Académique Documents
Professionnel Documents
Culture Documents
TRAITEMENT du SIGNAL
Socit post-industrielle du 21me sicle: Socit de lInformation
et de la connaissance
Electronique & Informatique Progrs spectaculaires des
nouveaux moyens dchange et de diffusion de linformation.
Les NTIC changent les reprsentations et le fonctionnement des
socits et des citoyens, et le traitement du signal ( analogique &
numrique ) est prsent partout dans nos vies :
CD, Tlphone mobile, PC, Lecteur mp3, ADSL, TV Numrique,
- le temps t
- les coordonnes despace x, y, z
x t
temps (s)
Reprsentation
frquentielle
x(t ) Akk (t )
k 1
S f ,t
f
Short-time Fourier Transform
S x ( , t ) TF a ( t ) x( )
a ( t ) x( ) e
2 j
Wit Lau & Jim Simmons, Echolocation in dolphins and bats, Physics Today, september9 2007
Reprsentation temporelle
v1 (mV)
v2 (mV)
t (1/200 s)
t=1/200 s
11
1
4
2
5
12
13
14
chantillonn
1
0.6 ns
9
1.810
quantifi
Te
15
Reprsentation frquentielle
X(f)
x (t ) e
j 2 f t
dt
I (u , v )
i ( x , y ) e j 2 u x e j 2 v y dx dy
X(f)
x (t ) e j 2 f t dt
x t
Wit Lau & Jim Simmons, Echolocation in dolphins and bats, Physics Today, september 2007
19
1.8
1.6
60
Signal
Noise
1.4
40
1.2
20
1
0.8
0.6
-20
0.4
-40
0.2
-60
0.1
0.2
0.3
0.4
0.5
time (s)
x t
0.6
0.7
0.8
0.9
10
20
Signal + bruit
Bruit ( le mme ) seul
Sonar-simul.m
30
40
50
60
Frequency (Hz)
70
80
90
f
20
100
1
DSP f C ,
f
0.8 1.3
1
2
t
1
t
1
t
3
1
t
4
5
Time discretization
Aliasing
1
t
Temporal truncation
Leakage ( spectrum
widening and oscillations )
6
7
Double periodicity
In time and frequency
III-24
J.-M. THEMLIN
Autocorrelation of v(t)
150
1
100
-1
50
-2
-3
0
20
40
60
80
100
120
-50
-100
3000
-50
50
100
2500
2000
1500
1000
500
0
0.0
0.1
0.2
0.3
Frquence (Hz)
0.4
0.5
T T
Thorme de Wiener-Khintchine :
Px ( f ) TF R x ( )
On a donc deux moyens dvaluer la DSP dun signal alatoire, dont la TF
de la fonction de corrlation statistique du p.a. associ au signal.
Image numrique
Image :
Signal 2D i(x,y)
x,y : variables
continues
x,y : variables
Discrtes
Pixels
( Picture elements )
28
Frquence spatiale :
f=1/T
[s-1]
/mire.m
i x, y
I u, v
i ( x, y )
I (u , v ) e
j 2 u x
j 2 v y
du dv
I (u , v )
i ( x , y ) e j 2 u x e j 2 v y dx dy
30
Original
Low-pass
High-pass
64 x , y 8 x , y 8 x , y
mire.m
2) Corrlation :
Rxy [n]
x[n m] y *[m]
x, y
x[m]
y *[m]
3) Convolution :
( x * y ) [ n]
x[n m]
y[m]
III-34
J.-M. THEMLIN
40
x, y x(t ) y *(t ) dt
Signal1
20
x(t)
t1
-20
-40
0.2
0.4
0.6
0.8
x, y
40
-1*Signal1
y(t)=-x(t)
20
Ex E yi
x, x 1
-20
-40
0.2
0.4
0.6
0.8
40
z(t)
x, y
x, y 1
signal2
20
x, z 0.0023
0
-20
-40
0.2
0.4
0.6
0.8
y, z 0.0023
35
time (s)
signoise.m
Impulsion radar
ou sonar
R xy ( )
x (t ) y * (t ) d t
Squence connue
( de rfrence )
r k
x n k
y * n
Squence analyser
( On teste les occurrences de la
Squence de rfrence )
I - 36
(1)
Les oprations sur les signaux sont des oprations lmentaires de base.
Elles sont gnralement combines en TdS dans des processus plus
labors conus dans un but spcifique. On parle alors de systmes de
traitement du signal, qui utilisent ces oprations lmentaires pour
transformer un signal ( dentre ) en un autre signal ( de sortie ).
Signal dentre
Signal de sortie
37
38
Systmes Analogiques
Systmes Numriques
http://premiumwanadoo.com/daniel.robert9/Digit/Digit_1T.html
39
Echantillonnage &
Quantification
Restitution dun
signal analogique
40
41
Dtection
Rception/Transmission
transmission
Rception
Reconnaissance des signaux
42
Savoir-faire
Participez activement aux TDs & TPs
Savoir-tre :
Respect et coute des autres ( pas de bavardages ),
Respect de lenseignant : soyez attentif capter ce qui est dit au
cours, annotez les copies des diapositives, remplissez les espaces ad
hoc, participez, oubliez votre smartphone
Ponctualit : arrive lheure, respect du timing de fin de pause
46
2D
Altitude du relief sur une zone donne
( courbes de niveau ) : a(x,y)
Rpartition des tempratures
sur une plaque chauffante : T(x,y)
3D
Rpartition des tempratures dans latmosphre ( isothermes ) :
T(x,y,z)
Rpartition de la pression dans latmosphre ( isobares ) : P(x,y,z)
52
Signaux 2D & 3D
Image : Signal 2D i(x,y)
Image
x,y : variables
continues
Image numrique
x,y : variables
Discrtes
Pixels
( Picture elements )
Film vido
Signal 3D i(x,y,tk)
53
54
56
59
x t , t
x
Signal chantillonn ou temps discret
xe n x nTe
n , xe
61
Lchantillonnage idal
f
62
Frquence
dchantillonnage
Condition de
Shannon thorique :
fe 2 f0
f e 10 f 0
f e f 0
fe 3 f0
fe f0
63
Signal
chantillonn
xe n x nTe
Signal
chantillonn
et quantifi =
Signal Numrique
ou Digital
64
1) Echantillonnage
3) Codage ( en ligne )
I-65
Numrique
Analogique
Analogique
66
Echantillonnage &
Quantification
Restitution dun
signal analogique
67
69
(2)
Signal analogique
Domaine
t1, t2
Dure
t2 t1
n1, n1 1,..., n2 , n2 n1
n2 n1 1 Te
70
(co)Sinusode fentre
71
x t x t nT , n
1
t
x t A sin 2 t nT A sin 2 n 2
T
A sin 2
T
72
fe 2 f0
Egalit des sinusoides
discrtes lorsque f1=f0+n,
n tant un entier
Te=1 s
fe 2 f0
Indice n ou temps (s)
73
Dem_Discret.m ( suite )
Sinusoids are periodic
of period N
only if f0=k/N
figure(5)
subplot(2,1,1)
f0=2/10;
x=cos(2*pi*f0*n);
plot(n,x,'ro')
hold on
y=cos(2*pi*f0*m);
plot(m,y,'b')
legend('k/N=2/10')
xlabel('index n')
ylabel('x1[n] & x(t)')
axis([1,20,-1.05,1.05])
title('Periodic discrete sinus : f0 rational')
hold off
x n cos(2 nf 0 )
f0 k
subplot(2,1,2)
f0=sqrt(2)/6;
x=cos(2*pi*f0*n);
plot(n,x,'ro')
hold on
y=cos(2*pi*f0*m);
plot(m,y,'b')
legend('k/N=sqrt(2)/6')
xlabel('index n')
ylabel('x1[n] & x(t)')
axis([1,20,-1.05,1.05])
title('Aperiodic discrete sinus : f0 74
irrational')
hold off
repT x (t )
x (t kT )
repT x (t ) x (t ) * T t
75
79
y t x t T
Ex.: y t x t 1
t 2, 2 t 3
x t
0 ailleurs
80
y t x t T
Ex.: y t x t 1
t 2, 2 t 3
x t
0 ailleurs
t 1 2, 2 t 1 3
x t 1
0 ailleurs
2 t 1 3 3 t 4
t 3, 3 t 4
y t x t 1
0 ailleurs
81
y t x c t , c
c >1 : Contraction
c <1 : Dilatation
Ex.: y t x 2t
t 2, 2 t 3
x t
0 ailleurs
82
y t x c t , c
c >1 : Contraction
c <1 : Dilatation
Ex.: y t x 2t
t 2, 2 t 3
x t
0 ailleurs
2t 2, 2 2t 3
x 2t
0 ailleurs
3
2 2t 3 1 t
2
2t 2, 1 t
y t x 2t
2
0 ailleurs
83
t T
y t c x
, c, d , T
d
Amplitude :
c >1 : Amplification
c <1 : Attnuation
Changement dchelle
temporelle :
d >1 : Dilatation
d <1 : Contraction
Translation temporelle :
T>0 : retard ( droite )
T<0 : avance ( gauche )
85
86
x T
T
2
A rect
2
T
1
A rect A
2
87
x T
T
2
A rect
2
T
1
A rect A
2
x T
x A rect 0 A
T
2
A rect
2
T
1
A rect A
2
T e
2
T
x
e A rect
2
T
1 e
A rect 0
2 T
88
3.5
3
z (t ) ?
