance tant lntgrale de la densit spectrale de puissance, la mesure (12.37)
peut aussi s'exprimer, en tenant compte de (8.24), par le produit de convolution
frq uen tiel
- x ([y)
<Il
1
= -B
J (Px (f ) H ([1: - f )
1
df
cq
= B;~ (PX(j~) * ePiI(fx)
(12.38)
o (I)lt(!) = IH(f)l:! ~ IG(f+ fo)l1 (3(f+ fol est une fonction de filtrage obtenue par
ta translation d'une quantit fo du module carr de la rponse frquentielle G (f) dfinie pour f> 0 (fig. 1'::::.27).
j~
t1.---IH(f. - n 12
,
J
o
Fig. 12.27
395
t\NAL YSE Sl'ECTRALE EXI'IUMENTALE
La convolution (1 :2.38) est analogue il (12.3), tablie sous l'hypothse d'une mul
tiplication du signal analyser par une fonction de pondration temporelle li (t). Il en
dcoule une limitation analogue de la rsolution dont le paragraphe suivant donne une
illustration.
12.3.3 Exemp]e: cas d'un spectre de raies

Toute raie d'un spectre thorique, reprsente par une distribution de Dirac la
frquence f*, est transforme par la cpnvolution (12.38) et la proprit (1.48) en une
fonction continue proportionnelle il q}/! (f - f* ).
Des raies spectrales sont uniquement associes la prsence d'une composante
continue ou de composantes sinuso'dales. Dans ce cas, le signal peut s'crire sous la
forme
x(t)
= x+ I
Ak sinC2rrfk t
+ a,J
(12.39)
li:
et sa densit spectrale de puissance vaut, par (4.154)
CI\:(f}
= x 1 5(f)+
L ~Ak[8(f+JiJ+8(f-fd]
(12.40)
Par (12.38), la densit spectrale mesure devienl (fig. 12.:';8)
(Px (l,,)
1-
= B;~
x:: (10 1 / 1 (j~,,)
+~
t
"41Al,;"
[cI}/J (j~" + Ji.:) + (I>/! ({" - Ji.:)] t~ (12.4])
0
La rsolution est donc directement dtermine par la largeur de bande quivalente Beq
du filtre d'analyse.
rX(j}f
t
-}l
tt
-fl -fI
fI
1 t
l
III
f2
....
1\
1t
J
11
1.
:\
.c l ' - -
.1
-})
-[.2
{~
'../ l \._ ""--11--'""-:...,--"'"""-.....

1
--"-;-----
-fI
})
Fig, 12.28
12.3.4 Compromis prcision-rsolution-vitesse de balayage

La vitesse de balayage l'b. mesure en Hz/s. ne peut pas tre quelconque. Elle doit
tre imprieusement infrieure ou gale une limite dpendant de la rsolution choisiedonc de la largeur de bande Beq du filtre d'analyse:. et de la dure de mesure T du
1110yenneur utilis pour l'estimation de la puissance Px (fv: Beq)
396
Pour avoir une rponse correcte de l'analyseur toute discontinuit du spectre

), il faut que le motif spectral correspondant au spectre transpos CP: (f) se dplace
en frquence d'une valeur infrieure ou gale Bcq pendant i'ntervalle quivalent de
mesure T:
(f>x (f
(12.42)
Hz/s
Mais Test gale men t li au rapport signal sur bruit ~ de la mesure ( 11.1.8). Pour
un moyenneur parfait, T= To reprsente la dure totale d'intgration et, par (12.26),
~ =Bcq To . Dans le cas, plus usuel en pratique, d'un moyenneur pondration exponen
tieHe de constante de temps T (par exemple: Filtre passe-bas Re), le mme rapport signal
sur bruit ~ est atteint avec une constante de temps T = Ton..
Mais l'erreur systmatique (biais) introduite par le terme transitoire de la rponse
temporelle du filtre n'est rduite il une valeur acceptable 2 %) que pour T~ 47 = 2 Ta.
La condition (12.42) peut alors s'exprimer directement en fonction de la rsolution et du rapport signal sur bruit dsir par
(12.43)
o a:= 1 pour un moyenneur parfait et a:: pour un moyenneur pondration exponentielle.

Une autre restriction est lie au temps de monte tm du filtre passe-bande d'analyse. Celui-ci est environ gal l'inverse de sa largeur de bande quivalente ( 8.2.22).
On obtient alors
lIb ~
Bcq/ t m == B;q
(12.44)
En combinant (12.43) et (12.44) on a la double condition

l'b
~ aBiq/~ ~ B;q
(12.45)
La premire restriction est pratiquement toujours la plus contraignante, car le

rapport signal sur brut dsir est en principe largement suprieur l'unit.
La dure totale de balayage d'une plage spectrale Bm est ainsi donne par
Tb
= Bm/l'b
~ ~Bm/(CiBiq)
(12.46)
t 2.3.5 Exemples
L'analyse par balayage d'une plage spectrale Bm gale 1 kHz avec une rsolution
un rapport signal sur bruit de mesure ~ = 100 requiert une vitesse de
balayage vb ~ 1 Hz/s dans le cas d'un moyenneur parfait et vb ~ 0,5 Hz/s dans le cas
d'un moyenneur il pondration exponentielle (biais infrieur 2 %). Les dures totales
de balayage sont respectivement donnes par Tb ~ 1000 s == 17 minutes et Tb ~ 2000 s == .
33 minutes!
Dans les mmes conditions de rapport signal sur bruit, et de biais, le balayage
d'une plage de 100MHz, avec une rsolution de IMHz, exige une vitesse de balayage
lIb ~ 5 GHz/s avec un moyenneur pondration exponentiel1e, d'o une dure totale
de balayage Tb ~ 20 ms.
Ainsi, rsolution relative Beq/Bm gale, J'analyseur balayage se rvle mieux
adapt au domaine des hautes frquences qu' celui des basses frquences.
Beq
=10Hz et
397
ANALYSE SI'ECTRALE EXPRIMENTALE
12.3.6 Procdure de recirculation

Pour palier la limitation de vitesse de balayage impose aux analyseurs destins il
des signaux de relativement basse frquence, le principe d'enregistrement et recirculation numrique dcrit au paragraphe 10.5.,J peut tre utilis en amont de l'analyseur
proprement dit (fig. 12.29).
.-.:(1)
conversion ====:!'
AIN
mmoire
numrique
recirculante
....
conversion
NIA
.ln.llyseur
1---- b.lli.lyagt!
1
commande
centmJc
Fig. 12.29
Une portion Xl (t, Tl), de dure Tb du signal d'entre analyser est initialement
numrise et enregistre. Sa relecture cyclique, acclre d'un facteur a> 1. cre un
signal priodique X3 (t) rep T3 {Xl (t, Tl)} dont la transforme de Fourier vaut, par
(4.18) et (10.56)
X 3 (f)
TelXt(f/a,Tl)ol/T3(f)
(12.47)
o Tel est le pas d'chantillonnage d'acquisition et T'].::::: TI/a.

Par analogie avec (4.139), on obtient pour la densit spectrale de puissance
cll x3 (f) = Te-;2!Pxl(f/a,Tdol/T3(f)
(1,J.48)
Le procd de recirculation cre ainsi un spectre de raies dont l'enveloppe spectrale

( 4.4.9) est proportionnelle une version dilate par le facteur a du spectre de Xl (t, Tx).
En appliquant ce signal acclr un analyseur de spectre il balayage utilisant un
filtre slectif de largeur de bande B eq , on obtient pour le signal d'entre Xl (t) une rsolution quivalente Bcq/a. Ceci pour autant que la condition Tt ~ a/Bcq soit satisfaite
selon (12.8). Il est ainsi possible de conserver une bonne rsolution tout en augmentant
d'un facteur a 2 la vitesse de balayage. La dure totale est rduite d'un facteur a puisque
la plage spectrale explore est, elle, dilate du mme facteur a.
Des facteurs d'acclration de l'ordre de 10 2 105 sont couramment utiliss selon
le domaine spectral choisi.
Ce type de dispositif mmoire permet galement l'analyse spectrale par balayage
de signaux transitoires.
12.4 EXEMPLES D'APPLICATION
12.4.1 Analyse d'un signal priodique

Le signal priodique de la figure 12.30 est analys par un analyseur numrique
FFI (fig. 12.31) et un analyseur balayage (fig. 12.32) avec les paramtres indiqus en
lgende.
398
Fig. 12.30 Oscillogramme d'une suite priodique d'impulsions rec.:tangulaircs :i valeur moyenne
nulle, de 0,2 ms de dure et de 600 Hz de frquence de rptition (chelle temporelle: 1ms/division. chelle 'lllnplitude : 2 V/division).
Fig. 12.31 Analyse numrique du spectre du signal de la ligure t2.30 pour une plage frqucn ticlte
s'tendant de 0 25 kHz avec BL'q 100 Hz; le repre lumineux (MKR) indique l'amplittldl~ ct la
frquence de lu fondamentale.
Fig. 12.32 Analyse spectrale du signal de la ligure 12.30 avec un mtre analogique de 100 Hz de
bande pussantc quivalente (chelle d'amplitude: 0,1 V/division, chelle frquentielle: 2.5 kHz!
division).
ANAL YSE SPECTRALE EXPRIMENTALE
399
12.4.2 Analyse d'un signal transitoire

Une analyse numrique par FFT du signal transitoire de la figure 1:2.33 est reprsente sur la figure 1:2.34. Les paramtres exprimentaux sont indiqus en lgende.
Fig. 12.33 Oscillogramme d'une impulsion rectangulaire de 4 V et de 0,2 ms de dure.
Fig. 12.34 Spectre d'amplitude du signal de la figure 12.33 mesur entre 0 et 25 kHz avec une
dure d'observation T= 10 ms (Bcq == 100 Hz).
12.4.3 Analyse d'un signal alatoire

La figure 12.36 reproduit plusieurs priodogrammes valus numriquement
partir du signal de la figure 11.35. Une analyse spectrale par balayage du mme signal
est reproduite sur la figure Il.3 7.
12.4.4 Analyse de signaux de vibrations

Deux exemples de signaux de vibrations d'une turbine hydraulique sont reprsents sur la figure 12.38. La prsence de raies spectrales dans le signal obtenu en soumettant la turbine un choc (percussion) permet de mettre en vidence diverses rsonances
mcaniq ues galement prsentes dans le spectre des vibrations de la turbine en phase
d'exploitation (roue en rotation).
400
Fig. 12.35 Oscillogramme d'un signal alatoire (chelle temporelle: 1 ms/division, chelle d'amplitude : 1 V/division).
60
so
40
JO
20
la
fIkHzl
04-------------.------------.--~--------._----------_.----~-
10
15
20
Fig. 12.36 Superposition de deux priodogrammes (traces continue et en pointill) valus sur des
tronons diffrents du signal de la figure 12.35 ct affichs en valeur efficace (chelle logarithmique
en ordonne).
Fig. 12.37 Analyse spectrale pur balayage de 0 20 kHz avec un mtre de 100 Hz du signal de la
figure 12.35.
401
signal de vibration
spectre
(mu~~
) 128
f[Hz]
500
1000
5 ms
584
signal de vibration
(roue en percussion)
spectre
={>
544
1128
632
;1
flHzl
500
1000
5 ms
Fig. 12.38 Signaux et spectres de vibration d'une turbine Pelton de 13 aubes; la frq uencc F cst le
produit du nombre d'aubes par la frquence de rotation de la roue (8 1/3 tours/s).
Fig. 12.39 Spectre d'une sinusode de 10 MHz mesur avec une rsolution de 300 Hz.
Fig. 12.40 Spectre d'une sinusode de 10 MHz module en amplitude avec porteuse par une sinusode de 50 kHz.
401
TntomE ET TRAITEMENT OES SIGNAUX
Fig. 12.41 Spectre d'une sinusode de 10 MHz module en frquence par une sinusode de 50 kHz
(indice de modulation li :::;: 6).
12.4.5 Signaux moduls

Les figures 12.39, 12.40 et 12 Al prsentent le spectre d'une sinusode, d'une
sinusode module en amplitude et d'une sinusode module en frquence par un signal
modulant sinusodal.
12.4.6 Signaux chantillonns
Le spectre d'une sinusode de frquence fo, chantillonne avec maintien une
cadence fe ::= 5 fo , est reproduite sur la figure 12.42.
Fig. 12.42 Spectre d'une sinusode de 1 kHz chantillonne avec maintien il une cadence de 5 kHz.
12.4.7 Mesure de la puret d'un oscillateur ou de la distorsion non Unaire d'un

amplificateur
L'analyse spectrale permet de mesurer facilement la distorsion harmonique du
signal produit par un oscillateur (fig. 12.43).
ANAL l'Sr:; SPECTRALE EXPRIMENTALE
403
Fig. 12.43 Spectre du signal d'un oscillateur sinusodal oscillant fa frquence de 1. kHz.
En analysant le signal de sortie d'un amplificateur excit par un signal compos de

deux sinusodes de frquences diffrentes (fig. 12.44). on met en vidence sa distorsion
non Hnaire qui fait apparatre des produits d'intermodulation ( 8.4.6).
Fig. 12.44 Analyse frquentielle du signal de sortie d'un amplificateur excit par une somme de
deux sinusodes de 2 kHz et 6,5 kHz; les nombreuses raies secondaires sont ducs la distorsion
harmonique et la distorsion d'intermodulation.
12.4.8 Stabilit de frquence et de phase

Les instabilits de frquence ou de phase d'un oscillateur peuvent tre rvles
grce l'analyse spectrale. On mesure de la mme manire les fluctuations de la vitesse
de dfilement d'un enregistreur bande magntique en analysant le spectre d'une sinus
ode pralablement enregistre (fig. 12.45).
12.4.9 Rseau d'alimentation en nergie lectrique

Le caractre non purement sinusodal de la tension du rseau d'nergie lectrique
(220 V, 50 Hz) est mis en vidence sur la figure 12.46.
404
REF .0 OBM
lOB/DIV
MARKER 5 000.0 HZ
RANGE .0 08M
-10.0D08M
START 4 975.0 HZ
RBW 10 HZ
Fig. 12.45 Fluctuations de frquence d'une sinusode enregistre rvles par une analyse spectrale rpte.
Fig. 12.46 Analyse spectrale de la tension du rseau il 50 Hz; le repre lumineux (MKR) indique
l'amplitude relative ct la frquence de la troisime harmonique.
Fig. 12.47 Analyse spectrale du signal vido produit par une camra de tlvision dans la bande de
o 10 MHz.
ANALYSE SPECTRALE EXPJUMENTAl.E
405
12.4.1 0 Signal vido

L'analyse spectrale permet de mesurer la bande passante occupe par un signal de
tlvision (fig. 12.47).
12.4.11 Rponse frquentielle d'un filtre ou d'un amplificateur

L'analyseur de spectre balayage, ou sa verson connue sous le nom d'analyseur
d'onde, se prte bien au relev des rponses frquentielles de systmes linaires tels que
filtres (fig. 12.48) ou amplificateurs (fig. 12.49). Une dynamique de mesure importante
(70 100 dB) est obtenue en excitant le systme linaire avec un signal sinusodal asservi
celui de l'oscillateur command et ayant. grce un changement de frquence appropri, une frquence rigoureusement centre sur la bande passallte d'analyse. Ceci permet
l'utilisation d'une bande passante trs troite qui rduit le bruit de fond rsiduel un
niveau trs bas.
Fig. 12.48 Rponse frquentielle d'un mtre passe-bas de frquence de coupure j~ 10kHz analys
sur une plage Iinarc allant de 0 20 kHz avec une chelle d'amplitude linaire cn ordonne.
Fig. l2.49 Rponse frquenticlle d'un amplificateur analyse avec une chelle logarithmique en
logurithllliqul' en frquences (repres spciaux gravs au
bas du gratl:ulc; 20 Hl. 200 Hl. l kHz et 20 kHl.).
ordonl1~e (la dB/divsion) l't UIlC chelle
406
Les analyseurs numriques offrent la possibilit de mesurer simultanment les

rponses d'amplitude et de phase (fig. 12.50) avec cependant une dynamique gnralement plus rduite. La mthode utilise est, par exemple, celle dcrite au paragraphe
8.:!.1 0 ou l'emploi de la formule (8.~5).
Fig. 12.50 Rponses d'amplitude (photo de gauche) ct de phase (photo de droite) d'un amplificateur.
Fig. 12.51 Oscillogramme des fluctuations de la tension de sortie d'un rgulateur de tension continue {chelle verticale: 1 mV Idivsion, chelle horizontale: S.us/division}.
Fig. 12.52 Analyse spectrale du signal de la figure 12.51 rvlant la prsence d'une oscillation
environ 37,9 kHz.
407
ANAL YSE Sf'ECTRALE EXPRIMENTALE
12.4 .12 Dtection d'osciIJations parasites

Un amplificateur improprement ralis est souvent le sige d'oscillations parasites
apparaissant des frquences largement suprieures au domaine normal d'utilisation
(problmes de stabilit: section VIII.4.9). De telles oscillations sont faclement rvles
et mesures grce l'analyse spectrale (fig. 12.51 et 1
12.4.13 Analyse cepstrale. Dfinition
Le cepstre d'un signal est une fonction du temps dfinie soit comme la transforme
de Fourier du logarithme de la densit spectrale de puissance (chap. XX.7), soit comme
le module carr de cette transforme. Cette fonction est utilise pour mettre en vidence
des priodicits du spectre. On l'utilise, par exemple, en traitement de la parole (extraction des formants) et dans l'analyse de signaux de vibration de dispositifs engrenages
(boites il vitesse, etc.). Les analyseurs numrques sont souvent prvus pour raliser
l'analyse cepstrale (fig. 12.53). Le cepstre s'apparente la fonction d'autocorrlation.
s(t)[V)
t[msl
[dB 1
l[kfhl
-o~I~-----w~~~lO------------~20-----"
F-I { 10 log
41; U}}
[dB 1
,'[msl
~~i~j~~~~~f4~~&~~~~"~~~~~--
Fig. 12.53 Signal, dcnsit~ ~pcctra!e logarithmique ct cepstre correspondant.
408
THORIE El' TRAITEMENT DES SIGNAUX
12.5 EXERCICES
12.5.1 Vrifier les rsultats (.12.10) et (12.11).

12.5.2 Dterminer les principaux paramtres exprimentaux d'analyse spectrale directe
d'un signal alatoire de bande passante allant de 0 Hz il 5 MHz si l'on dsire une rsolution de 10kHz et un intervalle de confiance 95% de l'ordre de 0,1J.1=.
12.5.3 Montrer pour quelles raisons un analyseur de spectre filtre(s) slectif(s) fournit,
dans le cas d'un spectre de raies, une mesure de l'amplitude des raies indpendantes de la
rsolution, et dans le cas d'un spectre continu, un rsultat fonction de la rsolution.
Montrer aussi pourquoi c'est lnverse qui se produit avec un analyseur numrique
valuant le priodogramme.
CHAPITRE 13
13.1 ESTIMATION DE PARAMTRES
13.1.1 Introduction et dfinitions

L'observation et l'interprtation de signaux perturbs par des bruits parasites est
rune des tches majeures du traitement des signaux.
L'interprtation est effectue en vue d 'une prise de dcision optimale: le choLx,
selon un critre donn. de la meilleure solution parmi un ensemble - continu ou discret de solutions possibles. Elle consiste en:
e la mesure d'un ou plusieurs paramtres
dterministes mais inconnus, ou alatoires du signaL tels que valeur moyenne, nergie ou puissance. amplitude,
frquence, phase, position, dure, etc.: c'est un problme d' estimation;
la reproduction aussi fidle que possible d'un signal contamin par du bruit:
c'est un problme de rcupration ou de filtrage optimal, qui est un cas parti
culier d'estimation:
la prdiction du comportement futur du signal base sur Ja connaissance de son
pass ou l'intelpolatio/1 de valeurs intemldiaires deux valeurs connues: c'est
un autre cas panicuJier d'estimation:
la dtection de la prsence ou de l'absence d'un signal et son classement dans
une catgorie connue: c'est un probleme d'identification ou de reconnaissance
de formes qui requiert une opration initiale d'estimation de paramtres.
La problmatique de l'eslimation est la minimisation d'une fonction de l'erreur

commise. Celle de la dtection est la minimisation de la probabilit de fausses dcisions.
La thorie statistique de l'estimation et de la dcision ([34] et [I::!8-133]) propose
diverses mthodes permettant de trouver la solution optimale ces problmes dans un
contexte donn. Cette solution ne conduit pas toujours il un systme ralisable ou d'une
complexit acceptable. Mais sa connaissance esLsource d'inspiration pour llngnieur qui
doit concevoir un systme sous-optimal la fois raisonnablement simple et performant.
13.1.2 Exemples d'applications
L'analyse spectrale exprimentale prsente au chapitre l::! est un problme typique o l'estimation statistique joue un grand rle.
Le traitement du signal radar ,,- ou sonar est un exemple classique o la dtection et l'estimation de paramtres sont mis en uvre. La dcision est base sur l'observation d'un ventuel cho une impulsion initialement rayonne par l'antenne dans la
direction choisie. Cette dcision commande directement l'alumage ou l'extinction du
410
nfltolHE ET TRAITEMENT DES SIGNAUX
spot de l'cran d'affichage. La mesure du retard de l'cho par rapport l'impulsion

mise fournit l'information de distance. Le dcalage de frquence Doppler entre l'cho
et le signal mis permet de dduire la vitesse radiale de la cible.
Les tlcommunications radio grande distance - en particulier spatiales requirent des systmes de dtection labors.
Un filtrage optimal des mesures de position d'un satellite - ou de tout autre corps
cleste est employ pour obtenir une dtermination prcise de son orbite.
En cherchant prdire rvolution prochaine d'un signal partir de l'observation
de ses tats antrieurs, on peut dans certains cas rduire considrablement le volume
d'information ncessaire pour le mettre en mmoire (p. ex. synthse de la parole) ou le
transmettre distance (systmes de communications dbit d'information ou largeur de
bande rduits).
La rcupration de signaux noys dans le bruit de fond intervient dans de nombreux domaines de la physique, de l'astrophysique et de la recherche biomdicale.
La prospection ptrolire utilise des mthodes d'valuation des structures googiques en dtectant et interprtant les chos sonores perus par des rseaux de capteurs
la suite de l'explosion d'une charge de dynamite ou d'une autre forme d'excitation
mcanique.
L'identification automatique de caractres imprims ou de codes graphiques
simplifis facilite la gestion des stocks de produits commerciaux ou industriels, le tri
du courrier postal, etc.
La reconnaissance d'objets et l'estimation de leurs positions relatives est un thme
central en robotique.
Des propositions de diagnostic mdical sont effectues en recourant il une classification opre aprs analyse de certains signaux physiologiques (lectrocardiogrammes,
lectroencphalogrammes, etc.).
L'estimation des paramtres acoustiques de la voix est une tache fondamentale en
reconnaissance de la parole.
13.1.3 Evaluation dtenniniste de paramtres

Considrons tou t d'abord le cas de la dtermination des paramtres non alatoires
malS mconnus d'un signal observ en l'absence de bruit. On sait que le signal appartient une famille donne de signaux dcrits par un nombre fini N de paramtres variant
dans des plages connues.
Une telle famille engendre un espace de signaux (sect. 3.1) N dimensions dont
chaque point reprsente un signal donn. La dtermination des N paramtres (alias
coordonnes) requiert un nombre l'rf ~ N de mesures.
13 .1.4 Exemples
Soit dterminer la pulsation et la phase d'un signal si nu sOldaI d'amplitude connue
x(t)=cos(wot+a:) avec O<wo~wmax etO<a:<amax.Si a: max <1T et w ot+a<7T,
les deux mesures x (0) -= cosa et x Ud cOS(Wotl + a) suffisent il dtemlner Wo et a.
Dans le cas contraire, plusieurs solutions sont possibles et un nombre.M > 1 de mesures
est ncessaire pour lever les ambiguts.
411
D'une manire gnrale, on sait par le thorme d'chantillonnage que tout signal
de spectre il support born. de largeur de bande B et de dure T. est thoriquement
entirement dtermin par N = 2 B T chantillons ( 9.3.9). Compte tenu de l'inexistence des signaux bande limite ( 9.3.1) et des conditions pratiques d'interpolation
(sect. 9.4), une reconstitution satisfaisante du signal ncessite en [ail la connaissance de
lU> N chantillons.
13.1.5 Estimation statistique de paramtres. Dfinition

En traitement des signaux, l'estimation statistique a pour but l'valuationla plus
fidle possible d'un ou des paramtres d'un signal s (t) partir d'une observation bruite
x(t).
Une approche classique consiste tenir compte des modles statistiques supposs
du signal. de ses paramtres et du bruit. On recherche alors une stratgie de traitement
qui minimise une certaine distance cl (a,
entre J'estimation
et la grandeur estime a.
Une distance usuelle est J'erreur quadratique moyenne E [(a - a):!] analogue (3.3).
Lorsque la connaissance disponible a priori est rduite, on recherche des procdures plus robustes, capables de performances proches de l'optimum tout en tolrant
d'assez larges dviations de la statistique re He vis--vis du modle nominal suppos
(fig. 13.1.). Les solutions thoriques sont, dans ce cas, souvent trs proches de celles que
dicte le simple bon sens!
a)
perrormance
/ " soluLion optimale
caractrisa Uon
statistique
Fig. 13.1
La reprsentation dans un espace de signaux mentionns au paragraphe 13.1.3 est

toujours valable. L'ensemble des paramtres estims dfinit un vecteur d'estimation
li = (al< a2, ... , aM)' Mais l'ensemble des rsultats possibles d'estimation forme, en raison du bruit, un 11l1age de solutions l'intrieur duquel se trouve le point reprsentatif
du vecteur a cherch (fig. 13.1).
On dduit de la formulation mathmatique de l'estimation la structure de l'estimateur: processeur analogique ou numrique traitant l'observation x (1) pour en dduire a.
La thorie classique de l'estimation postule la connaissance d'une densit de probabilit p (x ;a) du signal observ x (t ;a), dpendant de AJ paramtres inconnus reprsents
par le vecteur a ;::;: (al, a2 ... , aM)' En prsence de bruit additif 11 (t), le signal observ est
de la forme
x(t;a)
= s(t,a)+ll(t)
(13.1 )
412
Fig. 13.2
o s(t;a) reprsente le signal utile. A partir d'un vecteur de N chantillons (mesures)

x = (Xl, Xl, .. , XN) ou d'une observation continue de X (t) sur un ntervalle T.. l'estimation consiste attribuer une valeur <lUX Al composantes du vecteur a.
Diffrentes stratgies sont utilisables cet effet selon l'information a priori disponible. La mthode du maximum de vraisemblance ( 13.1.6) s'applique lorsque l'on
ignore la statistique des paramtres ou que ceUX-Cl ne sont tout simplement pas alatoires (cas frquent). La mthode du risque minimum ( 13.1.7) requiert la connaissance
des densits de probabilit des paramtres estimer et dpend du choix d'une fonction
approprie de pondration de l'erreur commise. En estimation linaire ( 13.1.1 7), on
se limite l'tude d'estima leurs ralisables raide d'oprateurs linaires (sect. 8.2).
13.1.6 Mthode du maximum de vraisemblance. Dfinitions

Si a est un vecteur de paramtres non alatoires, mais inconnus, ou alatoires mais
de statistique inconnue, l'estimation doit se baser sur la seule connaissance a priori de la
densit de probabilit conditionnelle du vecteur d'observation x dpendant du vecteur
de paramtre a et de la statistique du bruit: p(xla). Cette densit est appele fonction
de vraisemblance.
L'estimation au sens du maximwn de l'raisemblance consiste tout simplement
choisir pour le vecteur, not li rnv. qui rend p(xla) maximum (fig. 13.3). El1e est en
xCii mv)
Fig. 13.3
413
DETECTION ET ESTIMATION
gnral obtenue en rsolvant l'ensemble d'quations de J!raisemblance
ap(xlad
aa._"
a --a
o avec
1, 2, ... , Al
(13.2)
k-k,mv
Comme le logarithme est une fonction monotone, il est parfois prfrable (bruit
gaussien, etc.) de driver la fonction lnp(xlak)'
L'estimation au sens du maximum de vraisemblance revient simplement choisir
comme estimation mv celle qui correspond l'observation x la plus frquente (mesure
dans un petit intervalle ..:1 x).
13.1.7 Exemple
Soit un signal alatoire gaussien x (t) de valeur moyenne a = I1x inconnue. Sa densit de probabilit conditionnelle a est simplement
p(xla) ::;; {1iTo 2 fl/:!exp[-+(x-a)2Ja 2 ]
(13.3)
Si N chantillons statistiquement indpendants (c'est--dire ici non corrls) de ce

signal sont prlevs, ils forment par (14.36) un vecteur x == (XI, X2, .. , 'XN) de densit de
probabilit conditionnelle d'ordre N
p(xla) ==
fi
p(xil a) == (21Ta 2 )-N/"2exp [- .,1:2

.:.a
1=1
(Xi
0)2]
(I3.4)
1=1
En prenant le logarithme naturel de (13.4) et en annulant sa drive par rapport

au paramtre inconnu a, on obtient
1
amv ::;; N- L Xi
( 13.5)
i:1
L'estimation au sens du maximum de vraisemblance co'incide ici avec la valeur

moyenne arithmtique des chantillons. Le comportement de la variance de celte estimation est tudie au paragraphe 13.1.24.
13.1.8 Mthode du risque minimum. Dfinitions

Lorsque la densit de probabilit p (a) du vecteur de paramtres a est galement
connue, la mthode d'estimation de Bayes consiste associer l'erreur (a - li) un cot
c (a, li)
appel aussi fonction de perte et minimaliser le cot moyen dnomm
risque dr{a, li) E fc (a, 0 )].
La figure 13.4 reprsente trois exemples de cot ou critre de pondration de
l'erreur souvent cits associs un seul paramtre a:
.. le critre quadratique
c(a,a)
(a-a}2
(13.6)
le critre de la valeur absolue

c(a, li) == la
-01
( 13.7)
414
la-a
1 - rect[ (a -a)/Ll]
-[
Fig. J 3.4
le critre de la ponderation uniforme en dehors d'une zone morte

c (a, a) = 1 - re c t[ (a - il ) / Ll ]
( 13.8)
Le critre quadratique est le plus usit.

Le risque associ l'estimation a base sur l'observation x exprime ell fait une
distance pondre dr(a, (j), analogue ~ celles introduites au paragraphe 3.104, et dfinie
par
dr(a,li)
= E[c(a,li)]
ff c(a,li)p(x,a)dxda
(13.9)
Mais, par (14.3~), la densit de probabilit conjointe p (x,a) = p (a lx) p (x), d'o
d,(a.i) =
[_[C(a,i)p(aIX)da]p(X)dX
(13.10)
--------, ----J
rvlinimiser d r (a, li) revient il minimiser le risque - ou distance .- conditionnel

reprsent par l'intgrale 1
1 =
c(o,a)p(olx) do
(13.11 )
puisque p (x) est une fonction non ngative.

Dans le cas du critre quad ratique. c (a, li ) = L, (a i - (j;) 2 et le risque conditionne 1exprime r erreur quadratique moyenne. L'e stim at ion 0 ptimale acqm correspondan te
est obtenue en annulant dans ce cas la drive de ( 13.11) par rapport chaque paramtre
ai . En tenant compte galement de la condition
p(alx) do = 1
( 13.12)
l' estimatioll errellr quadratique moyenlle millimwn vaut
li cqm =
op(alx) da
(13.13)
C'est, par dfnition, la mleur moye1111e de la densit de probabilit conditiollnelle

a posteriori p (a 1 x) appele moyenne conditiol1nelle.
415
On montre, de manire analogue, que le critre de la valeur absolue conduit une

estima tion li abs correspondant la mdiane de p (a lx), c'est--d ire il la valeur li abs qui
partage la densit de probabilit en deux zones dont les intgrales sont gales il
Pour le cot uniforme, le risque conditionnel minimum est obtenue, lorsque ~
tend vers zro, avec l'estimation du maximum a posteriori li map dfinie par l'abscsse
du maximum -- ou mode - de p (a 1 x) .
. Ces trois estimations sont reprsentes sur la figure 13.5 dans le cas d'un paramtre unique a, de loi conditionnelle au vecteur d'observation x: p (a 1x).
+.
p(alx)
Fig. ]3.5
13.1.9 Proprits et dfinitions

L'estimation du maximum a posteriori mup est souvent plus facile dterminer
que abs ou i cqm' Dans le cas de distriblltion 1Il1imodaies symtriques comme la loi de
Gauss, ces trois estimations SOllt identiques.
Par (14.3.2) et (14.33), la densit de probabilit a posteriori p (a 1x) peut s"crire
(13.14)
p(ulx) == p(xla)p(a)/p(x)
o p (x) est en fait une valeur connue lorsque l'observation x est effectLle. Les estimations obtenues par la mthode du risque minimum dpendent donc uniquement du
produit des densits de probabilit p (xl a) p (a) == p (x, a). On constate alors que l'estimation du maximum de vraisemblance mv dfinie au paragraphe 13.1.6 concide avec
l'estimation du maximuma posteriori mup si la densit de probabilit p(a) est uniforme. Dans le cas contraire, ces deux estimations sont souvent voisines. Ceci justifie
parfois l'utilisation de l'estimation simplifie amv mme dans des situations o la statistique a posteriori pourrait tre tablie.
Remarquons galement que 0 mv est une estimation assez robuste, puisqu'elle n'est
pas influence par des variations ventuelles de la statistique des paramtres valuer.
Une autre proprit utile de J'estimation vraisemblance maximale, pas ncessairement partagee par les autres estimations, est d'tre invariante il toute transformation
rversible. C'est--dire que le mme rsultat est obtenu en estimant a ou une fonction
monotone f(a), avec simplement lm\' = f(omv)'
Les performances d'une estimation sont essentiellement reprsentes par son biais
(erreur systmatique) et par sa variance (dispersion des rsultats). Le biais d'ulle estimation est la diffrence entre la valeur moyenne de restimation et celle de la valeur estime
a
a
b == E[o]-E[a]
(13.15)
416
THHUE ET TRAITEMENT DES SIGNAUX
avec E [a] a dans le cas de paramtres non alatoires. Il est gnralement souhaitable
que le biais soit nul.
La variance d'une estimation non biaise est borne infrieurement (ingalit de
Cramer-Rao [134]). Une estimation satisfaisant cette limite est dite effcace.
L'estimation est consistante si elle tend vers]a vraie valeur a lorsque le nombre
d'observations N ou la dure d'observation T dans un eus continu - tend vers l'infini.
On montre que, pour des conditions assez peu restrictives, J'estimation il vraisemblance maximale my de paramtres 11011 alatoires est la fois consistante, asymptotiquement efficace ct. de plus, asymptotiquement gaussienne [134]. On montre galement
que, dans le cas de J'estimation de parumtres alatoires, s'il existe une estimation efficace,
elle est unique et donne par il map == cqm.
13.1.10 Exemple
Considrons la situation suivante. Un signal alatoire a (t), distribution de Rayleigh
(14.110) avec variance a; est observ en prsence d'un bruit additif gaussien 11 (t)
va]cur moyenne nullc et variance a~. On cherche estimer a partir d'un chantillon
unique de x (t) =a (t) + n (t).
La densit de probabilit conditionnelle u priori p (x a) est simplement la version
dcale de a de la densit de probabilit du bruit
1
(21Ta2)-1/2expl-~(x-a)2/a~]
p(xla)
(13.16)
L'estimation vraisemblance maximale est ici simplement

a rnv
0::
(I 3.17)
Par (13.14), la densil de probabilit conditionnelle a posteriori devient

p(alx) = Kaexp[-tCalall)2(a
xla)2]
(13.18)
o K 2 Tra~ a~/p (x) est une constante. lorsque x est connue, qui peut tre value en
utilisant la condition (13.12), et a = 1 + aJ;/a~.
L'estimation du maximum a posteriori est obtenue en annuhlllt la drive de
(13.18) par rapport a:
(13.19)
C'est une fonction non linaire de l'observation qui tend vers (]3.17) pour a~ ..... O.
13.1.11 Exemple
Soit estimer Je paramtre alatoire a
exponentielle (14.90)
p(xla)
0 d'une observation x distribution
= aexp(-ax)e(x)
(13.20)
sachant que a possde une distribution semblable

p(a)
avec
O.
exp(-a)e(a)
(13.21)
417
DTECTION ET ESnMA TION
Un tel exemple [135] peut dcrire une situation de trafic dans un rseau routier
ou de tlcommunications: a reprsente la frquence moyenne de vhicules 01.1 de mes
sages traversant un nud du rseau et cette frquence moyenne fluctue elle aussi d'un
nud l'autre selon la loi (13 ..21) avec une valeur moyenne E [a] = - 1 L'observation x
est ici l'interval1e entre les instants de passage de deux vhicules ou messages successifs
(processus ponctuel de Poisson: sect. 5.8).
La distribution a posteriori prend la forme (exercice 13.5.3)
(x+f a exp [-a(x+)] e(a)
p (a lx)
(13.~2)
La valeur moyenne de cette distribution est l'estimation il erreur quadratique

minimale
f a p (a x) da = ::: (x +
1
fi
(13.23)
L'abscisse du maximum de p (a 1x) est l'estimation du maximum a posteriori map

que l'on obtient cn rsolvant l'quution ap (alx)jaa 0 pour a omap:
Quant la mdiane. qui reprsente l'estimation

transcendante
[I
(x
+ ) aabsJ exp [- Oubs (x + )] +
0abs'
c'est la solution de l'quation
(13.25)
ob tenue en rsolvant 1'intgmle

aahs
p (alx)da
=t
(13.26)
13J.l2 Exemple
Considrons l'estimation d'une valeur moyenne a inconnue en prsence de fluctuaL'estimation est
tions alatoires Il (t) gaussiennes, valeur moyenne nulle et variance
effectue partir d'un ensemble x (Xl, X2 ... , XN) de N chantillons indpendants
a,;.
(13.27)
La densit de probabilit conditionnelle p (x 1 a) est la mme que ( UA). avec o~

remplaant a 2 , et l'estimation vraisemblance maximale ornv est identique au rsultat
(13.5) puisque cette estimation ne tient pas compte de p (a). C'est une estimation non
biaise, de variance
(13.28)
tendant vers zro lorsque N tend vers l'infini ( 13. [.24).

Supposons maintenant que a soit une variable alatoire gaussienne de valeur
moyenne l1a et variance a~. En appliquant (13.14), on obtient aprs quelques manipu
lations algbriques [34] la distribution
p(alx)
(2no2rl/2exp[-t(a-I1)2ja2]
(13.29)
418
avec
.,
.,
a; +a,/N
= ex a~/N
( 13.30)
et
(13.3])
J.l
o x dnote la moyenne arithmtique qui correspond l'estimation il vraisemblance

l11aximle
1 N
a mv = x(13.32)
xi
N i=l
- l
(a~+ a~/N) < 1 et (3 (] + N a~/a~ t Pa' Puisque l'abscisse du maximum,

et o 0: =
la mdiane et la valeur moyenne sont identiques pour une loi de Gauss ( 13.1.9). on a
(13.33)
L'estimation optimale de Bayes est aussi linaire. mas elle est biaise. Elle tend vers la
moyenne arithmtique non bi,.lse
mv lorsque a~/N tend vers zro, c'est--dire en
particulier lorsque N tend vers l'infini. Lorsque
tend vers zro, l'estimation optimale
tend vers Pa' la valeur moyenne a priori, et dpend peu de l'observation.
On vrifie que l'estimation a posteriori est optimale puisque sa variance vaut. en
tenant tompte de (l3,28) et (13.31 )
x=a
a~ = Var [0: i]
et que a:
0:
Var [x]
= 0: 1 a~v
a;
0:
a~/N
(13.34)
< \.
13.1.13 Exemple: estimation ri vraisemblance maximale de l'amplitude d'un signal de

fonne connue; cas discret
Soit x (t) = a' s (t) + 11 (t) olt s (t) est lin signal de forme connue (sinusode. impul.
sion, etc.). Le puramtre a est alatoirc et traduit une modulation d'amplitude, une attnuation variable dLLe des conditions de propagation (p. ex. phnomnes d'vanouissement: 7.3.11) ou de rnexion (radar. sonar), etc. Comme prcdemment, Il (t) est un
bruit g,JUssien valeur moyenne nulle et variance a~.
L'estimation est base nouveau sur un ensemble de N chantillons indpendants
.\" = (.\,\,'\2, ... , XN)' Chaque chantillon Xi = aSt + ni possde L1ne distributon conditionnelle
(13.35)
Le vecteur x des N observations indpendantes possde lu distribution conditionnelle

N
P (x 1a )
Il P (x il a)
1=1
(13.36)
419
otTECTION ET ESTIMATION
L'estimation vraisemblance maximale est donne par la valeur a =

l'quation ap(xla)jaa=O:
amv satisfaisant
(13.37)
Le numrateur est tout simplement le produit scalaire (3.10) des vecteurs x et s

(alias corrlation) et le dnominateur est un facteur d'chelle gal, selon (3.11), au carr
de la norme (alias nergie) de s. L'estimateur correspondant est un type de filtre adapt
(sect. 13.4). Dans le cas particulier o Si = l'IIi, (13.37) s'iden tifie (13.3 2).
13.1.14 Estimation vraisemblance maximale des paramtres d'un signal de forme

COIlnue; cas continu
Soit le signal observ pendant un intervalle T
x(t) = s(t,a)
+ n(t): 0
t ~
(13.38)
o sU,a) est un signal de forme connue dpendant d'un paramtre a (amplitude, fr

quence, phase, position, etc.) et 12 (t) est un bruit gaussien de fonction d'autocorrlation
RI! {T}.
La distribution a priori du paramtre a tant rarement connue. on se limitera
l'examen de l'estimation vraisemblance maximale.
Le logarithme du rapport p (x 1a )jpo (x) est une autre forme de fonction de vraisemblance o Po (x) dnote la distributon qu'aurait l'observation x (t) en l'absence de
signal s(t.a), Elle peut se mettre sous la forme [34]:
T
l(a):=.: ln [p(xla)jpo(x)]
:=
Jx(t)g(t,a)dt-t
s(ca)g(t.a)dt (13.39)
o g(t,a) est la solution de l'quation intgrale

T
sU,a):=.:
RI/(t-T)g(T,a)dT;
0 ~ t ~ T
(13.40)
En comparant (13.40) avec (8.23). on constate que si T-+ 00, la fonction g(t,a) tend
vers la rponse impulsionnelle d'un fltre linaire tel que s(t.a) reprsente l'ntercorrlution entre les signaux d'entre et de sortie lorsque l'entre est Il (t). Ce rsultat est
rapprocher de (13.64).
Dans le cas d'un bruit blallc gaussien de densit spectrale de puissance bilatrale
(1)11 (f) =: tT/ et de fonction d'autocorrlation RII (T):=': +T/o (T), la solution de (13.40)
est gU,a) C2j17)s(t.a) d'o
~
I(a):=.: T/
JT
0
]
x(t)s(t,a)dt--
17
JT
s1(t.a}dt
(13.4 1)
L'estimation vrasemblance maximale

et satisfait l'quation
am. . est la valeur de a qui maximse (13.41)
420
T [X(t)-s(t.a}]
as(t.a)
()
dt
aa
--
(13.42)
a-a rnv
Dans d'autres cas, la soJution de l'quation intgrale (13.40) est dlicate, voire
impossible [34, 131].
13.1,15 Exemple: rcepteur corrlation. Dfinition

Soit s (t,a) =as(t) comme au paragraphe 13.1.13. Alors g (t,a)
la solution de l'quation
ag(t) o g(t) est
s(t)
J RIZ (t - r)g(r)
(13.43)
dT
La fonction de vraisemblance (13.39) devient

T
T
( 13.44)
a j'g(t)x(t)dt-+a"1J g(t)s(t)dt
1(0)
et est maximum pour
amv
=]
g (i) x (1)
dtj]
g(t) s (1)
dt
(13.45)
En cas de bruit blanc gaussien de densit spectrale (PT! (J') == -} 11. g (t) = (2/rll s (t)
et l'estimation devient
arnv
J s(t)x(t)dt J s2(t)dt
T
;;::
(13.46)
Cette relation est comparer avec le cas discret (13.37).

En normalisant, pour simplifier, l'nergie du signal sCt) dans l'intervalle T. il vient
T
arnv
;;::
J s (t) x (t) dt :::: < s,x>
(I 3.4 7)
o
Le schma bloc d'un tel estimateur (fig. 13.6) se dduit directement de (13.47). Il effec-
71 rnv
1
___ -.JJ
L __ _
rcepteur ;l corrlation
Fig. 13.6
421
tue une corrlation du signal observ avec une rplique mmorise du signal connu s (t)
et est appel pour cette raison rcepteur corrlatioll. U ne ralisation quivalente du
mme estimateur est le filtre adapt (sect. 13.4).
13.1.16 Exemple: estimation de la phase d'un signal sinusodal

Si le paramtre inconnu est la phase, le signal utile est de ]a forme s (t,a) =
A sin (wot +0) o A et Wo sont connues. L'estimation Grnv de la phase en
de
brujt blanc gaussien est obtenue en rsolvant (13.41)
T
J [x (t) - A sin (wot+ G
rnv )]
cos(wot+ ornv)dt
(13.48)
o
Pour Wo T= krr ou Wo T ~ LIa deuxime intgrale du dveloppement de (13.48) s'annule
et l'estimation est donne par
T
J x(t) cos(wot+arnv)dt = 0
(13.49)
En tirant parti des identits trigonomtriques rappeles la section 15.1, l'estimation

devient
arnv
= arctan
l'
fox(t)cos(wot)dt
l'
(13.50.)
fox(t)sin(wot)dt
L'valuation des intgrales du numrateur et du dnominateur correspond nouveau une corrlation (fig. 13.7).
Jl
x( t)
arctan
! a~
1
Fig. 13.7
L'intgrale (13.49)
toutefois une solution beaucoup plus intressante:
c'est la boucle asservissement de phase (fig. 13.8) dj rencontre dans le contexte de
la dmodulation de frquence et de phase ( 11.3.9). La tension moyenne d'erreur e
controle en permanence l'oscillateur command (YCO voltage controlled osciJlator)
de manire introduire une correction automatique de phase arnv ramenant e zero.
D'autres exemples. parfois nettement plus compliqus. sont traits dans la littrature spcialise cite.
411
THORIE ET T.RAITEMENT DES SIGNAUX
J dt
VCO
!-----IP-----l;r..
Fig. 13.8
13.1.7 Estimation linaire. Dfinitions

Les critres d'estimation examins prcdemment requirent au minimum la
connaissance d'un modle statistique du signal observ. Ils conduisent souvent des
estimateurs non linaires.
En se limitant une estimation linaire du type
(13.51)
o SQ reprsente un oprateur linaire (sect. 8.1), discret ou continu, l'information
ncessaire a priori se rduit aux seules fonctions d'autocorrlation de l'observation x
et d'intercorrlation de x avec la grandeur estime a.
L'estimateur linaire (fig. 13.9) peut souvent tre considr comme un filtre,
numrique dans le cas discret el analogique dans le cas continu. dont la rponse impuIsionnelle g doit satisfaire (13.51).
Fig. 13.9
Par analogie avec le thorme de la projection (3.26) qui dfinit les conditions
optimales d'approximation linaire d'un signal dterministe au sens des moindres
carrs, l'estimation linaire optimale aQo qui minimise l'erreur quadratique moyenne
doit satisfaire le principe d'orthogonalit (24]. Celui ci indique que l'erreur d'estimation optimale a - GQo et l'observation x SOllt orthogollales, c'est--dire que leur intercorrlation statistique (sect. 5.4) doit tre nulle
E [( a
aQo)* xl = E [x * (a aQo )] = 0
(13.52)
L'erreur quadratique moyenne minimale ainsi ralise est alors donne, de

manire analogue (3.29), par
E [ (a - aQo) 2]
E [a * (a - a 20)]
= E [ 1a 12 ] -
E[
2]
1 12 0 1
En dveloppant (13.51), l'estimateur linaire optimum est finalement dfini par

la solution de l'quation
E [x* 8Qo] = E [x* a]
(13.53)
On peut montrer [24] que, dans le cas o l'observatioll est statistique gaussienne,
aucun estimateur non linaire Ile peut parvenir ulle erreur quadratique moyenne plus
faible que l'estimateur linaire optimum.
423
13.1.18 Application l'estimation numrique

Soit un estimateur linaire discret charg d'interprter N chantillons d'un signal
alatoire stationnaire x (t)
N
aQo
(13.54)
sQ{x};;Igjxj
"'I
Les coefficients optimums gj sont donns par la solution de (13.53) qui se ramne
celle du systme de N quatons N nconnues
N
gjRxU-j) ;; RxaU):
i = 1,1, ... , N
(1
j=1
o Rx ( - j) E [Xi* Xj] sont les lments ( 5.2.8) de la matrice d'autocorrfation Rx

du vecteur d'observation x = (Xl, X2, ... , XN) et Rxa (i) = E [xi a] sont les intercorrlatians des X avec la grandeur estime a.
En
ces valeurs d'intercorrlation dans un vecteur colonne Rxa et les
coefficients dans un vecteur colonne g = (gl' gz, ... , gN), le systme d'quation (13.55)
s'crit simplement
Rxg
(13.56)
R.,\:Q
dont la solution est, avec R-;l la matrice inverse de Rx:

g
R~l Rxa
(13.57)
13.1.19 Exemple: observation simple d'un signal en prsence de bruit

Soit x (t) s (t) + 11 (t) o s (t):;:: a (t) est le signal estimer et 11 (t) est un bruit
valeur moyenne nulle non corrl s (t). On forme l'estimation simple aQ
(t):;:: gx (t).
Par (13.57), le coefficient optimum g correspond
(13.58)
13.1.20 Exemple et dfinition: prdiction linaire

Soit un signal alatoire x (t) connu l'instant t. On dsire prvoir sa valeur
a (t) =x (t + T) l'instant t + T par une simple prdiction linaire aQ x (t + T) =gx ft).
Par (13.57), le coefficient optimum g du systme prdcteur (fig. 13.10) vaut
(13.59)
.YU)
----I~
.~(t+T)
X J-----i....
Fig. 13.10
424
Dans un cas plus gnral, la valeur estime du signal Ct + T) est prdite par une
combinaison linaire des N valeurs prcdentes x (t - iT) avec i =. 0, 1, ... , N 1
N-I
aV.
x(t+T)
=l
gix(t-iT)
(13.60)
i=o
La structure de l'estimateur (fig. 13.11) est celle d'un filtre numrique transversal
(chap. XX.5) dont les coefficients gi sont donns par la solution de (13.57) qui devient
ici
(13.61)
x(t
T)
x(t -:2 T}
x (t + j
Fig. 13.11
Le vecteur Rx = [Rx (0), Rx (T). R x ('2 T), "') Rx [(N

de la matrice de corrlation
1) TU et R; 1 est l'inverse
(13.62)
La prdictiol1 linaire est utilise, par exemple, en traitement de la parole (codage

par vocodeur, synthse, reconnaissance automatique), en analyse spectrale (mthodes
paramtriques), en identification de systmes linaires dynamiques (rglage automatique)
et pour la correction des imperfections des caractristiques de voies de communication
en transmission numrique (galisation).
13.1.21 Application: filtrage linaire optimum

Si l'estimation
est reprsente par le signal de sortie d'un filtre linaire. de
rponse impulsionnelle g(t), excit par robsrvation, suppose ici stationnaire. x(t),
onapar(8.i2)
av.
(13.63)
L'introduction de (13.63) dans (13.53) conduit au produit de convolution
(13.64)
425
Par transformation de Fourier, la fonction de rponse frquentielle du filtre optimum (gnralement non causal) est
(13.65)
Si x (t) = s (t) + JZ (t), avec s (t) un signal extraire au mieux d'un bruit
pendant valeur moyenne nulle, la solution (13.65) devient
11
(t) ind-
(13.66)
Dans le cas trs particulier o l'observation x (t) est un bruit blanc, de fonction
d'autocorrlation 710 (r), la rponse impuIsionnclIe optimale tire de (13.64) devient,
par (1.47)
-t
(13.67)
Le traitement en temps diffr ne requiert pas ncessairement une rponse impul~
sionnelle causale. Cel/e-c s'impose, par contre, dans tout traitement en temps rel et,
en particulier, dans les traitements analogiques. Dans ce cas, une bonne approximation
causale du filtre optimum peut souvent s'obtenir en introduisant un retard adquat to
et en considrant la fonction
(13.68)
o
E (t)
dnote, comme d'habitude, la fonction saut unit.
13.1.22 Dfinition: filtre de Wiener

Le nom de filtre de Wiener est associ il la solution de l'quation (13.64) sous la
condition additionnelle de causalit: go(t) = 0 pour t< O.
Par exemple, S1 x (t) est du bruit blanc de densit spectrale
la rponse impulsionnelle causale optimale devient simplement
(13.69)
Une solution plus gnrale est obtenue en imaginant de dcomposer le filtre de

Wiener en une mise en cascade (fig. 13.12) de deux filtres de rponses gl (t) +). G1 (f)
et g? (t) -H- G 2 (f). Le premier a pour rle de transformer Pobservation x (t), de densit
spectrale cI>x Cf), en un bruit blanc z (t) de densit spectrale unit CP: (f) 1. Par (8.24),
on a immdiatement
(13.70)
z(t} =x(t) *gl(t)
G 1(f)
IlJ
fi
G?o(f)
!1 u~t)
ql:(f)
~----------v--------------~
Go(f)
Fig. 13.12
426
Par (13.69), le deuxime filtre peut tre rendu optimum pour l'observation transforme z (t) en posant
(13.71)
avec
En dnotant par [tP=a(f)]+ la transforme de Fourier de (13.71), on obtient,

(1') == gl (-.,) * X (- 1') * a (7) =gt (- T) * R.'<o (1'):
R::a
(13.7:2)
En exprimant enfin <Px (J') sous la forme d'un produit de deux fonctions conjugues (factorisation toujours possible si cette densit spectrale est reprsente par une
fonction rationnelle: son caractre non ngatif, rel et pair impliquant que ses racines
sont complexes, conjugues ou relles d"ordre pair)
(13,73)
de telle sorte que, par identification avec (13.70), la rponse frquentielle
Cl (f)
(13,74)
\v.;I(f)
soit aussi celIe d'un filtre causal (racines pour f> 0), le filtre de Wiener est dfini par
Go
(f) - C (f) G (f) - _1- [<Pxa(f)

1
20
- *x(f)
\I!.~(f)
1+
(13.75)
13.1.23 Dfinition: filtre de Kalman

Si l'on lve la restriction de stationnarit, la relation (13.64) est remplace par
l'quation intgrale plus gnrale (quation de Wiener-Hopf)
(13.76)
Le nom de filtre de Kalman [136] est donn une forme de solution de l'quation
de Wiener-Hopf dans laquelle restimation, continue ou discrte, est de type rcurrente.
Dans un cas simple, on aura par exemple pour un estima teur numrique
o(k)
= a{k-I)+t3(k)[x(k)-a(k-l)]
(13.77)
L'estimation d~ k-ime chantillon est gale l'estimation prcdente complte

par un terme correctif dpendant de la diffrence entre robservation courante et l'estimation prcdente. Le coefficient t3(k) est, au besoin, adapt il chaque pas,
Le filtre de Kalman gnralise celui de Wiener et s'applique surtout au traitement
de signaux non stationnaires. Son tude sort du cadre de cet ouvrage. Il est princpalement utilis pour l'identification permanente de systmes volutifs et la prdiction des
valeurs effectives de paramtres imposs en rglage automatique, la dtermination d'orbites de vhicules spatiaux, etc.
13.1 .24 Estimation de valeurs moyennes

L'estimation d'une valeur moyenne a:::: J1.x joue un rle essentiel en traitement des
signaux. On la rencontre dans de nombreuses applications: analyse spectrale, corrlation, mesure de puissance, etc.
427
L'estimateur linaire courant est le moyenneur temporel parfait dcrit au paragraphe 8 ..2.19. Il value la m8yenne glissante
(13.78)
x(t,T)=T Jx(t)dt
t-T
dans sa version continue. Sous forme numrique, il calcule la moyenne arithmtique
1
aQ
XIe
=-
L X i = X"-1
+ (x" -
Xk-N
)IN
(13.79)
=k-N+I
C'est, d'une manire gnrale, un estimateur non biais, consistant et asymtotiquement

efficace. Il n'est, par contre, pas optimum au sens du paragraphe 13.1 J 7 comme le montre l'exemple] 3.1.12. Dans ce cas (statistique gaussienne), il ralise une estimation
vraisemblance maximale: Q = Gmv .
La variance de l'estimation (13.78) dpend de la dure d'intgration T et est donne par (8.44)
l "'"
-T_tX>
J tri(rIT) Cx(r)dr
.
(13.80)
/1;
o
(1') Rx (1') est la fonction d'autocovariance de l'observation (suppose ici
stationnaire et ergodique).
Le rapport signal sur bruit avant estimation est ~x a:2 lai. Aprs estimation, on a
a2 lai et l'amlioration du rapport signal sur bruit ralise corrrespond simplement
au rapport des variances.
Par analogie, on obtient pour l'estimation discrte base sur N chantillons prlevs
priodiquement avec un pas Te, avec Xi =x(iTe ), T=NTc ' T iTc et en tenant compte
de (9.14)
N-l
i=-(N-l)
tri (lIN) C X (iTc )
Si les chantillons sont non correles: Cx (iTe ) = 0 pour i,* 0 et
a_~/N
(13.82)
Dans ce cas, l'amlioration du rapport signal sur bruit est proportio1l11elle au nombre N
d'chantil/011s considrs. C'est un rsulrat classique en statistique.
D'une manire gnrale, on constate par (8.37) que n'importe quel systme linaire causal dont la rponse indicielle 'Y (t) satisfait il la condition
'Y (00)
Jg
(t) d t
=1
( 13.83)
o
peut servir d'estimateur (imparfait) de valeur moyenne. La mesure tant pratiquement
effectue aprs un temps d'tablissement To non infini, celui-ci doit tre choisi de
manire avoir l' (To ,) ::::::: 1 sous peine d'introduire un biais important.
L'exemple le plus familier est le moyenneur oubli progressif dfini par
g(t)
a- 1 exp(-tlo:) E(t)
(13.84)
428
qui correspond un filtre passe-bas du premier ordre, de constante de temps a. La

variance de l'estimation est donne, selon (8.38), par
1
a: = x
J
a
<Xl
(13.85)
Cx(r) exp (-rla)da
La ralisation pratique d'un tel estimateur est usuellement le filtre RC du paragraphe 8.2.24 en technique analogique. Afin d'afficher facilement les rsultats progressifs
du calcuJ,on simule souvent le filtre RC par voie numrique (sect. XX.SA) l'aide d'une
quation de rcurrence approximative du type
+ (xk-Xk-dIK ~
1
K
xjexp[-(k-i)IK] (13.86)
i=k-N+I
o K est un entier fixe> l (gnralement une puissance de .2 pour smp1ifier la division).

La constante de temps quivalente est proportionnelle K.
13.1.25 Perfonnances comparees

En cas de bruit blanc, la fonction d'autocovariance Cx (r) = 1-778 (r) et a~ +11/ T
pour le moyenneur parfait et a~x = ~ 77/0'. pour le filtre passe-bas du premier ordre
de constante de temps a _Les mmes performances en terme de rapport signal sur bruit
de mesure sont donc atteintes si T= 20'..
En raison de sa rponse indicielle "'1 (t) = 1 - exp (- t / a), le filtre du premier ordre
ncessite toutefois un temps d'tablissement de l'ordre de Ta ~ 4 ou 5 a pour assurer
une estimation raisonnablement non biaise. Avec le moyenneur parfait, ce temps d'tablissement est limit T.
13.1.26 Application: extraction d'un signal rptitif noy dans le bruit de fond.
Dfinitions
Le principe suivant de rcupration d'un signal trs fortement perturb, mais
susceptible de se rpter selon un horaire connu, est utilis dans diffrents domaines, en
particulier en physique et en lectrophysiologie. Il est connu sous les noms de dtection
par accumulation, par intgration, par moyemlage (en anglais: signal averaging).
Soit {s(t- td}' i= 1, 2, ... ,N, un ensemble de signaux de forme identique et de
dure finie T apparaissant gnralement en rponse des excitations (stimulus) ppliques aux instants connus t i (fig. l3.13). Si l'observation disponible est
N
x(t)
s(t-t;)+n(t)
(13.87)
1=1
o Il (t) est un bruit valeur moyenne nulle et valeur efficace (cart-type) largement
suprieure aux amplitudes des signaux s (t fi), ceux-ci sont littralement noys dans le
bruit et aucune analyse directe n'est envisageable.
Une estimation de la forme de la rponse s (t) au stimulus est toujours possible en
tirant parti du caractre rptitif (priodique ou non) du phnomne, pour autant que
fi+l- ti ~ T Un chantillonnage est effectu aux instants fi + k Te, avec Te ~ T. Pour
429
stimulus
x (1)
.,
t--
a.
Fig. 13.13
une valeur le donne, on a

Xi
xi'
~ s(kTe )
(13.88)
+Ili
La valeur instantane s(kTe ) reprsente ainsi la valeur moyenne des chantillons

L'estimation (13.79) donne ici
1 N
'X (k Tc)
LXi
= s(kTe)+n
(13.89)
i=1
o Ji est la moyenne arithmtique des N chantillons de brut seuls. Si ces chantillons

sont indpendants (donc non corrls), i devient gaussienne en vertu du thorme de la
limite centrale ( 5.3.3) et sa variance vaut, par (13.82)
(13.90)
THORIE I~T TItAITEMENT DES SIGNAUX
430
Le rapport signal sur bruit aprs N sommations est ainsi amlior d'un facteur N.
Par exemple, pour N= 1000, l'amlioration est de 30 dB. Il n'y a thoriquement pas de
limite l'amliorution ralisable pour autant que N -'i- co . Les limitations pratiques sont
lies N ~ co , la connaissance imparfaite des jnstan ts t i (gigue du signal de synchronisation) et aux dformations possibles des signaux s (t - fi) euxmmes.
En oprant cette estimation de valeur moyenne sur un ensemble de valeurs
k = 0,1, ... , K, on reconstitue le signal s (t) sur nntervalle [O.K Te].
Cette reconstitution peut se fare en mode parallle si l'on enregistre chaque
ralisation du signal s (t td un ensemble d'chantillons s (kTe - fi) avec k = 0, l, ... , K.
Il est possible aussi d'utiliser un mode squelltiel: c'est la solution adopte sur les
dispositifs analogiques connus sous le nom de moyelllleur chantillollnage ou boxcar
illtegrator. Un chanti1lonnage rel ( 9.2.2) de l'observation x (t) est effectu aux ins~
tants t i + T et la suite d'impulsions modules en amplitude ainsi obtenue est prsente
un filtre moyenneur. En faisant varier progressivement et lentement le retard T, la
sortie du moyenneur reconstitue squentiellement S (T} On peut montrer (ex. 13.5.14)
qu'en rgime de stimulation priodique de priode T, le moyenneur se comporte comme
un filtre en peigne trs slectif (rponse frquentielle non nulle seulement au voisinage
des harmoniques nfi =n/ T du signal rcuprer).
13.2 COMPARAISON DE SIGNAUX
13.2.1 Techniques de corrlation

L'importance de la corrlation ou du produit scalaire de deux signaux - dans
les problmes de dtection et d'estimation a dj t signale dans la section prcdente.
La relation formelle entre le produit scalaire et la distance eucldienne est tablie au
paragraphe 3.1.l3.
Diverses techniques de corrlation sont utilises [38,67, 137]. Elles servent parfois
rvler l'existence d'un signal attendu et en mesurer certains paramtres. Plus souvent,
elles sont un moyen de comparer deux signaux afin de mettre en vidence leur degr de
ressemblance ou d'estimer leur retard relatif. Ceci permet, par exemple [138], d'assurer
une synchronisation, d'estimer une vitesse de dplacement (fig. 13.14), de localiser la
position d'une source de bruit ou de vibration (fig. 13.15), de mesurer des caractristi
ques acoustiques (fig. 13.16) ou biophysique (fig. 13.17).
Comme en analyse spectrale, diverses approches pour estimer la fonction de corrILItion sont disponibles. La solution directe (fig. 13.18) se dduit de l'quation
1
;;oxy(t,T)
=T
J x(t'-T)y(t')dt '
(13.91)
t-T
ou de sa version discrte (numrique)

:pxv(m,k)
~
x(l-k)y(l)
(13.92)
l=m-K+I
L'approche numrique indirecte (fig. J 3.19) se dduit de (4.65) et tire parti des
algorithmes de calcul rapide de la transformation de Fourier.
431
loQ
----
vitesse
~'=
dIT
lentilles
capteurs photolectriques
y(t)
in tercorr la teur
Fig. 13.L4 Une mesure de la vitesse de dfilement (d'un produit lamin par exemple) peut tre
obtenue en dterminant la position du maximum de la fonction d'intercorrlation dcs signaux de
deux capteurs photolectriques. Ceux-ci reoivent la lumire, module par tes irrgularits de surface, rflchic en deux endroits diffrents du corps en mouvement situ~ une distance d l'un de
l'autrc.
sin 0 == (c-b>/d=
cost;!>
= (a
l"
b)ld=I"
fl.t I2 /d
fl.t 13 ld
o
Fig. 13.15 Deux mesures successives suffisent pour dterminer les angles {) et ct> dfinissant la position d'une source de vibrations par rapport il trois capteurs placs dans le mme plan sur les sommets d'un carr dont le ct vaut d, connaissant la vitesse de propagation )' des vibmtions. L'intercorrlation permet d'estimer la diffrenr.:e ll.rij des temps de propagation cntre la source ct \cs capteurs 1 ct :2 d'une part, 1 et 3 d'autre part.
432
microphonc
~. . j
A ..... W
.......
-",'
-
HP
~ ..
.~
.......
B
,
I\.
.. .. 1. ...:
1
_
---
matraux
tester
?XY{ r)
intercorrlateur
Fig. 13.16 Exemple de mesure acoustique: l'intcrcorrlation du signal d'entre du haut-parleur

(HP) ct du signal de sortie du microphone permet de mettre cn vidence diffrents chemins de propagation et de mesurer leurs coefficients d'absorption.
Fig. 13.17 L'intcrcorrlaton des signaux provenant de deux lectrodes places sur un muscle permet de dtecter si des cellules musculaires voisines travaillent d'une manire cohrente ou incohrente. Cette intercorrlation fournit une information utile sur la condition musculaire
rctard
~--
J' (t)
Fig. 13.18
__~
moyenneur
433
Fig. 13.19
13.2.2 Erreur d'estimation

Pour un retard l' donn, la valeur mesure ;Px)' (1') est une ralisation particulire
d'une variable alatoire si les signaux x (t) et y (t) sont alatoires (et considrs ici
comme stationnaires et ergodiques), Sa valeur moyenne
l
E[fPXy(T)] ;:;:;
T J E[X(t-T)y(t)]dt
= R;xy(T)
(13.93)
IPxy(T)
o
est gale la valeur thorique limite: l'estimation est donc non biaise.
Sa variance est exprime par (13.80)
l
""
- Jc-(zt) tri (u/T)dlt

T "'"
(13.94 )
(u) est la fonction de covariance du produit z (t) = x (r li)Y (t).

Si la dure d'intgraton T est beaucoup plus grande que la dure quivalente de
corrlation (7.144) de z (t)
.,
a:
~
1
T
JOC>
_iXl
C_ (0)
BT T
C.(u)du:::; - - -
o
(0) est l'autocovariance il l'origine de z(t)=x(t)y(t) et BT
de bande approximative du signal z (t).
(l3.95)
D~l est la largeur
13.2.3 Exemple: estimation de l'autocorrlation d'un signal gaussien valeur moyenne

nulle
Considrons l'estimation de la valeur il l'origine ;Px (0) de la fonction d'autocorrlation d'un signal x(t) gaussien valeur moyenne nulle. On a ici z(t)=x 2 (t) et Rx(T)=
('1: (1').
Par(8.l48),R=(T) ~R~(T)+R;(O)et
(r)=::::R;(T) d'o
a~(O) =
'i
T_f R;(u)tri(u/T)du
Si x (t) est un bruit blanc born de densit spectrale (Px (f) = +11 rect
sine 2 (2Bu) et, pour T'iP B- 1
(13.96)
(+ flB) , R.~ (u)
T}:! B"1
.,
a&(O)
R; (0)
BT
(13.97)
434
avec Rx(O)= T}B='-Px(O). Le rapport signal sur bruit de mesure vaut
~ = lP~(O)la&(o)
(I3.98)
BT
Ceci met en vidence, une nouvelle fois, le rle du produit BT dans l'estimation de
valeurs moyennes
13.2.4 Corrlateurs simplifis

Il est parfois suffisant d'valuer la corrlation l'aide de structures simplifies
exploitant la grande tolrance de cette fonction aux dformations non linaires du signal.
La solution la plus simple (fig. 13.20) consiste considrer la corrlation des fonctions signes des signaux comparer
J sgn [x (t t
avec
li
(t) = sgn [x (t)] et
l' (t):::::
l' )]
sgn [y (t 1 )] d t 1
(13.99)
sgn [y (t)].
\1 (
t)
= sgn [y ( t ) 1
Fig. 13.20
La quantification deux niveaux (1 bit) facilite la ralisation de l'oprateur de

retard et celle du multiplicateur dont l'quivalent logique est roprateur Ou-exclusif
( V.1.6.\). Malgr l'introduction des oprateurs non linaires de dtection de signe, la
fonction d'intercorrlation calcule oUI'(T) conserve certaines proprits de !.pxy (1'), en
particulier la position de son maximum.
Dans le cas de signaux gaussiens fI valeur moyenne nulle, on montre ( 8.4.15 et
exercice 8.5.28) que la corrlation statist ique de li (t) et II (t) est lie celle de x (t) et
y (t) par la relation simple
")
RI/v(r)
7T
Rxy(r)
arcsm - - -
(13.100)
a x Gy
En ajoutant aux signaux x (t) et y (t) des bruits alatoires (pratiquement: pseudo
alatoires) indpendants, distribution uniforme, on peut rendre les fonctions Ru v (r)
et Rxv (1') proprotionnelles pour une classe trs large de signaux [67].
'Un rsultat semblable (exercice 8.5.29) est obtenu dans le cas d'un corrlateur
structure hybrid:; dans lequel seule une vOe comprend un dtecteur de signe. La multiplication revient ici inverser ou non le signe de l'autre voie.
435
DETECTION ET ESTIMATION
13.2.5 Dtection de signaux priodiques par autocorrlation

Soit dtecter l'existence et estimer la priode To d'un signal priodique inconnu
s (t) =: S (t + m To ) noy dans un bruit de fond Il (t) indpendant et valeur moyenne
nulle. Le signal observ est x (t) = s (t) + 11 (t). La fonction d'autocorrlation d'un signal
priodiq ue est eUc-mme priodique ( 4.4.1:2) de priode To . Par con tre, la fonction
d'autocorrlation du bruit de fond (que l'on peut supposer filtr) est une fonction qui
tend vers zro lorsque r tend vers lnfini. Par (5.191) et en admettant que les signaux
considrs soient ergodiques, on a
(13:101)
bruit
Pour r beaucoup plus grand que la dure de corrlation quivalente ( 7.5.13) du

= I/B T
DT
'-P.x(r ~ DT) ~ '-Ps(r)
(13.101)
Si. en plus, la forme gnrale du signal s (t) est connue, il est possible de dd u ire
de '-Px(r) non seulement la priode. mais aussi une information d'amplitude.
La fonction effectivement mesure (fig. 13.11) peut s'exprimer sous la forme
(13.103)
o '-PE(r) reprsente l'erreur (bruit +biais) rsiduelle due la dure d'intgration T limite avec
lim '-Pt: (r)
T-oo
(13.104)
radiot\cscopc
Fig. 13.21 Ulustration de la dtection de signaux cosmiqucs priodiqucs en astrophysique.
13.2.6 Dtection de signaux par intercorrlation

Soit deux signaux perturbs contenant des versions dcales du mme signal utile
s (t)
x (t)
s (t - t 1 ) + JI 1 (t)
(13.105)
et
(13.106)
436
o nI (t) et 112 (t) sont des bruits indpendants valeur moyenne nulle. Toujours sous
l'hypothse d'ergodisme, la fonction dntercorrlation thorique de x (t) et y (t) vaut
IPxy(T)
= !,Os(r - t 2 + td
et son maximum se situe en
x(l)
= t2
(13.107)
-
t l (fig. 13.22).
s(l-t,)
Fig. 13.22
La fonction mesure peut, nouveau, s'exprimer sous la forme
(13.l 08)
o !,Oe(T) tient compte des erreurs rsiduelles dues la dure d'intgration limite.
La dtection par intercorrlation s'apparente au filtrage adapt dcrit la section
I3A.
437
13.2.7 Application: mesure du retard entre deux signaux alatoires

La phase relative entre deux sinusodes se mesure en comparant leurs passages par
zro. Le dcalage relatif entre deux versions retardes d'un signal alatoire est beaucoup
plus dlicat estimer.
La technique la plus efficace est celle de l'intercorrlation (fig. 13.23). Le retard
cherch correspond l'abscisse du maximum de (13.107). La mesure de cette position
est d'autant plus prcise que la fonction d'autocorrlation du signal alatoire est proche
d'une impulsion de Dirac, c'est--dire que son spectre est large bande.
A x(T)
y(t)=x(t
Tl
Fig. 13.23
THOlllE ET TRAITEMENT DES SIGNAUX
438
13.2.8 Application: synchronisation

La boucle asservissement de phase (fig. 13.8) est une technique classique de synchronisation de signaux sinusodaux ou priodiques en gnral. Elle ralise en fait une
corrlation (multiplication suivie d'une intgration) en assurant. grce la boucle
d'asservissement, l'orthogonalit maximale (corrlation nulle) du signal reu et de celui
gnr par l'oscillateur command.
A trs faible rapport signal sur bruit. l'accrochage initial est difficile il raliser.
Lntercorrlation d'un signal dont l'autocorrlation se rapproche d'une impulsion de Dirac -- avec sa rplique gnre au niveau du rcepteur est un moyen efficace
de mise en synchronisme. Le signal priodique pseudo -alatoire dcrit la section 5.1 0
est souvent utilis cet effet [73].
13.2.9 Rcupration de signaux priodiques par intercorrlation synchrone. Dfinition
Considrons le problme de l'extraction d'un signal priodique s (t) d'un bruit de
fond Il (t), indpendant et valeur moyenne nulle, lorsque l'on dispose d'un signal auxiliaire li (t) parfaitement synchrone .
x(t) =s(t
+ mTo } + 11(1)
u(t) =u(t +mTo )
:. 7'0
31'0
T
-*--~~~~~~r--1'-~~I~-'---~~--
Fig. 13.24
439
D(~TECTION ET ESTIMATION
Le signal e~traire peut s'exprimer par les formes quivalentes s (t) = s (t + m To) =
s (t. Tu) * 0 To (t), Le signa 10 bserv est x (t) = s (t) + 11 (t). L'in tercorrla tian mesur e
(fig. 13.24) est
(13.109)
o 'PE (T) reprsente l'erreur rsiduelle.