2.5
2
1.5
1
0.5
0
-0.5
-6
-5
-4
-3
-2
t (s)
-1
89
Fentrage de signaux
(co)Sinusode fentre
91
92
93
x t A sin 2 t A sin 2 f 0t
T
2 T1 t
m Ae
94
Lexponentielle complexe
Formules dEuler ( rappel ) :
j
j
j
j
e
e
e
e
, sin( )
Ae j A cos( ) j A sin( ), cos( )
2
2j
Lexponentielle complexe
Il est souvent utile de considrer un signal sinusodal comme la projection sur
laxe des rels ( ou imaginaire ) du plan complexe dun phaseur ou vecteur
tournant damplitude A et de vitesse angulaire =2f0, de phase lorigine :
c(t ) Ae
j ( t )
Ae
j (2 f 0t )
Im
s (t ) A cos(2 f 0t )
A j (2 f0t ) j (2 f0t )
e
e
2
A
c(t ) c* (t )
2
e c(t )
AR
c (t )
Re
96
x n Ae
j 2 f0 r n
Ae
j 2 f0 n
j 2 r n
r n
Ae
j 2 f0 n
% Dem_Discret.m
% Demo on discrete sinusoids
% J.-M. THEMLIN, Nov 2005
clear all
close all
n=1:100;
% Sinusoids with f1=f0+n, n
integer
%
are the same
figure(1)
x=cos(2*pi*1.02*n);
plot(n,x,'bo')
hold on
y=cos(2*pi*2.02*n);
plot(n,y,'rx')
legend('f0=1.02','f1=2.02')
xlabel('index n')
ylabel('x1[n] & x2[n]')
hold off
III-97
J.-M. THEMLIN
x n N Ae
k
j 2 n N
N
Ae
k
j 2 n
N
j 2 k n
k n
x n
98
Discrete.m
sin( x)
sinc( x)
x
99
sin( x)
sinc( x)
x
100
t 3
sin(
)
t 3
2
z t 5sinc(
)5
t 3
2
101
105
106
1
t
(t ) lim rect ( )
L0 L
L
1
tL/2
(t ) lim rect (
)
L0 L
L
2
1
t
exp(
(t ) lim
2)
0
2
2
n sin( nt )
(t ) lim
n
nt
(t ) lim
exp( t )
x 0 x,
x t t dt
x t0
x t t t dt
0
et en particulier
t dt 1
108
1
T
x t0
t t
0
x
t
t
t
dt
T
x
t
rect
dt
lim
T
1
lim T
T
x t
t0 1
2T
t0 1
2T
x t dt
1
lim T x t0 x t0
T
T
t t
0
r t T rect
1
T
109
0 t t dt
t t0 t t t0 dt
(t ) (t ) (0) (t )
(t ) (t t 0 ) (t 0 ) (t t 0 )
110
T (t )
(t kT )
k
k
111
xe t x t Te (t )
xe t
x nT (t nT )
xe t x n x nTe n
xe(t) est dfini pour tout t, cest donc un signal temps continu ou
analogique, la plupart du temps nul sauf aux multiples de la priode
dchantillonnage. xe(t) est une expression possible du signal x(t)
chantillonn, dont x[n] est une autre forme.
112
115
Signal
chantillonn
xe n x nTe
Signal
chantillonn
et quantifi =
Signal Numrique
ou Digital
116
Quantification
117
Bruit de Quantification
Signal
chantillonn
Bruit de quantification
Signal Numrique
ou Digital
Histogramme :
Rpartition
Uniforme
118
Bruit de Quantification
eq t ,
2 2
119
Signal analogique
Echantillonnage &
Quantification
Signal numrique
Signal numrique
binaire
Signal analogique
interprt comme
signal numrique
120
x
x
t2
1
x
x t dt
t2 t1 t1
n2
1
x
x n
n2 n1 1 n n1
1
Si t1 , t2 , , alors x lim
T 2T
x t dt ,
1
et si t1 , t2 0, , alors x lim x t dt
T T
0
122
xmax max x t
xmax max x n
xmin min x t
xmin min x n
[ n1 , n2 ]
[ t1 ,t2 ]
[ n1 , n2 ]
[ t1 ,t2 ]
Df. : Si
xmax et xmin
x t 3 e
et y n
n4
123
w(t)
w(t ) w (t )
p (t ) w(t )i (t ) w(t )
R
R
126
Ew E w w (t ) dt ( signal analogique )
2
t1
n2
ou Ex E x x n Te
2
n1
(1)
ba N
f x dx
N k 1
k 1
f a
b a
N
f a,
f a N 1 b a f
f a b a b a
k 1
1
a
b
a
ba
f b
, k N
N
k 1
f a
b a
N
128
(2)
k 1
Ex x t dt
x t1
t2 t1
N k 1
N
t1
2
t 2 t1
Te
Te
2
x
n1Te k 1 Te
k 1
n2
2
x
n avec ti niTe , N n2 n1 1
n n1
v t a e
, t0
Ev
v t dt
2
130
x
x
t2
1
x
x t dt
t2 t1 t1
n2
1
x
x n
n2 n1 1 n n1
1
Si t1 , t2 , , alors x lim
T 2T
x t dt ,
1
et si t1 , t2 0, , alors x lim x t dt
T T
0
132
Exercices
1) Dterminez le domaine, la dure et la valeur moyenne des signaux suivants :
1 t , t 1
x1 t
t
2 , 2 t 4
2
3t 2 , 1 t 2
x2 t
5 t , 4 t 5
1
x3 t cos 2 t , avec T 0
T
1
x dx ln x C
t
, t0
x4 t t 2
0, ailleurs
133
1
2
Pw t1 , t2 w
w
(t ) dt
t2 t1 t1
2
Pw n1 , n2 w2
n2 n1 1 Te
n2
n2
1
2
2
w
n
T
w
e
n
n2 n1 1 n n1
n n1
1
Si t1 , t2 , , alors Px lim
T 2T
x 2 t dt ,
1 2
et si t1 , t2 0, , alors Px lim x t dt
T T
0
134
Px
Ex
Signaux Puissance moyenne
totale finie :
Px
Energy Signals
Ex
Power Signals
Signaux transitoires :
135
1
2
(t ) dt
wRMS t1 , t2 Pw t1 , t2
w
t2 t1 t1
n2
1
2
wRMS n1 , n2 Pw n1 , n2
w
n
n2 n1 1 nn1
N
S
dB
PSignal
s RMS
10 log 10
20 log 10
PBruit
n RMS
Psignal/Pbruit
2
10
100
1/2
PSignal
PBruit
10
S N
dB
10
138
Le domaine du spectre du signal W(f) est galement born : W(f) est nonnul sur un intervalle fini de frquences.
139
140
Application : Le Radar
141
Entre
s[n]
Dcoupage en N blocs
Boucle sur
Les blocs :
Oui
Energie
ou ?
E > Eseuil ?
Out = 1
Non
Out = 0
Calcul
dterminer !
Dcision
142
143
2
x
t2
1
t 2 t1
x(t ) dt
t1
1
t 2 t1
x x
2
x
(
t
)
dt
t1
1
2
x(t ) x dt
t2 t1 t1
x n
n 1
n2
1
x n
n2 n1 1 n n1
t2
t2
1
x x
N
(1)
1
N
2
x
x n
n 1
n2
2
1
x n x
n2 n1 1 n n1
Dviation standard
2 x
x x
Standard.m
n2 n1 1 n n1
n2
2
1
2
x
x n x
n2 n1 n n1
x 2 x
147
N
S
dB
PSignal
s RMS
10 log 10
20 log 10
PBruit
n RMS
Psignal/Pbruit
2
10
100
1/2
PSignal
PBruit
10
S N
dB
10
148
S N
dB
PSignal
x2
10 log 10
10 log 10 2
PBruit
x
Standard2.m
149
Sonar passif
Ex. : Simulation dun sonar passif
PSignal
S
10 log 10
6 dB
B dB
PBruit
1.8
1.6
60
Signal
Noise
1.4
40
1.2
20
1
0.8
0.6
-20
0.4
-40
0.2
-60
0.1
0.2
0.3
0.4
0.5
time (s)
x t
0.6
0.7
0.8
0.9
10
20
Signal + bruit
Bruit ( le mme ) seul
Sonar-simul.m
30
40
50
60
Frequency (Hz)
70
80
90
f
150
100
Puissance et Variance
Px
2
x
2
x
x x
2
x
t2
1
2
x(t ) x dt
t2 t1 t1
Px x2
Puissance P et variance 2 sont gales pour un signal valeur
151
moyenne nulle.
Px
2
x
2
x
x x
2
x
t2
1
2
x(t ) x dt
t2 t1 t1
t2
t2
t2
1
1
1
2
2
=
(
)
2
(
)
x
t
dt
x
t
dt
x
x dt
t2 t1 t1
t2 t1 t1
t2 t1 t1
Px 2 x x x2 Px x2
Puissance P et variance 2 sont gales pour un signal valeur
152
moyenne nulle.
Histogramme : [Ni,Xi]
N Ni
i 1
154
x n
i 1
Histogramme :
Hist(Ni,Xi)
M cases centres en Xi
Ni occurences
1
x
N
N X
m 1
i
155
Moyenne :
Puissance :
1
x
N
1
Px
N
Ni X i
Ex Te N i X i2
Energie :
m 1
m 1
2
N
X
i i
m 1
Variance :
1
2
x
N
N X
M
m 1
156
M cases centres en Xi
Ni occurences
Moyenne :
Puissance :
1
x
N
1
Px
N
Ni X i
Ex Te N i X i2
Energie :
m 1
m 1
2
N
X
i i
m 1
Variance :
1
2
x
N
N X
M
m 1
158
Quizz
Signaux
Histogrammes
1
4
159
Ambigit de lhistogramme
Signaux
Histogrammes
160
et constants,
signaux stationnaires
Signaux non-stationnaires
165
Processus Alatoires
Un signal = Une ralisation
( une squence ) particulire dun
ensemble
de ralisations possibles
( = un processus alatoire)
166
E ( X ) n
( x ) n f X ( x ) dx
E ( X x ) 2
Hypothse
dergodicit :
( x x ) 2 f X ( x ) dx
Densit de probabilit du
processus alatoire ( lie
lhistogramme de lensemble
des v.a. du processus )
Puissance Moyenne des
fluctuations de la v.a. autour de
la moyenne ( au sens
statistique )
n2
2
1
x n x
n2 n1 1 n n1
Valable seulement si le signal est stationnaire, elle postule lgalit des moments statistiques et
des moyennes temporelles. Elle autorise ici lestimation de la variance base sur une seule
trajectoire, condition que celle-ci soit suffisamment reprsentative du processus entier.