Si li (1) est une suite priodique d'impulsions trs courtes, de mme priode To
et d 'ampltude trs leve ~ modlise ici, pour simplifier, par une suite priodiq ue
d'impulsions de Dirac 0 To (t) --" la fonction d'in tercorrla tion thorique devient, par
(1.57). (4.98) et (4.138)
(13.110)
Cette intercorrlation correspond, dans le domaine frquentiel, LLI1 filtrage en

peigne: filtrage trs slectif tou tes les frquences discrtes 1;1 = ni To . Par (4_ 14),
(4.1~3) et (4.126), on a
cI>XII
(f)
To- 2 S (f, To ) Ol/Tu (l

To- t S(f)
(13.111)
11=-00
Un tel filtrage extrait thoriquement du signal observ x (1) uniquement les composantes S'I prsentes aux frquences discrtes 1;1 =ni To, c'est--dire les diverses
harmoniques du signal priodique s (t). Le brut 11 (t) est totalement limin.
En pratique (exercice 13.5.15), la fonction de filtrage priodique relle correspond la convolution de la suite priodique ljTo (f ) avec la rponse frquentielle
H (f) d'un filtre passe-bas dont la largeur de bande est non nulle. Celle-ci dpend de la
dure d'intgration T et de la forme non idale des impulsions priodiques formant le
signal a uxiliaire li (t).
Cette technique de rcupration est - dans le cas des signaux priodiques - quivalente la dtection par accumulation dcrite au paragraphe 13.1.26.
13.2.10 Cas particulier: amplificateur synchrone. Dfmition
Un anlplificateur synchrone (en anglais frquemment dnomm fock-in amplifier)
est une sorte de voltmtre trs s-lectif (fig. 13.:25) qui exploite le principe de la dtection
par intercorrlation pOLIr la mesure d'un signal constant ou trs lentement variable noy
bruit
1/ (t)
1
1
1
1
....I"pU-TI)
L....-_ _ _
L ____________ J
amplilienteur synchrone
Fig. 13.25
440
Tl-IORIE ET TRAITEMENT DES SIGNAUX
dans un bruit indpendant. Il assure la transposition du signal mesurer dans une bande
de frquence favorable (vitement de la bande spectrale o le bruit en l/! est dominant)
et permet conjointement un filtrage extrmement efficace.
Cette mthode est applicable lorsque le signal mesurer, dnot ici par 111 (t), peut
tre modul en amplitude l'aide d'une fonction auxiliaire IIp (t) priodique et connue
(signal d'excitation lectrique, acoustique, optique, mcanique, etc.). Le signal modul
est s (t) =m (t) u p (t).
Le signal observ l'entre de l'amplificateur est x (t) s (t - to) + Il (t) o Jl (t)
tient compte la fOs du bruit capt avec l'observation J1l (t) et du bruit propre de l'amplificateur. Le retard to est un paramtre inconnu li aux conditions de propagation du
signal.
L'amplificateur synchrone possde un gain A il la frquence de rptition 1/ T du
signal auxiliaire u p (t). Il effectue de plus le produit du signal amplifi Ax (t) par la fonction auxiliaire Llp (t - 7) et moyenne le rsultat. Le paramtre i est rglable.
La mesure, pour une valeur i donne, correspond la corrlation
(
;Pux(T)
=
. .
T
J Ax(t)up(t-i)dt
(l3.1l2)
dont la valeur asymptotique est
(13.1l3)
car m (t) varie, par hypothse, trs lentement vis--vis de u p (t) et le terme rsiduel
(T) est nul si le bruit 11 (t) est indpendant de Zlp (t) et si l'un de ces deux signaux est
valeur moyenne nulle.
Comme la fonction d'autocorrlation !.(JII (T) est maximale l'origine, et correspond
la puissance Pu, la mesure passe par une valeur maximale pour T = to. On peut estimer
ainsi la fois m (t) et le retard lo.
"PUll
13.2.11 Systme de communication talement de bande. Dfinition

Un exemple typique d'application de la corrlation destine permettre une transmission d'jnfonnation malgr des perturbations intenses est employ dans les systmes
talement de bande (en anglais: spread spectnl112 systems [139]). Ceux-dont principalement t dvelopps dans le contexte d'applications militaires (lutte contre le brouillage intentionnel). Ils peuvent toutefois aussi tre utiliss dans le domaine civil, en raison
de leur immunit naturelle aux interfrences et de leur aptitude assurer des communications confidentielles avec adressage slectif.
Le principe fondamental d'un tel systme est illustr par la figure 13.26.
La puissance du signal secondaire mis s Ct} est disperse sur une trs large bande
El en multipliant le signal message m (t) par un signal auxiliaire indpendant c (t).
trs large bande, servant de cl de codage. La multiplication de signaux indpendants
entrane la convolution de leurs spectres:
(13.114)
perturbations
cU)
Il
44l
(t )
c(l)
Fig. 13.26
Si 112 (t) est bande relativement troite BI et c (t) est bande trs large. le produit
des deux possde approximatvement le mme spectre que c (t).
Au rcepteur, la somme du signal mis s (1) et des perturbations Il (t) est galement
multiplie par le mme signal auxiliaire c (t). ce qui prsuppose une synchronisation
adquate:
u(t)
= [s(t)+n(t)]c(t)
m(t)c 2 (t)+n(t)c(t)
(13.115)
Si c (t) est, par exemple, une squence binaire pseudo-alatoire (niveaux 1), le
rsultat correspond au signal message 111 (t) accompagn d'un terme de bruit Il (t) C (t)
trs large bande qui est essentiellement limin par le filtrage final.
Seuls les rcepteurs disposant de la mme cl au dcodage peuvent reconstituer
lnformation. Plusieurs communications distinctes (cls de codage diffrentes) peuvent
ansi utHiser la mme bande spectrale sans se gner mutueJlement.
L'efficacit de tels systmes est d'autant plus grande que le rapport B21BI est
lev.
13.3 LMENTS DE THORIE DE LA DCISION
13.3.1 Processus de dcision. Dfinitions

En traitement des signaux, en reconnaissance de formes ( 13.4.8), un processus
de dcision se prsente gnralement de la manire suivante: sur la base d'un ensemble
d'observations (estimation de paramtres, extraction de caractristiques) le signal [forme]
analys est attribu il une classe. en principe prdtermine, de signaux [formes] possibles.
Un tel processus de dcision est parfos bas sur l'observation d'un seul paramtre
du signal (amplitude. frquence. phase) ou sur un ensemble de vaJeurs d'un mme
paramtre (ensemble de N chantillons, etc.). Une modlisation gnrale consiste ~
reprsenter, comme la section 13.1, les observations par un vecteur de paramtres
li =(al, a2' ... , aN)'

Si seules deux classes sont considres, on parle de dcision binaire: choix entre
les deux termes d'une alternative. C'est par exemple:
la prsence ou l'absence d'un signal d'cho radar;
le choix entre les tats logiques 0 et 1 reprsenls par tin signal de tlcommunication en transmission d'informations numriques.
Dans d'autres situations, le classement oprer implique un grand nombre de
choix: propositions de diagnostic bases sur lnterprtation d'un signaJ biomdical,
dduction des causes probables de mal-fonctionnement d'une machine d'aprs l'analyse
des signaux de capteurs appropris, identification de caractres alphabtiques ou de
442
THDIUE ET TRAITEMENT DES SIGNAUX
chiffres, tri de pices mcaniques observes par une camra de tlvision, tiquettage
d'entits gographiques en tldtection terrestre. etc. Le nombre de paramtres ci mesurer (coefficients spectraux, moments statistiques, facteurs de corrlation, etc.) ou
d'attributs dterminer (nombre d'intersections, de segments droits ou courbes, d'angles
d'un contour. etc.) peut tre lev. C'est un problme de dcision Ilypotlzses multiples.
L'ensemble des observations constitue un vnement. Une formulation classique
du processus de dcision consiste reprsenter chaque vnement par un point dans un
espace vectoriel appel espace d 'obseJ"Pation ou espace des caractristiques. La dimension de cet espace est infrieure ou gale au nombre d'observations fates; ce dernier cas
correspondant des observations indpendantes.
Chaque classe de signaux [formes] identifier y est reprsente par une combinaison typique de valeurs de paramtres formant un vecteur a : elle est donc dfinie par un
point spcifique de coordonnes en principe connues.
En raison du bruit, des imperfections de mesure, des distorsions de forme, etc.,
chaque vnement se traduit par un point situ une distance variable du point typique.
L"ensemble des vnemen ts possibles associs une classe donne fonnent ainsi un amas
ou nuage de points groups autour du point typique (fig. 13.27).
classe 1
JPJ<
classe Il
Fig. 13.27
La rgle de dcision (d'identification) est obtenue en subdivisant l'espace d'obser

vation en autant de rgions distinctes que de classes, de manire minimiser les risques
de fausses dcisions. Un problme thorique essentiel est donc celui du mode de partition (choix des frontires entre rgions).
Un taux lev de dcisions correctes n'est videmment obtenu que si les amas de
points sont nettement spars. Pour que cette condition soit satisfaite, il faut, d'une part,
chercher limiter la dispersion des points autour de la valeur typique, c'est--dire
rduire le bruit et les autres causes d'incertitudes. On doit, d'autre part, vouer une attention particulire au choix des paramtres utiliss, de manire loigner le plus possible
les amas les uns des autres (maximisation de la distance entre classes) et choisr pour
mesurer cette distance une dfinition approprie.
13.3.2 Distances usuelles. Dfinition

Dans le cas courant d'une observation unidimensionnelle (chantillon ou groupe
d'chantillons d'un signal), la distance utilise est souvent une simple diffrence de
valeurs moyennes normalises (variance unit) qui peut tre interprte comme la racine
443
carre du rapport signal sur bruit d'observation

(13.116)
Lorsque l'espace d'observation est multidimensionnel, la distance euclidienne (3.3)
est souvent employe sous forme pondre
J
d(x.l
. ,. ) =
Il
)v(X-V.)2
1
1
~ l,
1/2
(13.117)
est un facteur de pondration attach la ime caractristique observe.

Une gnralisation de cette approche est la distance de Mahalanobis [140J qui permet de pondrer l'influence des dpendances entre caractristiques
\Vi
d(x,y)
'1
'"
1....
i=!
Il
'"
1.... lV
IJ
j=1
1/'1
('x-1 - v")
1. (x
J - v)'
]
(13.118)
Le facteur de pondration est usuellement l'lment d'indice ij de l'inverse de la matrice

de covariance ex l"
Lorsque les' attributs sont binaires (symbole a et l, etc.), on emploie couramment
la distance de I-Iamming (3.7).
13,3.3 Illustration
Soit identifier un message binaire A ou B reprsent par une suite de 3 bits
(a ttributs). Sous l'effet du bruit prsent au moment de l'observation, chaque bit du
message risque d'tre mal interprt. L'espace des observations est ainsi constitu de
23 ::::: 8 mots distincts (fig. 13.28). La distance de Hamming entre ces mots est au maximum de 3: par exemple entre 000 et Ill.
110
100
-""----,
......
................
1...........
.............
-'r!--
---::q
III
lOI 11010
000
Fig. 13.28
Une partition optimale de cet espace consiste attribuer l'information A l'un

des mots de cet ensemble, par exemple 000, ainsi que tous ceux qui ont avec lui une distance de Hamming gale un: 001, 010,100. L'information B est alors reprsente par
le mot le plus distant de 000, c'est--dire Ill, complt par tous les mots qui sont distance unit: 110,101, al L
Une erreur de dcision n'est ainsi commise que si au moins deux bits du mot sont
incorrectement interprts.
444
Tl-1l::0ItU': ET TRAITEMENT DES SIGNAUX
13.3.4 Dcision binaire. Dfinitions

Le problme de la dcision binaire classique peut tre formul de la manire
suivante.
Une source d'information produit deux signaux possible So et SI, avec les probabilits respectives Po = Prob (so ) et PI = Prob (SI)' Ces signaux parviennent l'observateur
sous une forme altre (par exemple: x = Si + n) en raison de leur contamination par des
perturbations alatoires diverses. Connaissant la nature binaire de la source. l'observateur
peut mettre deux hypothses. dnotes par Ho et HI, sur l'identit du signal mis. Sur
la base de son observation (continue ou discrte) du signal reu x ou, plus gnralement,
d'un ensemble d'observations x) l'observateur doit faire le choix de rhypothse la plus
vraisemblable. Pour ce faire, il doit appliquer un critre de dcision.
Le choix entre ces deux hypothses peut conduire aux quatre situations suivantes:
"
"
choix
choix
choix
choix
de
de
de
de
Ho alors que Ho est vraie;
Hl alors que Hl est vraie;

Ho alors que Hl est vraie;
HI alors que Ho est vraie.
Les deux premiers cas correspondent une prise de dcision correcte: les deux cas
suivants correspondent des dcisions errones. Le critre de dcision tablt une stratgie destine rduire au mnimum le risque d'une dcision incorrecte. Il peut tre nterprt comme une
permettant de diviser l'espace d'observation 0 en deux rgions
mutuellement exclusives 0 0 et 01. Selon que l'observation est un lment de 00 ou de
o l.la dcision est prise d'accepter l'hypothse Ho ou, au contraire, l'hypothse HI.
Les trois princpaux critres usuels sont le critre de Bayes. le test mnmax et le
critre de NeymanPearson.
13.3.5 Critre de Bayes. Dfinitions

Le critre de Bayes est applicable lorsq ue l'on a une connaissance a priori des
probabilits Po et PI d'apparition des deux signaux de la source So et SI' Ce critre consiste dtermner les rgions 00 et 0 1 de l'espace de dcision de manire rendre minimum la probabilit d'en"el,1f totale. Cette probabilit. dnote Pe' est gale la somme
de la probabilit conjointe d'accepter l'hypothse Hl lorsque le signal So est mis et de
la probabilit conjointe d'accepter l'hypothse Ho lorsque SI est mis. Par (14.6):
Pe
Prob (Hl' So) + Prob (Ho. sd
= Po Prob (HII so) + Pl Prob (Ho 1sd
(13.119)
Les dcisions incorrectes sont prises lorsque l'observation x appartient la rgion
0 0 alors que Si SI ou la rgion 01 alors que Si =so. Les probabilits conditionnelles
correspondantes sont par consquent obtenues en intgrant les densits de probabilit
conditionnelle P (x 1 so) et P (x 1s]) sur l'ensemble des valeurs de x appartenant il la
rgion 01. respectivement 00 :
Pro b ( HIis 0 )
J
J
00
Of)
01
Prob(HolsJ)
}- J p(xlso)dx
(xlsddx =
J
p(xlso)dx
1-
p(xlsddx
01
(13.1:20)
445
En introduisant (13.1.20) dans (13.119) de manire regrouper des intgrales relatives au mme domaine d'intgration, la probabilit d'erreur totale devient
P15
Po
[Pl p(xISt)
POp(xlso}Jdx
00
== Pl
J [Po p (xlso ) -Pl p (xl sdJ dx
(13.111)
0)
Cette probabilit d'erreur est videmment minimale si les rgions 0 0 et 0 1 sont

choisies de manire rendre le rsultat des intgrations respectives le plus ngatif possible.
Une probabilit et une densit de probabilit tant par dfinition positive, cette condition est ralise si 0 0 est dfinie comme la rgion de J'espace d'observation pour laquelle
(13.11.2)
et la rgion 0 l celle pour laquelle

(13.113)
La figure 13.29 Ilustre cette partition optimale dans le cas de densits de probabilit
unimodales gaussiennes et d'une observation unidimensionnelle.
Fig. 13.29
Le critre de Bayes se rsume de la manire sUvante
p(xlsd
p (x 1so)
Hl
~
Ho
Po
(13.1.24)
Pl
et s'nonce comme suit:

si l'observation x est dans la rgion 00 dtermine par (13.1.22), l'hypothse
Ho est accepte;
CD si l'observation x est dans la rgion OJ dtermine par (13.123), l'hypothse
Hl est accepte.
446
TI1ORIE ET TRAlTEMI~NT DES SIGNAUX
13.3.6 Dfinition: rapport de vraisemblance

Le rapport
A(x)
,.
P (xlsd
p (xlso)
= ---
( 13.115)
est appel le rapport de vraisemblance (en anglais: likelillOod ratio).

Une forme quvalente la relation (13.124) est obtenue en prenant le logarithme
des deux. membres. Le logarithme tant une fonction monotonement croissante, on
obtent pour le critre de Bayes:
ln A (x) HI ln
Ho
(Po)
(13.116)
Pl
13.3.7 Terminologie et dfinitions

Les probabilits conditionnelles apparaissant dans les relations (13.110) sont
souvent appeles, dans la littrature spcialise, de la manire suivante (fig. 13.30):
probabilit de fausse alarme
Pr
= Prob(H1Iso)
:::::
J
0
fit
p(xlso)dx
(13.117)
P (x 1sd dx
(13.118)
probabilit de dtectioll
P ct
= Pro b ( H tI s d =
J
1
fit
probabilit de lion dtection

Pn
= Prob(Holsd =
l-pd
f p(xlsddx
(13.119)
0l!
avec, par (13.116), la probabilit d'erreur totale
Pe
(13.130)
PoPr+PlPn
p(xISj)
o
Fig. 13.30
D(:TECTION ET ESTIMATION
447
Cette terminologie est emprunte au langage utilis en radar o les hypothses Hl

et Ho correspondent respectivement il la prsence ou l'absence d'une cible situe sur le
passage du faisceau d'exploration. On prfre, en reconnaissance de formes, parler en
lieu et place de fausse alarme et non dtection de fausse dcision positive et fausse
dcision ngative.
En terminologie statistique, rerreur commise en rejetant l'hypothse Ho alors
qu'elle est correcte est appele erreur de premire espce. La probabilit d'erreur dc
premire espce est dnote par . L'erreur commise en acceptant l'hypothse Ho alors
que Hl est correcte est appele l'erreur de deuxime espce. La probabilit d'erreur de
deuxime espce est dnote par {3. On a ainsi: Pr = et Pn = {3.
13.3,8 Coefficients de cot et risque moyen, Dfinitions

Pour mettre en vidence l'importance rclatve accorde chacune des quatre situations qui peuvent dcouler du choix entre les deux hypothses Ho et Hl, on peut modifier la rgle de dcision en introduisant des coefficients de pondration. Ces coefficients,
appels coefficiellts de cot, sont dnots usuellement par Ci; o le premier indice reprsente l'hypothse correcte et le second la dcision. Ils peuvent tre reprsents sous
forme matricielJe par:
c =
[cao
(13.131)
CIO
On dfinit ainsi un risque moyen:

1
L L
i=O
1'=0
CijPi
Jp(xls;)dx
(13.13:2)
Dj
La rgle de dcision selon le critre de Bayes est obtenue en cherchant le minimum

du risque moyen. On obtient:
(13.133)
avec. dans certains cas, Coo = C11 ;;;: 0 (pondration diffrencie des risques de nOIl dtection et de fausse alarme).
13.3,9 Exemple: observation unique

Considrons une source de tension gnrant un signal binaire alatoire s (t) prenant
soit la valeur A (hypothse Hl) avec une probabilit PI, soit la valeur zro (hypothse Ho)
avec une probabilit Po. Avant de parvenir l'observateur (systme de dtection) ce
signal est contamin par un bruit gaussien 11 (t) de valeur moyenne nuJle et de variance
o~. La tension de sortie de la source et le bruit sont des phnomnes statistiquement
indpendants. La distance normalise sparant les deux amas de points d'observation
peut tre simplement dfinie selon (13.116) par d(XHO,X'Hd=.lxHl-f.lxHO)/OIl A/ail'
A la rception. l'observateur doit dcider, sur la base d'un prlvement x effectu
sur le signal reu un instant t donn, queI1e valeur du signal mis correspond la valeur
448
observe. Pour prendre sa dcision, l'observateur applique le critre (13.1 ~6). En raison
du caractre lInimodal de la densit de probabilit gaussienne. le test se ramne ici la
comparaison de l'chantillon prlev avec une tension de rfrence: seuil de dcision
optimum minimisant la probabilit d'erreur totale.
Dans l'hypothse Ho, le signal observ est XHOU) = 12 (t) avec densit de probabilit
conditionneHe
C:!1T~rlf2exp
p(xlso)
Dans l'hypothse HI. on a .t'Hl (t)

P(XISl)
+x2I~)
A
(13.134)
+ Il (t) avec
= (21Ta~rl/2exp[-t(x-AfI~]
En remplaant dans (13.126) et en rsolvant par rapport ['observation

mum devient
(13.135)
.t'.
le test opti-
(13.136)
et le seuil de dcision est la valeur Xs correspondant l'galit des deux membres de

(13.136).
Les probabi1its de fausse alarme, de non dtection. de dtection et d'erreur
totale se calculent alors partir de (13.127). (13.128). ( 13.129) et (13.130) avec ici:
0 1 = [xs. + 00] et 0 0 = 00. xsl
Par exemple, pour Po = PI =
1I
., V et A
6 V, on obtient Xs = A/2 = 3 V
et en se rfrant ]a table de la loi normale de la section J 5.8: Pr::: Pn Pt; =
6,68 '10-1 .
Par contre, dans le cas de probabilits d'mission ingales Po::: 0,9 et Pl = 0,1
avec mme niveau de signal A et mme variance a~, on a: X s = 4.46 V, Pr:== I,3 -10-:1,
Pn:== :2,1- J 0- 1 et Pt: = 3.36 -10- 1 . Le maintien. dans ce cas, d'un seuil de dcision non
optimal A 12 conduit il la probabilit d'erreur totale suprieure de 6,68j 0- 2
r-
+,
13.3.1 0 Exemple: observations multiples indpendantes

Dans les mmes conditions de signal et de bruit. considrons le prlvement, non
pas d'un chantillon unique du signal reu. mais d'un ensemble de N chantillons
XI,X2, ... , xN dont les contributions de bruit sont statistiquement indpendantes. Ces
N chantillons forment dans l'espace d'observation N dimensions un vecteur x qui,
selon l'hypothse Ho ou Hl, possde les densits de probabilit conditionnelle dduites
de (5.33)
N
n (21Ta~rlf:! exp (-
(13.137)
;=0
et
N
P (x 1 SI)
rI (:::! 1T
i=O
r 1/2 exp [- t (xiA ,) "2/ a ~ ]
(13.138)
449
Le test (13.1 ~6 ) se ramne ainsi :

1
X = N
HI
Xi
Ho
i=l
a~
1
-ln(po/pd +-;;-A
NA
-
(13.139)
o la valeur moyenne exprimentale x reprsente une statistique suffisante pour la prise

de dcision. La variance du bruit est alors rduite d'un facteur N en accord avec (13.28).
13.3 .11 Test minimax. Dfinitions
L'hypothse fondamentale du critre de Bayes est la connaissance des probabilits

a priori Po et Pl. Cette hypothse permet de dterminer le test qui minimise la probabilit d'erreur totale (OL! le risque moyen). Cependan t, dans un certain nombre de problmes,
la statistique de la source (Po et Pl) n'est pas connue ou n'est pas stationnaire, Si le
seuil est fix arbitraremenLla probabilit d'erreur totale n'est pas ncessairement minimum. On peut. par contre, dterminer en fonction de la statistique de la source, le cas
le plus dfavorable conduisant au risque moyen le plus grand et chercher le rendre
minimum. Ceci implique bien sr le choix des coefficients de cot. Le critre de Bayes
utilis pour rendre millimum le risque moyen maximum est appel le test minimax et
le risque correspondant est not Rmnimax'
Dans ce Lype de dcision, 011 introduit gnralement un risque diffrenci pour
tenir compte de lmportance relative des cas de dcision errone, sans introduire de
pondration relative pour les dcisions correctes. L'expression du risque moyen (13.132),
avec Coo ::::CIl = O. peut ainsi se mettre sous la forme suivante. avec Po = 1- PI'
R
COI
Po Pr + CIO Pl Pn
COI
Pr + Pl (CIO Pn -
COI
pd
(13.140)
Pour un seuil de dcision Xs et des densits de probabilit conditionnelles P (x 1 so)

et P (x 1 s,) donns, les probabilits Pr et Pn sont dtermines et par consquent, le risque
moyen R est une fonction linaire de PI (fig. 13.31), de pente ClOP n COlPr. Cette
droite R (p 1) est tangente au lieu des risques moyens minima R min (PI) valus selon le
critre de Bayes pour chaque valeur de PI.
R
1.
_ - nsqllc maximum
1
1
~ R(pt)
1
-'---1
POUf.l: s optlllll!l1
pOllrp7
1
1
~Rlllin(Pll
1
1
1
1
1
1
o
Fig. 13.31
Pl
450
THORIE ET TllAITEMENT DES SIGNAUX
La minimisation du rsque maximum, quelque soit Pl, est obtenue en choisissant

comme seuil Xs celui qui annule la pente de R (Pl ), c'est--dire celui qui satisfait
r quatio/l111nimax
ClOPn -CoIPr :::::
(13.141)
Dans le cas particulier o COl::::: ClO:::: 1 (erreurs de premire et de deuxime espces

juges d'gal cot), le test minimax revient ci choisir Xs de manire il rendre les probabilits d'errem conditionnelles Pr et Pn gales.
13.3.12 Critre de Neyman-Pearson. Dfinition
Si les probabilits a priori Po et Pl ne sont pas connues et qu'il est d jfficle d'attribuer des valeurs ralistes aux coefficients de risque, on peut chercher tablir un critre
de dcision en utilisant uniquement les probabilits conditionnelles Pr et Pd ::::: 1 - Pn'
En principe, on dsire rendre simultanment Pr et Pn aussi faibles que possible. Malheureusement, la dimnution de rune provoque en gnral l'augmentation de l'autre. On
recourt alors au critre de Neyman-Pearsoll qui consiste fixer la probabilit de fausse
alarme ci une valeur admissible arbitraire au et chercher, sous cette contrainte et dans
la mesure du possible, ci rendre maximum la probablit de dtection Pd (ou, d'une
manire quivale!lte, rendre minimum Pn).
Dans le cas gnraL cette minimisation sous contrainte peut t~e mene par la
mthode des extrema lis (multiplicateur de Lagrange ). Le test de vraisemblance
(13,116) associ au critre de Bayes est alors remplac par le test: ln i\ (x) ~ ln (Qa).
Le seuil . (aa) est dtermn par la relation: Pr::::: Prob [/\ (x) > .IHo] (Yu'
Dans le cas le plus simple (seuil de dcision unique), =Xs est directement dtermin. pour aa fix, par
J P (.~ s0) d x
(13.142)
Xs
La probabilt de non dtection est alors simplement donne par

Xs
Pn :::::
J p(xlsddx
(13,143)
13.3.13 Exemple: dtection radar

Soit un signal radar, constitu d'chos ventuels de forme A rect (t 1T) cos ('2 rr!ot),
observ en prsence de bruit additif gaussien de valeur moyenne nulle et variance a ~ par
un rcepteur comprenant un dtecteur d'enveloppe (fig. Il.23) suivi d'un organe de
dcision. Ce dernier reconnat la prsence ou l'absence d'cho en comparant la valeur
d'un chantillon de l'enveloppe r(t) un seuH de rfrence V.
En l'absence d"cho, l'enveloppe l'Ct) du bmit seul possde, selon (7.49). une distribution de Rayleigh et la probabilit de fausse alarme vaut
Pf
J (rla~)exp(-+,.1Ia~)d}'
v
exp(-+V2Ia~)
(13.144)
451
d'o l'on tire, pour une valeur Pf = a donne,
v = a" .yi -
.2 ln il
(13.145)
En prsence d'un cho, la statistique de l'enveloppe est celle de Rice-Nakagami

(7.57). La probabHit de dtection vaut alors
Pd =
( ailAV)
a"
~exp
0;,
Q (a, b)
Q --
(13.146)
Lntgrale
exp [--t(a 2 +u:!)]Io (au)u du
(13.147)
est connue sous le nom de fOllction de AIarcum et peut tre value numriquement
[141] par la formule de rcurrence
(13.148)
Q(a,b)=l-Lgllk"
11=0
avec
(13.149 )
Une abaque de la fonction de MarcuIn est reprsente la section 15.9.
Tableau 13.32
Critre
Connais"ancc a prior
Bayes
Facteur de mrite minimis

Pro bablit
d'erreur totale:
Pc:
Bayes
uvec
erreurs
pondres
Test
Po et Pt
p (.tlsi) avec i= 0.1
la
ec
C lIl ]
CIO
Bayes
avec
dcisions
pondres
PI cl PI
.p(xlsj)avec ;=0.1
Minimax
P (xISi) avec i
Risque moyen:
R::::
COI
Po Pf+
CJ[lP I
Pn
Risque moyen;
8<..'= [CliO COI]

CIO
Popr+PtPn
~ ~
1=0/=0
CijPi (P{X1Sf)dX
Dj
CIl
0.1
Risque moyen maximum.
Seuil dduit de
Rminimax
C
NeymanPearson
., P (xISi) avec i
Pr= (la
=0.1
Probabilit de non
dtection:
Hl
A(x) ~ ((la)
Pn
avec
Ho
dduit de P f;;;;;; (la
THI~OIUE ET TRAITEI\IENT DES SIGNAUX
452
13.3.14 Comparaison des critres de dcision binaire

Les caractristiques des diffrents critres de dcision mentionns sont rsums
dans le tableau 13.3~.
13.3.1 5 Dfinition: caractristiques oprationnel1es d'un rcepteur
L'application des critres de dcision des cas concrets fait appara tre un paramtre
important: la distance d = d (xHO, XH 1) entre les valeurs moyennes des distrbutions
p(xlso) et p(xlsd. Dans l'exemple 13.3.9, cette distance est simplement gale l'am-
/
/
0,8
/
/
d=O,5/
/
/
/
0,6
0,4
/
0,2
/
/
Pf
0,2
0,1
0,6
0.8
1,0
Fig. 13.33
Pd
0,9999
0,999
0,99
0,98
0.9
0,8
0,7
0,5
0,3
0,1
10- 2
10-)
Fig. 13.34
453
plitude du signal divise par la valeur efficace (cart-type) du bruit. On appelle caractristiques opratio1lnelles d'un rcepteur la reprsentation graphique de la probabilit de
dtection Pd en fonction de la probabilit de fausse alarme Pr pour des valeurs constantes de la distance d. Pour un bruit gaussien, on obtient les caractristiques reprsentes
sur la figure 13.33.
Il est galement possible de reprsenter la probabilit de dtection Pd en fonction
de la distance d pour Pr constante. Dans le cas d'un bruit gaussien, une reprsentation,
avec une chelle gaussienne en ordonne et linaire en abscisse, conduit au rseau de
droites reproduit sur la figure 13.34.
13.4 DTECTION DE SIGNAUX DE FORMES CONNUES
13.4.1 Dtection optimale d'un signal connu en prsence de bruit: le filtrage adapt.
Dfinition
Un filtre adapt (en angla is: ma tc/zed filter) est un systme linaire ( 8.~.~ 7)
optimisant la dtection d'un signal s (t) de forme connlle en prsence de bruit additif
indpendant. I/maximise le rapport signal Slir bruit l'instant de la dcisioll.
Dans le cas d'un bruit blallc.la rponse impulsionnelle du filtre adapt se dduit
simplement de la forme du signal s (t) par la relation
(13.1 50)
ga(t) = ks*(to-t)
o k est une constante arbitraire (dpendant du gain du filtre) et to un paramtre de

retard correspondant gnralement la dure T du signaL
Le signal de sortie du filtre excit par la somme x (t) = s (t) + Il (t) devient alors
(13.151)
Le filtre adapt se comporte ainsi en corrlateur vis--vis du signal ci dtecter. Le
rapport sigllal sur bruit est optimum en t = to et Ile dpend Que de l'nergie du ~;ignal et
de la dellsit spectrale dll bruit.
13.4.2 Dmonstration
Considrons le systme de traitement reprsent la figure 13.35.
Soit x (t) = SI (t) + 111 (t) et y (t) = Sl (t) + Il"]. (t). Le signal u tHe d'entre SI (t) est
connu. Son modle peut etre rel ou complexe (enveloppe). Le bruit 111 (t) l'entre est
LlO processus alatoire stationnaire valeur moyenne nulle suppos ici il spectre constant
(bruit blanc): (I)/I1 (f ) = 77. Dnotons par ~ (to) le rapport de la pUssance instantane
du signal l'instant t = to et de la puissance moyenne (variance) du bruit il la sortie du
filtre
+-
(l3.15~)
On choisira videmment to comme l'instant o Is"]. (t) 1 est maximum.

x( t)
muc linairc
g(t)
y(1)
~~--~'
..
Fig. 13,35
ch,mtllonnal!c cn r = t
.
dcision
454
La densit spectrale de puissance du brut la sortie du filtre est donne. selon

(8.14), par
(13.153)
o G (f) = F {g(t)} est la rponse frquentielle du filtre. Ainsi, la puissance moyenne
du bruit la sortie du filtre VLlut
(13.154)
o' :'pg(T) est la fonction d'autocorrlation de la rponse impulsionnelle g(t).
D'autre part, le signal utile de sortie du filtre est donn par:
(13.155)
On obtient finalement:
Le filtre optimum qui maximise

de Schwarz (3.11) qui entrane qu'ici
~(to)
est facilement obtenu en utilisant l'ingalit
j~ G(nSI ([ )exp (j ll1ftoldfl' .;;
_1
IG (!lI'
df~1 ISI ([li' df

(13.157)
L'galit n'est ralise, selon (3.21), que si
GCf)
= Ga(f)
== kSi(f) exp (-j2rrft o )
(13.158)
o k est une constante complexe arbitraire.

On obtient ainsi l'ingalit
(13.159)
car ISl(f)exp(j1rrfto)l:! IS1(f)1 2 et rl~=fISl(f)12dfest l'nergie du signal inci
dent.
La valeur maximum de ~ (to) est donc atteinte lorsque le filtre est dfini par
(13.158) ou, en d'autres termes et en tenant compte de (4.54), lorsque sa rponse impul~
sionnelJe est donne par
gu(t) = f-l{G a (f)}
SJ(f)exp[j2rrf(t-t o )]df ==
(13.160)
= ks;(to-t)
Lorsque
SI
(t) est une fonction relle: si(t) = SI (t) et l'on a simplement

(13.161)
455
Pour tre ralisable, le filtre doit tre causal, c'est--dire que g (t) = 0 pour t < O.
II en dcoule que si s} (t) est un signal impuIsionnel de dure T, on doit avoir to ~ T
pour satisfaire la condition de causalit, Je cas to T tant pratiquement la rgle.
Le signal utile de sortie est donn par la convolution
(13.16~)
et s'identifie, par
1) avec une version dcale de ta de la fonction d'autocorrlation
du signal incident SI (1). Le maximum de cette rponse a bien lieu, selon (4.49). en t to.
Le filtre adapt est dOliC qul1alent lm intercorrlateur comparant le SigllOl brut
d'ell1re x (t) une rplique du sigllal dtecter SI (t).
13.4.3 Rapport signal sur bruit instantan et rsolution temporelle

Ainsi que l'indique le second membre de l'ingalit (13.159), le rapport signal sur
bruit optimum l'instant t = to Ile dpend que de l'llergie du signal utile d'entre et de
la densit spectrale de puissance du bruit blanc
(13.163)
En prsence du mme bruit, diffrents filtres adapts des signaux de formes diffren
tes mais ayant la mme nergie Wr - se comporteront de manire quivalente en terme
de rapport signal sur bruit J'instant de la dcision.
Il n'en va pas de mme en ce qui concerne la rsolution temporelle qui fixe le pouvoir de sparation de deux impulsions rapproches.
Sans filtrage adapt, cette rsolution est sensiblement gale la dure T de l'impulsion incidente. Or cette dure ne peut tre rduite sans rduire du mme coup l'nergie
H's, car la puissance moyenne Ws/T d'mission du signal est naturellement limite en
pratique.
Aprs filtrage adapt, la rsolution est dtermine par la dure de corrlation DT
du signal, comme nndique le rsultat (13.162). Or on sait, par (7.144), que cette dure
signal
-+_ _ _ _ _ _t..\I\WIIIlUIlII!
UlllIllnllll1f
siunal
ID'
+ bruit
~,II~- ~~I~r
t s;gnal + bruit mte'
nal
+ bru. """,.t_1=->1lo.J<tr"'-._ _._____ ..."................,. .. _
Fig. 13.36
l$n~tArt-
456
THtOlUE ET TRAITEMENT ilES SIGNAUX
est invcrsmen t proportionnelle la largeur de bande approx.ima tive B T' Le filtrage adapt
offre ainsi la possibilit d'un gain substantiel en rsolution, la condition de travailler
avec des signaux. large bande (fonction d'autocorrlation troite): donc produit BT
leJ,e.
Les signaux de ce type les plus frquemment utilises sont l'impulsion sinusodale
module en frquence
90]. mieux connue sous son patronyme anglais de chirp, et
les squences pseudo-alatoires (sect. 5.10). D'autres squences bonnes proprits de
corrlation sont dcrites dans [142].
La figure 13.36 illustre les performances en rapport signal sur bruit instantan et
en rsolution obtenues par filtrage adapt pour deux signaux de mme nergie Ws
et mme dure T noys dans du bruit blanc indpendant: une simple impulsion rectangulaire et un signal chirp.
13.4.4 Filtrage adapt en prsence de bruit color

Si le bruit n'est pas blanc, la rponse frquentielle Ga (f) du filtre adapt peut tre
obtenue en considrant la mise en cascade d'un premier filtre. de rponse G 1 (f), transformant le bruit color en bruit blanc. et d'un second filtre, de
G'2 (f), adapt
au signal Ulile de sortie du premier (fig. 13.37).
SI (1)
+ III (r)
Fig. 13,37
En dnotant par cfl"l (f) la densit spectrale de puissance du bruit color incident
(t) et par (I}/Ih (f) = +17 ceHe du bruit blanc il ]a sortie du premier nItre, sa fonction
de rponse frquentielle doit satisfaire. selon (8.:24), la relation
III
1CI
(f ) .1 2
7] /
(1) 1/ d f )
( 13 .164 )
Par (13.158), le deuxime filtre possde ]a rponse frquentielle

C 2 (f)
k Sb' exp (- j 2rrft o )
(13.165)
o Sb (f) est la transforme de Fourier du signal utile la sortie du premier filtre:

(t) = SI (t) * gl (t). Ainsi, par (8.14).
Sb
(13.166)
La rponse frquentieIJe globale du fillre adapt vaut

Ga(f)
C.(f)G 2 (f)
!C'
avec
l'
li.
1
=""217
k.
= kIC 1 U')1
Sr(f)exp
st (f) exp (- j 'Y.rrfto )/q)nl (f ')
selon (8.33)
j21ift o )
(13.167)
457
nt,TECTlON ET ESTIMA TlON
13.4.5 Filtres sous-optimums

Le filtre adapt optimum dfini par (13.150) ou (13.167) n'est pas toujours facilement ralisable. Des filtres sous-optimums plus simples peuvent tre utiliss au prix d'une
lgre diminution du rapport signal sur bruit instantan (13.151).
Les performances en rsolution dpendent surtout de l'adaptation (conjugaison)
de la rponse de phase du filtre au spectre de phase du signal [143].
L'efficacit relative du filtre sous-optimum est donne par le quotient de son
rapport signal sur bruit instantan et de celui du filtre optimum. Dans le cas du bruit
blanc, on a par (13.15:2), (13.154) et (13.163)
~ (ta)n
opt
= 1., (ta li'
w;'jf IG
avec to choisi de manire il rendre
S2
(f) 12 dl
= 1'2 (ta)l'/
[w
s oPg (0)] (13.168)
(to) maximum.
13.4.6 Exemple
Soit SI (t);::; A rect[(t T)I T] avec
= A 2 T. Par (13.150), la rponse impulsionnel1e du filtre adapt optimum est, avec k 1: ga (t) =A rect [(to - t
T)I T] ::::;
A reet [(t TT)I T] en raison de la symtrie de Sl(t) el en choisissant to::::: T. Le filtre
adapt optimum est donc un oprateur d'intgration pendant une dure T ( 8.2.19).
On sait qu'une ralisation approximative d'un intgrateur est le filtre RC passe-bas
du premier ordre ( 8.:2.24) de fonction de rponse frquentielle G (f) = [1 + j (f/fc l
o fc- 1 = 21TRC et de rponse impulsionnelle g(t) (RCr l exp [- t/(RC)]' e(t). La
rponse S2 U) de ce filtre l'excitation sJ (t) pour 0 ~ t ~ T est la rponse indicielle
S2 (t) =.11 {1 - exp [- t/(RC)] e(t)} qui est maximum pour to = T. La valeur l'origine
:{;g (0) (2RCr l . En remplaant dans (13.168), l'efficacit relative devient
w.,
)r
~(to
= T)/~oPt
::: 2RC{1
exp[-TI(RC)]rIT
(13.169)
qui est maximum pour TI (RC)::: 1,25 et vaut alors 0,816. Ceci correspond une dgradation relative du rapport signal sur bruit de 0,88 dB.
Un rsultat identique est ~btenu, dans le cas d'une impulsion sinusodale d'enveloppe rectangulaire, avec un circuit rsonnant RLC en remplaant dans (13.169) la
constante de temps RC du filtre passe-bas par (1TBr l o B est la bande passante - 3 dB
du circuit rsonnant.
D'autres approximations sont possibles (exercices 13.5.24).
13.4.7 Applications: dtecteur corrlation ou filtres adapts

La thorie du filtrage adapt montre qu'une technique optimale d'identification
de signaux de formes connues en prsence de bruit indpendant est la corrlation. Celleci peut tre implmente soit l'aide de corrlateurs (fig. 13.38) - ventuellement rali
ss de manire simplifie ( 13.2.4) - soit l'aide de filtres adapts selon le schma de
la figure 13.39.
458
THORIE E,T TRJ\ITEMENT DES SIGNAUX
iden tification
Z:(T)
x(t)
dusi(l)
corrcspondan 1
au plus grand
= 5i{t) + 1I(t)
:/(T)
Fig. 13.38
identification
du 5j{t)
correspondant
au plus grand
Zj(T)
chantillonnage en t
=T
Fig. 13.39
13.4.8 Introduction la reconnaissance de formes. Dfinitions

La reconnaissance de formes (en anglais: pattern recognition) est un processus de
dcision. Son objectif est l'identification, malgr une observation gnralement imparfaite,
d'un signal uni-, bi- ou tri-dimensionnel (phnomnes acoustiques, sismiques, biologiques, caractres imprims ou manuscrits, empreintes digitales. objets matriels, etc.). Son
potentiel d'application en robotique, en inspection automatique et comme aide au diagnostic industriel (surveiJIance de machines) ou mdicaJ (surveillance de malades), est
considrable. EUe fait Jargement appeJ aux principes thoriques d'estimaton, de comparason et de dcision dcrits dans ce chapitre.
Les mthodes de reconnaissance de formes peuvent tre subdivises en trois catgories [144-J 48]:
les mthodes corrlatives (en anglais: template matching) dans lesquelles la

forme identifier est compare un ensemble de gabarits constituant les prototypes de chaque classe connue;
459
les mthodes l'ectol'ielles (gomtriques ou statistiques, souvent dnommes en

anglais: decisioll-theoretic approach) o chaque forme correspond fI un point
dans un espace d'observation~
.. les mthodes syntaxiques qui font appel fi une description structurale des
formes.
fi
Les mthodes corrlatives sont les plus simples appliquer. Elles englobent le
adapt dcrit dans cette section et peuvent tre considres comme un cas particulier des mthodes vectorielles ou syntaxiques. Une mesure de concordance (par exempIe: corrlation) entre la forme identifier et chaque gabarit est calcule. Le critre de
dcision d'appartenance il une classe donne est celui de la plus grande concordance. Le
schma de principe d'un systme de reconnaissance de formes corrlatif est analogue
ceux des figures 13.38 et 13.39.
Dans les mthodes vectorielles (fig. 13.40), chaque forme observe est reprsente
dans l'espace d'observation introduit au paragraphe 13.3.1 par un l'ecteur de description
x = (x}. X2 ... , x ll ). Chaque composante xk est une caractristique particulire mesure
(par ex. variance, coefficients de Fourier, surface, primtre, moment d'inertie, etc.). A
chaque classe de formes correspond ainsi un amas plus ou moins compact de rsultats
passibles. L'identification est base sur un test d'appartenance du vecteur x un amas
donn (segmentation de l'espace d'observation). Les critres de dcision sont divers. Une
approche courante est l'utilisation de fonctions discriminantes dfinissant les frontires
entre classes. Aux flI/ classes nt, ... , n iU de formes identifier, on associe Al fonctions
~ 1 (x), ... , .:lM (x) telles que, pour i =;!= j, ~i(X*) > ~j(x*) pour le plus grand non:bre de
formesx* d'une classe ni donne, de manire minimiser le risque de mauvaise classification. Ce problme peut tre abord analytiquement si la statistique des erreurs de mesure
est connue (un exemple simple est le critre de Bayes en dcision binaire dcrit au paragraphe 13.3.5). En pratique, J'optimisation des rgles de dcision est effectue au cours
d'une phase initiale d'apprentissage ralise avec une population adquatement choisie
de formes reprsenta tives. La recherche d'un mode de description optimal de l'ensemble des formes identifier permettant de les regrouper en amas aussi disjoints que
possible est le problme de la classification automatique ou coalescence (en anglais;
clustering ).
description de la forme observe

forme observe
prtraitcmcnt
extrnction de
caractristiques
11-1
classement
analyse
disclr'u'inanLe
reconnaissance
---
~-
...--_--l.._ _...,
chantillons de rormes
slection de
'lpprcntissJgc:
- - - - - . . . . , cnracLerisliqucsl-----II>--I d{crmin~{ion des
rgles de dcision
Fig. 13.40 Schma-bloc d'un systme de reconnaissance de formes vectoriel.
analyse
460
description de la forme observe

forme observe
dcomposition
--~II>-Iou segmentation
idcntilcation
des primitives
classement
analyse
syntaxique
rcconnaissanCt!
chantillons de formes
slection
des
Fig. UAI
Schma~blDc
prl"ml"tl've".,
analyse
appreutissage:
1----------1..., dduction des rgles
grammaticales
d'un systme de reconnaissance de formes syntaxique.
L'approche syntaxique (fig. 13.41) fait appel cl la thorie des langages. Une forme
est dcrite comme une certaine combinaison structure de primitives lments de formes reconnaissables dont les rgles d'enchanement (concatnation) dfinissent une
grammaire. La reconnaissance implique une identification initiale des primitives suivie
d'une analyse syntaxique. Une reprsentation arborescente des rgles d'enchanement
des primitives est souvent utilise. Le classement peut s'oprer alors en comparant la
trajectoire dcrite dans l'arbre par la forme observe aux trajectoires types dfinies
pendant la phase d'apprentissage.
13.5 EXERCICES
13.5.1 Soit un signal x (1) drivant linairement avec le temps: x (t) =at + b + J1 (t) o
Ct) est un bruit gaussien valeur moyenne nulle et variance a~. Dterminer les qua-
JI
tions des paramtres et b estims selon la mthode du maximum de vraisemblance

raide d'un ensemble de m mesures (chantillons) Xl x l1l si les chantillons de bruit
sont indpendants.
13.5.2 Dterminer les quations des estimations, au sens du maximum de vraisemblance,

de la variance d'un processus gaussien x (t) valeur moyenne nulle:
si l'on dispose de N chantillons indpendants Xl il x N ;
si l'on dispose d'une observation continue x Ct) de dure T.
13.5.3 Dmontrer la relation (13.22) et calculer les estimations QCQm'

respondantes.
amllP et aabs cor-
13.5.4 Soit x Ct):::: s (t -a) + n (t) o s (t) est un signal de forme connue et Il Ct) est un
bruit gaussien. On dispose d'une observation continue de x (t) de dure T ~ a. Dtemli
ner et interprter rquation intgrale dont la solution correspond l'estimation vraisemblance maximale Grnv du retard a.
461
13.5.5 Evaluer l'erreur quadratique moyenne commise dans le cas de la prdiction linaire
de l'exemple 13.1.20.
13.5.6 Soitzj=a+ni,i=1. ... ,N,avecE[n;]=O, E [ninj]=O et E[nr]=a~.Montrer
que l'estimation linaire optimale G20 du paramtre a ne correspond pas la moyenne
arithmtique des Zj et est biaise.
13.5.7 Soit un signal x(t) dont les valeurs sont connues aux instants t=O et t T.
Dterminer l'quation de l'estimation linaire optimale de x (t) pour 0 < t < T (interpolation linaire).
13.5.8 Soit x (t) := S (t) + Il (t) o Il (t) est un bruit indpendant du signal s (t).
Montrer que le filtre de Wiener causal possde la fonction de rponse frquentielle
Go (f) = 1 [c:I>'J (f)/ ,JI '" (f)} +/'.lt (f)' o 1\lI (f) 12 := c:I>x (f). Montrer e si <P'I (f) =
11 (bru it blanc) et que la puissance du signal est finie, Go (f) = 1-..J 1: T'J/ \fI (f).
13.5.9 Soit x (t) s (t) + Il (t) avec (ps(f) =0.;/ [tl 2 + (21tf?] et CP" (f) = +11. Dans
J'hypothse o 11 (t) est indpendant de s (t), dmontrer que le filtre de Wiener causal
estimant s (t) est un simple filtre passe-bas du premier ordre.
13.5.10 Dterminer l'expression de la variance de l'estimation de la valeur moyenne du
signal binaire transition alatoire ( 5.8.4) effectue par un moyenneur temporel int
grant pendant une dure T.
13.5.11 Soit un signal x (t) dont la densit spectrale de puissance vaut (Px (f) =
+ B- 1 sinc 2 (f/B). Ce signal est intgr pendant une dure T afin d'estimer sa
valeur moyenne Px' Dterminer la variance de l'estimateur x en fonction du produit
B T et valuer le temps d'intgration minimum ncessaire pour obtenir une mesure avec
un rapport signal sur bruit meilleur que 30 dB, lorsque le paramtre B du signal vaut
1 kHz et que le rapport signal sur bruit avant intgration vaut 0 dB.
J.l~o (f)
13.5.12 Soit le mme x(t) qu' l'exercice 135.l1 sur lequel on dsire faire la mme
estimation de valeur moyenne l'aide de prlvements discrets priodiques. Dtermner
la dure d'chantillonnage totale minimale T permettant d'amliorer le rapport signal
sur bruit de la mme quantit que sous 13.5.11:
lorsque la priode d'chantillonnage est telle que les chantillons sont non
corrls (covariance nulle)~
lorsque la priode d'chantillonnage est gale 1/ (2B).
13.5.13 Vrifier les rsultats noncs au paragraphe 13.1.25.
13.5.14 Dmontrer qu'un moyenneur chantillonnage priodique est analogue un
filtre en peigne (rponse frquentielle priodique).
462
13.5.15 Comparer le rsultat thorique idal (13.110) avec celui obtenu en corrlant le
signal observ x (t) avec une suite d'impulsions relles de fOmle g(t) et de mme priodicit T que le signal s (t) il rcuprer.
13.5.16 Un trs faible flux lumineux d'intensit constante doit tre mesur il l'aide d'un
tube photornultiplicateur suivi d'un amplificateur de faible courant (lectromtre). Le
signal de sortie de l'amplifica teur comprend une valeur moyenne Llo = la mV proportionnelle au flux lumineux incident laquelle est additionne le bruit de fond propre
n(t) de l'amplificateur. La densit spectrale de puissance de ce bruit vaut: (I)II(/)==
+17/(1 + rl.lf~) avec le = la Hz et 71 = l V 2 /1-Iz.
Dterminer le rapport signal sur bruit (rapport de la puissance du signal U o celle
du bruit de fond) si la tension de sortie de l'amplificateur est filtre par un filtre passebas idal attnuan t totalement toutes les composantes de frquences suprieures il 0,1 Hz.
Dterminer le rapport signal sur bruit obtenu en interrompant priodiquement le
flux lumineux il l'aide d'un obturateur priodique ralis avec une hlice il quatre pales
tournant il 250 tours par seconde (on supposera que la dure d'ouverture de l'obturateur
est gale il la dure de fermeture) et en faisant suivre ['amplificateur par un dtecteur
synchrone suivi par le mme nItre passe-bas idal. Le dtecteur synchrone doit tre considr comme un circuit assurant la Tllultiplication de la tenson de sortie de l'amplifica
te ur avec une onde carre de rfrence, isochrone avec la fonction d'obturation. dont
l'amplitude vaut 1.
13.5.17 Dterminer le rapport de vraisemblance correspondant la dtection d'enveloppe
d'un signal bruit x (t) Si(t) + Il (t) o s;(t) Ai cos (wot) avec Ao = 0 et Al = A,
dans le cas o l'observation est constitue de N chantillons indpendants et o Po =
Prob (.'1'0)
En dduire le schma-bloc du dtecteur optimum.
+-.
13.5.18 Un systme de dtection (prsence ou absence d'un signal utile) est perturb
par du brut additf gausslen il valeur moyenne nuUe et variance a~. Dterminer la valeur
du seuil de dcision fixant la probabilit de fausse alarme Pr an = 0,05.
13.5.19 Soit une source binaire gnrant alatoirement les signaux 80 = 0 avec une probabilit Po et s 1 A avec une probabilit Pl' La voie de transmission est perturbe par
un bruit Il (t), valeur moyenne nune et densit de probabilit PI! (n) = exp (- 21n 1).
Dterminer en fonction des paramtres A.po et Pl. le seuil de dcision qui minimise
la probabilit d'erreur totale (ou risque moyen). Applic tion numrique: Po 0,8;
PI=0.2;A 3V.
13.5.20 Soit une source binaire gnrant les signaux So = a (absence de signal) et
SI := + A. De plus, la statistique du bruit au niveau du rcepteur varie en fonction de la
prsence ou de l'absence du signal: PIl (111 so) exp (-Il) E (n). Pli dnl s d = (21Ta~rI/2
exp (- +.1l2Ja,~d. En supposant que les coefficients de cot associs aus cas e dcisions
errones sont gaux il 1 (avec Coo = Cil ::::: 0). dfinir le seuil de dcision qui minimise la
probabilit d'erreur maximum. Appliciltion numrique: ail 1 == 11.1 V et A = 6 alli'
13.5.21 Soit un signal radar s(t)=A cos (2iTlot) dtect en prsence de bruit blanc
gaussien 12 (t) de densit spectrale de puissance (Pu (J') = 17/ 2. A la rcepton. ce signal
nf::TECTION ET ESTIMATION
463
traverse un filtre passe-bande idal de largeur B, centr sur fo, puis un dtecteur lin.
aire d'enveloppe. En fixant la probabilit de fausse alarme maximum Pf = aa, dterminer le seuil optimum la sortie du dtecteur. au sens du critre de Neyman-Pearson,
et dterminer la probabilit de dtection en utilisant la tabulation de la fonction de
Marcum Q(a, b), donne la section 15.9. Application numrique: B::;; 400 Hz}> fo,
Tl =0,01 V2 jHz; A 16 V; Pr = n =10- 9
13.5.22 Soit une source gnrant de faon quiprobable les niveaux + Vet - V (signal
antipolaire) auxquels s'ajoute un bruit gaussien valeur moyenne nulle, de variance o~.
Quelle dot tre, en fonction de a~, la puissance du signal mis pour obtenir cl la rception une probabilit d'erreur totale de 10-4 en admettant que les deux cas de dcisions
errones ont la mme importance. Ut1iser les caractristiques oprationnelles du rcepteur( 13.3.15).
13.5.23 Dterminer les fonctions d'autocorrlation des signaux binaires d'nergie
Ws =A 2 T de la figure 13.42 et comparer leurs performances en rsolution.
sdn
S2
(t)
Tl2
0
-:~
SJ (t)
=code de
Barkcr
5 moments
S4
(t)
,-
=squellcc pscudo-ulatoire
A
T
o
-A
TI5
o
-A
Fig. 13.42
13.5.24 La fonction de rponse frquentielle d'un fiJtre compos par la mise en cascade
de filtres Re peut tre donne par l'expression approximative G (f) = exp [- (lrrff j
2
0 ]exp (-j2rrfro). Ce filtre est appel filtre gaussien. Quelle est J'efficacit relative d'un
tel filtre pour la dtection d'une impulsion rectangulaire d'amplitude A et de dure T'?
Quelle doit tre la valeur de J'instant d'chant1lonnage optimum to?
CHAPITRE 14
RSUM DE
THORIE DES PROBABILITS
14.1 DFINITIONS FONDAMENTALES
14.1.1 Concept de probabilit. Dfinitions

Une exprience statistique consiste en l'observation d'vnements dont les ralisations sont gouvernes par les lois du hasard. L'ensemble Z de tous les rsultats possibles ~ (ou preuves) forme l'espace des preLll'es.
Un vnement A est un quelconque sous-ensemble de Z auquel on accorde un
intrt particulier. Si l'exprience est rpte N fois et que l'vnement A se produit
!vI fois, le rapport !vIIN mesure la ji-quence relatipe d'apparition de A en N essais.
La probabilit de ralisation de A est dfinie comme la limite pour N ~!Xl de la
frquence relative de A :
Prob(A)
lim !vIl1Vavec 0
iV-=
<
Prob(A)
<
(14.1 )
14.1.2 Evnements s'excluant mutuellement

Si deux vnements A et B s'excluent mutuellement. la probabilit d'apparition
de l'vnement CAU B (A ou B au sens de la thorie des ensembles) est donne
par:
Pro b ( C) = Pro b ( A U B)
= Pro b ( A) + Pro b ( B)
(14.2)
Si l'ensemble fondamental Z est subdivis en n sous-ensembles Ai (i 1, ... , Il)

s'excluant mutuellement (Ai Ak :::; 0 pour j -=F k, o 0 est l'ensemble vide), on a :
Il
Pro b ( Ai)
=::
Pro b ( Z)
=::
(14.3 )
i= 1
14.1.3 Probabilit conjointe. Dfinition

Si D = A U B avec An B::F 0 (ensembles non-disjoints), on a
Prob( D)
Prob(A U B)
Pro b ( A)
+ Pro b ( B) - Pro b (A,
B)
(14.4)
Le terme Prob (A, B) est la probabilite COI/jointe (ou compose) mesurant les
chances de ralisation de l'vnement A n B (A et B au sens de la thorie des ensembles). Si A n B = 0, Prob( A, B) = O.
466
THORIE ET TIlAITEMENT DES SIGNAUX
14.1.4 Probabilits conditionnelles. Dfinitions

Soit deux vnements A et B ne s'excluant pas mutuellement. Lors d'une
rience rpte N fois, le nombre d'appartions des vnements A, B et A n B est donn
respectivement parJVI(A), JlI(B) etAl(A, B).
Le rapport AI( A, B )/Af( B) exprime ln frquence relative d'apparition de A lorsque B est ralis.
En divisant le numrateur et le dnominateur par N et en passant la limite, pour
N -400, on obtient la probabilit conditionnelle de A sachant que B est ralise:
Prob(AIB) = Prob(A,B)/Prob(B)
(14.5 )
La probabilit conjointe de deux vnements A et B peut ansi tre exprime

l'aide des probabilits simples et conditionnelles:
Prob(A, B) = Prob(AIB) Prob(B) = Prob(BIA) Prob(A)
( 14.6)
Par extension, la probabHit conjointe associe Il vnements est donne par la

relation gnrale suivante (rgle de multiplication) :
Prob(Ad Prob(A21Ad Prob(A3IAIA2)'"
Prob(AnIAIA1 ... AIl-d
(14.7)
14.1.5 Evnements indpendants

Deux vnements A et B sont statistiquement indpendants s :
Prob(AIB) ; : : Prob(A); Prob(BIA) ;;:::: Prob(B)
(14.8 )
ou autrement dit lorsque:

Prob{'A, B)
Prob (A) Prob (B)
(I 4.9 )
14.2 VARIABLES ALATOIRES
14.2.1 Dfinitions
Une pariable alatoire est une grandeur relle dont la valeur dpend du hasard.
Cette dpendance est exprime par une loi de probablit, communment appele distribu tion.
La distribution d'une variable alatoire x peut tre dfinie soit par sa fonction de
rpartition F(x), soit par sa densit de probabilite p (x) ou, encore, par sa fmctioll
caractristique fI x ( Li).
14.2.2 Fonction de rpartition. Dfinition

La fonction de rpartitio1l exprime la probabilit que la variable x soit infrieure
il une valeur x donne:
F(x) = Prob(x<x)
(14.10)
Rf::SUM DE THORIE DES l'ROUAIllI.JTS
467
La fonction de rpartition est une fonction non dcroissante de x avec les valeurs
limites
F(- 00)
=0
(14.11 )
et
F(
+ 00) =
(14.11)
14.2.3 Densit de probabilit. Dfinition

La densit de probabilit est par dfinition la drive de la fonction de rpartition
p(x)
= dF(x)jdx
(14.13 )
On dduit de (14.10) et (14.12) qucp(x)
~O
pour toutxet que
00
p(x)
= F(oo)
dx
( 14.14)
On passe donc de la densit de probabilit il une valeur de probabilit par intgration. La probabilit d'observer la variable x entre deux limites a et b peut ainsi s'exprimer sous les formes quivalentes
b
Prob(a ~ x ~ b)
F(b)-F(a)
rp(x)dx
(14.15)
li
14.2.4 Variable alatoire discrte (VAD)

Une variable alatoire est dite discrTe lorsqu'elle ne peut
qu'un nombre
fini, ou dnombrable, de valeurs distinctes.
Si l'on dnote par xi les diffrentes valeurs distinctes prises par la variable x et
par Prob(xd les probabilts correspondantes, b fonction de rpartition d'une VAD
peut tre exprime par:
F(x)
(14.16 )
_(x) =
0 pour x < 0
1 pour x ::;:;
:::;:; 0
(14.17)
est le saut unit dfini au paragraphe 1.3.3, mais avec valeur unit l'origine.
LLl densit de probabilit d'une V AD est alors exprime par
fI(X)
Prob(xi) 0_( x - Xi)
(14.18)
ail
lj _(x)
= d _(x )jdx est une impulsion de Dirac telle que l'intgrale
J0_ (x) clx
et non !h comme usuellement admis.
( 14.19)
468
Un exemple de fonction de rpartition et de densit de probabilit d'une VAD

est reprsent sur la figure 14.1.
F(x) =l'rob(x''';;:;x)
p(x) = dF(x)/dx
l'rob (x::!)
1- f - - - - r - - - Prob(x 1)
Prob(x s)
Fig. 14.1
14.2.5 Variable alatoire continue (V AC)

Une variable alatoire est dite contillue lorsqu'elle peut prendre n'importe quelle
v;}leur dans un intervalle donn.
Un exemple de fonction de rpartition et de densit de probabilit d'une V AC
est reprsent sur la figure 14.2
F( x)
probe x"';;:;.\'}
p(x) =dF(x)/dx
Fig. 14.2
14.2.6 Estimation d'une densit de probabilit: histogramme. Dfinition

La densit de probabilit d'une variable alatoire ne peut pas tre dtermine
exprimentalement. On peut, par contre, mesurer la frquence relative d'apparition
Al(xi> ~x )/N de la variable x dans un intervalle [Xi - !6 ~x, Xi + !6 ~x] d'amplitude
de largeur ~X centr sur une valeur particulire Xi o M(xi' ~x)
=AI(Xi - Y.! ~x < x < Xi + Y.! ~x) dnote le nombre d'vnements favorables compts sur un total de N essais.
La probabilit de rencontrer)( dans cet intervalle est, par (14.1 ),la valeur atteinte lorsque N -;.. 00 :
Prob(x;
~x/2<)( <x+~x/'2)=
j~f(
lim
N-oo
~x)
(14.20)
Une estimation locale (fig. 14.3) de la densit de probabilit est obtenue en

divsant la frquence relative mesure par la largeur de l'intervalle utilis
p( .\}, LlX) =
M(Xi,~X
~x
(14.11)
RSUMt~ /)E THORIE DES PRODADlLTTS
469
r-
/
p(Xj. X)
r)'...,~- j~J(Xi'
"-
'\'1
"
x)/N
Fig. 14,3
En subdivisant la totalit du domaine de variation de x en un ensemble d'intervalles juxtaposs et en effectuant pour chaque intervalle une mesure du type ( 14.21 ),
on obtient une estimation globale de la densit de probabilit appele histogramme.
Une bonne estimation [65] implique la fois un nombre d'essais N levs (rduction des fluctuations statistiques de la mesure) et un intervalle x petit (limitation
de l'erreur d'estimation, appele biais, apparaissant en cas d'absence de symtrie locale
de la loip(x) relativement L""i)'
14.2.7 Variables alatoires bidimensionnelles. Dfinitions

Soit )( et y deux variables alatoires. Le couple (x, y) est une variable alatoire
bidinze11s(oJZllelle dont la distribution peut tre dfinie soit par sa fonctio1l de rparti-
tion conjointe
Prob(x ~x et y
F(x,y)
~y)
(14.22)
soit par sa dellsit de probabilit c01ljointe (fig. 14.4)

p(x,y)
a 2 F( x,y)
ax ay
(14.23 )
p(x, y)
0,03537
o
~p(x,y)d.l;d}'::::;: Prob(x E dx.
x
Fig. 14.4 Reprsentation graphique de la fonction p (x.y)
(y - }J.y)2/o.i,1 avec}J.x = 6, a.t
1,5.}J.y = 9. ay :: 3.
(21To X oy
exp 1-
y E dy)
(x - }J.xf/a.~
470
avec
Fxy(
00,
=) ::;
JI
(14.24 )
p(x,y) dx dy ::: 1
-OQ
Si x et y sont des variables discrtes, elles peuvent prendre les valeurs x 11 xl' ... 1
etYt>J'2, ,Yn respectivement. La variable bidimensionnelle peut ainsi prendre
m 11 paires de valeurs (X!>Yl)' ... , (xm,Yn)' On reprsente avantageusement l'ensemble des vnements (x;,),;) et leurs probabilits conjointes correspondantes Prob(xiJ'j)
sous forme de deux matrices ln X Il :
Xm
&
(Xl'Yd
[x,y] ::;
(x"YtI)
(X\'Y2)
(xm,y.) (X"pY2) ... (Xm,Yn)
Prob (xl,yd
Prob{Xt;J'n)
~rob (xnp JIn)
[Prob (x, y)]::: [ :

Prob (xm,yd
(14.25 )
(14.26)
La densit de probabilit conjointe devient ici un rseau d'impulsions de Dirac
(fig. 14.5)
p(X,y) =
Ii Ij
Prob(x;'Yi) (x
-Xj
Y-Yj)
(14.27 )
p(x,y)
t t
t t
Fig. 14.5
Les lois de probabilit l1arginale permettent de dfinir la distribuUon de rune

des variables, indpendamment de l~autre. Elles sont obtenues partir de la distribution
bidimensionnelle par les relations:
1/1
VAC
pAx} =
f p(x,y)dy
(14.28 )
Py(y) ::;
f p(x,y)dx
(14.~9
RESUM DE THORIE DES l'IWIlAaJLJT(~S
471
VAD
Il
Prob (Xi)
Prob (Xi, Yi)
(14.30 )
Prob(xi,)j)
(14.31)
1= 1
Prob(Yj)
Prob (Xi) est gale il. la somme de tous les lments de la ime ligne de la matrice des
probabilits conjointes et Prob (Yi) est gale la somme de tous les lments de la jme
colonne de cette matrice.
Les lois de probabilit conditionnelle correspondantes sont tires de relations
analogues il. (14.5) :
VAC
CD
p(xly)
= p(x,y)/Py(y)
(14.32 )
p(ylx)
p(x,y)jpx(x)
(I 4.33 )
VAD
Prob (xil.Yj)
Prob (Yjl
Xi)
:=
Prob (Xi. Yj)jProb (Yi)
(14.34 )
Prob (Xi, Yi) /Prob (:~i)
(14.35 )
Ainsi, toutes les lois de probabilits marginales, conjointes et conditionnelles

d'une variable bidimensionnelle peuvent tre dtermines il partir de la connaissance
soit de la densit de probabilit conjointe seule~
soit d'une densit de probabilit marginale et d'une densit de probabilit
conditionnelle.
Dans le cas discret, ceci correspond il la connaissance
de la matrice des probabilits conjointes;
ou d'une matrice marginale et d'une matrice conditionnelle.
14.2.8 Variables statistiquement indpendantes
La condition d'indpendance statistique de deux variables alatoires continues

est que leur densit de probabilit conjointe soit gale au produit des densits de probabilits marginales:
p(x,y)
= Px(x)' Py(y)
(14.36 )
Dans le cas discret, cette condition s'exprime au Biveau des probabilits selon
(14.9 ), par
(14.37 )
14.2.9 Exemple (V AC)
Soit une distribution bidimensionnelle dfinie par (fig. 14.6)

p(x,y) :;
2 pour 0 ~ x ~ 1 ct 0
o partout ailleurs.
~y ~x
472
Il
-o;~~- -1
\
\
\x=y
Fig. 14.6
., Calcul des densits de prohab i1it marginale (fig. 14.7)
Px(x)=
{o
P ( x, y) dy
--;,.,
:lx ;
<x <
partout ailleurs
..,
_L
{
r\: 2 dx =
Px(x,y)dx
xi
1( l -y)
:2 dx
o partout ailleurs
Vrifications:
1
r p(x) dx
o
p y (y) dy =
2 ( 1 - y) dy = (2Y /
{=
.2
)'
--j----------'lr---
Fig. 14.7
Calcul des densits de probabilit conditionnelle (fig. 14.8)

p(xly)
p(ylx)
p(x,Y)/Py(y)::::
= p(x,y)/Px(x)
1/0
:::: l/x
-y}; 0
<1
et y <x < 1
; O<x<l et O<y<x
Rf:SUM DE THORIE DES PROBAlHLlTS
473
avec
x
Jp(yl X) dy
fp(xly)dX
)'
p(xly)
1/(\
p(yb:)
y)
1/:>: t - - - - - - - - - ,
Fg.14.8
Les variable:; x et y ne sont pas statistiquement indpendantes, car:

p(x,y)
'*
Px(x) Py(y)
p(xLv)
'*
Px{x) et p{Ylx)
ou
'*
Py tl')
14.2.10 Exemple (V AD)
Soit
[Prob(x, y)] -_ [1./9 1/3 0
2/9 1/9 2/9
Il s'ensuit que:
ID
1/3
Prob(xt>
+ 1/9
}:: Prob(x;) = 9/9

ID
Prob Lv d
4/9, Prob(X2)
5/9,
1 (vrification);
4/9, Prob (y 3)
3/9, Prob (Y2)
+ 4/9 + 2/9
L Prob (Vj)
3/9
[Prob(xly)]
= [ 1/3
2/3
3/4 0)
1/4
9/9
2/9,
1 (vrification)
1/4 3/4 0
., [Prob(ylx)] = [ 1/5 1/5 1/5
Les deux variables x et y ne sont pas indpendantes puisque

Prob (Xi.)'j)
'* Prob
ou respectivement que
(x;) Prob (Yi)
474
14.3 MOYENNES STATISTIQUES ET MOMENTS

14.3.1 Esprance mathmatique d'une fonction d'une variable alatoire. Dfinitions
Soit une variable alatoire discrte x, fi Il tats, dont on observe N ralisations.
L'tat x 1 apparat NI fois, l'tat X2 apparat N 2 fois, etc., avec NI + N 2 + ... + ~1 ::: N.
La l'aleur mo.venne exprimentale de x est
(14.38)
L'esprance mathmatique de x est la valeur moyenne statistique, c'est--dire la

valeur thorique limite atteinte par lorsque N tend vers l'infini. Celle-ci, note /lx,
est gale\ en tenant compte de (14.1 ),
x
11
/lx
E[x]
Hm
N~=
2
;=1
Xi
(14.39)
Prob(xi)
On a, par analogie et de manire gnrale pour une variable alatoire x continue ou discrte
/lx
= E [ )(]
x p(x) dx
(l4.40)
La valeur moyenne est le centre de gravit de la densit de probabilit.

Soit [(x) une fonction d'une variable alatoire x. Sa valeur moyenne statistique
est, de manire analogue, dfinie par
E[f( x)] =
f(x) p(x) dx
(l4.41 )
Dans Je cas d'une variable discrte, cette expression se rduit aprs intgration
E [I( x)] =
(14.42)
Dans le cas d'une variable alatoire bidimensionnelle (xl' X2)' la valeur moyenne
statistique d'une fonction [( xl' X2) est donne par
ff""
E[f(Xt,x2)]
f(Xl,X2) P(Xt,X2)
dXI
(l4.43 )
dX2
qui se rduit, dans Je cas discret,
E [f(
~ ~f(Xli,X2j) Prob (Xli, X2j)
Xl, X2 ) ]
(14.44 )
14.3.2 Valeur moyenne d'une somme de variables alatoires

Soit z=[(x, y) x + y. Par (14.43), (14.28) et (14.29)
I>Q
/lz
E[ z]
""
-QO
JL (x + y) P ( x , y)
x Px(x) dx
dx dy
"'"
-00
y py(y) dy
/lx
/l)'
(14.45 )
475
RSUM DE THORIE DES PROBABILITS
D'une manire gnrale, l'esprance mathmatique d'une somme de variables

alatoires (dpendantes ou indpendantes) est gale la somme de leurs esprances
mathmatiques:
(14.46 )
14.3.3 Moments. Dfinition

On appelle moment du premier ordre et de degr n d'une variable alatoire
l'esprance mathmatique de sa ll-ime puissance
11l xI1
Er xrl]
00
X'I
(14.47)
p(x) dx
-DO
La valeur moyenne J1.x correspond donc au moment de degr 1.
14.3.4 Valeur quadratique moyenne. Dfinition

La l'aleLir quadratique moyenne d'une variable alatoire est son moment de
degr 2.
m x 2 = E[ xl]
Xl p(x) dx
(14.48 )
Dans le cas d'une variable discrte, (14.48) se rduit

I1l X2
"2i xl
(14.49 )
Prob (x;)
14.3.5 Moments centrs. Dfinition

On appelle moments centrs du premier ordre et de degr n d'une variable alatoire l'esprance mathmatique de la 11 -ime puissance de l'cart entre la variable et sa
valeur moyenne
f (x "'"
mX-IJ..tl
E [ ( x - Px)" ]
}.(.c)n p(x) dx
(14.50)
-CCl
14.3.6 Variance et cart-type. Dfinitions

La varl'ance (ou cart quadratique moyen) d'une variable alatoire est son moment centr de degr 2. Vu son importance, elle est note
ou parfois Var(x)
a;
(x - Px) 2 p(x) dx
(14.51)
Dans le cas d'une variable discrte, (14.51) se rduit

U.; = L(x; - J1.;r;)2 Prob{xd
i
(14.52 )
476
La racine carre de la variance, (Jx, est appele l'cart-type (ou dviation standard). C'est une mesure de la dispersion des valeurs de x autour de ]a valeur moyenne
f.J.x (fig. 14.9).
p(x)
o
Fig. 14.9
En dveloppant (14.51), on obtient la relation suivante liant la valeur moyenne,

la variance et la valeur quadratique moyenne
_:2
(Jx
1nx :2 -
+ f.J.x:2
(14.53 )
La variance s'identifie donc la valeur quadratique moyenne pour toute variable

valeur moyenne nulle.
L'estimation non biaise s~ de a~, c'est--dire telle que E[s~] a~, se calcule partir
de N ralisations d'une variable discrte x par la formule s~ = kf:l (Xi - g)2/(N - 1) [24].
14.3.7 Ingalit de Tchebycheff
On dmontre ( XVII 2.4.14 et [24 D l'ingalit suivante
Prob(f.J.x-E<x<J.l.x+ E) ~ l-(J~/E:2
(14.54 )
Ainsi, quelle que soit la densit de probabilit p(x), la probabilit que x prenne une
valeur comprise dans J'intervalle [J.l.x E, f.J.x + E] est proche de l'unit pour autant
que (Jx ~ E.
14.3.8 'Corrlation et covariance. Dfinitions

Dans le cas d'un couple (x, y) de variables alatoires, on dfinit encore les moments du deuxime ordre suivants:
J JI
E[}{ y]
II I
i
Cxy=EI(x
x y p( x , y) dx dy
(VAC)
(14.55 )
Xi
Yi Prob
(Xi'
Fi)
(VAD)
_J JI (x-px)(rpy)p(x,y)dxdy
1l.xJ(y-f.J.y)] - ,
~4
-f.J. x ) (Yj- f.J.y) Prob {Xi, y})
(Xi
(VAC)
(VAD)
(l4.56)
qui sont lis par la relation

Rxy
= Cxy + f.J.x Il)'
(l4.57 )
477
Le moment Rxy mesure la corrlation statistique entre x et y. Le moment centr

CXY ' aussi not Cov(x, y), est appel la covariance du couple (x, y).
La corrlation s 'identifie donc il la cOJ'ariallce lorsque l'une au moitIs des variables est il J'aleur moyenne nul/e.
On vrifie aisment, par (] 4.36 ) ou (14.37), (14.6) et (14.57) que, si les va.
riables x et y sont indpendantes:
c:.~J'
=0
et RxJ'
(14.58)
/1x /1)'
La rciproque n 'est pas ncessairement J'raie!
14.3.9 Coefficient de corrlation. Dfinition

La covariance normalise est appele coefficient de corrlation
[Pxyl ~ 1
avec
(14.59 )
Ux 0.1'
Les variables x et y sont dites 110/1 corrles si Pxy = O. Elles sont totalement cor
rles si Ipxy 1 = 1. Les variables )( et y sont alors lies par une relation linaire. Le coefficient de corrlation est une mesure de ressemblance entre x et y.
14.3.1 0 Variance d'une somme de deux variab1es alatoires

Si z::::: X + y, la variance
est donne, en tenant compte de (14.53),
(14.55) et (14.57), par
u;
a;
CI 4.46),
= 111::2-/1; E[(x+y)2]-E 2 [x+y]

2
2
::::: nl x 2 + 2 Rxy + m y 2
/1x - /1)' 2 /1x /1)'
:;;
a~
+ a;' + 2 Cx )'
(14.60)
Si les variables x et y sont indpendantes: Cx )' ;;;: 0 et
(14.61)
D'une manire gnrale, la variance d'une somme de variables
dantes est gale la somme des J1arianees :
Xl' .. Kn
indpen-
Il
U_.
~
\.~
(14.62)
= L
1=1
14.3.11 Fonction caractristique. Dfinition

La fonction caractristique d'une variable alatoire x est, par dfinition, l'esprance mathmatique de la fonction exp (j u){) :
nx(u)
= E[exp(jux)]
==
f""" p(x) exp(jux)dx

-"'"
avec llxCO) = 1 par (14.14).
(14.63 )
478
En posant
= bru, on constate que la fonction caractristique correspond la
Li
trallsforme inverse de Fourier (4.2) de la densit de probabilit

(14.64)
et rciproquement
nx
p(x) = F{Ilx{v)} =
(li) ex p (- j Li x) du 1( 27T )
(14.65 )
Dans le cas d'une variable bidimensionnelle (x, y) ,on a

n xy (u. l') = E { exp [j( u x
+ )' y) ] }
.U p( x . y) exp [j(!lX + l'y) l dx d)'

(14.66)
-00
qui correspond il la transforme de Fourier inverse bidimensionnelle de la densit de

probabilit conjointe.
En introduisant le dveloppement en srie de exp (jux), on peut mettre la fonction caractristique (14.63) sous la forme suivante, pour autant que tous les moments
de x soient finis:
(jU)k E[x
k]
(14.67 )
k!
Si Ilx(u) est drivable il l'origine, on peut ainsi calculer les diffrents moments
par la relation
_ . _ k d k rIx (li)
(14.68 )
11lx.k = E [ X k] - J
k
du
u=O
Dans le cas bidimensionnel, on a, si les moments existent

00
..,
:: l
j{k+/) li/Cpt
k=O 1=0
= 1
j(Ullx
E[xky/]
k! /1
l
2
1'1l)')-"2 (u m x 2
1'2 my2 )- uvR xy
+
(14.69)
et
(14.70)
u=v=O
Ainsi, en particulier, la corrlation (14.55) est gale la drive l'origine pour

k =/= 1
2
a nXy (u,p)1
au al'
U=II=O
Rxy :::: - ---=----
(14.71)
14.4 PRINCIPALES DISTRIBUTIONS
14.4.1 Variable binaire

Si x E {a, b} avec Prob (x a)::;:; p et Prob (x = b) :::: 1 p, la densit de probabilit de x est (fig. 14.1 0 )
RSUM DE THOIUE DES PROBABILITS
p(x) = po(x-a)
+ (l-p)o(x-b)
479
( 14.72)
avec
/lx = ap +b( 1 -p)
(14.73)
a~
(14.74)
= p(l-p)(b
a)2
p(x)
I-p
p
Fig. 14.10
14.4.2 Distribution binomiale. Dfinition

La distribution binomiale est la loi statistique de la variable alatoire discrte
obtenue en comptant le nombre de ralisations d'un vnement au cours de 11 essais
indpendants. Si p est la probabilit de ralisation de l'vnement, celle d'obtenir
exactement le ralisations sur Il essais est
pk ( 1 _ P )/-k
( 'kl. )
Prob(k,17)
(14.75)
avec la notation
11 )
(
,k
11!
k!(n
k)!
(14.76 )
La densit de probabilit correspondante s'crit

Il
p(x) =
Prob (k , Il) 8( x - k)
(14.77)
avec
(14.78)
np
IIp( 1
p}
(14.79)
La 10 binomiale permet, par exemple, de dterminer la probabilit d'avoir plus

de k symboles 1 dans un mot binaire de Il bits.
14.4.3 Distribution de Poisson. Dfinition

La distribution de Poisson caractrise de nombreux processus alatoires ponctuels dont les instants de ralisation sont alatoires ( 5.8.1 ).
Soit une
alatoire d'vnements indpendants susceptibles de se raliser
n'importe quel instant avec la mme probabilit. Le nombre moyen d'vnements par
unit de temps est une constante .
480
Soit Prob (N, T) la probabilit de compter exactement N vnements pendant un

intervalle de temps T. Sur un intervalle infinitsimal d T, on a :
Pro b (l , dT,)
d T
(14.80)
et
Prob(O, dT)
( 14.81 )
car Prob(N > 1, dT) ~ O.