Lhypothse dergodicit est gnralement postule, car difficile prouver.
167
169
Formulaire du Chapitre I
Delta de Dirac, oprateur dchantillonnage :
x 0 x,
Grandeurs Statistiques :
x t t dt
x t0
x x
2 x
1
2 x
N
x n x
n 1
T (t )
g (t ) (t t 0 ) g (t0 ) (t t0 )
n2
2
1
x n x
n2 n1 1 n n1
x t t t dt
g (t ) (t ) g (0) (t )
2
1 2
x(t ) x dt
t2 t1 t1
(t kT )
P x
x * y (t ) x y t d
x x
2
( x * y ) [ n]
Estimations :
x[n m]
A partir de x[n] :
N X
m 1
M
E x Te
E x Te N i X i2
m 1
M
1
P x Ni X i2
N m 1
1 M
2 x Ni X i x
N m 1
n2
P x
n1
n2
n2
n2
x n x
n 1
1
n n1
n2
x n
x( ) y *( t )d
x n k
y *n
y t a x c t T
n n1
r k
n2
x, y x y x n y * n
x n
n 1
1
Rxy (t )
t1
x n
t2
x, y x y x(t ) y * (t ) dt
n n1
2 x
2
n2
x(t kT )
repT x (t ) x (t ) * T t
y[m]
partir de [N,X]=hist(x) :
1
x
N
repT x(t )
Ew E w w2 (t ) dt
n2 n1 1 n n1
1 2
x t dt
t2 t1 t1
x x
n2
1
x n
n2 n1 1 n n1
t1
n2
Ex E x x 2 n Te
n1
Pw t1 , t2 w2
Pw n1 , n2 w2
N
S
dB
x x
1 2 2
w (t ) dt
t2 t1 t1
wRMS t1 , t2 Pw t1 , t2
n2
1
w2 n
n2 n1 1 n n1
PSignal
10 log10
PBruit
s 2 (t )
2
10
log
10
n (t )
wRMS n1 , n2 Pw n1 , n2
1 2 2
w (t ) dt
t2 t1 t1
n2
1
w2 n
n2 n1 1 n n1
170
avec L. NONY
171
(1)
t 2, 2 t 3
x t
0 ailleurs
1
y t x t
2
y t x t c
1 t 2.5, 2 t 3
y t x t
2 0.5 ailleurs
y x c
6
(2)
t 2, 2 t 3
x t
0 ailleurs
Changement dchelle :
y t
x t
2
y c x
y t c x t
t 2
, 2t 3
y t
2
2
0 ailleurs
x t
P y c2 P x
7
(3)
t 2, 2 t 3
x t
0 ailleurs
Elvation au carr :
y t x2 t
2
t
2
, 2t 3
y t x2 t
0 ailleurs
(4)
t 2, 2 t 3
x t
0 ailleurs
y t x t
valeur absolue :
Ex.: Valeur absolue
combine avec
addition dune
constante :
y t x t
1 t 2.5 , 2 t 3
y t x t
2 0.5 ailleurs
1
2
9
(5)
t 2, 2 t 3
x t
0 ailleurs
translation temporelle :
Ex.: y t x t 1
y t x t T
y n x n k , k
u 2, 2 u 3
t 3, 3 t 4
x u
y t x t 1
ailleurs
0
0 ailleurs
Posons u t 1
2 u 3 2 t 1 3 3 t 4
10
(6)
t 2, 2 t 3
x t
0 ailleurs
Inversion du temps :
Ex.: y t x t
u 2, 2 u 3
x u
0 ailleurs
Posons u t
y t x t
t 2, 3 t 2
y t x t
0 ailleurs
2 u 3 2 t 3 2 t 3
11
(7)
t 2, 2 t 3
x t
0 ailleurs
Changement dchelle
temporelle :
Ex.: y t x 2t
y t x c t , c
c >1 : Contraction
c <1 : Dilatation
y n x c k , k
u 2, 2 u 3
x u
0 ailleurs
Posons u 2t
2
t
2,
1
y t x 2t
2
0 ailleurs
3
2 u 3 2 2t 3 1 t
2
12
u at
a 0
u t
a
1
1
at dt a u du a
1
t dt a
t a at
1
at t
a
Qui exprime que si lon contracte (t) dun facteur a, il faut aussi
multiplier la hauteur du rectangle ( reprsentation du delta comme
1
13
(1)
t 2, 2 t 3
x t
0 ailleurs
Ex.: y t 2 x 3
2
Changement damplitude
dcalage temporel
dilatation et inversion du temps
14
(1)
t 2, 2 t 3
x t
0 ailleurs
Ex.: y t 2 x 3
2
t
t
t 2 3 2 , 2 3 3
y t 2 x 3
2
2
2
0 ailleurs
t
t
3 2 1
2
2
t
t
2 3 3 1 0
2
2
2 t 0 2 t 0
or
Changement damplitude
dilatation et inversion du temps
dcalage temporel
t
t 2 1 2 t , 0 t 2
y t 2x 3 2
2
0 ailleurs
15
(2)
t T
y t a x
16
(3)
t 2, 2 t 3
x t
0 ailleurs
Ex.: y t 2 x 3
2
y t 2 x t 6
2
(1)
t1 t2
2 , 2
1
t2 t1
2
19
(2)
20
(2)
b1
b1
t1 2t t2
t1
t
t 2
2
2
t2
t1
t
2
2
b2
E y y 2 t dt x 2 2t dt
Posons u 2t
t1 u t2
b2
E y
t1
t
t 2
2
2
t1
2
y 2 t dt
t
2
2
t1
2
x 2 2t dt
t2
2
posons u 2t du 2dt
E x
1 2
1 2
E y x u du x u du
2 t2
2 t1
2
t1
t2
21
(1)
z t x t y t
z t Ax t By t Cw t ,
A, B, C
23
(2)
Concatnation :
Ex.: Modulation par largeur dimpulsions en tlcoms
Signaux codants 0 et 1 :
Squence binaire :
0
1
24
Produit scalaire
On peut apprcier ou mesurer le degr de similitude ou de ressemblance
entre deux signaux x(t) et y(t) dfinis sur [t1,t2] ( signaux continus ) ou
[n1,n2] ( signaux discrets ) en utilisant le
PRODUIT SCALAIRE entre x et y, dfini :
pour des signaux continus et valeurs relles ou complexes :
t2
x, y x y x(t ) y *(t ) dt
t1
n2
x, y x y Te x n y * n
n1
26
t2
x, y x y x(t ) y *(t ) dt
t1
27
t2
t2
t1
t1
28
x(t)
x(t)
yi(t)
Scaleo.m
yi t 2 cos 2 2.5 t i
i=1
i=2
i=3
i=4
t 0.6
rect
0.5
x(t).yi(t)
t2
110
84
10-13
-120
x y x(t ) y (t29) dt
t1
x(t)
yi(t)
x(t)
i=1,3
x y
Ex E y
x(t).yi(t)
i=1,3
Scaleo.m
110
254
t2
x y x(t ) y *(t ) dt
t1
30
x(t)
Scaleo.m
x(t)
y(t)
x(t).y(t)
t2
110
0.971
84
0.713
10-13
0
-120
-1.0
254
0.713
x y x(t ) y *(t ) dt
t1
x y
Ex E31
yi
x, y
Signal1
20
x(t)
Ex E yi
-20
-40
0.2
0.4
0.6
0.8
x, x 1
40
-1*Signal1
y(t)=-x(t)
x, y
20
x, y 1
0
-20
-40
0.2
0.4
0.6
0.8
y, z 0.0023
40
z(t)
x, z 0.0023
signal2
20
0
-20
-40
0.2
0.4
0.6
0.8
32
time (s)
signoise.m
R xy ( )
x (t ) y * (t ) d t
Rappel :
t2
x, y x y x(t ) y *(t ) dt
t1
y*(t) dcale de
et t :
R xy (t )
x ( ) y * ( t ) d
34
Corrlation
Corrlation croise de 2 signaux nergie finie ( valeurs complexes )
x(t) et y(t) :
R xy (t )
x ( ) y * ( t ) d
R xy k Te
x n
y * n k
R xy (t )
x ( t ) y * ( ) d
R xy k Te
Preuves :
r t
x t y * d
R xy k Te
x n k
u t
x n k
x u y * u t du
nk m
y * n Te
x y * t d
x m
y * n
y * m k
Proprits de la Corrlation
La corrlation croise nest, en gnral, pas commutative.
Preuve :
R yx (t )
y ( ) x * ( t ) d
t u
*
y (u t ) x * (u ) du x ( ) y * ( t ) d R xy
( t ) R xy (t )
Non-commutativit de la corrlation
Correl1.m
Squence connue
( de rfrence )
Impulsion radar
ou sonar
r k
x n k
y * n
Squence analyser
( On teste les occurrences de la
Squence de rfrence )
38
Fonction MatLab
xcorr2
39
Produit de Convolution
x * y (t ) x y t d
( x * y ) [ n]
x[m]
y[n m]
41
( x * y ) t
(1)
x y t d
x y t d
42
( x * h) t
(2)
x h t d
x h t d
43
(3)
x h t d x h t d
44
Exemples de Convolutions
clear all
fs=250;
T=2
t=(-T:1/fs:T);
N=length(t)
mid=floor(N/2);
z=floor(mid/2); ;
x=zeros(1,length(t));
x=rect(t-T/4,T);
subplot(3,1,1)
plot(t,x,'linewidth',2)
axis([-1.0 2.0 -0.1 1.1])
title('Convolution x(t)*h(t)')
ylabel('x(t)')
xlabel('time (s)')
y=zeros(1,length(t));
y=2*rect(t-T/8,T/2);
subplot(3,1,2)
plot(t,y,'linewidth',2)
axis([-1.0 2.0 -0.1 2.1])
ylabel('h(t)')
xlabel('time (s)')
% Normalisation d'un des signaux
x=x/sum(x);
Y=conv(x,y);
ym=max(Y);
tt=(-2*T:1/fs:2*T);
subplot(3,1,3)
plot(tt,Y,'linewidth',2)
axis([-1 T -0.1 1.1])
ylabel('x(t)*h(t)')
xlabel('time (s)')
zoom
45
conv1.m
conv2.m
x (t t 0 ) y (t t 0 ) z (t 2t 0 )
z (t t 0 )
46
Conv2trans.m
( x * y ) t
(1)
x y t d
avec x t u t
et y t e
t
T
u t
47
conv1.m
conv2.m
( x * y ) t
(2)
x y t d
48
conv1.m
conv2.m
( x * y ) t
u e
t
T
(2)
u t d
t 0
t
T
u t d
t 0 t
t
T
t 0 t
t 0
d e
t t
T
Tt
0
e T e e
T 1 e T u t
t 0
t
T
49
conv1.m
conv2.m
Non-commutativit de la corrlation
Correl1.m
repT x (t )
x (t kT )
repT x (t ) x (t ) * T t
52
54
x t d
T
x (t kT ) d
x (t kT ) d
x t kT d
t t
x t kT d
x (t kT )
55
R xy (t ) x * z (t )
avec
z t y * (t )
Preuve :
x * z (t ) x ( ) z (t ) d
z t y *( t )
x ( ) y * (t ) d
x ( ) y * t d R
xy
(t )
63
(1)
Les oprations sur les signaux sont des oprations lmentaires de base.
Elles sont gnralement combines en TdS dans des processus plus
labors conus dans un but spcifique. On parle alors de systmes de
traitement du signal, qui utilisent ces oprations lmentaires pour
transformer un signal ( dentre ) en un autre signal ( de sortie ).
Signal dentre
Signal de sortie
64
Systmes Analogiques
Systmes Numriques
http://premiumwanadoo.com/daniel.robert9/Digit/Digit_1T.html
65
PCM decoder
66
I-67
68
(3)
69
(4)
y t S x t
Ex.: Circuit R-C :
d
1
1
y t
y t
x t
dt
RC
RC
S est ici une quation diffrentielle
linaire dordre 1 ( drive premire )
coefficients constants
70
http://electronics.howstuffworks.com/speaker.htm
72
Disque vinyle : 65 dB
Bande magntique : 55 dB
Acquisition 16 bits (CD) : 96 dB (thorique)
Acquisition 8 bits : 48 dB (thorique)
DynamiquedB
PMax _ Signal
10 log10
PMin _ Signal
73
74
http://fr.wikipedia.org/wiki/Compresseur_(audio)
http://www.ph.tn.tudelft.nl/Courses/FIP/frames/fip.html
75
http://www.ph.tn.tudelft.nl/Courses/FIP/frames/fip.html
76
r t S e t
http://www.ifremer.fr/drogm_uk/Realisation/Vulgar/Sismique/sismic.htm
77
78
Si y t S x t
alors
S a x t a y t
79
Si y1 t S x1 t
et y2 t S x2 t
alors
S x1 t x2 t y1 t y2 t
80
Si y t S x t
alors
S x t y t
81
Si y1 t S x1 t
et y2 t S x2 t
alors
S a x1 t b x2 t a y1 t b y2 t
Si y1 t S x1 t
et y2 t S x2 t
alors
S a x1 t T1 b x2 t T2 a y1 t T1 b y2 t T2
82
Homognit :
S : x t
Si y t S x t
alors
S a x t a y t
x d
S ax t
a x d a x d
a x d a y t
Additivit :
Si y1 t S x1 t
et y2 t S x2 t
alors
S x1 t x2 t y1 t y2 t
S x1 t x2 t
x x d
1
x d x d
1
S x1 t S x1 t
83
Invariance temporelle :
S : x t
x d
Si y t S x t
alors
S x t T
S x t T y t T
x T d y t T
y(t)
t
T
y(t-T)
t
0
84
Si y t S x t
alors
S a x t a y t
S : x t x2 t
S ax t a 2 x 2 t
2
aS x t ax t
Additivit :
Si y1 t S x1 t
et y2 t S x2 t
alors
S x1 t x2 t y1 t y2 t
S x1 t x2 t x1 t x2 t
x12 t 2 x2 t x1 t x 22 t
S x1 t S x1 t
x12 t x 22 t
85
(1)
Fidlit sinusodale :
Si lentre dun systme linaire est un signal sinusodal, la sortie y(t) sera
toujours un signal sinusodal de mme frquence que le signal dentre
( par contre, la phase et lamplitude du signal peuvent varier ).
Si x t A sin 2 f 0 t ,
alors
y t S x t B sin 2 f 0 t
86
(2)
Si
y t
x t E cos 0t
alors
E
2
0
1 R C
cos 0t
Atan 0 RC
87
Si
x t t
Rponse impulsionnelle :
Si
x t t
alors
alors
y t S x t Rponse Indicielle
y t S x t Rponse
Impulsionnelle
88
Rponse Indicielle :
Si
x t t
alors
RC
y t S x t 1 e
rponse impulsionnelle :
Si
x t t
alors
y t S x t
1
RC
t
RC
t
89
hHF(t)
hLF(t)
90
S
Preuve : Soit S[d(t)]=h(t), la rponse impulsionnelle du SLIT considr :
t
t
x t
x t d
h t
IT
Homognit
Additivit
91
S
Preuve : Soit S[d(t)]=h(t), la rponse impulsionnelle du SLIT considr :
t
t
x t
x t d
IT
Homognit
Additivit
h t
h t
x h t
x h t d
92
Additivit
x t d
x t d
x t
y t
x h t d
x * h t
y(t) est la convolution entre lentre
x(t) et la rponse impulsionnelle h(t) 93
x t d
Additivit
x h t d
Or
x t d
x h t d
x t
y t
x h t d
y t
x h t d
x * h t
y(t) est la convolution entre lentre
x(t) et la rponse impulsionnelle h(t) 94
x t d
t t
x t d x t
x t d
t u
x t u u du
x u t u du
x t
95
y t x * h t
x h t d
h(t)
96
http://fr.audiofanzine.com/apprendre/dossiers/index,idossier,87,mao,viva_la_convolution_.html
(2)
Fidlit sinusodale :
Si lentre dun systme linaire est un signal sinusodal, la sortie y(t) sera toujours
un signal sinusodal de mme frquence que le signal dentre.
Si
x t Ae
j 2 f 0 t
y t
y t
y t AH f 0 e
j 2 f 0 t
Hf
h t e j 2 f t dt
98
(2)
Fidlit sinusodale :
Si lentre dun systme linaire est un signal sinusodal, la sortie y(t) sera toujours
un signal sinusodal de mme frquence que le signal dentre.
Si
x t Ae
j 2 f 0 t
y t
x h t d
t u
y t
h Ae
x t u h u du x t h d
j 2 f 0 t
d Ae
j 2 f 0 t
y t AH f 0 e
h e
j 2 f 0
j 2 f 0 t
x t H f0 ,
Hf
h t e j 2 f t dt
99
(3)
Fidlit sinusodale :
Si x t Ae
j 2 f 0 t
, alors y t AH f 0 e
j 2 f 0 t
Ce
j 2 f 0 t
, C
Hf
h t e
j 2 f t
dt et
AH f 0 A H f 0 e
j Arg H f 0
100
Si x t Ae
j 2 f 0 t
, alors y t H f 0 Ae
j 2 f 0 t
H f0 x t
C x t , C
Les signaux sinusodaux ( comme les exponentielles complexes ) sont les
fonctions propres des systmes linaires invariants dans le temps, car
elles resortent ( presque ) telles quelles dun SLIT.
101
(1)
Fidlit sinusodale :
Si x t Ae
j 2 f 0 t
, alors y t H f 0 Ae
j 2 f 0 t
Hf
h t e
j 2 f t
dt
(2)
Fidlit sinusodale :
Si x t Ae
j 2 f 0 t
, alors y t H f 0 Ae
j 2 f 0 t
Hf
h t e
j 2 f t
dt
103
(3)
1
Hf
1 j 2 f RC
Hf
1
f
1 j
fc
fc
GdB 20log H f
1
2 RC
Hf
1
1 j
f
fc
106
Numrique
Analogique
Analogique
Plage de frquences
Occupe par le signal
tlphonique ( Bande passante )
108
(4)
GdB 20 log H f 3 dB
Plus tard, nous tendrons cette dfinition la bande passante dun signal
analogique, dfinie comme le domaine de sa transforme de Fourier.