Sur un intervalle T + dT. on a :
Prob(JV, T + dT)
Prob(N, T,)Prob(O, dT)
+ Prob(N-l, T) Prob(1, dT)

(14.82)
et
Prob(O, T + dT)
Prob(O~
T) Prob(O, dT)
(14.83 )
On tire de ces relations les quations diffrenUelles :

d Pro b (N, T) / d T = [Pro b (N, T + dT) - Pro b (N, T) ] / dT
= [Pro b (N -
1, T) - Pro b (N, T) ]
(14.84 )
ct
d Prob(O, T)/dT = [Prob(O. T + dT) - Prob(O. T)]/dT
(14.85 )
= - Prob(O, T)
La solution de cette dernire quation donne, avec la condition initiale

Prob(O, 0) = 1
Prob(Q, T) = exp(-
(14.86 )
T)
On peut alors rsoudre la premire quation diffrentielle pour le cas o N = l,

avec la condition initiale Prob ( 1,0) =0, ce qui conduit
Prob(1, T) = Texp(-T)
(14.87 )
En procdant par rcurrence pour N croissant, on obtient finalement (fig. 14.11)
Prob (N, 7)
( T)N
exp ( -
T)
N!
Jl
N!
exp(
Jl)
(14.88 )
en posant comme paramtre la valeur moyenne

Jl
= T
La variance s'identifie ici la valeur moyenne: a 2 =J.L T.

Soit z la variable alatoire reprsentant l'intervalle de temps sparant deux v~
nements conscutifs. Cette situation correspond l'absence d'vnements sur l'intervalle z suivi d'un vnement sur l'intervalle infinitsimal dz suivant. Ainsi, par (14.80)
et (14.86)
p(z)dz
Prob(O,z)Prob(l,dz) = exp(-z)' dz
(14.89)
d'o
p(z) = exp(-z);
Z ~O
( 14.90)
RSUM OJ~ THORIE: DES PROBABILITS
Prob(N,
481
/J)
0,5
\
\
\
\
10
'.A-~~---1--l'::":'-.... - - - - - - - - - - - - - - -
.....;..J"...........L-..l...-.J..::;"'- _________________ __ _
Fig. t4.11 Reprsentation graphique de la distribution de Poisson: Prob (N :f.1.) = pN exp (-li)/N!.
avec
11= = -
(14.91 )
et
(14.92)
C'est une distribution exponentielle (fig. 14.12). La distribution exponentielle paire
exp (- Iz 1) est parfois appel laplacienne.
p(: )
=
Fig. 14.12
14.4.4 Distribution uniforme. Dfinition

Une variable alatoire continue est distribution uniforme si sa densit de probabilit est du type (fig. 14.13)
p{x)
avec
Px
cr;
(b-a)-l rect{[x-1-(a+b)]/(b-a)}
(14.93)
= 1- (a + b)
(14.94 )
= (b -a)2/11
(14.95)
482
THORIE ET TRAITEMI::NT DES SIGNAUX
p(x)
l/(b - a)
il
Fig. 14.13
14.4.5 Distribution normale ou de Gauss. Dfinition
Une variable alatoire continue de valeur moyenne Px et variance G.~ est distributioll normale (ou gaussienne) si sa densit de probabilit Cgt du type (fig. 14.14)
p(x)
}'7T ax
(14.96 )
exp
p(x)
o
Fig. 14.14
Sa fonction caractristique est

1
n(u) = exp(jpx u
TU.l..ll
2)
(14.97 )
Dans le cas d'une variable alatohe gaussienne bidimensionnelle (x, y), x et y

possdent toutes deux une distribution margina1c du type (14.96). La distribution
bidimensionnelle peut tre caractrise par la densit de probabilit conjointe qui prend
la forme gnralise suivante:
p( x, y)
1
1
21fax Gy}
t - Pl.v
exp {
- 1
[ ( x - Px ) 2
2 ( l - p}y)
a;
_~_ _ _--::.-) +
."
Gy
(Y_:y
)2]}
(I 4.98)
Gy
o Px)' est le coefficient de corrlation (14.59) de x et y. La non corrlation (Px\, = 0)

de x et y entrane leur indpelldallce statistique.
Les densits de probabilit conditionnelle sont dtermines partir de (14.32),
( 14.33), (14.96) et (14.98). Ce sont des lois gaussiennes. Pour le cas o J1 x = P)' :::: 0,
483
on obtient par exemple

1
p( x 1y) ==
0xIY
exp [ _ (x -
V2'7T
)2
(14.99 )
20;1)'
en dfinissant la valeur moyenne conditionnelle et la variance conditionnelle par

(14.1 00)
}lx 1)'
'1
(14.101 )
xly
La densit de probabilit conjointe multidimensionnelle gau.ssienne peut tre

exprime, en utilisant des notations matricielles, de la manire suivante:
p(x)
(14.102)
o x == (x l' x2' ... , XIl ) est un vecteur alatoire gaussien Il dimensions, (x - Px) est
un vecteur ligne, (x - Px) T est le mme vecteur transpos et c.y. est la matrice de covariance:
cx
==
O~l
Cx1x2 ' ..... CXIXtl]
.:
a~2 ' " . . . .:
CXl1Xt
, ,
.. '.
'.
(14.103)
"
XlI
Si les variables Xi sont indpendantes, C xixj 0 et la matrice de covariance se

rsume une matrice diagonale.
La fonction caractristique multidimensionnelle gaussienne s'crit
exp [ J' PxT
U-i
"2C
U x Il T]
(14.104 )
En raison de sa trs grande importance, la distribu tian de Gauss est tab ule dans
la littrature spcialise sous forme normalise (loi normale rdu.ite) , obtenue en introduisant la variable centre rduite:
(14.105)
donnant:
p( z ) =
12 "
exp [ _
l ]
(14.106)
Avec la notation introduite au paragraphe 1.3.16, on a l'quivalence

p(z) == - 1
t(2n
ig
(z)
V21T
(14,107)
Sont en gnral tabules (voir sect. 15.8) . la densit de probabilit normalise

p(z), la fonction de rpartiUon correspondante F(z), ainsi que la fonction de rpartition complmentaire Fc(z) 1 - F(z). On rencontre aussi la fonction d'erreur et son
484
THORIE ET TRAiTEMENT DES SIGNAUX
=v':fU) :
complment (avec z
1
!l
1 exp( - a 2 ) da
-,,'1T
-
erf( li)
2F(z) - 1
( 14.108)
2Fc (r)
erfe (u)
14.4.6 Distribution de Rayleigh. Dfinition

Une variable alatoire continue possde une distribution de Rayleigh si sa densit
de probabilit est du type (fig. 14.15)
p(x)
Il x ::::
a.JiiTi
(l4.110)
(xla2)exp(-tx2Ia2)e(x)
avec
(14.111 )
a; = a2(2-rr/2}~
mx 2
(14.112)
p(x)
C- II ::!cr- 1
=0.61
0- 1
(10)-1
cr
Fig. 14.15
14.4.7 Distribution en X2 Dfinition

La forme gnrale de la loi du X~ m degrs de libert est donne par:
2) P ( Xm -
m/2
r ( ln 12 )
X,211 (mp-l)
exp( -X,2n/ 2 )
( 41 3)
1 . 1
o
co
r( Il) =
/1-1
exp () d
(14.114 )
=...;:rr;
r(2) == 1 et r(n + 1) = Il r(n). En

avec les valeurs particulires r{l ) = 1, r (f)
particulier, si Il est un nombre entier: r(n + 1) Il!
La valeur moyenne est gale au nombre de degrs de libert: Ilx'l = m, la variance est gale au double de ce nombre : a~2 = 2 1JZ.
RSUM DE THEORIE DES PROBABILITES
485
Cette distribution permet de dfinir la statistique d'une variable

Ut
XI;}
I xT
i= 1
(J 4.115)
o les Xi sont des variables alatoires gaussiennes indpendantes, valeur moyenne

nulle et variance unit.
Pour III -+ 00, la loi du X~l tend asymptotiquement vers une loi gaussienne.
La varable X2 = (x + X~)l/:! est distribue selon une IO de Rayleigh (14.110).
La somme de deux variables en X2 a, respectivement, a el b degrs de libert est
une nouvelle variable en X2 (a + b) degrs de libert.
CHAPITRE 15
FORMULAIRE
ET TABLES DE RFRENCES
15.1 FORMULAIRE
15 J.1 Prambule
Une slection des principales formules utilises dans cet ouvrage et gnralement
repres par un numro en chiffres gras est reproduite ci-aprs. Elles sont groupes par
thme et sont indiques avec leur numro d'origine.
La section 15.2 est consacre au rappel des identits trigonomtriques usuelles. Les
relations relatives la transformation de Fourier et ses proprits font l'objet de la section 15.3.
Une table illustre des principales transformes de Fourier est reproduite la
section 15.4.
15.1.2 Proprits de l'impulsion de Dirac

.'
J x(t)5(r-to )dt
xUo) =
(L36)
* 5 (t) = x (t)
x(t)*5(t-to) = x{t-to)
(l.4 7)
x (t)
x (t
td
'" 5 (t - t:2)
5(t-td*5(t
t2)
= X (t
(1,48)
t 1 - t:2 )
= 5(t-tl -t:d
5(at) = lal-ta(t)
(J .49)
(1.50 )
(1.51)
15.1.3 Valeurs moyennes temporelles, nergie et puissance nonnalses de signaux rels
1
X = Hm
T .... oo T
T/2
xU)dt
'
(1.30)
-TJ 2
TJ2
XII
= hm
T .... """
li'x
x 'J (t) dt
(5.17)
-Tf2
Jx2(t)dt
CL!] )
488
Tf2
lim T
T ... '"
(2.12)
x 2 (t) dt
TI2
15.1.4 Reprsentation vectorielle dans l'espace L2

Distance euclidienne, norme et produit scalaire
- y Il
d(x,y)
[ / lx (t) -)' (tJl' dt
j'"
(3.9)
"
IIxll
(3.8 )
[j'IX(t)I'dt]'"
1
t1
J x(t)y*(t)dt
>
< x,]I*
(3.12)
tl
.. Ingalit de Schwarz
l<x,)'*>1 2
~ <x,x*>'<y,y*>
/ . (t)y' (t)dt l'

1
(,
<;; /
1x (t) 12 dt
(3.20)
j' 1)'
(t) l' dt
(3.21 )
tl
Cl
Condition d'orthogonalit
t2
< x,y* >
J x(t)y*(t)dt =
(3.15 )
CI
Dveloppement orthogonal
x(t)
(3.50)
Cikt/J/c(t)
k=l
(3.43)
"k = < "'k' wZ > = IIwk l1

=>
k=1
ICiJcl2
tl
'''k
IWk(t)1 dt
(3.44 )
(3.49)
15.1.5 Signaux alatoires stationnaires

Valeurs moyennes statistiques
E [f(x)]
f(x)p(x)dx
(14.41 )
489
(5.18)
Px
E[x] =
(14.40)
xp(x)dx
(J 4.48)
(14.51)
(14.53)
Densits de probabilit
""
p (x,y)dy
(14.28)
p (x, y) d x
(14.29)
p(xly)
p(x,y)lpy(Y,Y
(14.32)
p(ylx)
p(x,y)IPx(i)
(14.33)
Px (x)
CIO
Py (y)
Fonctions de corrlation et de covariance de signaux rels
Tf2
LPx(T)
=x
:::: lim T"'PQ T
x(t)x(t+1')dt
E{[x(t)-px] (x(t+r)-,uxJ) = Rx(r)-p~
Cx(r)
Rx(r) = Rx(-T)
Rx (0)
Rxy(r)
CXy(r)
Ipxy(r)1
(5.68)
E [Xl Y2]
Jf
XtY2
P (XhY2; T)dx) dYl
(5.169)
(5.1 71)
(T)/(u x ay)
~
(5.161)
(5.165)
r)
E[(Xt-PX)(Y2-Py)] = Rxy(r)-pxpy
Pxy(T)
(5.63)
(5.65)
+ p~
Rxy (1') :::: Ryx
(5.58)
-Tf2
(5.174)
Signaux indpendants
Pxy (x,y)
Cxy(T)
(533)
Px (x) Py (y)
Cyx(r)
Pxy(T)
=0
(5.175)
490
Somme z (t) = x (t)
+y
(t) de signaux indpendants
(5.182)
cPz (f) == cPx (f)
adapt de
(5.189) et
(5.190)
Cz(r) =
par (5.63)
Rz (T) ::; Rx (T)
+ Ry (T) + 2Jl x Jl y
+ CPy (f) + 2Jl x Jl y 0 (f)

Cx(T) + Cy(T); a~ : ; ai + a;
Produit z (t) = x (t) y (t) de signaux indpendants

Rz(T) ::; Rx(r)'Ry(r)
(5.198)
cPz (f) = cP x (f) '" cPy (f)
(5.199)
15.1.6 Principales distributions statistiques

fi)
Binomiale
G)pk(I-P)"-k
Prob (k, Il) =

CI
(14.75)
Poisson
Prob (N, T)
( r)N
N!
JlN
exp (- r) :;:: exp (- Jl)
N!
(I4.88)
.. Gauss
(14.96)
p (x,y) ::;
21Ta x a y v'1-p;yex
l -)
[(X- Jl x )2
2(1_p2XY )
_ 2Pxy(x-Jlx)(Y-Jly )
axa y
ai
+ (y-~y)2ll
ay
(14.98)
.. Rayleigh
p (x) = (x/a 2 ) exp (- +x 2/a 2 ) E(X)
(14.110)
15.1.7 Bruit de fond

Bruit blanc
CPx (f)
=t
17
1
pour 1fi
Rx(T) ::; F- {-4-17}
<
co
= -4-17 o(r)
(5.151)
(5.152)
.. Bruit thermique
Pth
::;
kTB
a~o
= 4 kTRB
(6.4)
(6.13)
491
., Bruit de grenaille
= :2 e10B
a;g
41)
(6.33)
Facteur de brut d'un systme linaire plusieurs tages

F
F3
= FI + -2 - + - - + ... +
Fm -}
(6.58)
G 1 Gz
G1
i=1
15.1.8 Signal analytique et enveloppe complexe

~ (t)
+ jx(t)
x (t)
(7.5)
JCI" x (r)
v I l
x(t)
~*x(t)
Tit
=- -
x (t)
=1T
_~
...
* x (t)
Tit
-dr
t-r
_CIO
Ti
_=
x(r) dr
(7.9)
(7.11)
t-r
R~(r) = 2 [Rx(r) + jRx(r)]
(7.40)
p~(f) = 4c:(f)<P x (f)
(7.41 )
2CP;(f)
= rx(t) exp [jtPx(t)]
(7.44)
r(t) = ~(t)exp(-jwot)
(7.80)
~(t)
! (t)
x (t)
a (t)
+ j b (t)
r (t) exp [ja: (t)]
= Re {! (t) exp (jwot)}

= l' (t) cos [wo t + a: (t)]
(7.8I)
(7.86)
= a(t)cos(wot)-bU)sin(wot)
cp.'( (f)
cp r (f)
-
[ql!. (- f- fo) + cp!. (f- fo)]
= (I>x(f + fa) = :2 cT?; (f + fo) = 2 [cT?a (f) + jCPab (f)]

=
(7.88)
(7.89)
15.1.9 Systme linaire de rponse impulsionnelle g (t)

J'(t)
= x(t) *g(t) =
= X (f)' G (f)
= 'Px(r) * tPg(r)
y (f)
lPy(r)
tp.~J'(r) = IPx(r)
f.J. x
(8.12)
(8.14)
(8.22)
* g(r)
= Wx (f) 1G (f) 1
r:I>xy (f) = q>x (f)' G (f)
CPy (f)
f.J.y
x(r)g(t-r)dr
(8.23)
2
J g(t)dt = f.J.xG(O)
(8.24 )
(8.25)
(837)
492
(8.38)
15.1.10 Echanti1Ionnage et quantification

Thorme d'chantillonnage de signaux spectre passe-bas
(9.25)
le ::::; liTe;;;:': 21max
x(t)::::;
x(kTe)sinc[(t/Te )
k]
(9.29)
k=-=
Dimension d'un signal de dure T
2BT
(9.38)
Transformation de Fourier discrte

N/2-1
x(k) =N- 1
ko+N-l
X(Il)W~k+-:;.X(n) =
,1=-N/2
k=ko
x(k)WNnk
WN ~ exp(j2rrIN)
(9.49)
(9.48)
Bruit de quantification pour loi uniforme de pas fl
a2
fl2
~-
(10.16)
12
15.1.11 Modulation porteuse sinusodale

s(t) = a(t) cos(2rrlpt) - bel) sin(21Tlpt)
(8.100)
15.2 PRINCIPALES IDENTITS TRIGONOMTRIQUES

(Une table plus complte se trouve dans le volume l, 14.3.31)
Produit de fonctions trigonomtriques

sin IX sn ~ ::::;
COSIXCOSp::::;
t cos (a - ~) - t
1
cos (a +13)
1
Tcos(a-{J)+ Tcos(+p)
t sin (a - 13)
cos sin ~ ::.:; t sin ( + 13) - t sin (a -13)
sin a cos f3
= 1- sin (a + (3) +
Somme et diffrence de fO{lctions trigonomtriques

sina + sin {J
.1 sin [(a + {J)/2] cos [(a -
~)/2]
sin-sin{J = 2cos[(a+I3)/.1] sin [(-I3)/2]
493
coso:+cos~
= 2cos[(0:+tJ)/2]cos[(0:-~)/2]
coso:-cos{3 = -2sin [(0: + {3)/.2] sin [(0:-{3)/1]

Somme et diffrence d'angles
sin (0:+{3)
sin 0:
cos~+
cos 0: sintl
~)
sin 0: cos {3 - cos 0: sin ~
cos (0: + {3)
cos 0: cos tJ - sin 0: sin {3
cos (0:
cos 0: cos {3 + sin 0: sin {3
sn (0: -
{3)
Elvation au carr
sin 20:
2
cos 0:
co s 7. 0:) /.2
(l
(I +cos20:)/2
.. Relations exponentielles
exp (j QI)
sin 0:
cos QI + j sin QI
exp (j 0:) - exp (2j
coso:
exp Uo:) + exp (- jo:)

.2
" Dveloppement en srie

sin 0:
cos 0;
0:
1
0:
0:
/3 ! +
0; S
/5 ! - 0: 7/7 ! + .. .
/2 ! + 0: /4! 4
0:
/6!
+ .. .
exp 0; = 1+0:+0: /2! + 0: /3! + ...
15.3 PROPRITS PRINCIPALES DE LA TRANSFORMATION DE FOURIER

ET RELATIONS ASSOCIES
15.3.1 Signaux nergie finie

Proprit
Domaine temporel
Domaine frquentiel
transformation
directe
x(t)
x (f) =
transformaton
inverse
x{t)=
conjugason complexe
x (t) c-j21tft dt
+""
X{f)ej2trftdf
\ JI (t) = x .. (t)
X{f}
Y(f) =X (- f)
(continue)
494
15.3.1 Signaux nergie finie (suite)

Proprit
Domaine temporel
Domaine frquentiel
rabattement autour
de l'axe t = 0
y (1) = x (- t)
Y(f)
y (f)
multiplication de
la variable par une
constante > 0
y (t)::: x (at)
a > 1 acclration
o< a < l
complexe
rel
X(- f)
X (- f) '" X'" (f)
Y(f)= 1
101
ralenti~sement
x(L)
a
translaton
temporelle
(thorme du retard)
translation
frquentielle
(changement
defrquencc)
modulation
y (t)::: ej2rrfo t 'x (t)
(t)
=x
(t). cos
y (f) = X (f - 10 )
2rrf" t
df/
drivation
Y (t)::: -
intgration
y(t)=
(t)
dt n
y (f)
(j2rrf)tl X(f>
Y(f)=
1 X(f)+.!.X(O)O(f)
j'2rrj'
2
J x(u)du
avec
symtrie
y (t) = XU)
superposition
z (t)
multiplication
z(t)=x(t)'y(t)
ax (C) + by (1)
X(O)
(t) dt
Y(f)
x (-
Z (f)
aX(f)
+ bY (f)
Z(f)=X(j') '" Y(f);;;;;

+00
L,
convolution
z (t) x
XCfn) Y(f-/o)dfo
zen =X(f)- Y(n
(t) '" Y (t)::
+=
J x (T) Y (t -
corrlation
T) dT
+00
~xy(T)
=_1
x*(t)y (t + T) dt
~Xy(f)
X*(f) Y(n
:: x"'(- Tl '" J' (T)

thorme
du produit
+=
o
'Pxy(O)
_<XI
~xy(O) = _~ X" (f)
Y(f)
dl
+""
aUlOcorrlation et
densit spectrale
d'nergie
~X(T)=
identit de
W~=~.'\:(O)=
Parscval
COQ
x '* (r)y(t) dt
J
_co
x" (t)x (t
+ T) dt
=X"'(-T)*'\:(T)
+"'"
+00
Ix(t)I~dt
W~;;;;;
J J,x (f) dl: J
IX(f) I~ df
495
15.3.2 Signaux puissance moyenne finie

Proprit
Domaine temporel
corrlation
.,0\:\,(,)
autocorrlation
et densit spectrale
de puissance
;.oX(7)= hm
x
.
T~= T - Tf2
-.
1
== Hm -
Domaine frq uentiel
f TI2 x .. (t) l' (t + T) dt
T ... """ T-Tf2
1 TI2
-f
(t)x(r+T)dl
identit de
Parscval
15.3.3 Cas particuliers des signaux priodiques

Proprit
transformation
Domaine frquentiel
Domaine temporel
(1) ==
x (t + T)
-= rCPT[x(t, n) =
x(t, T} '"
""
-= l:
o.. (t)
X eju21Tf, r
1/::::-=
.
1
-= X(j, Tl T fi lITU)
avec
1
-f
avec
y (t) = x (ar)
translation
temporelle
(thorme du retard)
y(r)=x(t-,)
driyation
XUn
dU
dl ll
t
.V(t)=!1X/ x(u)du
=_"K_11_
Y
1/
,'_
Sl
convolution
=Il/I'T)
v(t}=--x(t)
intgration
.
x(t)c-JIl2rrf,tdt
to
T
multiplcation de
la varable par
une constante
to+T
(Il 0:;6
j1l2rrj;
Dl
tu+ T
x =~~ 0 = - f
T to
x (t) d t -= 0
:(I)=x(1)*Y(l)
ZII=X""YIl
1 fil +T
X(T)l'(t-T)dT
=-f
T
t()
avec x (l)
=x (t + Tl ct
Y)=y(r+Tl
(cam/nue)
496
TIiJtORIE ET TRAITEMENT DES SIGNAUX
15.3.3 Cas particuliers des signaux priodiques (suite)

Proprit
Domaine temporel
corrlation
IPxy{r)
Tf
Domaine frquentiel
10 +T
X*(t)y(t
+ r)dt
(ll;"y(f)=
to
""
X,~
::::X*(-.}*yCT}
Y"o (f -
11ft)
11=-00
avec x(t)
y{r)
autocorrlation
ct densit spectrale
de puissance
x{t+T) ct
IPx{T)
=Tf
to +T
to
=x*(-.)
x (t)x (t
+ T) dt
!l'x (f)
*' X(T)
identit de
Parscval
"'"
=1/=-1Xl
L IXIII~ O(f -n!;}
1
4.l x (f. T) 0 ljT(f)
avec q)x(f,T)
avec x (t) x (t -1- T);

y(t)=y(t+T)
(r.T)
=repTrT-l~x(, T)]
et
avec 1;
y(r+T)
= IX(f, TW
X*(-T,T)*x(r,T)
1 to+T
Px.,...x
='" ()=-f
Ix(t)I'1dt
T
To
""
1:
1/=-""
lXnll
15.3.4 Signaux alatoires stationnaires

Proprit
Domaine temporel
Domaine frquentiel
corrlation
thorme de
Wiener-Khintchine
RX(T)
= E Ix*(t))( (t + Tl]
[!';t;{f)= F{Rx(r)}
:::: lm E Illlxi (f, T)
IPx(-r) si x(r) ergodique
T .."'"
fIlxi (f, T):= r-1IX; (f. T) I"
(priodogmmme)
identit de
Parscval
Px =Rx(O)
= E lx"]
cr.~
+ Jll
=!:X 2p(X)dX
497
15.4 TABLE ILLUSTRE DE TRANSFORMES DE FOURIER
X(f)
x (1)
rcct (riT)
IXCI)I
T sin (1Tf T)
1TfT
~.
= Tsinc (fT)
o TI2
- T/:'
impulsion rectangulaire
o T- 1
tri (tlT)
T sine'" (fT)
Al
Do
TOT
impulsion triangulaire
1'-1
al(2;r}
..
0+j21Tf
1/11
impulsion cxponen tieUe

2a
a"1
+ (21Tf)l
1
- lIa
lIa
double exponentielle
ig (t) =
-1
ig (f) = c-1Tfl
a1C21i )
A-
-1
impulsion gaussienne
e- at sin {21Tfo th (1)
o
sinusode amortie
a+j21Tf
(0 + j211'f)~
+
)2
o
cosinusode amortie
A~:,
A
)j~1
- - - ' - - - - r - - - - t - I-~..
-
- Jo
Jo = ]'-1
(continue)
498
THORIE ET TnAITEMENT DES SIGNAUX
15.4 TABLE ILLUSTRE DE TRANSFORMES DE FOURIER (suite)

,X(f)1
XU)
x(t}
(0
+ j2 rrf) (b + j 2 rrfl
b ,-'
/I~f
o
cos (21TJ~ t) fee! (tll:i)
II
{sine III (f + 10 )}
2
+ sine [l:i U - 10 ) 1 }
impulsion cosinusodalc
,
lit
' ,~J21T
'\I l l :
1t 1!1t 1111 f
2T
1 ..
signal priodique
COS
(11Tfn t)
1.
ro(f+/o)+l(f-fn)J
~t
- j;1
signal cosinusodal
sin (21TJ;,t)
"2
1t
j~
=1'-1
o(f-j~)J
[0([+.1;1)
tt
ft
- 10
signal sinuso'dal
A rep T [1 rcet (2t/ T)
- rcct (t/ TJ)
1 J"o=r ' f..
L X l1 o(f-II/T)
1/
avec
onde carre
XI!
=:
o r-
J I,;~ Il
pour
Il
l, 5 . ,.
{-
pour Il
=i
3 .!: 7.. ,
1T1l
0 pour
11
..
XII =A sine (11/2)
nul ou pair
(CO/ll1/UC)
499
15.4 TABLE ILLUSTRE DE TRANSFORMES DE FOURIER (suite)

X(!)
x(r)
A rep TI rcct CrI b.. ) 1
~A 0 ...
0 tAOtA
l
"
Xuo (f-nIT) avec

.-tAIT
AA sine (n AI T)
-T
IX(!)I
suite d'impulsions reclangulaires
liU-nT)
IX)
1 . -r
-Tn"ao
0Cl
f:j
f-!!..
-T 0
peigne de Dirac
e j2rrj~ [
o(f-f~)
Re
-1
-j
..
f
J~
o (t)
..
impulsion unit (Dirac)
dI)
-1 El ( j" )
t
Do
~ It"--~
o
saul unit
-#
sgn(t}:::: _1
l i t1
jtrf
-1
JI,,--~
o
fonction signe
Kli(f)
..
f
conslante
500
THORIE ET TRAITEMENT DtS SIGNAUX
15.5 DESCRIPTION TEMPORELLE, SPECTRALE

ET STATISTIQUE DE SIGNAUX TYPIQUES
Signal
Autocorrlation
Spectre
X(l)
'P.-(T)
JCb; (f)
sinusode
Densit de
probabilit
Fonction de
rpartition
p (x)
F(x)
-blLk
-A
onde
carre
suite
d'impul-
..
onde
tnanguhmc
-A
-;1
;\l('r-4.d}
.d
O'I/T
-ri
Il.d
-A
.-1
O.d
r+:-:
.-1
III [;
'.
x
~
-A
l'
p..l~/3
0 -1-'\---1-'-_....
-.-ll/J
~
T
oA
_A
J-Tf,
-A
onde
en dents
de scie
01/1' 31T 5/T
~'~ ~ l 1
-~
rectangulacs
,1
p l JI
_Al
.' 1
siam
A~~
r
0+-1-+--+---A
o 111'
.F/3~
I T
- .P/6
T
p:lrilbole
-II
3/1' sIr
dcroissancc
en II!
;j
~Ar'l
,f
0 1/1' 3/1' 5/1'
x
- A
,1
It/l
~
-A 0 A
bruit
gaussien
Li large
bande
bruit
gaussien
filtr
(largeur de
bande B)
sinusoidc
bruit
gaussien
-o'ltlt:::.~~'i
~
-!.\,,;.
~
V,",
-.1
signal
binaire
pscudoalatoire
a;
..t
-I---I--r--f-l---
,..1<
.. -A!/j,/T
l'----J....-l_ ;
o
A~
~T
liT
L
0
Il.d
A, i
JiL k
0;'
~.~~
='---'
-A
- A 0 A
f
'2)fl
t 1t
-A
..1
- A
CC'
-A
'
..
SOI
15,6 REPRSENTATION ET TABULATION

DES FONCTIONS snc(a) ET sinc 2 (cx)
. ( rra:
sm
sine (0:)
1,0
0,8
"\
0,6
1\
\
\
0,2
-'
0.2
1\
0,4 --,-
rra:
..
\1
_~S~
0,5
-1-
"1/
sm rra:
0,8
0,6
..,-~
3"-..3-,-~
4,5
---
sine ~ (a:) =
1,0
~v:f"
2,5
/i2
ira:
-\\
0,4
c---
0,2
..,\
,
\
1\
\.. ,--
I,S
0,5
a:
--
2,5
3,5
4,5
sine (0')
sinc~ (0')
3.50
3.55
3.60
3.65
3.70
-0.090946
-0,088561
-0.OB4092
-0.0777oa
-0.059599
O.00B271
0.007B43
0.007071
0.005038
0.0041344
0.000000
O. 000590
0.002194
0.004518
0.007233
3.75
3.80
3.85
3.90
3.95
-0,050021
-0.049235
-0.037535
-0.025221
-0.012605
0.003603
0.002424
0,001409
0.000635
0.000159
0.100035
0.111964
0.120S89
0.126139
O. 120323
0.010007
0.012536
0.0145&6
0.015911
0.016467
4.00
4.05
4.10
4.15
4.20
0.000000
0.012295
0.023991
O. 034822
0.044547
0.000000
O.OOOISI
O. 000576
O.00121a
D.01ll9S4
2.50
2,55
2.60
2.65
2.70
0.127324
0.123291
0, 116~35
0,107025
0,095377
0.016211
0.015201
0,013557
0.011454
0.009097
4.25
4.30
4.35
4.40
4.45
0.052960
0.059808
0.065199
0.06BB02
0.070650
0.002005
O,003S07
0.004251
0.004734
0.004991
0.000000
0.002249
0.007995
0,015791
0.024309
2.7S
2.00
2. es
2.90
2.95
0.OB1847
0.066821
0.050705
0.0339111
0.016880
0.006699
0.004465
0.002571
0.001150
0.000295
4.50
4.55
4.60
4.65
4.70
0.070736
0.069097
O. 065BI 1
0.060993
0.054791
0.005004
0,004774
0.004331
0.00:1720
0.003002
-0.180063
-0,198091
-0.210086
-0.216236
-o. 21S821
0.032423
0.039240
0.044136
0.046759
0.047011
3,00
3,05
3,10
3.15
3.20
-0.000000
-0.016326
-0.031730
-0.045876
-0.059468
0.000000
0.000267
0.001007
0.002105
0.003419
4.75
4, BO
4. Bs
4.90
4.95
0.047385
0.ose979
0.029796
0.020074
0,010060
0.002245
0.001519
O.OOOBIiS
0.000403
0.000101
-0.212207
-0.202933
-0,189207
-0.17H:J99
-Il. 151481
0.045032
0.041141
0.035799
0,029546
0,022947
3.25
3.30
3.35
3.40
3.45
-0.069255
':0.078035
-0.084662
-0.099038
-O,09112e
0,004795
0.006090
0.007160
Il. 007928
0.000304
5. 00
-0,000000
O. DODIlOO
0'
sine (0')
sine' (0')
0:
0,00
0,05
0,10
0.15
0.20
1.000000
0.995B93
0.983632
O.95339B
0.935489
1,000000
0.991B02
Il. 957531
0.926135
0.875140
1.7S
1, BD
1.85
1.90
1.95
0.25
0.30
o. as
0.40
0.45
0.900315
0.95B394
0.910332
0,756827
0.698547
0.810569
0.736840
0.6S663B
0.572787
0.4ge107
0.50
0.55
0.60
0.65
0.70
0.636620
0.571620
0.504551
0.436333
0.367983
0.75
O. BD
0.85
0.90
0.95
sinc (0:)
sinc' (0')
0'
-0.128617
-0.103943
-0.0713113
-0.051770
-0.025535
0.016542
0.0101304
0.005102
D.0025BO
0.000652
2.00
2. OS
2. ID
2.15
2.20
0.000000
0.024290
0.046840
0.067214
0.095044
0.405295
0.326749
0,254572
O. 190a96
0.135339
2.25
2.30
2.35
2.40
2.45
0.300105
0.233972
0.170011
0.109292
0.052415
0.090053
0.054595
0,028904
0,011945
0.002747
1.00
1.05
1.10
1.15
1.20
~O. 000000
-0.047423
-0.099421
-0,125661
-o. 155!115
1.25
1,30
1.35
1.40
1.45
l,50
1.55
1.50
1.65
1.70
502
15.7 FONCTIONS DE BESSEL DE PREMIRE ESPCE

15.7.1 Relations gnrales
La fonction de Bessel de premire espce et d'ordre n entier J/l (x) est l'une des
solutons particulires de I"quation diffrentielle de Bessel [88]:
(15.1 )
La reprsentation intgrale de J/I (x) est donne par:
1
1,1(X) = rr
o
J cos(xsinO-110)dO
=-
1T
(15.2)
1T
2rr
exp(jxsinO -nO)dO
-7l'
Le dveloppement en srie de 1,l(X) est donn par:
JIl(:x) =
(~_. )11+2 k
(_1)"
k=O
k! (n+k)!
(15.3)
On a galement la relation
(15.4)
Les fonctions gnratrices et les sries associes sont:

cos(xsinO) = Jo Ct:) + .2
L J k(X)cosC.2kO)
2
05.5)
k=1
.2
sn(xsinO)
J 2k +dx)sin[(2k+l)O]
(15.6 )
k=O
exp(jxsinO)
J,,(X) exp (jnO)
(15.7)
'/=-=
avec, en posant
(J
= 0:
( 15.8)
L'volution des fonctins 1" (x) en fonction de J'argument x pour /1 compris entre
figure J 5.1. La figure 15.2 donne la suite des amplitudes obtenues en fonction de l'ordre Il pour quelques valeurs constantes de l'argument.
o et 4 est reprsente la
503
J/I(x)
1,0
0,8
0,6
0,4
0,2
x
15
0
0,2
0,4
Fig. 15.1
l:~(O.,)
o
..
11
1"
j
10
Il
12
13
14
15
...
1_<:(~.5)
o
l ',-
1I~~,~::_
o
t r~2
Il
.,
6
'"1
..,
10
Il
12
13
14
15
...
11
liIiI
10
11
11
13
14
15
!O
Il
12
13
14
15
10
11
12
13
14
15
10
Il
12
13
14
15
J 1I ('2)
O,S
Il
0 ,5
1
J n (3)
J
0
-0,2
0,2
Il
1//[ r-r-- r -~
~-
012l_
1,/2
JI
l:-
0,2
ilia
---
11
15
0.2
Fig. 15.2
504
(5.8 LOI NORMALE (GAUSS)
15.8.1 Nonnalisation de la loi de Gauss

La densit de probabilit
1
p(x) =
exp
[(X-J1.x)2]
- ---
. /,
V.;.1Ta x
(I 5.9)
_a x
et son intgrale F (x) sont ramenes une forme normalise en effectuant le changement
de varable
(15.10)
On obtient alors la loi normale rduite (fig. 15.3)

p(z);
"exp(-;-z')
(15.1])
La fonction de rpartition correspondante est

F(z) =
J=
(15.12)
p(z')dz'
et la fonction de rpartition complmentaire (fig. 15.4) vaut
Fc(Z}
1--
10- 1
10- 2
10-:>
10- 4
IO- s
10-
pc:' )
" "J!\.,
i'..
l
!
10-7
1\
1
1
10- 8
1\
10- 9
10-IG
1\
\1
Fc(Z)
-'
a
Fig. 15.3
10- 11
~ =
..J.
Fig. 15.4
505
15.8.2 Tabulation de la loi normale et de son intgrale