109
x t ai i t
i 1
Plutt que de considrer leffet dun systme S sur le signal compliqu, il suffit
de considrer leffet de S sur chacun des signaux simples. En effet, les
proprits des SLITs assurent que :
N
N
y t S x t S ai i t ai S i t
i 1
i 1
111
a0
a1
3
x t ai xi t
i 1
a2
x n ai xi n
i 1
112
II - 2
II - 6
x(t)
x(t)
yi(t)
Scaleo.m
x(t).yi(t)
t2
110
84
10-13
-120
x y x(t ) y *(t ) dt
t1
II - 7
x y
Ex E y
x(t)
x(t)
y(t)
Scaleo.m
x(t).y(t)
t2
110
84
10-13
-120
254
x y x(t ) y *(t ) dt
t1
0.971
0.713
-1.0
0.713
x y
Ex E yi
II - 8 8
Principe :
x(t ) Ak k (t )
k 1
ou
x(t )
A (t )
k
Ak
fk(t)
k (t )
1
ba
k
j 2
t
ba
II - 9
(1)
t2
x, y x y x(t ) y *(t ) dt
Pour des signaux discrets :
t1
* Reprsente le conjugu complexe, obtenu en
changeant le i=-1 en i dans lexpression
analytique du signal valeurs complexes.
n2
x, y x y x n y * n
n1
II - 10
Signaux Orthogonaux
Deux signaux
n (t ), k (t ) C
b
*
(
t
)
n k (t ) dt 0
a
Si les tous les signaux de lensemble {fn(t)} sont orthogonaux deux
deux sur [a,b], alors :
n, k :
*
k (t )
(t )
n
dt K n nk
0 kn
Kn k n
II - 11
n, k :
*
k (t )
(t )
n
0 kn
dt En nk
En k n
1
n (t )
n (t )
En
On vrifie que :
b
n (t )
*
k (t )
dt
a
1
En
n ( t )
1
Ek
*
k (t )
dt nk
0 k n
1 k n
II - 12
(1)
w ( t ) a n n ( t )
avec
n , m E n nm
exprime le caractre
orthogonal des signaux
de base
1
1
*
an
w(t ) n (t ) dt
w, n
En a
En
Le dveloppement en srie orthogonale constitue gnralement une
approximation du signal w(t), en particulier si le nombre de
signaux ou fonctions {fn(t)} ne sont pas en nombre suffisant ( ils ne
forment pas un ensemble complet ).
II - 13
(2)
Dans le cas o n prend toutes les valeurs entires ncessaires pour que
les signaux ou fonctions {fn(t)} forment un ensemble complet ( i.e. le
signal w(t) sur [a,b] pourra tre reprsent avec une erreur aussi petite
que lon veut ), alors lapproximation peut devenir une galit stricte :
Si les signaux ou fonctions {fn(t)} forment un ensemble complet ( une
base ), le signal w(t) dfini et continu sur [a,b] peut tre reprsent
exactement sur [a,b] par la srie orthogonale :
w ( t ) a n n ( t )
avec
n , m E n nm
1
1
*
an
w(t )n (t ) dt
w, m
En a
En
II - 14
w ( t ) a n n ( t )
b
m (t )dt
a
1
*
am
w
(
t
)
m (t )dt
Em a
II - 15
w ( t ) a n n ( t )
n
b
*
m (t )dt
a
b
*
a w (t ) (t ) dt a n ann (t ) m (t ) dt
*
m
a n n (t ) m* (t ) dt
n
a E
n
nm
E m am
1
*
am
w
(
t
)
m (t )dt
Em a
II - 16
x(t ) Akk (t )
k 1
fm(t) c fn(t) )
Ils peuvent former un ensemble complet sils sont en nombre suffisant pour
reprsenter exactement le signal x(t). Dans le cas contraire, ils
fournissent une approximation du signal x(t).
II - 17
Analyseur
w(t)
{An}
Synthse
Synthtiseur
II - 19
t k
k (t ) rect
Ek k , k
k
t k
x (t ) x(k ) rect
1
1
ak
x, k
Ek
x(k )
x(t )dt
Valeur moyenne
t k
k (t ) rect
x (t )
t k
x
(
k
)
rect
x(t ) lim x (t )
0
lim k
lim
x(k )
1
t k
rect
x(t )
x( ) (t )d
Convolution
(xd)(t)
On peut donc toujours considrer un signal x(t) comme une somme ( infinie )
dimpulsions de Dirac dcales et pondres.
II - 21
II - 22
x(t ) akk
k 1
An cos 2 n f 0t
x t
n 0
Bn sin 2 n f0t
A0
B0
A1
B1
A2
B2
A3
B3
II - 23
en (t ) e
j 2
n
t
T
x(t )
, nZ
X e (t ) X e
n n
1
1
Xn
x, en
En
T
j 2
n
t
T
t1 T
t1
x(t ) e
n
j 2 t
T
dt
II - 28
Lgalit x (t )
n
j 2 t
T
Lgalit
x(t )
n
j 2 t
T
II - 29
x(t) Xn e
n
j 2 t
T
nN
k
A
cos
2 t
N n
T
k
k 0
B
sin
n 2 t
T
II - 30
http://webapps.fundp.ac.be/didactique/fourier/SF
x(t) Xn e
n9
n
j 2 t
T
k
An cos 2 t
T
k0
1
n (t ) 2 cos(2 n f 0 t ),
n
n=2k+1, k
II - 31
1
1
Xn
x, en
T
T
t1 T
x(t ) e
j 2
n
t
T
dt
t1
X k
t1 T
t1
x(t ) e
k
j 2 t
T
dt X k*
X k a jb
X k* a jb X k
x1 (t )
X ke
j 2
k
t
T
n
n
j 2 t
j 2 t
T
X 0 X ne T X ne
n 1
II - 34
X-2
Re{X-2}
X-1
Xn
x1 (t )
X2
X1
X ke
j 2
k
t
T
Re{X2}
Im{X-2}
n
n
j 2 t
j 2 t
A
T
T
X ne
X ne
2 n 1
X k X
n ou f
X0
Im{X-1}
e Xk e Xk
Im{X2}
X n
X 1
f0
*
k
m Xk m Xk
X n
X 1
f0
II - 35
Xn
1
1
x , en
T0
T0
T0
2
T
0
2
x t e j 2 n f 0 t dt
1
T0
T0
2
cos 2 f 0 t e j 2 n f 0 t dt
T0
2
x(t )
cos 2 f 0t
1
cos a b cos a b
2
1
cos a sin b sin a b sin a b
2
cos a cos b
II - 36
x(t )
cos 2 f 0t
1
cos a b cos a b
2
1
cos a sin b sin a b sin a b
2
cos a cos b
1
1
x , en
T0
T0
1
T0
1
T0
T0
2
T0
2
x t e j 2 n f 0t dt
1
T0
T0
2
cos 2 f 0t e j 2 n f 0 t dt
T0
2
T0
2
T0
2
T0
2
cos 2 f 0 t cos 2 nf 0 t dt j
T0
2
1
T0
T0
2
cos 2 f 0 t sin 2 nf 0 t dt
T0
2
T0
T20
2
1
cos
2
n
f
t
dt
cos
2
n
f
t
dt
0
0
T
2T0 T0
0
2
2
T0
T20
2
1
j
sin
2
n
f
t
dt
sin
2
n
f
t
dt
0
0
T
2T0 T0
0
2
2
2
0
n 1
n 1
II - 37
x(t ) V cos 2 f 0t
Xn
1
T0
2
0
T0
2
x t e j 2 n f 0t dt
T
0
2
V
T0
T0
2
cos 2 f 0 t e j 2 n f 0t dt
T0
2
n 1
X n
n 1
X 1
f0
X n
X 1
f0
II - 38
1
1
x , en
T0
T0
T0
2
x t e
T0
2
j 2 n f 0t
dt
1
T0
T0
2
cos 2 f 0 t e j 2 n f 0 t dt
T0
2
x (t )
cos 2 f 0t
1
cos a b cos a b
2
1
cos a sin b sin a b sin a b
2
cos a cos b
II - 39
x (t )
cos 2 f 0t
1
cos a b cos a b
2
1
cos a sin b sin a b sin a b
2
cos a cos b
1
1
x , en
T0
T0
1
T0
1
T0
T0
2
T0
2
x t e j 2 n f 0 t dt
1
T0
T0
2
cos 2 f 0 t e j 2 n f 0 t dt
T0
2
T0
2
T0
2
T0
2
T0
2
cos 2 f 0 t cos 2 nf 0 t dt j
1
T0
T0
2
cos 2 f 0 t sin 2 nf 0 t dt
T0
2
T0
T20
2
1
cos
2
n
f
t
dt
cos
2
n
f
t
dt
0
0
T
2T0 T0
0
2
2
T0
T20
2
1
j
sin 2 1 n f 0 t dt sin 2 1 n f 0 t dt
2T0 T0
T
0
2
2
1
1
2 cos j 2 sin n 1
0 n 1
1
1
cos j sin n 1
II - 40
2
2
Xn
0 n 1
1
1
cos j sin
2
2
x(t )
cos 2 f 0t
X n
X 1
f0
n 1
n 1
X n
X 1
f0
II - 41
x(t ) sin 2 f 0t
1
j 2 n 1
C n 0 n 1
1
j
n 1
2
II - 43
x (t )
X k ek ( t )
Xke
X ke
j 2
Xke
j 2
k
t
T
X k e
k
j 2 t
T
j 2
Xke
k x t
t
T
k
j 2 t
T
k
t
T
(1)
n
n
j 2 t
j 2 t
T
X 0 X ne T X ne
n 1
Xke
j 2
k
t
T
X k*e
j 2
k
t
T
k
j 2 t
e
X
e
k
k
2e X k cos 2 t 2m X k sin 2 t
T
T
car ab aR jaI bR jbI aR bR aI bI jaI bR ja R bI
et donc
e ab e a e b m a m b
II - 44
x (t )
X k ek ( t )
Xke
k
j 2 t
T
X ke
X k e
j 2
k
t
T
(2)
n
n
j 2 t
j 2 t
T
X 0 X ne T X ne
n 1
k
j 2 t
T
k
k
2e X k cos 2 t 2m X k sin 2 t
T
T
Ak
Bk
k
k
II - 45
x (t )
X k ek ( t )
X ke
j 2
k
t
T
(1)
n
n
j 2 t
j 2 t
T
X 0 X ne T X ne
n 1
k
k
k
k
X 0 Ak cos 2 t Bk sin 2 t
T
T
k 1
X 0 2 X k cos 2 t X
T
k 1
An 2e X n
Bn 2m X n
X 0 Ck cos 2 t k
T
k 1
Cn 2 X n
m X n
n Atan e X
n
II - 46
x (t )
X ke
j 2
k
t
T
(2)
n
n
j 2 t
j 2 t
T
X 0 X ne T X ne
n 1
k
k
x t X 0 Ak cos 2 t Bk sin 2 t
T
T
k 1
An 2e X n
Bn 2m X n
x t X 0 Ck cos 2
k 1
t k
http://www.falstad.com/fourier/
Cn 2 X n
m X n
n Atan e X
n
II - 47
1
X0
T
(3)
t1 T
x(t )dt x
t1
X 1e
j 2
t
T
X 1e
j 2
t
T
2 X 1 cos(2
1
T
t X1 )
X ke
k
j 2 t
T
X k e
k
j 2 t
T
2 X k cos(2
k
T
t Xk )
II - 49
x1 (t )
X ke
j 2
k
t
T
n
n
j 2 t
j 2 t
A
T
X ne T X ne
2 n 1
Spectre de raies
ou spectre discret
X k X
*
k
Composante
continue
Composante fondamentale
ou harmonique 1
Harmonique 3
N=1
N=2
N=3
N=10
N=30
II - 51
II - 52
http://www.sciences.univnantes.fr/sites/genevieve_tulloue/Elec/Fourier/fourier1.html
II - 53
k
k
k
k 1
k 1
II - 54
k
k
k
k 1
k 1
II - 55
II - 56
Voyelle i chante :
II - 60
II - 61
25 images/s
625 lignes/Image
=15625 lignes/s
Ligne
Trame={Lignes}
II - 62
25 images/s
625 lignes/Image
=15625 lignes/s
II - 63
II - 64
(1)
y (t ) x ( t ) cos(2 f c t ),
N
1
fc N f0
f 0
T
T
1
Yk
T
1
2T
1
2T
t1 T
t1
x(t ) cos 2
T
t e
j 2
k
t
T
dt
1
T
t1 T
t1
j 2 TN t j 2 TN t
k
j 2 t
e
e
e T dt
x(t )
t1 T
N
k
N
k
t1 T
j 2 t j 2 t
j 2 t j 2 t
T
T
T
T
e
dt x(t ) e
e
dt
x (t ) e
t1
t1
t1 T
kN
N k
t1 T
1
j 2
t
j 2
t
1
T
T
x
(
t
)
e
dt
x
(
t
)
e
dt
X kN
k N
2
t1
2
t1
II - 65
(2)
y (t ) x (t ) cos(2 f c t ),
N
1
fc
f 0
T
T
1
1
Yk X k N X k N
2
2
On retrouve la composante DC X0 en k=N et en k=-N :
1
1
1
YN X N N X N N X 0
2
2
2
1
Y N X 0
2
II - 66
(3)
D IS C R E TE S P E C TR A
1
0.5
0.8
x(t )
rect T (t kT )
0.4
0.6
0.3
0.4
0.2
avec T 8s
0.1
0.2
0
0
-4
-2
0
Tim e (s )
-0.1
-5
0
F requenc y (H z )
1
0.5
0.5
y ( t ) x ( t ) cos( 2 4 t )
0.4
0.3
0
0.2
0.1
-0.5
0
-1
-4
-2
0
Tim e (s )
-0.1
-10
-5
0
F requenc y (H z )
II - 67
modul.m
10
II - 68
II - 69
II - 70
http://electronics.howstuffworks.com/tv12.htm
II - 71
II - 75
II - 76
1
2
3
4
5
X k X W k
kn
j 2
1 N 1
N
x n e
N n 0
1
DFT x n
N
6
7
II - 77
x k D t x t Dt t
x k , k
Dt
II - 78
xW k , k 0,1, ..., N 1
Le fentrage idal a lieu sur une priode T0
ou sur un nombre entier de priodes
du signal de dpart ( suppos priodique
de priode T0 ) :
T N D t mT0
II - 79
1
Xk
T0
t1 T0
t1
j 2
x (t ) e
k
t
T0
dt
ou
1
Xk
m T0
t1 m T0
j 2
x (t ) e
k
t
m T0
t1
Dans ce cas, le premier point en frquence sera situ en f= f0/m, mais ces
points ajouts ont simplement des coefficients nuls, le premier coefficient
non-nul tant toujours celui de la fondamentale en f0=1/T0.
On discrtise ensuite lexpression des Xk :
II - 80
dt
1
Xk
m T0
On discrtise lexpression :
N 1
1
X W k
mT0
1
mT0
1
N Dt
1
x n
j 2
k
nDt
mT0
Dt ,
t1 m T0
j 2
x (t ) e
k
t
mT0
dt
t1
avec
N D t mT0
n0
N 1
x n
j 2
k
nD t
N Dt
j 2
kn
N
Dt
n0
N 1
x n
Dt
n0
N 1
x n
n0
j 2
kn
N
DF T x n
N
II - 81
1
X k X W k
DFT x n
N
A condition que :
1) Lchantillonnage du signal x(t) respecte la condition de Shannon-Nyquist
( soit chantillonn suffisamment rapidement ) :
1
1
2
Dt
T0
2) On tronque la suite x[n] sur un nombre entier de priodes :
T N D t mT0
II - 82
1
X k X W k
DFT x n
N
Les coefficients de la Transforme de Fourier discrte (TFD) peuvent tre ainsi
calculs trs efficacement sur un ordinateur laide de lalgorithme dit de
Transforme de Fourier Rapide ( Fast Fourier Transform ou FFT ).
En MatLab, cet algorithme est invoqu par la commande fft,
qui ralise :
N 1
X [ k 1] x[ n 1] e
j 2
k
n
N
n0
k 0,..., N 1
soit presque la TFD ces quelques diffrences prs :
II - 83
1
X k X W k
DFT x n
N
1
2
3
4
5
X k X W k
kn
j 2
1 N 1
N
x n e
N n 0
1
DFT x n
N
6
7
II - 85
TFD1.m
II - 86
II - 89
x(t ) Akk (t )
k 1
II - 90
Produit scalaire :
*
2
x1 , x2 x1 (t ) x (t ) dt
D
N
x1 (t ) akk (t )
k 1
N
x2 (t ) bkk (t )
k 1
x1 , x2 ak bk*
k 1
II - 91
x, x 0
x, x 0 x(t ) 0
x, y y , x
ax, by ab* x, y
x y , v w x, v x, w y , v y , w
x, y y , x 0
k (t ) est orthonormal
k , j kj
x, y
x y
Ingalit de Schwartz
( galit atteinte pour x et y proportionnels )
II - 92
Norme :
2
x, x x 0
Proprits :
x 0 x S
0 pour x(t ) 0
x y x y
N
k 1
x (t ) x x * , x
II - 93
Thorme de Parseval :
2
Ex x x, x x(t ) dt
D
2
k
k 1
E ak k
a
k
(t )
fk(t) :
* *
k k (t )
dt a k k (t ) a
dt a k
{fk}.
x x, x
x t D
2
Distance euclidienne
(1)
d ( x, y ) x y
x y, x y
Proprits :
d ( x, y ) 0 x y
d ( x, y ) 0 pour x y
d ( x, y ) d ( y, x ) x, y S
d ( x, y ) d ( x, z ) d ( z , y ) x, y, z S
d ( x,0) x
II - 96
Distance euclidienne
d ( x, y )
(2)
x y, x y
*
(
x
(
t
)
y
(
t
))
(
x
(
t
)
y
(
t
))
dt
x (t ) y (t ) dt
d ( x, y ) x(t ) y (t ) dt
D
d ( x, y ) SUP x(t ) y (t ) t D
II - 97
Distance euclidienne
d ( x, y )
(3)
x y, x y
N
* *
(
a
b
)
(
t
)
(
a
b
)
k k k j j j (t ) dt
D k 1
j 1
k orthonorm
*
(
a
b
)
(
a
b
)
k k j j kj
k 1
j 1
0, k j
k (t ) (t ) dt 1, k j kj
*
j
car
N
*
(
a
b
)(
a
b
)
k k k k
k 1
N
k 1
bk
2
II - 98
II - 99
R xy ( ) x , y
x (t ) y * (t ) dt
x ( ) R xx ( )
x (t ) x * (t ) dt
1:
x ( ) x, x
x(t ) x * (t )dt
t et t :
x (t )
x ( ) x * ( t ) d R
xx
(t )
II - 101
II - 102
Autocorr.m
x (t ) L2 ( , )
x (t ) x (t ), , version dcale droite
2
d ( x, x ) x x
x , x
x (t ) x * (t ) dt
t u
Hyp .: x t
x (u ) x * (u ) du
x x , x x
2
x 2 x, x x
x , x x , x *
Ex 2 x, x Ex
Or E x E x donc d 2 ( x , x ) 2 E x x , x
x, x Ex
x ( ) x , x
x (t ) x * (t ) dt
Et donc :
d ( x , x ) 2 x (0) x ( )
2
II - 103
d 2 ( x , x ) 2 x (0) x ( )
Plus la fonction dautocorrlation fx(t) du signal x(t) dcrot vite,
plus la distance entre x(t) et sa version dcale de t est grande.
Ce sera le cas pour un signal x(t) qui varie trs rapidement.
La fonction dautocorrlation fx(t) donne donc une ide du contenu
en frquence du signal x(t).
Dans la suite du cours, nous montrerons que la densit spectrale
de puissance dun signal ( son contenu spectral ) est donne par
la transforme de Fourier de sa fonction dautocorrlation.
Nous montrerons que cette proprit trs importante est galement
vraie pour les signaux alatoires, la fonction dautocorrlation tant
alors dfinie statistiquement ( Thorme de Wiener-Khintchine ).
II - 104
x ( ) x , x
x (t ) x * (t ) dt
d ( x , x )
2 x (0) x ( )
II - 105
Autocorr2.m !! Corriger les amplitudes !!