F{z}
Fc(z)
l-F(z)
p (z)
F{:)
Fc(z)= L-F{z)
p (z)
D. ClD
0.01
0.02
0.03
0.04
0.50000
0.5D3!l9
0.50798
0.51197
O. S159S
0.50000
0.49601
0.49202
0.48803
0.48405
0.39894
0.39892
0.39886
0.39976
0.39862
0.70
0.71
0.72
0.73
0.74
0.75804
0.76115
0.76424
0.76730
0.77035
0.2419B
0.23885
0.23576
0.23270
0.22955
0.31225
0.31006
0.30785
Q.30563
0.30339
0.05
0.05
0.07
0.08
0.09
0.51994
0.52392
0.52790
0.53188
0.53585
D.48006
0.47608
D,47210
D.46812
0.46414
O.
O.
0,
0,
O.
0.75
0,75
0.77
0.78
0.79
0.77337
0,77637
0.77935
0.782:30
0.78524
D.22663
0.22363
0.22065
0.21770
0.21476
0.30114
0.29887
0.29559
0.29431
0.29200
0.10
0.11
0.12
0.13
0.14
0.53983
0.54390
0.54776
0.55172
0.55567
0.46017
0.45620
0.45224
0.44828
0.44433
0.39595
0.39554
0.39609
0.39559
0.39505
0.80
0.81
0.52
0.83
0.84
0.78S14
0.79103
0.79389
0.79673
0.79955
0.21186
0.20897
0.20611
0.20327
0.20045
0.28969
0.28737
Cl. 28504
0.28269
a.28034
O,IS
0.16
0.17
O. lB
0,19
0.55962
0.56355
D.56749
0.57142
0.57535
0.44038
0.43544
0.43251
D.42858
0.42465
0.39448
0.39387
0.39322
0.39253
0.39181
0.85
0.86
0.87
0.89
0.89
0,80234
O. B0511
O.B078S
0.810S7
0.81327
0.19766
o. 19489
o. 19215
0.18943
0.18673
0.27798
0.27562
0.27324
0.27086
0.26848
0.20
0.21
0.22
0.23
a.24
0.57926
0.58317
D.5B706
0.S90!l5
0.59483
0,42074
0,41683
0.41294
0.40905
0.40517
0.39104
0.39024
0.38940
0.38853
0.38762
0.90
0.91
0.92
0.93
0.94
0.91594
0.91859
D.82121
0.82381
0.82639
0.19406
0,19141
0.17879
0.17619
D.173f.H
O.
O.
O.
O.
0.2S647
a.25
D.26
0.27
0.28
0.29
0.59871
0.60257
0,60642
0,61026
0,61409
O .<10129
0.39743
0.39358
0.38974
0.38591
0.38667
0.38568
0,38466
0,38361
0,38251
0,95
0.96
0.97
O. SB
0.99
0,82894
0.83147
0.83398
0.83646
O.838S1
O. 17106
0.15853
0.16602
0.16354
0.16109
0.25406
0.25164
0.24923
0.24681
Cl. 24439
0.30
0.31
0.32
0.33
0.34
O,6l791
0.62172
0.62552
0.62930
0.53307
0.3820S
D.37828
D.37.oMB
0.37070
0.36693
0,38139
0.38023
D.37903
0.37780
0.37654
1.00
1,01
1.02
1.03
1.04
0.84134
0.84375
0.84614
0.84849
0.85083
0.15866
0.15G25
0.15385
0.15151
0.14917
0.24197
0.23955
0.23713
0.23471
0.23230
0.35
0,36
0,37
0.38
0.39
0.63683
0.64058
0.64431
0.54803
0.65173
0.36317
il. 35569
0.35197
0.34827
0.37524
0,37391
0.37255
0.37115
0,36973
1.05
1.06
1.07
1. CS
1.0!]
0.85314
0.85543
0.85759
0.85993
0.85214
0.14685
0.14457
0.14231
0.14007
D.13786
0.22988
0.22747
0.22506
0.22265
0.22025
0.40
0.41
0.42
0.43
0.44
0.65542
0.65910
0.66276
0.66640
0,67003
0.34458
0,34090
0,33724
0,33360
0.32997
0.35827
0.35578
0.35526
0.36371
0.36213
1.10
1.11
1.12
1.13
1. 14
0.86433
0.86650
0.86864
0.81075
0.87286
0.13557
0.13350
0.13135
0.12924
0.12714
0,21785
O. 215~6
0,21307
0,21069
0,20831
0.45
0.46
0.41
0.49
0.49
0.67364
0.67724
0.68082
0.6B439
0.68793
0.32636
0.32276
Cl. 31918
0.31551
0.31201
0.35053
0.35869
0.35723
0,35553
0,35381
1. 15
1. 16
1.17
1.18
1,19
0.87493
0.87598
0.87900
0.88100
0.88298
O. 12507
0.12302
0.12100
0.11900
0.11702
0.20594
0.20357
0.20121
0.19B86
0.19652
0.50
0.51
0.52
0.53
0.54
0.59145
0.69497
0.59847
0.70194
0.70540
0.30854
0.30503
0.30153
0.29806
0.29460
0.35207
0.35029
0.34849
0.34667
0.34482
1.20
1.21
1.22
1.23
1.24
0.88493
0.88686
0,88877
0.89065
0.89251
0,
O.
0,
0,
0,10749
0.19419
0.19185
0.18954
O,IB724
O. IB494
0.55
0.56
0.57
o. SB
0.59
0.70884
0.71226
0.7iS5G
0.7H104
0.72240
0.29116
0.28774
0.28434
0.28096
0.27760
0.34294
0.34105
0.33912
0.33718
0.33521
1.2S
1.26
1. 27
1.28
1.29
0.894.35
0.89617
0.89796
0.8997.3
0.90147
0.10555
0.10383
0.10204
0.la027
0.09853
0.lB255
O. 18037
0.17810
0.17585
0.17360
0.50
0.61
0.52
0.53
0.54
O.
O.
0.27425
0,27093
0.25763
0.26435
0.26109
0.33322
0.33121
0.32918
D.32713
0.32505
1.30
1,31
1 .32
1.33
1,34
0.90320
D.90490
0.90658
0.90824
0.90988
0.09580
0.oe510
0.09342
0.09175
0.09012
0.17137
0,16915
0,15694
0.16474
0.16255
0.65
0.65
0.67
0.68
0.1S9
0.74215
O. ?A537
0.74957
0,75175
0.75490
O.
O .'32297
0.32086
0.31874
0.31659
0.31443
1.35
0.91149
0.91309
0.91465
0.91621
0.91774
0.09B51
0.08691
0,09534
0.09379
0.08226
O.
O.
O.
o.
O.
O.
O.
O.
0.~5942
O.
O.
O.
O.
1. 36
1.37
1.38
1.39
506
THORIE leT TRAITEMENT DES SIGNAUX
15.8.2 Tabulation de la loi normale et de son intgrale (suite)

F (z) Fe (;) = 1- F (=)
p (z)
F(z)
Fc(;:) = I-F(:;;) P (z)
1.40
1. 41
L 42
1.43
1.44
0.91924
0.92073
0.92220
0.92364
0.92507
0.08075
0.07927
0.07780
O. D7635
O. D7493
0.14973
0.14764
O.145S6
0.14350
0.14146
2.10
2.11
2.12
2,13
2.14
0.98214
0.98257
Q.98300
0.98341
0.98382
O.0178S
0.01743
0.01700
0.01659
0.01619
0.04398
0.04307
0.04217
0.04129
O,04D41
1. 45
1. 45
l.oH
1,48
1.49
0,92647
0.92785
0.92922
0.93056
0.93199
0.07353
0.07215
O. D7078
0.OS9U
O.OSBll
0.13943
0.13742
0.13542
0.13344
0.13147
2.15
2.16
2.17
2.18
2.19
0.98422
0.98461
0.99500
0.98537
0.98574
0.01579
0.01539
0.01500
0.01463
0.01425
0.03955
0.03871
0.03788
0.03705
0.03625
l, sa
l, SI
1. 52
1. 53
1.54
0.93319
0.93448
0.93574
0.93699
0.93922
0.05681
0,06552
0, 05~26
0,05301
0.05178
0.12952
0.12758
0.12566
0.12376
0.12188
2.20
2,21
2.22
2.23
2.24
0.98610
0.98545
0.98579
0.98713
0.98745
0.01390
0.01355
0,01321
0.01267
0.01255
0.03547
0.03470
0.03:394
0.03319
0.03246
1. 55
1. 55
1.57
1. 58
1. 59
0.93943
0.94052
0.94179
0.94295
0.94408
0,
0.05592
0.12001
0.11816
0.11632
0.11450
0.11270
2.25
2.25
2.27
2.28
2.29
0.98778
0.98809
0.98840
0.98870
0.98899
0.01222
0.01191
0.01160
0.01130
0.01101
0.03174
0,03103
0.03034
0.02955
0.02888
1.60
1. 61
1.62
1.63
1.64
0,94520
0.94530
0.94738
0.94845
0,94950
0.05480
0.05370
0.05262
0.05155
0.05050
0.11082
O. 10915
0.10741
0.10567
0.10396
G.30
2.31
2.32
2.33
2.34
0.98928
0.99956
0.98983
.99010
0.99036
0.01072
0.01044
0.01017
0.00990
0.00964
O. 02833
0.02768
O. 02705
0.02643
0,02582
1.65
1.65
1.67
1. 68
1. 69
0,
O.
O.
O.
O.
0.04947
0.04846
0.04746
0.04648
0.04551
0.10226
0.10059
0.09893
0.09728
0.09566
2.35
2.36
2.37
2.38
2.39
0,99061
0.99086
0,99111
0.99134
0,99158
0,00939
0,00914
0,00889
0. 00965
0.00942
0.02522
0.02463
0.02406
0.02::149
0.02294
1,70
1,71
1,72
1.73
1.74
0.95543
0.95637
0.95728
0.95918
0.95907
0.04457
0.04363
0.04272
0,04182
0.04093
0.09405
0.09246
0'090B9
0.08933
0.08780
2.40
0,99180
0.99202
0.99224
0,99245
0.99265
0. 00820
2.41
2.42
2.43
2.44
0.00798
0.00776
0.00755
0.00734
0,02239
(J,OZ185
(J,02134
0.02083
0.02033
1.75
1.76
l.77
1. 78
l. 79
0.95994
0.95080
0.96164
0.95246
0.96327
0.04006
0.03920
0.03835
0.03754
0.03573
0.08629
0.08478
0.08329
0.08163
0,08038
2.45
2.46
2.47
2.48
2.49
O.
0,
0,
O.
0.99361
0.00714
0.00695
0,00676
0.00657
0.00639
0.019S4
0.01936
0.01888
0.OH142
0.01797
1,80
1.81
1. 82
1.83
1.84
0.96407
0.95485
0,96562
0,96638
0,95712
0.03593
0.03515
0.03438
0.03352
0.03288
0.07895
0.07754
0.07614
0.07477
0.07341
2.50
2. SI
2.52
2.53
2.54
0.99379
0.99396
0.99413
0.99430
0.99446
0.00621
0.00604
0.00587
0.00570
0.00554
0.01753
0.01709
0.01667
0.01625
1.85
1.85
1. a7
1.88
1. 89
0.96784
0.96856
0.95926
0.96995
0.97052
0.03216
0.03144
0,03074
0.03005
0.02938
0.07206
0,07074
0,06943
0.06814
0.06687
2.55
2.56
2.57
2,58
2,59
0.99461
0.99477
0.99492
0.99506
C.99520
0.00539
0.00523
0.00508
O. 00494
O. 00480
0.01545
0.01506
0.01468
0.01431
0.01394
1,90
1.91
1.92
1.93
1.94
0.97128
0.97193
0.97257
0.97320
0.97381
0.02872
0.02807
0.02743
0,02680
0,02619
0.06562
0.06438
0.05315
0.05195
0.05077
2.60
2.61
2.62
2.63
2.64
0.99534
0.99547
0.99560
0.99573
0.995as
0,00465
0. 00453
0.00440
0.00427
0,00415
0.0I3se
0,01323
0, Ol'189
0.01'156
0.01223
1.95
1.96
1.97
1.9B
1.99
0.97441
0.97500
0.9755B
0.976!S
0,97670
0,02559
0,02500
0.02442
0.02385
0.02330
0.05959
0.05844
0.05730
0.05618
0.05508
2.65
2.66
2.67
2.6B
2.69
0.99598
0.99609
0.99621
0.99632
0.99543
0.00402
0,00391
0,00379
0.00358
0.00357
0.01191
0.01160
0.01130
0.01100
O. 01071
2.00
2.01
2.02
2.03
2.04
0.97725
0.97778
0.978310.97882
0.97932
0,02275
0.02222
0.02169
0,02119
0,02068
0.05399
0.05292
0.05186
0.05082
0.04980
2.70
2.71
2.72
2.73
2.74
0.99653
0.99664
0.99674
0.99683
0.99593
0. 00347
0.00335
0. 00326
0.00317
0.00307
0.01042
0.01014
0.00987
0.00951
0.00935
2.05
2.06
2.07
2.08
2.09
0.97982
0.98030
0.98077
0.02019
0.01970
0.01923
0.01876
0.01831
0.04879
0.04780
0,04582
0.04586
0.0449!
2.7S
2.76
2.77
2.78
2.79
0.99102
0.99711
0,99720
0.99728
0,99735
0.Olll98
0.00289
0,00280
0.00272
0.00264
0.00909
o,ooaas
O.Ooasl
0,00637
0. 00814
O.S812~
0.98169
O.
o.
Q.
O. DIses
(continue)
507
FORMULAIRE ET TAULES DE RFRENCES
15.8.2 Tabulation de la loi normale et de son intgrale (suite)

F(z)
Fe (z)
= 1-
F (z)
p (z)
F(:::)
r~ (z) =
1 - F (z)
p (:::)
2.80
2.81
2.82
2.83
2.84.
0.99744
0.99752
0.99760
0.99757
0.99774
0.00255
0.00248
0.00240
0.00233
0.00225
0.00792
0.00770
0.00749
0.00727
0.00707
3.50
3.51
3.52
3.53
3.54
0.9997674
0.9997759
0.9997842
0.9997922
0.9997999
2.33E-004
2.24E-004
2.15E-004
2.08E-004
2.00E-004
8.73E-004
8.43E-004
8. 14E-004
7. 85E-004
7. 58E-004
2.85
2.86
2.87
2.88
2.89
0.99781
0.99788
0,99795
0.99801
0.99807
0.00219
0.00212
0.00205
0.00199
0.00193
0.00687
0.00558
0.00549
0.00531
0.00613
3.55
3.56
3.57
3.58
3.59
0.9998074
0 .9998146
0.9998215
0,9998282
0.9998347
l, ~BE-004
L 8SE-004
1. 78E-004
1. 72E-004
1. 65E-004
7.32E-004
7.05E-004
5.81E-00ol
6.57E-004
5.34E-004
2.90
2.91
2.92
2,93
2.94
0.99813
0.99819
0.99825
0.99831
0.9983S
0.00187
0.00181
0.00175
0.00169
0.00164
0.00595
0,00578
0.00552
0.00545
0.00530
3.50
3.51
3.52
3.63
3.54
0.9998409
0.9998469
0.9998527
0.9998583
0.9998637
1.59E-004
1.53E-004
1. 47E-004
1.42E-004
1. 35E-004
5.12E-004
5.90E-004
5. 59E-004
5.49E-004
S. 29E-004
2.95
2.95
2.97
2.98
2.99
0.99841
0.99845
0.99851
0.99855
0.99851
0.00159
0.00154
0.00149
0,00144
0.00139
0.00514
0.00499
0.00485
0.00470
0.00457
3.65
3.66
3.67
3.58
3.59
0.9998589
0.9998739
0.9998787
0.9998834
0.9998879
1. 31E-004
1. 25E-004
1.2IE-004
1.17E-004
1.12E-004
5.lOE-004
4. 92E-004
4.74E-004
4. 57E-004
4.4IE-004
3.00
3.01
3.02
3.03
3.04
0.99855
0.99859
0.99874
0.99878
0.99882
0.00135
0.00131
0.00125
0.00122
0.00l18
0.00443
0.00430
0.00417
0.00405
0.00393
3.70
3.71
3.72
3.73
3.74
0.9998922
0.9998954
0.9999004
0.9999043
0.9999080
1. 08E-D04
1,04E-D04
9.96E-005
9.57E-005
9.20E-005
4. 25E-004
4.09E-004
3. 94E-004
3.80E-004
3.55E-004
3.05
3.05
3.07
3.08
3.09
0.99885
0,99889
0.99893
0,99895
0,99900
0,00114
0.00111
0.00107
0.00104
0,00100
0.00381
0.00370
0,00358
0.00348
0.00337
3.7S
3.75
3.77
3.78
3.79
0.9999116
0.9999150
0.9999184
0.9999215
0.9999247
8.84E-00S
8.S0E-005
8. 1SE-DOS
7.84E-005
7.53E-005
3.53E-004
3.40E-004
3. 27E-004
3. 15E-004
3.03E-004
3, ID
3. Il
3,12
3,13
3.14
0.99903
0.99905
0,99910
0.99913
0.99915
0.00097
0.00094
0.00090
0.00087
0.0008<:
0.00327
0.00317
0.00307
0.00298
0.00288
3.80
3.81
3.82
3.83
3,84
0.9999277
0.9999305
0.9999333
0.9999359
0.9999385
7.23E-005
5.95E-00S
6.57E-005
5.41E-005
6. ISE-DOS
2.92E-004
2. 81E-004
2. ?lE-004
2.60E-004
2.51E-004
3.15
3.16
3.17
3.18
3. 19
0.99918
0.99921
0.99924
0.99925
0.99929
0.00082
0.00079
0.00076
0.00074
O. 00071
0.00279
0.00271
0.00252
0.00254
0.00246
3.85
3.85
3.87
3.88
3.89
0.9999409
0.9999433
0.9999455
0.9999478
0.9999499
5.91E-00S
S. 57E-005
5.44E-005
5. 22E-00S
5. OIE-DOS
2. 41E-004
2. 32E-004
2. 23E-004
2. 15E-004
2.07E-004
3.20
3,21
3.22
3.23
3.24
0.99931
0.99934
0.99936
0.99938
0.99940
0.00059
0.00066
0.00064
0.00052
0,00050
0.00238
0.00231
0.00224
0.00216
0.00210
3.90
3.91
3,92
3.93
3.94
0.9999519
0.9999539
0.9999557
0.9999575
0.9999593
4. 81E-00S
4.5IE-005
4. 43E-005
4. 25E-00S
4.07E-00S
1. 99E-004
1. 91E-004
1. 84E-004
1. 77E-004
1.70E-004
3.25
3,25
3.27
3,28
3.29
0.99942
0.99944
0.99946
0.99948
0.99950
0.00058
0,00056
0.00054
0,00052
0.00050
0.00203
0.00196
0.00190
0.00184
0.00178
3.95
3.95
3.97
3.98
3.99
0.9999509
0.9999625
0.9999641
0.9999655
0.9999670
3. 9 lE-DOS
3. 75E-00S
3. 59E-00S
3. 45E-00S
3.30E-DOS
1. 63E-004
1. 57E-004
1. 51E-004
1. <:5E-004
1. 39E-004
3.30
3.31
3.32
3.33
3.34
0.99952
0.99953
0.99955
0.99957
0.99958
0,00048
0.00047
0.00045
0.00043
0.00042
0.00172
0.00167
0.00151
0.00156
0.00151
4.00
4. OS
4.10
4,15
4.20
0.9999683
0.9999744
0.9999793
0.9999834
0.9999967
3.17E-00S
2.S5E-00S
2.07E-00S
1. 55E-OOS
1.33E-00S
1. 34E-004
1. 09E-004
8. 93E-00S
7. 25E-00S
S. 89E-00S
3.35
3,36
3,37
3.38
3.39
0,99950
0.99951
0.99952
0.99954
0.99965
0.00040
0.000a9
0.00038
0,00036
0.00035
0.00145
0.00141
0,00135
0.00132
0.00127
4.25
4.30
4.35
4.40
4.4S
0.9999893
0.9999915
0.9999932
0.9999946
0.9999957
1.07E-00S
8. S4E-00S
5. BLE-DOS
5.41E-00S
4. 29E-00S
4. 77E-OOS
3.8SE-00S
3. IDE-DOS
2. 49E-005
2.00E-00S
3.40
3.41
3.42
3.43
3.44
0.99966
0.99968
0.99959
0.99970
0.99971
0.00034
0.00032
0.00031
0.00030
0.00029
0,00123
0.00119
0.00115
0.00111
0.00107
4.50
4.55
4.50
4.55
4,70
0.9999966
0.9999973
0.9999979
0.9999983
0.9999987
3.40-00S
2. 68E-00S
2. liE-DOS
1. 66E-00S
1. 30E-00S
1. GOE-OOS
1. 27E-00S
1. OIE-DOS
9.0SE-006
6. 37E-006
3.4S
3.45
3.47
3.48
3.49
0.99972
0.99973
0.99974
0.99975
0.99975
0.00028
0.00027
0.00026
0.00025
0.00024
0,00104
0.00100
0.00097
0.00094
0.00090
4.75
4,80
4,85
4.90
4.95
0.9999990
0.9999992
0.9999994
0.9999995
0.9999995
1. 02E-00S
7.93E-007
5.17E-007
4. 79E-007
3.71E-007
5.03E-006
3. 95E-006
3.IlE-006
2. 44E-005
1. 91E-006
(continue)
508
15.8.2 Tabulation de la loi nonnale et de son intgrale (suite)

P (z)
F(z)
2.B7E-007
2.2IE-007
1. 70E-007
1.30E-007
9.9SE-00B
1.49E-005
1. ISE-DOS
8.97E-007
6.94E-007
S.3SE-001
6.00
6.10
5.20
5.30
6.40
1.0000000
1.0000000
1. 0000000
1. 0000000
1,0000000
9. 87E-0l0
S.3DE-01O
2.8ZE-OIO
1. 49E-OIO
7. 77E-Ol 1
5.08E-009
3. 32E-009
1.79E-009
9.60E-OID
S. 09E-OIO
0.9999999
0.9999999
1.0000000
1.0000000
1.0000000
7.60E-00B
S.7SE-00B
4.40E-00B
3. 33E-009
2.52E-008
4.13E-007
3.17E-007
2.43E-007
1. B5E-007
1.42E-007
S.50
6.60
6.70
6.BO
6.90
1.0000000
1.0000000
1.0000000
1.0000000
1.0000000
4. 02E-Ol 1
2. 06E-Oll
1. D4E-m 1
5. 23E-012
2.60E-012
2. 67E:-OIO
1. :39E-OI0
7. 13E-OII
3.,63IHJll
1. a3E-[]l1
1.0000000
1.0000000
I,ODOOOOO
1.0000000
1.0000000
1.90E-OOB
1.07E-008
S.
1.OBE-007
6.1SE-OOS
3,SIE-008
1. geE-OOB
l, IDE-ODB
1.00
B.OO
9.00
10.00
1.0000000
1.0000000
1.0000000
1.0000000
1. zeE-012
S.13E-016
1. l3E-Dl9
7.62E-024
9.13E-0l2
5. OSE-OIS
1. OllE-OlS
1,691:::-023
F(z)
5.00
S.OS
5.10
5.15
5.20
0.9999997
0.9999998
0.9999998
0.9999999
0.9999999
5.25
5.30
5.35
S.40
5.45
5.50
5.60
5.70
5. SO
S. 90
1- FCz)
Fc(z)
3.
J. B2E-009
F c (z)=l-F(z)
P (z)
15.9 FONCTION DE MARCUM
15.9.1 Introduction
La fonction Q (a, b) de Marcum est dfinie par:
Q(a,b) =
J exp (- a' :x
2
)
Jo (a.y) x dx
la (ax) x dx
(15.13)
Elle peut tre calcule numriquement par une mthode d'itration base sur le dveloppement en srie de la fonction de Bessel modifie d'ordre zro [141]
10 (x)
L (~)\2n
,,= O.!..
(15.14)
(12 !)2
On obtient alors
Q(a,b)
= J-
gn k"
(15.15)
"=0
avec
(15.16)
et
(15.17)
k"
15.9.2 Proprits principales et relation asymptotique
Q(~,V2b)
J exp
a-y)Io (2vay)dy
(15.18)
Q(O,b)
(15.19)
509
Q (a, 0) = 1
(15.20)
Q(a,b) -1 erfe (b-a)

~
pour b}> 1 et b}> b - a
VT
(15.21)
15.9.3 Abaques
Des abaques des fonctions Q(a. b) et ] - Q(a, b) sont reproduites sur les figures
15.5 et ] 5.6.
Q(a, hl
'\.
\.,
\\
'"
a=O
r\\l \2
\ \
1\4 1\5 \6
\3
..l.
\ \
\ \
\l\\
\
,
\ 1
\ 1
\\
li
,,
, ,\
1\ ~
1\
\9 \10
\ \ \ \
, ,
\7 , \8
"~\~-h= ~,
\ 1\
,\1 \
"~ "~ , " "'\ l"'\
12
.....
...
.~-
1\
10
III:!
Fig 155
1 -Q{a, b)
ff/ff#/9 '
11 1
a= o 1/2 /3
/4
/5
1 1 il Il
11
Il
1
1
1 1 1 1 1/ 1 1 Il
1 1/ / 1/ / 1 1/
Il
11
1 1 1 1
1 1
1 i
/ / /
/111/12
Il
1 1
1 1 1 /
/10
1 1 1
111/ / 1111
b
9
Fig. 15.6
la
Il
12
SOLUTIONS DES EXERCICES
CHAPITRE 1
1.4.1 A.6.; x =
1.4.2 x(t)
1.4.3
= tA
= A.6./T.
sgn(t-to -T)1
[sgn(t-to)
Zl(t):;:: AB[o (t+to)+o (t-ta)]+AB[o (t+to+td+o (t-to+td

+0 (t+to-td+o (t-t a -td]
Z2 (t) = A repT [cos (1ft/T) rect (t/T)]
A 1 cos (1ft/T) 1.
1.4.5
X Ct, Tl) = (A/rr) (To/Td sin (1rT1 /To) sin [(2rrt/ Ta) -rr Tl/Ta]
et
et
x (t. Tl
x (t, TI
:;:: k To) ::::
To /2)
- (lA/1f) cos (1rrt/To)
o.
1.4.6
Z
x (t) '" y (t) ==
(t)
2:
Clc
5 (t- kT)
k=O
avec
Co
Ck
= exp(-k)-exp(-k+ 1)+exp(-k+2)pourk
l,
Cl
= exp (- 1)
1 = - 0,63
et
~
2.
CHAPITRE 2
2.6.1 P :;:: 0, Hl == A 2 T; P = A 2
Hl = 00; P = 00, Hl = 00; p.:;:: 0,
H!
t,
Hl = 00; P = A 2 /4, Hl = 00: P =

Hl.:;:: A 2 /la; P = 00, Hl:= 00; P
0,
2A 2 T/3.
2.6.2 P (T)
li: entier
*' O.
+A
[1 - sine (2 T/To)]; P (T) = P
= A 2/:2 pour T = k To /2,
512
2.6.3 x p (t) ::: -A sin cos wt; Xi(t) =A cosa. sin wt.
2.6.4 Montrer que Xi
= X- X =
O.
CHAPITRE 3
3.5.1 dl (Xk' Xl) = A # "/ k, 1; di (Xk,Xlr= A 2 T = Ilxk 11 2 + IIx l l12

= somme des nergies de chaque signal; xk et Xl sont orthogonaux "/ k, 1.
3.5.2 dl (XhXi) = d 2 {Xi,Xi) = 0 pour i::: 1,2,3~ d l (Xl,X3)

d 1 (X2,X3):;::
:;:: V2fjA;d t {Xl, X,.) ':::: 2A/V3; td 2 (Xl,X2) = d2(xt.X3)::: d 2 (x2,x3) = A/2.
3.5.3 <x,y* >
T/2 sin llO; <x,y* > = 0 pour llO
0 krr.
3.5.4
00
Il e 11
Ilx 11 -llx Jl2
ct) dt-
k=l
1=1
k I kI
= 0,152.
3.5.5
x (t)
(2/rr) [rect (t
-)
rect (t +
)]; Il e11 = 1 2
8hr1. == 0,18943.
3.5.6 Toute fonction impaire sur l'intervalle n'est pas reprsentable par une combinaison linaire des lJ! k (t).
3.5.7 Dvelopper x (t) et y (t) l'aide de l'ensemble {lJ!k (t)} et tenir compte de
l'orthogonalit de ces fonctions.
3.5.10
lJ!4 (t)
lJ!5 (t)
= - 2
=
tPl ct)
tP2 ct)
VI (t)
V2 (t)
V3 (t)
V4(t)
::::
::::
v'2 (4e- t -
v'O
30e- 2t + 60e-3t - 35e-4t )

(lOe- -120e- 2t + 420e- 3t - 560e- 4t
t
+ 252e- st ).
3.5.11
VI ct) /.Jl2
V3 tP 1 (t)]
= O(JS) [V2 (t) +

tPk{t) = 0 pour k
3 et 4;
::::
Cl/Vi)
reet [(t - 2)/2];
v'2 tPl Ct);

-0 tP 1 ct) + Vs tP2 (t);
-J3 tP 1ct) - V2lJ!1. (t);
::::
-..J3I/J1{t)-.j8lJ!'2(t).
3.5.12 Cas a): CXk non nuls seulement pour k = 0 : X (t) = o = 1/2; ~ 4 et
6dB; aucune valeur de 111 ne permet une meilleure approximation.
~dB
513
Casb):o=1/2, 0:2=-1/4, 6=-1!8, 14= 1/1 6 ,0:1=0::3=O::S= CX 7=

=0:9 =0::11 =0:13 =0::4 =0::8 =CX 12 =O;pour mmin = 14 (mais 4 coeff.*O): ~dB 24 dB;
chaque coefficient non nul entrane une amlioration de 6 dB.
3.5.13 x (t)rel:X_k = X;;, avecXo =A/2 et X k
(A/2rk) pour k*O.
CHAPITRE 4
4.6.1 Dvelopper (4.1 0) et examiner chaque terme.

4.6.2 Idem (4.6.1).
4.6.3 Utiliser (4.76)
4.6.4 Utiliser (4.24) et (4.14).
4.6.5 Utiliser (4.67) avec reet (t) '" tri (t) # sinc 3 (f) et tri (t)
* tri (t) ~ sine4 (f).
4.6.6 Convolution value par mthode indirecte avec (4.14), (4.18) et (4.24):
v (t) = 1T sin (t)/t.

4.6.7 X(f) = tAT[sinc (jT)-t sine z (fT/2)];
Y(f) = [jAI(21Tf)] [cos (rrfT) -sine (fT)].
4.6.8 Driver l'expression (4.1).

4.6.9
dx/dt
-2rrtexp (-rrt'2)+-+j2rrfX(f)
= -j dX/df
d'o
x (f)
= solution de l'quation dX IX = - 21Tf df.
4.6.10 Par (4.14), (4.68) et (4.1 81):
x (r) '" y (r) = ~xy(r)
= Tl Tl [T? + Tl] -1/2ig [t (T? + Tlrl/2].
4.6.11 1X (f)1 =2AT 1 sine (2 Tf) - sine (Tf) cos (7 rr Tf) 1; ~x (f) =1X(f) 12
L'autoeorrlation ~x (r) = ~x (- r) peut tre dtermine par voie graphique, elle est
reprsente sur la figure 4.31 .
. 4.6.12 X (f)
voir fig. 4.32.
=t AT [sine
(Tf + 1) - sinc 2 (Tf - 1)] exp[j (1T/2 -1TfT)]. Graphes
4.6.13 ~Xy (r) = 0 pour 11'1> T; ~Xy (r) =AB (r 2/T- 21rl + T) pour
<T; ~xy(r)=AB(+T-r27T) pour O<lrl<t T.
t T< 1ri
4.6.14 X (f) = (j2rrf)-1 sinc (af) + 8 (f) par (4.87). Le mme rsultat peut tre
trouv en appliquant la proprit d'intgration du tableau 15.3.1.
514
~X (T)
4A1T
-2A 2 T
Fig. 4.31
IXU)
f
- 4/T
- 3fT
- 21T
21T
31T
41T
f
-41T
-31T
111'
-lIT
111'
'lIT
31T
4/T
Fig. 4.32
4.6.15
lf'x(7)
cpx(f)
= (A 2 .1/T)repr {2 tri (7/Ll)-tri [(7+ T/2)/Ll]-tri [

= 2:/1 (2ALlIT) 2 sinc 2 (llLl/T)5 (f-n/T) pour 11 impair.
T/2)/LlJ}~
515
4.6.16
x (t) == A repT
eos (27Tlt) rcct
<1>;(
C~1ij~t)'rect
(t AllI T) 2
Cf) ==
(tILl)]:
{sine [Ll (f + l)] + sine [Ll Cl - l)] };
{sinc 1 [Ll (f + J )] + sinc 2 [il (f - l )]} lJT(j)
UI Ll)";-;' ~ Ll
~ 1Ill.
pour fo
4.6.17 Par identit de Parseval (4.142) applique une suite priodique d'impulsions
rectangulaires rCPT [rect (t/ Ll )].
4.6.18
0: 'P=(r) = tA 2 cos(27Tfor)+(A 1 /8)cos(2Jor):

(p='(f) == iA 2 {6 (f+l'o)+6 (f-l)+* [0 (f+l'o!7T) +0 (f-fo/n]):
'Px\' (r) ==
P==SA 2 /8.
4.6.19 Par (4.67):
< zb
>
= sine (k -1) qui vaut
1 pour k
1 et zro pour k =1= 1.
CHAPITRE 5
5.11.1 Px =2, a~:::: 1/3' l1y =2/3, a.~ = 2/9.
5.11.2 Prob(lzl
5.11.4 Prob (x
5.11.5 Px
< 1.5)
11/12.
(x = - A/2) == 0.33
= Li Prob (xj}'xf=3/16:
par (5.22).
p',,=~iProb(xi)xl
5.11.6 x et y sont dpendantes car Px.y (x,)')

analogue il l'exemple 14.2.9.
73/32.
* Px (x) Py (y)
x ( VI-y); rsolution
5.11.9 Py(y)=(lal/y2)px(a/y).
5.11.11
Py (y) == PoO (y)
+ Px (y) E (y) avec Po
o
p:o:(x) dx.
5.11.12 Puissance instantane y (t)=x 1 (t) :p"Cv) 1/(2Avy)et

I~I(Y)=.JY/A avecO<y<A 2 ; Prob(y>A 2 /2)= 1-~I(A2/2)
0.293.
5.11.13 Comparcrp)'(y) (a; 27Tayr ' / 2 exp[-y/(2aa.~)] poury> 0 avec (14.113)

pour lJ1 = 1 et en tenant compte de la correspondance Py (y) dy p (X~) dXT.
5.11.14 Fr(t)
= I-exp
r 1 /{2a 2 )1: Prob(,.> 30')
exp
4.5)
1.11-10-
nlr~OIUE ET TRAITEMENT DES SIGNAUX
516
0: Rx(tl,t 2 )=Rx(r)=a;'coswr mais E[x 3 (t)]=

3
E [y3] (5in wt + cos 3 wt) dpend de t si E [y 3] :;!= O.
5.11.15 E[x]
5.11.16 J.1y (t) = J.1x cos wt et Ry Ct, t +

dpendent de t: R:;; (t, t + T) R;; (T) =
::::: Rx (T) [cos WT

Rx(r) coswr.
+ cos C.?wt + wr)]
5.11.17 a = Rx (T)I Rx (0) pour P (e =x -.~) = Re (0) minimum.
5.11.19 Cas particulier de l'exemple 5 :2.7 avec J.1x = 0 et p.:r:
= (Tf1) sine z (Tf).
5.11.20 IRx{r)1 = 1 f
(Ilx
(f) exp (j21fft) dfl ~f 1
ai = 1/2: {I)x (f)
(f) exp (j21/"ft)Jdf = fcllx(f) df.
5.11.21 Cas particulier de l'exemple 5.2.7 avec J.1x =A13 et 1>." == a~ = 8A 2 /9:
(P.\: Cf) = A 2 (8 T/9) sine 2 (Tf) + (A '-;9) (f).
5.11.22 (PI' (f) = (i~?/ T)
sine 2 (~f) + (~I T) 2 J.1.~. "f,~=_", sinc2(1l~/ T) 0 (f - ni T);

formule gnrale dont (5.132) n'est que le cas particulier pour ~ T et qui correspond
galement au rsultat de l'exemple 4AJ 7 lorsque
= O.
a;
5.11.24
(Il(f) = (A/4)2 [Tsinc 2 (Tfl2)
o(f- [2n + 1]1 T).
+ 0 (f)] + (A/21/")2
5.11.25 En introduisant (5.152) dans (5.102) avec

5.11.26 Poser z
ai = Tl/2.
y et w = x et appliquer (5.35).
5.11.27 p (r) = [1/(3 JnB1T)] {2 exp [- (z - A)2/ nB] + exp [- (z + A)2 /nB]);
')
J.1z = Ilx =A/3 car f.1y = 0: a z2 = a x2 + a y2 :::::: 8 A"- / 9 + TI B/ 2~ Px)' = 0 pUisque
x (t
et y (t) sont indpendants.
5.11.28 Prab (z
> 3)= 1/3.
5.11.29 Poserz=x'y et w=x et appliquer (5.35).
5.11.30 p;(z)=lnz-21na pour a2~z<a(a+l) et p;;,{z)

poura (a
+ 1)~ z ~ (a +
21n(a+I)-lnz
1)2.
5.11.31 Par (5.198), (5.199), (4.138), (4.I23),(5.92)et (5.132):Rz(r)

T-1oT(r); if}z{f)=a;/T+(J.1x/ T )2 QI/TCf).
5.11.32 Prob (2 :s;;; x:s;;; 3)
5.11.33
==
0,044; Prob (x
kT '\Ik entier:;!=O.
> 3) == 0,048.
a~T-IQ(r)+
517
5.11.34 Par (5.180).
(5.181)~
(5.202) et (5.207).
5.11.35 Cf. paragraphe 14.4.5: p (xly) = p (x,)') / p (y) =(Oxlyy"2;r 1

exp [- (x - P.xl)')2 /2 O;,y] avec /lxl)' = Y p ox/Oy et Oxl;
o.~ (l - p2).
5.11.36 Pour x (t) et)' (t) indpendants: Rxy (i)= ex)' (i)
R z ( T ) =R -; (0) + 2 R -; (T) et <{)= (1) = R; (0) ([) + :2 <p.\: (f)
0; pour x (t)=y (t):
* (p.\: ([).
CHAPITRE 6
6.8.1 P}=12,4-10- 18 W
6.8.2 Req
= 524 il:
au
12,4aW; P2 =20010- 15 W
0.92/lV.
6.8.3 U=O,6 V et 1 == 11,4 mA;

0,13/lV.
6.8.4 UR
20fW.
ol = Oi! + Gi~
=3,66-10- 15 A2:
OU
== Gi,g;/
= 2kT/e == 50 mV.
CHAPITRE 7
7.6.1 -Acos(wt+a).
7.6.2 Par (7.8), (7.7) et (4.17):
exp (jnBt).
.~ (t)
= 21T B2 t sinc 2 (E t) et ~ (t) = 2B sine (Bt)-
7.6.3 Par (7.32), (7.39) et (7.40): p.x =R x (0)= :2R;x(0)=2Px '

7.6.4 Par (4.129): lPxy (i) = (A 2 /2) sin (wo T) et par le rsultat de l'exercice 7.6.1:
:Px." (i) =- (A 2 /2) cos (wQ T).
7.6.6 1)[0
=t ([1 +
):
2)[0 = 12'
7.6.7 Par (2.25), (4.15), (4.89) et (7.9).
7.6.8 Montrer que <~1~*
> = <[x.r;' > et que <x.y > = <x,; > =
7.6.9 Rsoudre (7.111) avee
r 1 (t) == reet [(t
T /2)/ T] et !
'2
Re
<x
(t) donne par (7.122).
7.6.10 Introduire (7.111) dans (7.145) et tenir compte de (7.146). de (l.48) et de

(7.115).
7.6.11 Par (7.144): DT
B;l
3T/2.
>.
518
CHAPITRE 8
8.5.1 'P.,,(r)=ipx(r)*Y?,l:-(i) avec ~g(r)=~wccxp(-wclrl); Bcq

Ry{i)=(1]w c /4) exp (-welrl) et q)y(f) (1]/~) / [1 + Cf/fc )2]:
8.5.2 Montrerquey(t)='f,jL.jxj(t):I'gj(t)
= 2:, ; gj (t) et j
l... ,/1 .
w e/4;
=1]w c /4.
X (t)*g(t)pourx(t)=i:,jXj(t).
g(t)
8.5.3 CCf) [1 +jflJ~r' -exp{-j21Tfto ) avecJ~=(2rrRC)-I: pour to 0:

G (f) = - j (f IJ~) [1 + jf/fe rI: filtre pLIsse-haut du 1er ordre de frquence de coupure
J~.
8.5.4 Poser C (f) = j:2 rr fG z (f) d'o, par (4.13) et le tLlblcLlu 15.4: g(t) dg z (t)/d t
= [:2rrG O f2/ (f2 - fd] [f2 exp
21Tf2 t) - fI exp (2 rr fI t)] E (1); Py == 3142 V 2 ;
B-3 dB 20 kHz et
S:; 31,42 kHz.
8.5.6 PS),/Pl1y =A 2 (l + 21TBRC)/(17 1TB ): RC=0.5s.