(1)
x(t)=2cos(2p50t)+sin(3p30t)
T = 3 1/30 = 5 1/50 = 1/10 s
y(t) = xcorr(x)
II - 106
(2)
II - 107
II - 108
150
1
100
-1
50
-2
-3
0
20
40
60
80
100
120
-50
-100
3000
-50
50
100
2500
2000
1500
1000
500
II - 109
0
0.0
0.1
0.2
0.3
Frquence (Hz)
0.4
0.5
25
20
15
3.0
2.5
10
2.0
1.5
1.0
0.5
0.0
0.5
1.0
1.5
temps (s)
2.0
2.5
100
200
300
Frequency (Hz)
400
500
II - 110
II - 112
Ex x x, x x(t ) dt
D
E ak k
a
k
(t )
2
k
k 1
fk(t) :
* *
k k (t )
dt a k k (t ) a
dt a k
c x, y
Ceux qui portent une nergie faible
Au, v
Reprsentation
discrte du signal
c[x,y]
II - 114
c x A u u x
u 1
c x
x
c x 128
A u
Au
u
II - 115
u x
u=1
u=2
u 1
u x cos 2
x
14
u, x 1,...,8
u x
u=7
u=8
x
+1=Blanc
-1 =Noir
II - 116
mire.m
Frquence Spatiale
Frquence :
(1)
Frquence spatiale :
f=1/T
[s-1]
[m-1]
II - 117
/mire.m
Frquence Spatiale
(2)
Originaux
Basses fs
Hautes fs
II - 118
Frquence Spatiale
(3)
II - 119
c x , x 1,..., 8
u x
x
mire.m
A u c, u c x u x
x 1
A u , u 1,...,8
Version discrte de :
b
1
1
*
an
w
(
t
)
(
t
)
dt
w, m
n
K n a
Kn
II - 120
u x
A u , u 1,...,8
c x , x 1, ..., 8
A u x
u
u 1
II - 121
N7
II - 122
mire.m
II - 123
mire.m
N x, y u x, y v x , y
x , y , u , v 1, ..., 8 N 1, ..., 64
II - 124
A u , v I x , y u x , y v x , y
x 1 y 1
x , y , u , v 1, ..., 8
64 x , y 8 x , y 8 x , y
II - 125
mire.m
|A[u,v]|
|A[u,v]|
II - 127
mire.m
Femme placide
ou homme
fch ?
Ville ou
Autoroute ?
II - 128
http://web.upmf-grenoble.fr/LPNC/LpncPerso/Permanents/PommesVision/index.htm
Femme placide
ou homme
fch ?
Ville ou
Autoroute ?
De loin, lil est donc plus sensible aux frquences basses spatiales.
II - 129
http://web.upmf-grenoble.fr/LPNC/LpncPerso/Permanents/PommesVision/index.htm
(1)
Les coefficients qui ont une valeur proche de zro seront annuls lors de la
quantification. Les intervalles de quantification ( non-uniformes ) ont t dtermins une
fois pour toutes sur base de donnes psycho-visuelles tablies exprimentalement.
AQ[u,v]
Basses
frquences
spatiales
hautes
frquences
spatiales
II - 130
(2)
Les coefficients qui ont une valeur proche de zro seront annuls lors de la
quantification. Les intervalles de quantification ( non-uniformes ) ont t dtermins une
fois pour toutes sur base de donnes psycho-visuelles tablies exprimentalement.
v
A[u,v]
Basses
frquences
spatiales
u
AQ[u,v]
hautes
frquences
spatiales
II - 131
frquences Codage
44
5
3
1
1
0
1
10
11
100
II - 132
mire.m
(1)
II - 133
(2)
II - 134
I x, y A u , v u x, y v x, y
u 1 v 1
I x, y An n x, y
n 1
N 1, ..., 64
II - 135
mire.m
20%, 37kB
40%, 25kB
60%, 19kB
80%, 12kB
90%, 7kB
136
95%,II -4kB
Original
75 KB
JPEG
11 KB
II - 137
Question de rflexion
La compression JPEG est-elle quivalente un filtrage passe-bas ?
Sur limage agrandie du chat ci-dessous, on constate effectivement une certaine
attnuation des contours, caractriss par des frquences spatiales leves.
Comment se fait-il que cette attnuation ne soit pas plus marque, sachant que
de nombreux coefficients Ak ( ceux qui correspondent de hautes frquences
spatiales ) ont t annuls lors de la quantification ?
Original 75 KB
JPEG 11 KB
II - 138
x(t ) X f
x (t ) e j 2 f t dt
III-4
J.-M. THEMLIN
x t
III-6
J.-M. THEMLIN
B1
B2
III-7
J.-M. THEMLIN
III-8
J.-M. THEMLIN
Signaux alatoires :
Signaux dterministes
puissance finie :
Signaux dterministes
nergie finie,
Signaux priodiques :
Srie de Fourier
Transforme de Fourier
III-11
J.-M. THEMLIN
Transforme de Fourier
Spectre de raies
ou spectre discret
X k X k*
Df=f0=1/T
-f0
x1 (t )
j 2
k
t
T
f0=1/T
n
n
j 2 t
j 2 t
A
X ne T X ne T
2 n 1
III-13
J.-M. THEMLIN
en (t ) e
n
j 2 t
T
, nZ
t T
n
j 2 t
T
n
j 2 t
11
Xn x, en x(t) e T dt
T t1
1
n
X n sinc( )
2
2
1
pour n 0
2
(1) p
pour n 2 p 1
(
2
p
1
)
pour k pair
0
0.4
0.3
Xk reels
t kT
x ( t ) rect
T
k
2
0.2
0.1
-0.1
-0.2
-20
-15
-10
-5
0
k
10
15
20
III-14
J.-M. THEMLIN
4s
8s
(1)
16s
Df=f0=1/T
1
n
T f0 Df df
n Df ndf f continue
T
T
III-15
J.-M. THEMLIN
SFversTF.m
(2)
x(t )
Xe
n
n
j 2 t
T
1
n T
T
2
n
j 2 t
T
x(t) e
T
n
1
j 2 T t
dt e
avec
f0 Df
T
1
Df df
T
n
n Df ndf f continue
T
x(t )
x(t) et X(f) forment une paire de Transformes de Fourier
III-16
J.-M. THEMLIN
(1)
Xf
x(t ) e j 2 f t dt
x (t )
X f e j 2 f t df
III-18
J.-M. THEMLIN
SF : en (t ) e
Xk
j 2
n
t
T
, nZ
1
x, ek
T
x(t )
X ( f ) e j 2 f t df
X(f )
x(t ) e j 2 f t dt
X ( f ) x , e j 2 f t
III-19
J.-M. THEMLIN
j 2 f t
1
e
df t
j 2 f t
1
e
dt f
Preuves :
TF t
t e j 2 f t dt e j 2 f 0 1
et par dualit de la TF :
TF
Si x t
X ( f ), alors X t
TF
x( f )
TF 1 1
1e j 2 f t df t
De mme :
TF 1 f
f e j 2 f t df e j 2 0 t 1
TF 1
1e j 2 f t dt f
III-20
J.-M. THEMLIN
t
x(t ) A rect
T
0
T0=0.1s
X( f )
x(t ) e j 2 f t dt
X( f )
TFPulse.m
III-23
J.-M. THEMLIN
t
x(t ) A rect
T
0
T0=0.1s
X( f )
x(t ) e j 2 f t dt
X(f )
T0
2
T0
A j 2 f t
j 2 f t
A e
dt
e
j 2 f
T0
2
T0
2
j 2 f
T
j 2 f
j 2 f T2
2
e
e
T
j 2 f
j 2 f T2
2
A e
e
f
j2
A sin f T AT sinc f T
0
0
0
f
III-24
TFPulse.m
J.-M. THEMLIN
X(f )
x (t ) e j 2 f t dt
X ( f ) X( f )
j X( f )
X(f ) X(f ) e
TFPulse.m
j x
III-26
J.-M. THEMLIN
X ( f ) X( f ) j X( f )
X(f ) X(f ) e
j x ( f )
X( f )
X ( f )
X( f )
x ( f )
TFPulse.m
III-27
J.-M. THEMLIN
X(f )
x(t ) e j 2 f t dt
x(t ) dt
Lintgrale de Fourier :
X(f )
x(t ) e j 2 f t dt
III-29
J.-M. THEMLIN
Constante :
x t A f
TF x(t ) A
Ae j 2 f t dt A 1e j 2 f t dt A f
TF
Delta de Dirac :
t t0
e j 2 f t0
TF (t t0 )
j 2 f t0
j 2 f t
(
t
t
)
e
dt
e
0
TF (t ) 1
Un signal compltement localis en temps est compltement
dlocalis dans le domaine des frquences.
III-30
J.-M. THEMLIN
(1)
Linarit de la TF :
TF
ax t b y t a X ( f ) bY ( f ), a, b
Dualit de la TF :
Si x t
TF
TF
x( f )
X ( f ), alors X t
Preuve :
x (t )
X ( f ) e j 2 f t df
x(t )
X ( f ) e j 2 f t df
Permutons f et t :
x( f )
X (t ) e j 2 f t dt
III-31
J.-M. THEMLIN
x(t ) A rect t
On sait dj que :
TF
X ( f ) AT sinc T f
Si x t
TF
X ( f ), alors X t
TF
x( f )
X (t ) A sinc t
TF
x( f ) AT rect f T
AT rect T f x( f )
Rmq.: Cest lun des rares cas o lon utilise une majuscule pour
le signal temporel et une minuscule pour la TF.
III-32
J.-M. THEMLIN
(2)
x at
1
f
X ( ), a
a
a
Change de signe
Preuve :
pour a<0
TF x(at )
x(at )
j 2 f t
t ' at
dt
x(t )
x(t ')
j 2 f
j 2
f
t
a
t'
a
dt '
a
1 f
dt X
a a
Rmq.: Pas de facteur 1/|a| pour x(t) puissance finie (cf supra) !