8.5.7 trfJ = (21Tfor 1 arctan(fo/fc ) ct tg=(21TJ~rl [1 + (fo/fc)2rl: pourfo=fc:
trfJ ::: (8J~rl et tg = (4rrJ~rl.
8.5.8 Introduire (8.24) et (8.25) dans (5.178).

8.5.9 Par (5.2~2), (8.88), (8.24) et (1.35):
(P/I
(f) = [ 2 qla (f)
+ Ra(o)] '1 C(fH'
8.5.10 a:(t)=e et g(t)=o(t).

8.5.11 (Il/l (f) = 10 0 (f)
+10 e sinc 4 (!::..f)
8.5.12 Exprimer r(f) en tenant compte de (8.74). de x(r) = F- I [XCv)] et de (8.76).
8.5.13 qly(f)
(!::../T)'l. 2:- 11 sine 2 (ll!::..fT) (l}x(f-ll/T).
8.5.14 CPy(f)=cJlx(f)*T 2 sine:! (Tf)= T 2 2:/11 . :\:',1 2 sine z [T(f-/1/7:~)].
8.5.15 1l'(f)1 =-} 1.11 1 1[1 UiCf+ fl)1 +1 U;(f- fI )1] + IAzl[1 UiCf+ f2)1+1 U;(ff2)1] avec Udf)= Tsine (Tf), Uz(f) Tsinc 2 (Tf). U3 (f) Tig(Tf).
8.5.16 Y(f)=2: II CAf2)[sinc(ll-t)]
+ sine (Il +t)Jo (f-2I1fT).
8.5.17
tA:! [(a;f2RC) exp(-Irl /RC) + J1;] eos(2rrfoi);

(A f4) [a.~ {1+ [21T(f+ Jo)RCf r +a; {1 + [21r(f-fo)RC]2ft
+ /1; [8(/+ fo) + 5(f- J'o)]:
=R JI (0) A z a.~ / ( 4 R C ) + A 2/1.;
Ry(7')
cIJy(f)
519
SOLUTIONS DES EXEltCICES
8.5.18 Par(8.41)et(7.8): y(t)=x(t) cos (2nfot)-x(t) sin (2nfo t); par (8.103),
(7.31) et (7.33): R y (T) = Rx (T )cos (2. Trfo T) + x( T) sin (2 Trfo T) et par (7.35):
cI> y (f) =
(f + fo) + fP; (- f - iD ) ].
+[({);
8.5.19 y(t)==A'2ig(0t/T): Y(f)=(A 2 T/v'2)lg(TlIv2); cP y (f)=(A 4 T 2 /2)

ig( Tf).
8.5.20
'2
Al
A2
X(f)+- [X(f+2fd+X(f-2fd]+-[X(f+2f2)+
' 2 4 4
A A
+X(f- 2f:dl + _1_2 [X (f+ii - fd +X(f- f2+ fd+
A +A
YaU') =
+ X(f+ fI + f2) + X(f- fI - [.1)].
avec
Al
[5 (f + fI ) + 5 (f - fi )]
X (f) = -
:2
Yb (f) =
8.5.21 d 2
Al
+2
[5 (f + f2 ) + 0 (f - f2 )]
A3 (3R 2 - f2) pour Ifl ~B

A 3 (9B 2 /2 - 3Rf + f2/2) pour B
~ Ifl ~ 3B
et zro ailleurs.
= c/(2.b) = 8%.
8.5.23
flyl
=b 3 /32,
J.ly2=
U;'2
m)'12
= b 6 /448,
U;'1
9b 6 /7168;
1 +b /12+b /32, m v 22
l +b 2 /6 +b 3 /16+b 4 /80+b 5 /96 +b 5 /448,
4
5
6
b /l80 + b /192 + 9b /7168.
8.5.25 Ry(T)
21i- 1 {Rx(T)arcsin [Rx(T)/Rx(O)]
+ [R_~(O)-R~(T)]1/2}.
CHAPITRE 9
9.5.1 y(t)=x(t)'e(t)=rcP7 {reet(t/Tr)} et IY(f)I=I(TrlTe )

X(f-nio)l: z (t):::::: 21i- 1 exp (-al tl)cos(:21ifot).
sinc(nTffo)'
fe 6 kHz introduit une distorsion paf recouvrement spectral; une reconstitution

8 kHz au minimum.
idale impliquerait une cadence d'chantillonnage
9.5.2
j;
520
9.5.3 Non, il faudrait
fe =
2/D..t.
9.5.4 fe = 2B avee C'2iCf) = reetCfI2B); f~~ SB.

9.5.5 Evaluez Pr en utilisant l'approximation 1 C Cf) 12 ~ Cf/frJ'ln pour f> fc.
9.5.6fe=1272fcC12==I), fe=13,4fc(n=2), fe=5;7fcCn=3), fe=4,lfcCn=4).

9.5.8 4>y(f) ~ 255
J:,r=l
sine4 (fiD..) [8 (f+ fi)
+ 8 (f- fi)]'
9.5.9 /lit = 2V; a~ = 16V1 ; CP" (f) = 48 (f) + 16 10- 3 tri (10- 3 f);
f~ = (kTr l = k- 1 kHz avee k = 1,2,3, ...
fe = 2 kHz;
CHAPITRE 10
10.6.1 V= 20V;
Tc
= 1,25}Js;
1l
= 8 bits; fe ~ 25fo = 12,5 kHz 2i> 2fo
10.6.3 a) 611 - 6 dB; b) 611 - 3 dB; c) 6n
9,2 dB.
10.6.4 ~qdB ~ 42dB.

10.6.5
~qdB ~
32,8 dB pour Il
7.
10.6.6 Par drivation en v == 0, selon (14.68), de TIx (u) et Il xq (u) = Ilx (u) sine (D..v)
avec Ilx (0) = 1, d (TI' F) da = FdIl/da: + IldF Ida: et dl (Il F) da 2 Fd 2 Il/da l +
+ 2dIl/da: dFlda: + Ild 2 F/da 2 o F (a) = sine (a:) = 1 - (rra)'"! 3 ! + ... par (1.59).
CHAPITRE Il
11.6.1 11m:;:; 20%; 11m = 50%; 11m = 20%.
11.6.4
a)
b)
11.6.5 AM-SSB avec bande latrale suprieure.
521
SOLUTIONS DES EXEHCICES
11.6.8 S (f) = (p /2) {Mo (J' + J~) [ 1 -11 (f + j~,) sgn (f + f p )] + JlJ o(f - f p )
[1 + H(f- f p ) sgn (f- f p )]} o H (f) est la fonction de rponse frquentielle d'un
fi1tre passe-haut (fig, Il.44),
o
HUI
F (lt(t)}
passe-haut
- j~
Fig. 11.44
11.6.9 Utiliser la figure 15.1 pour 5 :;:;:; JO et la figure 5.4 pour A = ofm.
11.6.12
1
'
S (t) = i [nlAo (t) + 1] Up cos (21Tfl t + ad -2" [mo (t)- 1] Up cos (1rrf2 t+0:2);
<ps(f) = (U~/16) [<pmO (f+ fd + <{)moCf- fd + 5 (f+ fd + 0 (f- fd +
+ <PmO (f +Ji) + <PmO (f- f2) + 0 (f + f2) + 5 (f- Ji)] avec, par (5.13::!).
2
(I)I.tIO (f) :;:;:; Tsinc (Tf)
~
522
11.6.13 Situation analogue celle de l'exemple 5.2.7 avec enveloppe complexe r (t) =
de duree T, I~n des
Tsinc 2 (Tf): Bu ~ 21 T.
tats indpendants 0, 1, '2 ou 3: cP!. (f) =
=p exp [jn1o (t) 7T1'2] o mo (t) prend, pendant chaque intervalle
11.6.14 <Il 111 (f)
= <IJ
J.
111 d +
m g (f)
+ ~ [0 (f + fo ) + 0 (f -
fo )]
+ ~ [cp III cl - m g ( f + '2 J) +
~(I>md-"'g (f - 2fo )
CHAPITRE 12
12.5.1 Par (4.55), (4.26), (4.78), (4.117), (4.57) et (7.144).

12.5.2 ~ ~ 1600 (32 dB): pour un analyseur balayage: rsolution Bcq = 10kHz,
duree d'intgration To = 0,16 s, dure de balayage Tb = 80 s. Pour un analyseur multicanal banc de filtres: Beq = 10kHz, N = 500 canaux, To = 0,16 s. Pour un analyseur
numrique: Beq = 10 kl"iz, fe = 10 MHz, N~ 500, T= ]OO/1S, K= 1600,
T o =0,16s.
12.5'.3 En technique analogique, c'est la puissance Px (fa, Beq) == (p+(fa) Bcq ou la

valeur efficace correspondante mesure sur une largeur de bande Beq que l'on affiche;
le niveau dpend donc de Beq dans le cas d'un spectre continu, mais il est indpendant
de Beq dans le cas d'un spectre de raies, car la puissance de chaque composante est
concentre une frquence discrte.
En technique numrique, le signal analyse est le produit du signal observ par une
fentre li (t) de dure T: le priodogramme calcul est Zb x (f) = T -1 (Px (j"):I: cP,,(f),
selon (12.3) et (12.4), o (Pli (f) est proportionnelle T 2 et son intgrale T; cette
convolution avec une densit spectrale continue reuonne approximativement qlx (f), independamment du choix de T. Par contre, en tenant compte de (1.48), le rsultat est proportionnel T en cas de spectre de raies.
CHAPITRE 13
13.5.1 Soit x; =at i + b + Il;: P (xla,b) = Iljp (Il; =x,.-ati - b) avecp (n) gaussien
valeur moyenne nulle. En rsolvant alnp (xl a, b)/aa=O et alnp (xia, b)/ab =0:
amv=(2.jXitj- JJ2xt)!(L,it! -111t'2) et bmv=x-atavecx=m- 1 "f,~"x; ett=
=/11-
l1I
'),
.;.Ji
t/"
13.5.3 p (alx)=p (xla)p (a)/p (x) avecp (x)= /(x

Jo<>O p (a lx) da
13.5.4
+ )'2
donne par la condition
= 1.
amv est la solution de ['quation

T
fa x
(t)
as (t-a)
aa
dt ~ 0
ce qui correspond Li la corrlation de l'observation x (t) avec la drive du signal connu.
SOLUTIONS DES EXEHCICES
523
i\ l + 21
:2 - l ')' N 21 2 ).
13 .5. 6 a- Q - '(lv
a ail)
..... i ':"i et a y2 -- cr Il21 ( N + alla
13.5.7 aQO X(t)=glX(O)

x(T)avecgI=[Rx(t)Rx(O)-Rx(T-t)Rx(T)]1
[R~(O)-R.~(T)] et g2 = [Rx(T-t)Rx(O) Rx(t)RxCT)]I[R;(O}-R;(T)].
13.5.8 Par (13.75)avec ici cp.\:u(f)=q)s(f)

2
1 x (f) 1 avec la condition (1)11 (f)
TlI"2.
l'l'x(f)
(Il" (f): factorisercpx(f)
13.5.9 Go (f)=A[B+j2rrlr! avec A=a[(1JI.2)(a;+17I.2)1/2+l3r 1 et B

( :. exl 17 + 13 2 ) 1/2 .
13.5.10 Par (J3.80) i.lvec Cx(r):: (A 2 /4) exp (-:.}, 1 rI):

+ 2'AT)-1 1/(},T)2.
13.5.11 Pur (13.80):
ai:: (BTfl -
a~:=: (A 2 /8) [exp (- 2}'T) +
(BTr 2 /3 ;::;: (BTr! pour T~ B- t ; Tmin ~ 1 s.
13.5.12 Cx (7) = 0 pour Te ~ B- 1 et N=] 000 selon (13.82) d'o T= NTe ~ 1 s;

= 0,5 ms, par (13.81): N min :: 2000 et T=NTe :::: 1 s.
pour Te = ('2Br!
13.5.14 Par analogie avec (13.1 JO) et (13.1 JI).

13.5.15 IPxlI(7)=
13.5.16 ~l
JO- 3 ( - 30 dB): ~2 = 3,13 (5 dB).
nt.:
13.5.17 Pour N chantillons indpendants Pr(r 1Si) =

1 Pr (r; 1Si) avec Pr (ri 1Si) donne
par (7.57) et l'on tire de (13.126): 2.j ln Jo (Il Ala~ ) ~ +A2a~: Je schma du dtecteur optimum correspondant est celui de la figure 13.43.
A/a;,
Fig. 13.43
13.5.18 De la table 15.8. on tircx s

13.5.19 x s =AI2+(1/4)ln(polpl)
1,65ulI .
1,847V: pc:~210-2.
524
13.5.21 Par(l3.145):
Q ( 8: 6,44) == 0.95.
V==(-::'7]B1nPI)1/2= 12,88V et Pd
Q(Alun : V/U,,)
13.5.22 V 1 = 14u,i.
13.5.23 Voir figure 13,44.
-T
-T -4T/S -3T/S -2Tj5 -TjS
Tj5 lTjS 3Tj5 4T/5
Fig. 13.44
13.5.24 ~ (T)noPt
= 0,89:
ta
1'0
+ T12.
BIBLIOGRAPHIE
[l] J .R. PIERCE, Symbols, Signais ans Nose: tlIe Nature and Process ol Communcation. Harper & Brothers. New York. 1961 (galement publi en tl'aduction franaise sous le titre Symboles, signaux et bruit chez Masson. Paris, 1966).
[2] N. WIENER, Generalized Harmonie Analysis. Acta illatlJematica. 55. 1930. pp.
117-258.
[3] N. WIENER, TIle rourier I1ltegral and Certain ol ifs Applications. Cambridge Press,
New York, 1933.
[4] A. Y. KHINTCHINE, Korrela tionstheorie der Stationiiren Stockastichen Processe,
iHatlt. AlIllalen, 109, ]934, pp. 604-615.
[5] C.E. SHANNON, The Mathematical Theory of Communication, Bell Syst. Tech J..
27. July 1948. pp. 379423 and Oct. 1948, pp. 613-656.
[6] CE. SHANNON. Communication in the presence of noise, Proc. 1RE. 37. jan. 1949.
pp.10-2l.
[7] N. WIENER, Cybemetics: Control alld Communication ill Allimai and il1aclline,
M.LT. Press. Cambridge, Mass., USA. 1948.
[8]
N. WIEN ER, The Extrapolation, Interpolation and Smootlng of Statiolla1Y Time

Series. M.l.T. Press. Cambridge. Mass., USA, 1949.
[9] K. KOPFMLLER, Die Systemtheorie der Elektrischell Nacltricllteniibertragwzg,
Hirzel Verlag, Stuttgart. 1949.

[10] D. GABOR, Theory of Coml11unication, J. fil st. Electr. Ellg., 93, Part III. Nov.
1946, pp. 429-457.
[1 1] P.M. WOODWARD, Pro bab ility and Information Tlory witll Application to Radar,
Pergamon Press. Oxford, 1953 (1 st ed.), 1964 (2nd ed.) Traduction franaise:
Eyrolles. Paris, 1980.
[12] A.N. KOLMOGOROV, Interpolation und Extrapolation von statlonaren Zufiilligen
Folgen. Acad. Sci., URSS, Sel'. il/atll., 5, 1941, pp. 3 -14.
[13] W.A. KOTELNIKOV, ber die Kanalkapazitiit des Athers und der Orahtverbindungen in der elcktrischen Nachrichtentechnik, Tag. Ber. d. 1. Alhmiollskollj: Nach.
Tecll" Moscou, 1933.
[14] S.O. RICE, Mathematical Analysis of Random Noise. Bell Syst. Tecllll. J.. 23. 1944,
pp. 282-332 et 24,1945, pp. 46-156.
[15] S. GOLDMAN, Freqllency Allalysis, il1oduiatiol1 and Noise. McGraw-Hill. New
York, 1948.
[16] l.t. LAWSON. G.E. UHLENBECK, 171resl1Old Signais. M.LT. Rad. Lab. Serie, 24,
McGraw-HilL New York, 1950.
[17] l. VILLE, Thorie et applications de la notion de signal analytique. Cbles et trallSmissions, 1, Jan. 1948. pp. 61 - 74.
526
DlDLIOGRAI'HIE
[I8] A. BLANC-LAPIERRE, R. FORTET. Thorie des fOllctions alatoires, Masson, Paris,

1953.
[I9] L. BRILLOUIN, La science et la thorie de l'information, Masson, Paris, i 959.
[20] J.M. WOZENCRAFT, lM. JACOBS. Principles of Communication Engineering, John
Wiley. New York, 1965.
{21] y,W. LEE, Statistical Theory of Communication, John Wiley. New York, 1960.
[2:2J A. PAPOULIS. The Fourier Integral and ifs Applications, McGraw-Hill, New York,
1962.
[23] R. BRACEWELL, Tite Fourier Tral1sform and ifs Applications, McGraw-HiII, New
York,1965.
[24] A. PAPOULIS. Probability, Random Variables and StocJlastic Processes, McGraw
Hill, New York, 1965 (I st ed.), 1984 (2nd ed.).
[25] W.B. DAVENPORT, W.L. ROOT. Introduction to tlze Random Sig1lals and Noise,
McGraw-HiIl, New York, 1958 (r-dit par IEEE-Press, New York, 1987).
[26] D. MIDDLETON. Introduction to Statistical Communication 17wory, McGraw-Hill,
New York, 1960.
[27] R.S. BERKOWITZ (Editor), J1fodem Radar, Analysis, El1aluatio11 and System Design,
John Wiley, New York, 1965.
[28] B. LEVINE, 171orie des processus alatoires et son application la radio-tecllllique.
Sovetskoe radio, Moscou, 1957, (traduit du russe).
[29] E. HLSER, H. HOLZWARTH, 171eorie und Technik der Pulsm odu la tio Il , Springer
Verlag, Berlin, 1957.
[30] J .S. BENDAT, Principles and Applications of Ralldom Noise 17zeory, John Wiley
New York, 1958.
[31) R.B. BLACKMAN, J.W. TUKEY, 17ze frIeasurement of Po\-ver Spectra, Dover, New
York, 1958.
[32] M. SCHWARTZ, Information Transmission, frIodulation and Noise, McGrawHill,
New York, 1959 (1 st ed.), 1979 (2nd ed.).
[33] S.J. MASON, HJ. ZIMMERMANN, Electrollic Circuits, SignaIs alld Systems, John
Wiley, New York, 1960.
[34] C.W. HELSTROM, Statisticai171eory of Signai Detection, Pergamon Press, Oxford,
1960 (1 st ed.), 1968 (2nd ed.).
[35] J.c. HANDCOCK, An Introduction to the Prillcipie of Communication Tlleo1J',
McGrawHiIl, New York, 196) .
[361 F.M. REZA, Ail Introduction to Infonnation 171e01J', McGraw-Hill, New York,
1961.
[37] L.A. WAINSTEIN, V.O. ZUBAKOV, Extraction of Signais [rom Noise, PrenticeHall,
London, 1962 (traduction de l'dition russe publie par Sovetskoe Radio
Moscou en 1960).
[38] F.H. LANGE, Korrelatio12selektronik, Verlag Technik, Berlin, 1962.
[39] W.W. HARMAN, Principles of tlle Statistical17zeory of Communication, McGraw
Hill, New York, 1963.
[40] P.F. PANTER, A/odulation, Noise and Spectral A nalysis , McGrawHill, 1965.
[41] RE. ROWE, SignaIs and Noise in Communication Systems, Van Nostrand,
Princeton, 1965.
[42] B.P. LATHI, Signais, Systems and Communication, John Wiley, New York, 1965.
TlltoruE ET TRAITEMENT DES SIGNAUX
[43]
P.A. LYNN,
527
17ze Analysis and Processing of Signais, Macmillan, London, 1982
(2nd ed.).
[44] B. GOLO, C. RADER, Digital Processing of Signais, McGraw-Hill, New York, ] 969.
[45] A.V. OPPENHEIM. R.\V. SHAFER, Digital Signal Processing, Prentice-Hall, Englewood Cliffs, ] 975.
[46] L.R. RABINER, B. GOLO, TheOl)' and Application of Digital Signal Processing,
Prentice-HalI, Englewood Cliffs, ] 975.
[47J R. BOlTE, H. LEICH. Les filtres numeriques, Masson, Paris, 1980.
[48] M. BELLANGER, Traitement 111l1nerique du signal, Masson, Paris, ] 980.
[49] L.E. FRANKS, Signal 17leOl)) , Prentice-Hall, Englewood Cliffs, ]969.
[50] B. prcINBoNO, Elements de thorie du signal, Dunod Universit, Paris, 1977.
[51] R.G. GALLAGER, Information TheoQ' and Reliable Communication, John Wiley,
New York, 1968.
[52] G. CULLMANN, Codes dtecteurs et correcteurs d'erreurs, Dunod, Paris, 1967.
[53] A. SPATARU, Thorie de la transmission de l'information, Masson, 1970-] 973.
[54] S. LIN, An In troduc tiOll to Error-correcting Codes, Prentice-Hall, Englcwood
Cliffs, 1970.
[55] H. STARK, F.B. TUTEUR. llJodem Elecfl'ical Communications, 171eory and Systems,
Prentice-I-Iall, Englewood Cliffs, ] 979.
[56] !-I.D. LUEKE. Signal-iibertragung, Springer-Verlag, Berlin, ] 975.
[57] E. ROUBINE, Introduction la thorie de la communicatioll, (Tome 1: SiglIaux
non alatoires, Tome 11: Signaux alatoires), Masson, Paris, 1970.
[58] J. BASS. Cours de mathmatiques, Masson, Paris, 1968 -1971, (3 volumes).
[59] A.1. VITERBl, J.K. OMURA, Princip/es of Digital Communicatio1l and Coding,
McGrawHill, New York, ] 979.
[60] C. CARDOT, Dfinition analytique simple des fonctions de Walsh et application
la dtermination exacte de leurs proprits spectrales, Annales Tlcomm.,
Jan-Feb. 1972, pp. 3] 47.
[61] H.F. HARMUTH. Transmission of Information by Orthogonal FU/lctiolls, SpringerVerlag, Berlin, 1969.
[62] K.G. BEAUCHAMP, Walsh FUllctions and tlleir Applications, Academie Press,
London, ] 975.
[63] N. AHMED, K.R. RAO, Orthogonal Transforllls for Digital Signal Processillg,
Sprnger-Verlag, Berlin, ] 975.
[64] 1. STERN, J. DE BARBEYRAC, R. POGGl, AJthodes pratiques d'tudes des fonctions
alatoes. Dunod, Paris, 1967.
[65] J.S. BENDAT, A.G. PIERSOL. Random Data: Analysis and Aleasuremellt Procedures,
Wiley-lnterscience, New York, 1971.
[66] J. DUPRAZ, Thorie de la communication (signaux, bruits et modulations),
Eyrolles, Paris, 1973.
[67 J J. MAX (et collaborateurs), AItlwdes et techniques de traitement du signal et applicatiolIs aux mesures physiques, Masson, Paris, 1981 (3e dition, 2 volumes).
[68] H.J. LARSON, B.O. SHUBERT. Probabilistic lHodels in Engilleering Sciences, VoL 1
& II, John Wiley, New York, 1979.
[69] A. BLANC-LAPIERRE, P. PICINBONO, Fonctions alatoires, Masson, Paris, 1981.
[70] P. BECKMANN, Probability in Communicatioll Engineering, Harcourt, Brace &
World, New York, 1967.
528
BIBLIOGRAPHIE
[71] G. CULLMANN, blitiation aux chanes de AIarkov A1tilOdes et applications,

Masson, Paris, 1975.
[72] A.V. BALAKRISHNAN ct al, Communication 17zeory, McGraw-Hill, New York,
1968.
[73] W.C. LINDSAY, M.K. SIMON, Telecommunication Systems Engineering, Prentiee
Hall, Englewood CHffs, 1973.
[74] G.A. KORN, Rando11l-Process Simulation and Jvfeasure11lents, McGraw-Hll, New
York, 1966.
[75] S.W. GOLOMB (cd.), Digital Communications with Space Applicatio1ls, PrenticeHall, Englewood CHffs, 1964.
[76] S.W. GOLOMB, Shift Register Sequences, Holden-Day lne., San Francisco, 1967.
[77] Reference Data for Radio Engineers, Howard W. Sams & Co., New York, 1975,
(6th ed.).
[78] F.N.H. ROBINSON, Noise and fluctuations in electro12ic deJlices and circuits,
Clarendon Press, Oxford, 1974.
[79] H. URKOWITZ, Signal TheO/J'and Random Processes, Artech House, Dedham,
] 983.
[80] A. VAN DER ZIEL, Noise in solid-state devices and lasers, Proc. IEf.:1.\ 58, Aug.
1970, pp. 1178-1206, (reproduced in [86]).
[81} M.S. KESHNER, llfnoise, Proc. IEEE, 70, March 1982, pp. 212-218.
[82] A. VAN DER ZIEL, NoiseiYfeasurements, John Wiley, New York, 1976.
[83] C.D. MOTCHENBACHER, F. FITCHEN, Low Noise Electronic Design, John Wiley,
New York, 1973.
[84] Y. NETZER, The Design of low-noise Amplifiers, Proc. IEEE, 69. June 1981,
pp. 728 741.
[85] M.S. GUPIA, Applications of Electrical Noise, Proc. IEEE, 63, luly 1975, pp. 996
1010, (reproduced in [86]).
[86] M.S. GUPIA, (ed.), Electrical Noise: Fundamentals & Sources, IEEE Press, New
York, 1977.
[87] S.O. RICE, Envelop of narrowband signais, Proc. IEEE. 70, July 1981, pp. 692
699.
[88] M. ABRAMOWITZ, LA. STEGUN, (ed.), Handbook ofJvlatlzematical FUllctiolls,
Applied Mathematics Series no 55, National Bureau of Standards, U .5. Government Printing Office, Washington, D.C. USA, 1964.
[89] A. PAPOULIS, Random modulation: a review,IEEE Trans. ASSP, 31, February
1983,pp.96-105.
[90] \V.S. BURDIC, Radar Signal Anall'sis, Prentiee-Hall, Englewood Cliffs, 1968.
[91] R. DEUTSCH, System Analysis Techniques, Prentice-l-Ial1, Englewood Cliffs, 1969.
[91] M. CARPENTIER, Radars, Bases modernes, Masson, Paris, 1981 (4e d.).
[93] n. ESCUDIE, Reprsentation en temps et frquence des signaux d'nergie finie:
analyse et observation des sgnaux, Annales Tlcomn1., 35, mars-avril 1979, pp.
101-111.
[94] ts. GRADSHTEYN, LM. RYZHIK. Table ofilltegrals. series alld products, Academie
Press, New York, 1965.
[95J A.F. ARBEL. Analog signal processing and illstnmzentatioll, Cambridge University
Press, Cambridge, 1980.
529
[96] U. TIETZE, CH. SCHENK. Advanced Electronic Circuits, Springer-Verlag, Berlin.

1978.
[97] S.K. M1TRA. An Introduction to Digital and Analog Integrated Circuits and
Applications, Harper & Row, New York, 1980.
(98] A.C. SALAZAR (cd.), Digital Signal Computers and Processors, IEEE Press, New
York, 1977.
[99] F. KHNE. Modulationssysteme mit Sinustrager, Arclziv f Electr. bertrag., 24,
(l970),pp.139-150et15(1971),pp.1l7-128.
[100] R. DEUTSCH, NOlllinear Trallsformations of Random Pro cesses , Prentce-Hall,
Englewood CHffs, 1962.
[101] A.H. HADDAD (ed.), Non Linear Systems: Processing ofRandom Signais Gassica/ Analysis, Dowden, Hutchinson and Ross, Stroudsburg, 1975.
[101] W.L RUGH. NOlllinear System Theor)', The 10hn Hopkins University Press,
Baltimore, 1981.
[103] D. H. SHEINGOLD (cd.) , Analog-Digital COI1l'ersioll Hal1dbook, Prentice-Hall,
Englewood CHffs, 1986.
[104] E.D. SUNDE. Communicatioll Systems Engineering Tlleory, John Wiley, New
York,1969.
[105] S.A. TRETTER, Introduction to Discrete-Time Signal ProcessiJlg, John Wiley,
New York, 1976.
[106] J .A. BETTS, Signal Processing, A/odulation and Noise, The English University
Press, London, 1970.
[107] H.J. NUSSBAUMER, Fast Fourier TransfOlm and COIH'olutioJl Algorithms,
Sprnger-Verlag, Berlin, 1981.
[l08] K. ARBENZ, A. WOLHAUSER, Analyse numrique, Presses polytechniques
romandes, Lausanne, 1980.
[109] J.R. RAGAZZINI, G.F. FRANKLIN, Sampled-Data Control Systems, McGraw-Hill,
New York, 1958.
[110] B. LORIFERNE, La COlll'ersioll analogique-nwnriquejnumrique-ullulogique,
Eyrolles, Paris, 1976.
[Ill] B.M. GORDON. Linear Electronic Analog/Digital Conversion Architectures, their
Origins, Parameters, Limitations and Applications, IEEE Trans. Circuits &
Systems, CAS-2S, 7, July 1978, pp. 391-418.
[112] 1. MAX. Quantzing for minimum distorsion, IRE Trans. Infonn. Them)', IT-6,
March 1960, pp. 7 -Il.
[113] A.B. SRIPAD, D.L. SNYDER, A necessary and sufficient condition for quantization errars to be uniform and white, IEEE Trans. Acoustics, Speech and Signal
Proc., ASSP-25, Oct. 1977, pp. 441-448.
{l14] F. CASTANIE. Signal processing by random reference quantzing, Signal Pro cessing, l, January 1979, pp. 27 -43.
{lIS] W.R. BENNETT, J.R. DAVEY, Data Transmission, McGraw-Hill, New York, 1965.
[116] P.M. CHIRLIAN, Ana/ysis and Desig1l of Integrated Electronc Circuits, Harper &
Row, New York, 1981.
[117] F.M. GARDNER, Phaselock Tech1liques, 10hn Wiley. New York, 1979.
[118J AJ. VITERBI, Pri1lciples of Coherent Commu1lication, McGraw-HilI, New York,
1966.
[119] D.G. CHILDERS (ed.), jlJodern Spectrlllll Analysis, IEEE Press, New York, 1978.
530
BIULlOGRAPmr
[110] S.M. KA Y , S.L. MARPLE. Spectrum analysis - A modern perspective, Proc. IEEE,
69.1 L Nov. 1981, pp. 1380-1419.
[111] B. BAnc. Distribution of results of ana1ysis by mean of spectrum analyser \Vith
ideal bandpass filter and true integrator, Signal Processing, 5, 1983, pp. 47 60.
[I21] G.M. JENKINS, D.G. WATTS. Spectral Analysis and its Applicatiolls, Holden-Day,
Sun Francisco, 1968.
[123] R.K. OTNES. L. ENOCHSON, Digital Time Series Analysis, John WiJey, New York,
1971.
[114] R.W. BRODERSEN. C.R HE\VES, 0.0. BUSS. A 50o-stages CCD transversal filter
for spectral analysis,ll:llE J. SoUd-Slate Circuits, SC -Il, 1. February 1976,
pp. 75-84.
[115] J.O. MAINES. E.G.S. PAIGE, Surface-acoustic-wave devices for signal processing
applications, Proc. IEEE. 64, 5, May 1976, pp. 639 -651.
[116] B.V. MARKEVITCH, Spectral ana1ysis: a comparison of various methods, Proc.
Int. Specialist Seminar 011 the Impact of New Technologies in Signal Processil1g,
Aviemore, Scotland, :W14 September 1976, IEE ConL Publication No. 144,
pp. 96-103.
[117] \V.T. CA THEY , Optical Illfonnation Processillg and Holography, John Wiley,
New York, 1974.
[118] J.L MESA. D.L. COHN. Decisioll and Estimation TheOJ)', McGraw-Hill, Tokyo,
1978.
[119] M.D. SRINATH, P.K. RAJASEKARAN, A1l Introduction to Statistical Signal Processing with Applications, John Wi1ey, New York, 1979.
[130] H.L VAN TREES. Detection, Estimatioll and iVlodulation Tlzeory, John Wiley,
New York, 1968 -1971, (3 voL).
[1311 A.D. WAHLEN, Detection of Signais in Noise, Academie Press, New York, 1971.
[132] P.-Y. ARQUS. Dcisions ell traitement du signal, Masson, Paris, 1979.
[133] J. LIFERMANN. Les pl'lzCpes du traitement statistique du signal, Masson, Paris,
1981.
[134] H. CRAMER. JVIathematical /v/et/lOds of Statistics, Princeton University Press,
Princeton, 1946.
[135] H. SCHWARTZ, L. SHAW. Signal Pl'OCessil1g: Discrete Spectral Analysis. Detection

and Estimatio1l, McGraw-Hill, New York, 1975.
[1361 B.D.O. ANDERSON. J .B. MOORE, Optimal Filtering. Prentice-Hall. EnglewoodCliffs, 1979.
[137] J.S. BENDAT, A.G. PIERSOL, Engi11eering Applications of Carrela tio Il and Spectral
Ana{l'sis, John Wiley, New York, 1980.
[138] Correlation in Acton;Hewlett-Packard Journal. Nov. 1969.
[139] R.C. DIXON. Spread Spectl1l1JZ Systems. John Wiley, New York. 1976.
[140} C.H. CHEN (ed.), Digital WaJleform Processllg and Recognition, CRC Press Inc.,
Boca Raton, Florda, 1981.
[141] LE. BRENNAN. LS. REED. A recursive method of computng the Q-function,
IEEE Tralls. Illl TheoQ'. II-Il, April 1965, pp. 311-313.
[142] D.V. SARAVATE,tvLB. PURSLEY, Crosscorelation properties ofpseudorandom
and related sequences.Proc. IEEE, 68, 5, May 1980, pp. 593-619.
[143] T.H. BIRDSALL. On understilndng the matched filter in tbe frequency domain,
IEEE Tralls. on Education. E19, Nov. 1976, pp. 168 - 169.
THORIE ET TRAITEMENT DES 51GNAUX
531
[144} K. FUKUNAGA, Introduction to Statistical Pattern Recognition. Academie Press,

New York, 1972.
[145] R.O. DUDA, P.E. HART. Pattem Classification and Scelle Analysis, John Wiley,
New York, 1973.
[146] J.R. ULLMAN,Pattem Recognitioll Techniques, Butterworth & Co., London,
1973.
[147] J.T. TOu, R.C. GONZALES,Pattem Recognition Princip/es, Addison-Wesley.
Reading, 1974.
(148] R.C. GONZALES. M.G. THOMASON. Syntactic Pattern Recognition: An Introduction, Addison-Wesley, Reading, 1978.
[149] \V.A. GARDNER, Rice's Representation for Cyclostationary Processes, IEEE
Tralls. Oll Commwzications! COM35, 1, Jan. 1987, pp. 7478.
INDEX ANALYTIQUE
Les rfrenccs sont celles des pages
Aire effective d'ambigut, 216

Aliasin effect, 181
Ambigut (fonction d' ... ), 214
Amplifcateur synchrone, 439
Analyse
- cepstrale, 407
- spectrale, 371
Analyseur
banc de filtres, 387
d'onde, 371
- de signal, 55, 227
- de spectre, 371
- de spectre balayage, 392
- de spectre optique, 392
transformateur de Fourier
numrique, 389
Approximation
de Bu tterworth, 185
- optimale au sens des moindres
carrs, 49
- (erreur d' ... ), 53
- (qualit de l' ... ), 51
Armstrong (mthode d' ... ), 352
Au tocorr1ation
(fonction d' ... ), 80
- (proprits), 81
Bande passante, 242
Base, 41
BCD, 325
Bessel (fonction de
203,355, 502
Biais
- d'une estimation, 415
- de mesure, 378
Biphas (mode), 139
Bloc fonctionnel, 228
Boltzmann (constante de ... ), 173
Boxcar ntegrator, 430
o
) ,
Bruit, 3
blanc, ] 42
blanc bande limite, 143
- d'avalanche, 184
- d'mission secondaire, 185
- de basse frquence, 183
- de fond, 171
de grenaille, 179
de quantification, 315
de rpartition, 184
de scintillation, 183
- en lIt, 183
- induit, 184
thermique, 173
- thermique d'une impdance, 176
Bu tterworth (filtre de ... ), 285
Cadence d'chantillonnage, 276
Caractristiques oprationnelles d'un
rcepteur, 453
Carson (rgle empirique de ... ), 356
Cepstre d'un signal, 407
Chane de Markov, 163
Changement de frquence, Il, 365
Chirp-z transform, 391
Classification
automatique, 459
- des signaux, 27
- nergtique, 33
morphologique, 35
- phnomnologique, 28
spectrale, 36
Clustering, 459
Coalescence, 459
Codage, 5, 305
- binaire, 324
Code
binaire dcal, 326
534
- binaire pur, 325

- binaire repli, 316
binaire symtrique, 326
- complment l, 327
- complment 2, 326
- de Gray, 325
Coefficient
- d'intercorrlation, 145
- de corrlation, 127,477
Composante
en phase, 109
- en quadrahue, 209
Constante
de Boltzmann, 173
- de Planck, 173
Conversion
analogique numrique, 305
- numrique-analogique, 309
Co nv ertisse ur
approximations successives, 308
- parallle, 308
Convolution, Il
- deux dimensions, 13
complexe, 73
- (simulation indirecte), 235
Corrlateur, 218
simplifi, 434
Corrlation
- croise, 81
- de signaux nergie finie, 80
de signaux puissance moyenne
finie, 91
- mutuelle, 81
statistique, 476
- (drive de la fonction de ,..), 88
- (simulation indirecte), 235
Cotd~neerreu~
413
Cot moyen (coefficient de

447
Covariance, 476
Cramer-Rao (ingalit de ... ), 416
Critre
- de Bayes, 444
- de dcision, 444
de la pondration uniforme, 414
- de la valeur absolue, 413
- de Neyman-Pearson, 450
quadratique, 413
Crosscorrelation, 81
o ) ,
Dcibels, 3
Dcision
hypothses multiples, 442

binaire, 441, 444
- optimale, 309
Dconvolution, 234
Dmodulation, 334
Densit
- de probabilit, 114,467
- conjointe, 115
conjointe multidimensionnelle
gaussienne, 483
Densit in terspec traIe
d'nergie, 85
- de puissance, 93, 145
Densit spectrale
- croise, 86
d'nergie, 82
- d'interaction, 86
- de puissance, 92
de puissance mu tu elle , 93
- de puissance d'un processus
alatoire, 133
- de raies, 7 1
mu tuelle, 85, 145
Dphaseur pur, 196
Drivateur, 149
Description mathmatique d'un
signal, 3
Dtecteur de signe, 265
Dtection, 10,409
d'enveloppe, 345
- de signaux par intercorrJation, 435
- de signaux priodiques par autocorrlation, 435
optimaJe d'un signal connu, 453
- par accumulation, 428
- par intgration, 428
par moyennage, 428
- synchrone, 343
Dveloppement
de KarhunenMLoeve, 132
- orthogonal, 52
Dviation
- de frquence, 349
de phase, 349
- standard, 476
DFT, 290
Dimension d'un espace vectoriel, 41
Dirac
- (impulsion de ... ), 19
(suite priodique d'impulsions
de ... ), 96
INDEX ANAL YTIQUE
Dispersion
- spectrale, 218
- temporelle, 218
Distance, 42
- de Hammng, 44
- de Mahalanobs, 443
- de signaux, 43
- en moyenne quadratique, 43
- euclidienne de deux signaux, 43
Distances usuelles, 442
Distorsion
- d'affaiblissement, 246
- d'amplitude, 246
- d'intermodulation, 161
- de phase, 246
- de quantificatjon, 315
- due au recouvrement
spectral, 287
- harmonique, 261
- linaire, 246
- non linaire, 261
Distribution, 466
- binomiale, 479
- de Poisson, 479
- de Rayleigh, 125,484
- de Rice-Nakagami, 204
- delta, 19
- en X 2 , 484
- exponentielle, 48 J
- gaussienne, 482
- laplacienne, 481
- normale, 482
- uniforme, 481
Dither quan tization, 323
Double Side Band Suppressed Carrier
Modulation (DSBSC), 339
Dure
d'acquisition, 314
- d'observation, 374
- d'ouverture, 314
de conversion, 31 0
- de corrlation, 224
- effective, 223
- efficace, 216
utile, 219
Ecart-type, 24, 114, 475
Echantillonnage, 273
- pas variable, 273
- avec maintien, 279
avec moyennage, 280
535
- priodique, 273
- idalis, 276
rel, 175
- rgulier, 273
- (thormes d' ... ), 281
Echantillonneur idal, 277
- bloqueur, 313
Echelon unit, 16, 19
Effet
- de grenaille, 179
- de repliement, 281
Energie
- (normalise), 34
- totale, 34
Ensemble complet (total), 54
Enveloppe, 201
- complexe, 208
- spectrale, 97
Equation
- de Wiener-Hopf, 426
- minimax, 450
- de vraisem blance, 413
Ergodisme, 1 16
Erreur
- d'approximation, 53
- d'estimation, 433
- de deuxime
447
- de premire espce, 447
- d'ouverture, 314
- quadratique moyenne, 49,50,414
- d'acquston, 330
Espace
- complet, 42
- d'observation, 442
de Hilbert, 47
- de signaux, 41,42
- des caractristiques, 442
- des preuves, 465
- fonctionnel, 42
- L 2 , 46
- vectoriel, 41,42
Esprance ma thma tique, 474
Estimateur, 411
Estimation, 409
- erreur quadratique moyenne
minimum, 414
- vraisemblance maximale, 419
- au sens du maximum de vraisemblance, 412
- consistan te, 416
- du maximum a posterori, 415
536
efficace, 416
- linaire, 422
Euler (formule d' ... ), 30
Evnement,
465
Evnements indpendants, 466
Existence d'une transforme de
Fourier, 70
Exprience statistique, 465
Extrapolateur d'ordre m, 292
Facteur
d'excs de bruit, 186
de bruit moyen, 185
187
de brut
Fast Fourier transform, 291
Fausse
dcision
447
dcision positive, 447
Fentre
de Hamming, 377
de Hammng gnralise, 377
de Hanning, 377
FFT, 291,390
FFI processor, 371
Filtrage, 10
en peigne, 439
- linaire optimum, 424
optimal, 309
Filtre, 43
- adapt, 247, 453
adapt en prsence de bruit
color, 456
antirepliement, 285
- de Bu tterworth, 285
- de garde, 285
- de Kalman, 426
- de lissage, 293
de Tchebycheff, 287
de Wiener, 425
- elliptique, 287
- idal, 242
- sous-optimum, 457
Flash converters, 308
Flicker noise, 183
FM, 349
Fonction, 5
- caractristique, 466, 477
d'ambigut, 214
d'au tocorrlaton, 80
d'autocorrlation de signaux
puissance moyenne finie, 91

- d'autocorrlation statistique, 115
- d'autocorrlation normalise, 127
- d'autocorrlation d'un processus
alatoire, 125
- d'autocovariance, 115
- d'au tocovariance d'un processus
alatoire, 126
- d'chantillonnage, 22
- d'erreur, 483
- d'lntercorrlation, 80
- d'intercorrlation de signaux
puissance moyenne finie, 91
- d'intercorrlation statistique, 144
- d'intercovariance, 145
d'intercovariance normalise, 145
de Bessel de premire espce, 502
- de Bessel modifie, 203
- de cohrence, 146
- de corrlation de signaux priodiques, 99
- de Marcum, 451, 508
- de perte, 413
- de Rademacher, 59
- de rpartition, 114, 466
- de rpartition conjointe, 115,469
- de rponse frquentielle, 13, 232
- de rponse frquentielle bidimensionnelle, 13
- de transfert, 13, 232
- de vraisemblance, 412
- de Walsh, 59
- discriminante, 16
- chelon unit, 16, 19
- porte, 16
- rampe, 16
- rectangulaire normalise, 16
- saut unit, 16, 19
- signe, 15
- triangulaire normalise, 18
Fonctionnelle, 5
Fonctions
- orthogonales, 47, 65
- orthonormales, 53
Formule d'Euler, 30
Fourier
- processor, 371
- (srie de ... ), 63
- (transformation de ... ), 69
Frquence
- d 'chan tillonnage, 276
INDEX ANALYTIQUE
image, 366
instantane, 201
- ngative, 30
porteuse, 339
relative, 465
Frequency Shift Keying (FSK), 357
Gauss (distribution de ... ), 482
Gnrateur de signal, 227
Gigue d'ouverture, 314
Gram-Schmidt (procdure d'orthogonalisation de ... ), 56
Gray (code de ... ), 325
Groupe delay, 247
Hadamard (matrice de ... ), 62
Hermitienne (symtrie ... ), 47
Hilbert (oprateur de ... ), 239,342
(transforme de ... ), 194
Histogramme, 468
Identification, 10
de formes, 309
Identit
de Parseval, 53
trigonomtrique, 492
Impulsion
de Dirac, 19
gaussienne, 24
unit, 19
Incertitude (relation d ... ), 221
Indpendance de processus
alatoires, 121
Indice de modulation
angulaire, 355
d'amplitude, 367
Ingalit
de Cramer-Rao, 416
de Schwarz, 48
de Tchebycheff, 476
Intercorrl~tion
(fonction d' ... ), 80

(matrice d' ... ), 147
- (proprits), 81
Intercovariance (matrice d' ... ), 147
Intermodulation, 260
Interpolateur
- d'ordre m, 293
idal, 299
Interpolation, 309
Intervalle d confiance, 380
537
Jacobien, 122
Johnson noise, 173
Karhunen-Loeve (dveloppement
de ... ), 132
Kronecker (produit de ... ), 62
Largeur de bande, 37, 218, 374
--3dB, 244
- approximative, 224
- d'un filtre rel, 244
- effective, 223
- efficace, 216
- quivalente de bruit, 245
- utile, 220
Likelihood ratio, 446
Limite centrale (thorme de la ... ),
148
Lissage spectral, 383
Localisation d'un signal, 219
Lock-in amplifier, 439
Loi
- de Gauss, 482, 504
- du X~ m degrs de libert, 484
- normale, 504
- normale rduite, 483
- uniforme, 316
Markov
- (chaine de ... ), 163
- (processus de ... ), 162
Matched filter, 453
Matrice
- de covariance, 131
- de Hadamard, 62
Mthode
- corrlative, 458
- d'estimation de Bayes, 413
- de Pisarenko, 373
- du corrlogramme, 373
- du maximum d'entropie, 373
- du maximum de vraisemblance, 412
- du priodogramme, 372
du risque minimum, 413
- paramtrique, 373
- syntaxique, 459
vectorielle (gomtrie ou statistique), 459
Modle d'un signal, 27, 36, 89
Modlisation autorgressive, 373
538
Modulateur, 254
Modulation, 333
bande latrale unique (SSB), 341
bande latrale rsiduelle (VSB),
342
- faible niveau, 351
- haut niveau, 352
- porteuse impulsionnelIe, 336
- porteuse sinusodale, 335
analogique, 334
angulaire, 349
- continue, 334
- d'amplitude avec porteuse (AM), 338
- d'amplitude sans porteuse (AM ~P),
339
- d'impulsions en dure (PDM), 364
d'impulsions en amplitude (PAM),
363
- d'impulsions en position (PPM), 364
- d'impulsions en frquence (PFM),
364
- de frquence (FM), Il, 349
- de phase (qlM), 349
delta (.6.M), 365
discrte, 335
- chantillonne, 334
- numrique, 334
- par impulsion et codage (PCM),
334,364
- PCM diffrentielle (DPCM), 364
Module fonctionnel, 229
Moment, 475
- centr, 475
Moyenne
- conditionnelle, 414
- courante (glssante), 12, 18, 240
Moyenneur
- chantillonnage, 430
temporel parfait, 240
Multiplexage
frquentiel, 333
- temporel, 333
Multiplicateur, 251
Multiplication de frquence, 366
On-Off-Keying modulation (OOK),

358
Onde carre, 59
OOK, 358
Oprateur
- cubique, 260
- de convolution, 230
- de drivation, 248
de filtrage idal, 242
- de Hilbert, 239, 342
de modulation, 254
de moyenne temporelle, 240
- de multiplication, 251
- de multiplication par une
constante, 238
- de rptition, 22
de retard, 238
- de sommation, 254
de transformation orthogonale, 230
- fonctionnel, 229
- gnral d'chantillonnage, 275
- idal d'chantillonnage, 251
instantan, 256
- linaire invariant, 229, 230
non inertiel, 254
- non linaire, 229
non linaire amnsique, 256, 257
- non linaire homogne de degr n,
255
- non linaire invariant, 255
- paramtrique, 229, 249
quadratique, 259
sans mmoire, 256
- sparable, 250
- statique, 256
Ordre
- naturel, 62
- squentiel, 60
Orthogonalisation (procdure d' .. .), 56
Ouverture en frquence, 216
Neyman-Pearson (critre de ... ), 450

Norme, 41
Notation complexe des signaux
sinusodaux, 30
Paley-Wiener (thorme de ... ), 282

Parseval (identit de .. J,53
Pas
- d'chantillonnage, 273
- de quantification, 305
Pattern recognition, 458
NRZ (mode), 138

Nuage de points, 442
INDEX ANALYTIQUE
PCM, 334,364
PDM, 364
Peigne de Dirac, 22
Priodogramme, 133
PFM, 364
Phase
- delay, 247
instantane, 201
- shift keying (modulation PSK), 357
Phaseur
- alatoire, 204
- de Rayleigh, 206
- (concept de ... ), 193
Pisarenko (mthode de ... ), 373
Plage de conversion, 305
Planck (constante de ... ), 173
Poisson (distribution de ... ), 479
Porteuse, 333
Pouvoir
- de rsolu tion en distance, 216
de rsolu tion en vitesse, 216
de rsolu tion frquentielle, 216
- de rsolu tion temporelle, 216
- sparateur, 374
PPM, 364
Prdic tion, 309
- linaire, 423
Priee (thorme de ... ), 264
Primitives, 460
Principe
d'orthogonalit, 422
- de superposition, 21
Probabilt, 465
- conditionnelle, 466,471
- conjointe, 465
- d'erreur totale, 444
- de dtection, 446
de fausse alarme, 446
de non dtection, 446
Processeur de signal, 227
Processus
alatoire, 1 Il
- alatoire continu, Il 1
- alatoire discret, 111
- alatoire indpendant, 121
- alatoire (au tocorrlation d'un ... ),
125
- alatoire (autocovariance d'un ... ),
126
- al atoire (densit spectrale de
puissance), 133
539
de dcision, 441
- de Markov, 162
- de Poisson, 159
ergodique, 116
- gaussien, 153
- gaussien (proprits), 154
- pontuel, 111,159
stochastique, 1 Il
Produit
- de convolu tion, 1 1
de Kronecker, 62
de signaux alatoires, 151
- d'intermodulation, 259
dure x largeur de bande, 221
scalaire de signaux, 47
- (thorme du ... ), 86
Profil instrumental, 13
Projection (thorme de la ... ), 49
Proprits
- de l'impulsion de Dirac, 21,487
- de la transformation de Fourier,
72,493
PSK, 357
Puissance
moyenne normalise, 34
- moyenne totale, 34
Pulsation instantane, 201
Pulse
- amplitude modulation (PAM), 363
- code modulation (peM), 334
- duration modulation (PDM), 364
- frquency modulation (PFM), 364
- pOSition modulation (PPM), 364
- width modulation (PWM), 364
PWM, 364
Qualit de l'approximation, 51
Quantification, 305,314
uniforme, 305,316
- (thorme de ... ), 320
Rademacher (fonction de ... ), 59
Rapport
- de vraisemblance, 446
- signal sur bruit, 3
signal sur bruit de quantification,
317
- signal sur brut instantan, 455
Rayleigh
(phaseur de ... ), 206
- (distribution de ... ), 484
540
THtOlllE ET TRAITEMENT DES SIGNAUX
Rcepteur corrlation, 420

Reconnaissance de formes, 309,458
Reconstitution, 292
Recouvrement spectral, 281
Rcupration optimale, 309
Redresseur unipolaire, 263
Rgnration, 10
Repliement (effet de ... ), 281
Rponse
- d'amplitude, 232
- de phase, 232
- impulsionnelle, Il, 21
- indicielle, 21
- percussionnelle, 21
Reprsentation
- bilatrale, 105
- de signaux spectre passe-bande, 208
- discr te des signaux, 41
- en srie de fonctionnelles de V oHerra,
255
- unilatrale, 105
- vectorielle, 43
Rsistance bruyante (schma quivalent), 175
Rsolution, 374
Retard
- de propagation de phase, 247
- de propagation de groupe, 247
Rversibilit d'une transformation, 274
Rice-Nakagami (distribution de ... ), 204
Risque moyen (coefficient de ... ), 447
Sample and hold, 313
Saut unit, 16, 19
Schwarz (ingalit de ... ), 48
Squence, 60
- binaire longueur maximum, 163
Srie de Fourier, 63
- unilatrale, 107
Shot noise, 179
Signal, 3
- alatoire, 29, 111
- analogique, 35
- analytique, 194
- analytique (forme polaire), 200
- averaging, 428
- binaire cadenc, 138, 139
- digital, 35
- chantillonn, 35
- modulant, 333
- modul, 333
numrique, 35
porteur, 333
primaire, 333
processor, 227
quantifi, 35
secondaire, 333
bande limite, 38
ner~e finie, 34
Signaux
- puissance moyenne finie, 34
- puissance moyenne finie
(corrlation de ... ), 91
- support born, 38
- alatoires, 29, 111
- alatoires non stationnaires, 32
- alatoires stationnaires, 32
- causals, 39
- de carr intgrable (sommable),
34
- de dure limite, 38
- de spectre support born, 38
- dterministes, 28
- ergodiques, 32
- impairs, 38
- non priodiques, 29
- pairs, 38
- priodiques, 29
- priodiques (fonctions de corrlation), 94
- priodiques (spectres d'amplitude et
de phase), 29
- pseudo~alatoires, 29, 163
- quasi-priodiques, 29
- sinusodaux, 29
- transitoires, 291
Signum, 15
Single side bande modulation (SSB),
(341)
Sinus
- cardinal (fonction Sine), 23, 501
- intgral, 24
Sommateur, 254
Somme de signaux alatoires, 147
Sous-chantillonnage d'un signal
priodique, 292
Soustracteur, 254
Spectre, 4
- d'amplitude, 72
- d'nergie, 82
- de phase, 72
- de raies, 71,94
INDEX ANALYTIQUE
- instantan, 218
Spread spectrum systems, 440
SSB, 341
Stationnarit, 115
- au sens large, 116
- au sens stricte, 115
- du deuxime ordre, 115
Statistique
- d'ordre 1, 114
- d'ordre 2, 115
- d'ordre k, 114
Suite alatoire, 111
Symtrie hermitienne, 47, 80
Synthse, 10
Synthtiseur de signaux, 55
Systme
- courant porteur, 341
- talement de bande, 440
- analogique, 37
- de traitement des signaux, 227
- digital, 37
- chantillonn, 37
- numrique, 37
- sparable, 256
Taux global de distorsion harmonique,

261
Tchebycheff (ingalit de ... ), 476
Temprature quivalente de bruit, 178
Template matching, 458
Temps
- de monte, 243
- de propagation de groupe, 247
- de propagation de phase, 247
Test minimax, 449
-TFD, 290
Thorme
- d'chantillonnage (signaux spectre
passe-bas), 65, 282
- d'chantillonnage (signaux spectre
passe-bande), 288
- de la limite centrale, 148
- de la projection, 49
- de Paley-Wiener, 282
- de Priee, 264
- de quantication, 320
- de Wiener-Khintchine, 134
- des moments du premier ordre, 321
- du produit, 86
- du retard, .73
541
Thorie
- de l'information (de la communication), 5
- du signal, 3
Traitement
- des signaux, 9
- en temps rel, 227
Transforma tion
- de Fourier, 231, 371
- de signal, 227
Transforma tion
- d'un vecteur alatoire, 122
- de Fourier discrte, 65, 290, 390
- de Fourier rapide, 14,291,390
- de Fourier (proprits), 72,493
- de Fourier (table illustre), 497
- en z, 233
- irrversible, 274
- quadratique, 123
- rversible, 274
Transforme
- de Fourier, 69
- de Fourier bidimensionnelle, 7, 13
- de Fourier d'un signal priodique, 94
- de Fourier d'un signal chantillonn
idalis, 281
- de Fourier (extension), 89
- en z d'un signal chantillonn
idalis:. 281
True RMS value, 116
Valeur
- efficace, 18
- moyenne, 17, 18
- moyenne exprimentale, 474
- moyenne statistique, 114,474
- quadratique, 17
- quadratique moyenne, 17,475
Variable
- alatoire, 112, 466
- alatoire bidimensionnelle, 469
- alatoire continue (VAC ), 468
- alatoire discrte (VAD), 467
- binaire, 478
- centre rduite, 483
Variables statistiquement indpendantes, 471
Variance, 114,475
542
Vecteur
- alatoire, 114
alatoire (transformation d'un ... ),
122
- de description, 459
Vestigial side band modulation
(VSB), 342
Volterra (reprsentation en srie de
fonctionnelles de ... ), 255

Vraie valeur efficace, 116
Walsh (fonctions de ... ), 59

Wiener-Hopf (quations de ... ), 426
Wiener-Khintchine (thorme de ... ),
134
GLOSSAIRE
Symbole
Dsgnation
Page
Paramtre
Vecteur de paramtres
Estimation du paramtre a
Estimation selon le critre de la valeur absolue
Estimation erreur quadratique minimale
Es tim a tion linaire
Estima tion lnaire optimale
Estimation du maximum a posteriori
Estimation fi vraisem blance maximale
Partie relle de l'enveloppe complexe 1:. (t)
Amplitude
Biais
Partie imaginaire de l'enveloppe complexe !JI)
Largeur de bande frquentielle
Largeur de bande effective
Largeur de bande quivalente (de bruit)
Largeur de ban de utile
Largeur de bande - 3 dB
Largeur de bande approximative
Coefficient de cot
Fonction de co t ou de perte
Capacit lectrique
Matrice de covariance
Covariance des variables alatoires x et y
Fonction d'autocovariance du processus alatoire x (t)
Fonction d'intercovarance de x (t) et y(r)
Distorsion
Signal dmodul
Distance entre x et y
Dure, largeur d'impulsions
Dure effective
Dure u Wc
Dure de corrlation
Charge de l'lectron
Fonction d'chantillonnage
Erreur d'approximation ou d'estimation
Erreur quadratique moyenne
411
411
411
415
414
422
422
415
412
208
000
415
208
36
223
245
220
244
224
447
413
177
131
476
126
145
261
344
43
275
224
220
224
179
275
49
50
a = (al,
a
Gabs
Geqm
llQ
(j'Qo
G map
G mv
a (I)
A
b
b (1)
B
Be
Bcq
Bu
B- 3dB
BT
('i}
da, G)
C
Cx
C x )'
C X (T)
Cxy(T)
d
d (t)
d(x,y)
D
De
Du
DT
e
e (c)
e (r)
lIef
02, .. )
544
THtOltJE ET TRAITEMENT DES SIGNAUX
Esprance mathmatique
Frquence
Frquence de coupure
Frquence ou cadence d'chantillonnage
Frquence image
Frquence porteuse
Frquence instantane
Transforma tion de Fourier
Facteur de brut
Pouvoir de rsolution frquentielle (en vitesse)
Fonction de rpartition de la variable alatoire x
Fonction de rpartition complmentaire
f
fr:.
j~
fi
Ip
li (t)
F
F
Fv
F (x)
FcCx) =
I-F(x)
g(t),/z(c)
G(f),H(f)
Il
H
Ho,Hl
HN
i Ct)
Jo (x)
j =;: v'=t
.f
.f" (x)
k.
K
lb
ln
loglO
l(a)
L2
111
= E [x Il ]
1ll.'C1l
mx-il,fI
=;:
Rponse impulsionnelle d'un systme linaire

Rponse frquentielle d'un systme linaire
Constante de Planck
Transformation de Hilbert
Hypothses associes une dcision binaire
Matrice de Hadamard d'ordre N X N
Courant lectrique (valeur instantane)
Fonction de Bessel modifie d'ordre zro
Unit imaginaire
Jacobien (dterminant, fonctionnel)
Fonction de Bessel de premire espce d'ordre
Constante de Bolzmann
Constante
Logarithme binaire (base 2)
Logarithme naturel (base e)
Logarithme dcimal (base 10)
Fonction de vraisemblance
Espace vectoriel des signaux nergie finie
Indice de modulation d'amplitude
Moment statistique de degr Il de x
Moment statistique centr de degr Il de x
474
245, 285
275
366
335
201
69
185
216
466
483
21
232
173
194
444
62
33
203
Il
122
502
419
46
367
475
475
E [(x - p)1/]
I1I x I
=;:
Ilx
Ill x 2
11l x- il .2
m (t)
Il
(t)
I1q (t)
0
0 0 ,0 1
P
Pd
TYr
Pn
P
P (r)
Px(x)
= cr.~
Valeur moyenne statistique de x

Valeur quadratique moyenne statistique de x
Variance de x
Signal modulant
Perturbation alatoire (bruit)
Distorsion (bruit) de quantification
Nom bre d'chantillons, de composantes, etc.
Espace d'observation
Rgions subdivisant 0 en dcision binaire
Probabilit (notation simplifie)
Probabilit de dtection
Probabilit de fausse a]arme (fausses positives)
Probabilit de non dtection (fausses ngatives)
Probabilit d'erreur
Puissance instantane
Densit de probabilit de la varable alatoire x
474
475
475
335
347
315
444
444
446
446
446
444
33
467
545
GLOSSAIHE
l'.n ' ex.J')

p
1)')
(x
Px
P th = kTB
Prob (A)
Prob (A, B)
Prob(AIB)
q
Q(a,b)
r(t)
rx (t)
!.xU) =
Densit de probabilit conjointe de x et y

Densit de pro babilit conditionnelle e x connaissan t l'tat
l'tat y
Puissance (normalise) de x (t)
Puissance du bruit thermique
Probabilit de ralisation de l'vnement A
Probabilit conjointe de ralisation de A et B
Probabilit conditionnelle de ralisation de A
connaissant l'tat de B
Nombre total de pas de quantification
Fonction de Marcum
Fonction rampe
Enveloppe relle de x (t)
Enveloppe complexe de x Ct)
469
471
Rsistance lectrique
Risque moyen
Matrice de corrlation
Corrlation des variables alatoires x et y
F one tion 'au tocorrlaton statistique de x (t)
Fonction d'intercorrlation statistique de x (r) et y (t)
Squence de la fonction de Walsh wal (k, II T)
Signal modul
Signal utile
Oprateur fonctionnel
Temps
Retard de groupe
Temps de monte
Retard de phase
Temprature absolue
Intervalle de temps ou priode
Temprature ambiante absolue
Pouvoir de rsolution temporel (en distance)
Priode (pas) d'chantillonnage
Temprature quivalente de bruit
Tension lectrique (valeur instantane)
Signal auxiliaire, fonction de pondration
Porteuse
Valeur de crte de la tension Cl Ct)
Phaseur de la tension sinusodale ft (t)
Vitesse de balayage
Seuil de dcision
Energie normalise du signal x (r)
Nime racine de l'unit
33
447
34
174
465
465
466
309
508
16
200
208
a(r)+jb(r)
R
R
Rx
Rx"
= E [x*y]
Rx'(j)
Rxy (r)
Sk
s (r)
s (t)
S
r
tg
tm
(0
T
T
Ta
Td
Te
Teb
(t)
1/ (t)
IIp(r)
= exp (ja;)
LI
.Y
lIb
Wx
WN =
131
476
125
144
60
335
229
243
143
247
173
173
216
275
178
33
249,252
335
193
193
395
450
34
231
exp (j21iIN)
xk =x (rk)
{xk}
x, y,
Z,
IIxll
X,
X Ct)
x(T)
etc.
Echantillon de x (t) prlev en l = tk

Squence d'chantillons
Variables alatoires
Norme de x (r)
Valeur moyenne temporelle de x Ct) ou {Xk}
Valeur moyenne dtermine sur l'intervalle T
276
276
46
18
17
546
x(t, T)
x,x T
x (Xl,X2, )
x (t),}' (t), Z (t),
etc.
Valeur moyenne glissante dtermine sur un intervalle T

Vecteur ligne et vecteur colonne (transpos)
Vecteur alatoire
Signaux rels ou complexes
Conjugu complexe de x (c)

Approximation ou estimation de x (t)
x(t) f: x{t,
Processus alatoire
x (t, T) -10 X(f,T)Segment de dure T de x (t) et sa transforme de Fourier
.\-(t) - .-':(f)
Transforme de Hilbert de x (t) et sa transforme
de Fourier
Signal analytique de x (t) et sa transforme de Fourier
:!(t) -10 KU')
Xc Ct) Signal chantillonn
Xj{t) -10 Xi(f)
Partie impaire du signal x Ct) et sa transforme de Fourier
Partie paire du signal rel x (t) et sa transforme de Fourier
xp(t)*Xp(f)
Coefficient de Fourier
X"
X(f) =
Transforme de Fourier de x (t)
F{x(t)}
Spectre d'amplitude de x (t)
IX(f)1
X+(f)
Reprsentation unilatrale de X (f)
2E(f)X(f)
X(z)
Transforme en z de x (t)
Impdance complexe
Dphasage
Ci, (3, (}, r/>
Coefficients d'un dveloppement en srie
Cik
'YQ =<x, I/JQ > Produit scalaire de x (t) et I/IQ (t)
Rponse indicielle d'un systme linaire
'Y (1)
r
Vecteur colonne des 'rIZ
Fonction de cohrence
r xy (f)
Indice de modulation angulaire (FM, (pM)
6
6 (c)
Impulsion unit de Dirac
Train priodique (priode T) d'impulsion de Dirac
T(I)
~
Intervalle ou pas de quantification
~t}~x,etc.
Petit intervalle, accroissement
f(t)
Dviation de frquence (FM)
Dviation de phase (cIlM)
r/> (t)
Erreur de mesure
E
E (1)
Saut (chelon) unit
Rsultat d'une exprience alatoire
t
Densit spectrale de puissance unilatrale du bruit blanc
11
Rendement de modulation (AM)
11111
Temprature ambiante en Oc
Da
t9 x (f)
Spectre de phase du signal J: (t)
argX(f)
f}g(f)
Rponse de phase d'un systme linaire
arg G (f)
Longueur d'onde
Produit
scalaire de fonctions de base
=
x*{t)
xCt)
zef)
12
483
114
72
49
III
93
194
194
274
72
72
63
69
72
194
281
176
41
50
21
50
146
355
19
22
310
349
349
378
16
1 11
142
339
173
72
232
""k12<I/Jk.
172
"kA
50
-.J;Q>
III/J k ll
Carr de la norme de I/J k (t)

Matrice des "kQ
53
50
GLOSSAIRE
A(x)
I1x=E[x]
~
~o
~dB=IOlog~
IIx(ll)
JJ xy (lI,
l')
PXI '
PX"(T)
PXy(T)
Var(x)
T
r/1x(r)
'Px(T)
:Px (T)
:Px(T,T)
~xy (T),;P xy (T)
'l'XI'
(T, T)
tI1x"(f)
o
547
Rapport de vraisemblance
446
474
Valeur moyenne statistique de la variable x
Dcalage Doppler, frquence (notation auxiliare)
115,250
Rapport signal sur bruit
3
348
Rapport signal sur bruit de rfrence
3
Rapport sgnal sur bruit en dcibels
477
Fonction caractristique de la variable alatoire x
478
Fonction caractristique du couple x, y
Coefficient de corrlation (covariance norme) de x et y
477
Fonction d'autocovariance normalise
117
145
Fonction d'intercovariance normalise
476
Ecart-type (dviation standard) de la variable x
475
Variance (cart quadratique moyen) de x
Paramtre de retard, temps (notation auxiliaire)
Phase instantane de x (t)
201
Fonction d'au tocorrlation temporelle du signal
91
puissance moyenne finie x (t)
Fonction d'autocorrlation temporelle du signal
80
nergie finie x (t)
Fonction d'au toeorrlation de x (t, T)
100
Fonction d'intercorrlation temporelle de x (t) et y (r)
80,91
Fonction d'intercorrlation de x (t, T) et)' (r, T)
100
Densit spectrale de pu issance de x (t)
92
F{'Px(T)}
Densit spectrale d'nergie de x (r)

F{cPx(T)}
q}x(J', T)
Densit spectrale d'nergie de x (C. T)
(lf~ (f)
Densit spectrale de puissance unilatrale
2e(f){Px(f)
tb+(f)
Densit spectrale d'nergie unilatrale
x
0
2e(f)CP x (f)
(I)xy (f)
Densit nterspectrale de puissance de x (1) el y (t)
\?
F{'I'xy(T)}
Densit in terspectrale d'nergie de X' (t) et y (t)
cPxv(f) =
() -F {:P x y ( T) }
Densit interspectrale d'nergie de x(r, T) ety, T)
<I\-:y (f, T)
Densit spectrale de puissance du bruit thermique
<pth(f)
X(T,l)
Fane tion d'am biguit
Variable alatoire (chi carr) ln degrs de libert
X~l
Ensemble de fonctions indpendanles, ventuellement
{l/Ik(t)}
orthogonales, formant la base d'un espace vec.toriel de
signaux
Pulsation
Pulsation instantane
(I)x (f) :::::
82
ABRVIA TIONS
AIN
AM
AMP
Conversion analogique-numrique
Modulation d'amplitude
Modulation d'amplitude sans porteuse
102
106
106
93
85
103
173
215
484
42
201
548
DPCM
FFT
FM
FSK
MIC
NIA
NRZ
PAM
PCM
PDM
PFM
PLL
PPM
PSK
SSB
TFD
VAC
VAD
VCO
VSB
~M
(PM
Modulation PCM diffrentielle

Transformation de F ollrcr rapide (fast Fourier transform)
Modulation de frquence
Modulation discrte de frquence (frequency shift keying)
Modulation par impulsion et codage (PCM)
Conversion numrique-analogique
Non retour zro
Modulation d'impulsions en amplitude
Pulse code modulation (MIC)
Modulation d'impulsions en dure (pulse duration modulation)
Modulation d'impulsions en frquence (pulse frequency modulation)
Boucle phase asservie (phase locked loop)
Modulation d'impulsions en position (pulse position modulation)
Modulation de phase discrte (phase shift keying)
Modulation il bande latrale unique (single side band)
Transformation de Fourier discrte
Varia ble alatoire continue
Varia ble alatoire discrte
Oscillateur contrl en tension (voltage controlled oscillator)
Modulation bande latrale rsiduelle (vestigial side band)
Modulation delta
Modulation de phase
NOTATION SPCIALES
*
'*
**
H
<>
m
cat(skt lIT)
ig (r)
radU, lIT)
rect(t)
rep T [ ]
sal(sk' tlT)
sgn (t)
sinc (a)
Si(u)
tri (t)
wal(k,tIT)
Produit de convolution
Produit de convolution en valeur moyenne
Produit de convolution de fonctions bidimensionnelles
Multiple produit de convolu tion
Produit scalaires
Produit de Kronecker
Addition modulo- 2
Fonction de Walsh pair de squence Sk pour k pair
Impulsion gaussienne
Fonction de Rademacher
Fonction rectangulaire
Oprateur de rpttion de priode T
Fonction de Walsh de squence sk pour k impair
Fonction signe
Fonction sinus cardinal
Fonction sinus intgral
Fonction triangulaire
Fonction de Walsh
91
13
159
7
61
44
60
14
59
17
21
60
15
13
14
18
60
Le Trait d 'E lec trict est l'uvre collective

des mem bres du Dpartement d'Electrcit de l'EPFL,
assists par quelques collaborateurs externes.
A ce volume ont collabor plus particulirement:
.Mohamadrez A minian: composition de formules
Hakan Birsel: composition de formules
Franoise de Coulon: correction de l'orthographe et support moral
Frdric de Coulon: rdaction du volume
Claire-Lise Delacrallsaz: directrice
des Presses polytechniques romandes
Walter Diibler: photographies
Pierre-Grard Fa Il to lliet : critique du manuscrit
Eric Gruaz: photographies
Kurt Hofer: dessins, photographies,
Allen Ki/ner: mise en page et montage
Murat Kzwt: critique du manuscrit
Andre lv/oinat: dactylographie du manuscrit
.Tacqlles Neirynck: direction du Trait, critique du manuscrit
Hubert Osaka: composition de formules
Nicolas Pesenti: index analytique
Rene Pittet: composition du texte et de formules
Julien Piat: critique du manuscrit
Thierry Plin: critique du manuscrit
Christiane Stehl: dactylographie du manuscrit,
composition du texte et de formules
~Michael Unser: critique du manuscrit
Roger Vuistiner: critique du manuscrit, laboration
des illustrations par ordinateur
Ida Wegmller: montage du lettrage et des corrections
jlfarc Weill: composition de formules
Imprim en Suisse

Theorie Et Traitement Des Signaux 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

Theorie Et Traitement Des Signaux PDF

Transféré par

Droits d'auteur :

Formats disponibles

Cet ouvrage fait partie d'une srie de vingt-deux volumes

dont les titres sont les suivants:

Le Trait d'ElectriCt est une publication des

Troisime dition revue et corrige

Place du volume VI dans le Trait d'Electricit

THrtOlUE ET TRAITEMENT UES SIGNAUX

Le traitement des signaux est troitement associ l'lectronique analogique ou

TABLE DES MATIRES

CLASSIFICATION ET MODLES DES SIGNAUX

REPRSENTATION VECTORIELLE DES SIGNAUX

Tll(,OIUE ET TRAITEMENT DES SIGNAUX

SIGNAL ANALYTIQUE ET ENVELOPPE COMPLEXE

CHANTILLONNAGE DES SIGNAUX

10 NUMRISATION DES SIGNAUX

Fonctions dntercorrlalion ct densits spectrales

TABLE [lES r.IATIRES

MODULATION ET CHANGEMENT DE FRQUENCE

ANALYSE SPECTRALE EXPRIMENTALE

RSUM DE TIIORIE DES PROBABILITS

FORMULAIRE ET TABLES DE RFRENCES

THORIE ET TItAITEMENT DES SIGNAUX

SOLUTIONS DES EXERCICES .. , . . . . . . . . . . . . . . . . ..

INDEX ANALYTIQUE ...... , ..

1.1 THORIE DU SIGNAL ET DE L'INFORMATION

1.1.1 Place de la thorie et du traitement des signaux dans le domaine de

THORIE ET TltAITEMENT DES SIGNAUX

1.1.2 Aperu historique [1]

1.1.3 Dfinition du signal

1.1.4 Dfinition du bruit

1.1.5 Dfinition du rapport signal sur bruit

nest souvent indiqu selon une chelle logarithmique mesure cn dcibels

1.1.6 Dichotomie signal-bruit

1.1.7 Thorie du signal: dfinitions et objectifs

THORIE ET TRAITEMENT DES SIGNAUX

f x(t) exp ( - j 11Tft) dt

____ 1 ___ ,[1

1Reconnaissance des formes 1 1

d'une thorie de la modulation (chap. 11). La thorie de la dtection (chap. 13)

1.1.8 Thorie de l'information et du codage. Dfinitions

1.1.9 Importance des modles et mthodes statistiques

1.1.10 Modles et mesures de signaux: fonctions et fonctionnelles

THORIE ET TRAITEMENT DES SIGNAUX

signal microphoniq uc sI (t)

signal vido composite 52 (t)

. balayage d'une ligne .

impulsions de synchronisation de ligne

On appelle fonctionnelle une rgle de correspondance entre un ensemble de fonc~

J"'" x(t) g(t)

valeur intgrale quadratique pondre

produit de convolution (fig. 1.5)

= < x, oro >

La transforme de Fourier ( 1.3) est un autre exemple de fonctionnelle. Dans le

i(x,y) exp [ -j 27r(ux

o li et l' reprsentent des frquellces spatiales, mesures en m

si les variables de posi-

THORIE ET TRAITEMENT DES SlGNAUX

TRAITEMENT DES SIGNAUX

DOMAINES D'APPLICA TION

Certains auteurs donnent parfois un sens plus restrictif au traitement du signai

THORIE ET TRAITEMENT DES SIGNAUX

Imcrprtaton des signaux

Fig. 1.7 Principales fondions du traitement de!> signa.ux.

ou de mmoire d~ordini.lteur grce une diminution de la redonance du signal ( J .1.8).

__ 1 _ ,[1

[xdt) g(t)] + [X2(t) g(t)]