III-33
J.-M. THEMLIN
Proprits de la TF
(3)
III-34
J.-M. THEMLIN
(4)
Dcalage temporel :
TF
x t t0
X ( f )e
j 2 f t0
Preuve :
TF x(t t0 )
x(t t )
0
t 't
e j 2 f t0
j 2 f t
t ' t t0
dt
x(t ')
j 2 f t ' t0
dt '
x(t ) e j 2 f t dt e j 2 f t0 X f
De norme = 1
X ( f ) X( f ) j X( f )
X ( f ) X ( f ) e j x ( f )
X( f )
X( f )
X( f )
x ( f )
TFPulse.m
III-36
J.-M. THEMLIN
Xf
x (t )
j 2 f t
dt
x (t )
Xf
j 2 f t
df
Vrification :
x t
X f e j 2 f t df
x( ) e j 2 f d e j 2 f t df
t u
x( ) e j 2 f t df d
x(u t ) e j 2 f u du df
X ( f )e
j 2 f t
df x t
TF
car x t t0
X ( f ) e j 2 f t0
III-37
J.-M. THEMLIN
x (t ) e
t /
u t , 0.2 s
x(t ) e u t
III-38
TFexpPulse.m
J.-M. THEMLIN
x(t ) e u t
X(f )
x(t ) e j 2 f t dt
III-39
TFexpPulse.m
J.-M. THEMLIN
x(t ) e u t
X(f )
x (t ) e j 2 f t dt
e t e j 2 f t dt
e j 2 f t dt
j 2 f
j 2 f t
j 2 f
j 2 f
0 1
III-40
TFexpPulse.m
J.-M. THEMLIN
j 2 f j 2 f
X(f )
2
j 2 f j 2 f j 2 f 2 f 2
e X ( f )
m X ( f )
2 f
2
2 f
2 f
2
TFexpPulse.m
III-41
J.-M. THEMLIN
x(t ) e t u t
X(f )
j 2 f
X(f )
X ( f )
2 4 2 f 2
2 f
Atan
TFexpPulse.m
III-42
J.-M. THEMLIN
(1)
X ( f ) X *( f )
Preuve :
X(f )
x(t ) e
j 2 f t
dt
X(f )
X ( f )
x(t ) e j 2 f t dt
x(t ) e
j 2 f t
dt
X *( f )
x *(t ) e j 2 f t dt
x * (t ) x(t )
III-45
J.-M. THEMLIN
X ( f ) X( f ) j X( f )
X ( f ) X ( f ) e j x ( f )
X( f )
X ( f ) pair
X( f )
impair
x ( f )
TFPulse.m
III-46
J.-M. THEMLIN
(2)
1
x p (t ) x(t ) x(t )
2
1
xi (t ) x(t ) x( t )
2
x p (t ) x p (t )
xi (t ) xi (t )
III-47
J.-M. THEMLIN
(3)
X(f )
x(t ) e j 2 f t dt
x x p xi
(t ) cos 2 f t dt
x (t ) cos 2 f t dt
i
j x p (t )sin 2 f t dt j xi (t ) sin 2 f t dt
(t ) cos 2 f t dt j xi (t ) sin 2 f t dt
III-48
J.-M. THEMLIN
X(f )
(t ) cos 2 f t dt j xi (t ) sin 2 f t dt
X ( f )
(4)
(t ) cos 2 f t dt j xi (t ) sin 2 f t dt
X ( f ) x p (t ) cos 2 f t dt j xi (t )sin 2 f t dt
x t
X ( f ) X paire ( f ) j X impaire ( f )
III-49
J.-M. THEMLIN
(5)
X ( f ) X paire ( f ) j X impaire ( f )
Si x(t) est un signal valeurs relles :
- la partie relle de sa TF est paire
- la partie imaginaire de sa TF est impaire
Ces proprits se refltent dans lamplitude et la phase de la TF :
X ( f ) X p2 ( f ) X i2 ( f ) X ( f )
Xi ( f )
X ( f ) Atan
X ( f )
X p ( f )
III-50
J.-M. THEMLIN
(6)
X ( f ) x p (t ) cos 2 f t dt j xi (t ) sin 2 f t dt
X ( f ) X paire ( f ) j X impaire ( f )
xi t 0 X i ( f ) 0 X ( f ) X paire ( f )
x p t 0 X p ( f ) 0 X ( f ) j X impaire ( f )
III-51
J.-M. THEMLIN
Sinusodes :
TF x(t ) A cos 2 f 0t
x(t ) A sin 2 f 0t
A
A
j f f0 j f f0
2
2
TF
III-58
J.-M. THEMLIN
Sinusodes :
e j 2 f 0 t e j 2 f 0 t
TF x(t ) A cos 2 f 0t A
2
La TF
englobe
la SF
j 2 f t
dt
e
A
A
j 2 f f 0 t
j 2 f f t
e
dt e 0 dt
2
2
A
A
f f0 f f0
2
2
x(t ) A sin 2 f 0t
A
A
j f f0 j f f0
2
2
TF
III-59
J.-M. THEMLIN
Sinusodes :
TF x(t ) A sin 2 f 0t
x(t ) A cos 2 f 0t
A j
A j
e f f0 e f f0
2
2
III-60
J.-M. THEMLIN
Sinusodes :
e j 2 f 0 t e j 2 f 0 t
TF x(t ) A sin 2 f 0t A
2j
j 2 f t
dt
e
A
A
j 2 f f 0 t
j 2 f f 0 t
e
dt
e
dt
2 j
2 j
j
A
A
f f0 j f f0
2
2
x(t ) A cos 2 f 0t
A j
A j
e f f0 e f f0
2
2
III-61
J.-M. THEMLIN
Sinusodes :
A
A
f f0 j f f0
2
2
j
j
A
A
e 2 f f0 e 2 f f0
2
2
TF x(t ) A sin 2 f 0t j
X(f)
TF imaginaire et impaire.
f)
-f0
f0
III-62
J.-M. THEMLIN
e j 2 f0 t e j 2 f0 t j 2 f t
TF x(t ) A cos 2 f 0t A
dt
e
A
A
j 2 f f0 t j
j 2 f f t
e
e dt e 0 e j dt
2
2
A j
A j
e f f0 e f f0
2
2
La TF nest ni purement relle, ni purement imaginaire.
III-63
J.-M. THEMLIN
Dcalage temporel :
TF
x t t0
X ( f )e
j 2 f t0
Preuve :
TF x(t t0 )
x(t t )
0
t 't
e j 2 f t0
j 2 f t
t ' t t0
dt
x(t ')
j 2 f t ' t0
dt '
x(t ) e j 2 f t dt e j 2 f t0 X f
De norme = 1
TF x(t ) A cos 2 f 0 t
2 f0
A
A
j 2 f 2 f 0
f f 0 f f 0 e
2
Forme normalise
A(x-T)
A
f f0 e
2
jf
j f0
f0
f0
A
f f0 e
2
jf
A
A
f f0 e
f f0 e
2
2
A
A
e j f f 0 e j f f0
2
2
f0
j f0
III-66
J.-M. THEMLIN
f0
x(t )
X e (t ) X e
n n
j 2
n
t
T
1
X n x, en
T
t1 T
x (t ) e
j 2
n
t
T
t1
j 2 Tn t
X nTF e
j 2 f t
j 2 Tn t j 2 Tn t j 2 f t
n
T
Or TF e
e
e
dt
1
e
dt
TF x(t )
X f n f
n
III-67
J.-M. THEMLIN
dt
(1)
1) Dveloppement en SF :
T (t )
X e (t ) X e
n n
n
j 2 t
T
1
Xn
x, en
T
1 j 2 Tn t
T (t ) e
n T
III-68
J.-M. THEMLIN
(1)
1) Dveloppement en SF :
T (t )
X e (t ) X e
n n
n
j 2 t
T
1
1
Xn
x, en
T
T
t1 T
(t ) e
n
j 2 t
T
t1
1
dt
T
t1 T
(t ) e
n
j 2 t
T
dt
t1
n
n
j 2 t
j 2 0
1
1
1
T
T
(t ) e
dt e
T
T
T
1 j 2 Tn t
T (t ) e
n T
III-69
J.-M. THEMLIN
(2)
1 j 2 Tn t
T (t ) e
n T
1 j 2 Tn t 1
j 2 Tn t
TF T (t ) TF e
TF e
n T
T n
j 2 Tn t j 2 f T t
n
Or TF e
dt f
1e
T
1
TF T t
T
f n f f
0
f0 f
n
III-70
J.-M. THEMLIN
(3)
TF T (t ) f 0 f0 ( f )
III-71
J.-M. THEMLIN
TF
x at
(1)
1
f
X ( ), a
a
a
1 f n f0 1 f n f0
X
a a a a
1
a f f
Or, on connat les proprits suivantes
a
du delta de Dirac, qui expriment la
conservation de sa norme-unit
f
af
sous changement dchelle de temps :
a
Par consquent, les composantes discrtes ( y compris le terme DC ) ne
sont pas affectes par le facteur 1/|a| :
1 f n f0 1 f n f0 a
X
f n f0 f n f0
a a a a a
III-73
J.-M. THEMLIN
(2)
x t A sin 2 f0t
X f A
A
j
f f0 f f 0
2
X(f)
f f e f f
j
A j 2
e f f0 e 2 f f0
2
f
)
-f0
y t A sin 2 f 0 3 t x 3 t Y f
1 j f 3 f0 1 f 3 f0
3 2 3 3 3
1 j
A 3 f 3 f0 3 f 3 f0
3 2
TF
f0
X(f)
f 3 f e f 3 f
j
f
)
A j
e 2 f 3 f0 e 2 f 3 f0
2
-3f0
3f0
III-74
J.-M. THEMLIN
( x * y) t
x y t d
x y t d
III-79
J.-M. THEMLIN
Thorme de convolution
(1)
x t y t
Preuve :
x(t ) y (t )
X ( f ) e j 2 f t df
X *Y f
j 2 f ' t
Y
(
f
')
e
df '
X * Y e j 2 t d
III-80
J.-M. THEMLIN
Thorme de convolution
(1)
x t y t
Preuve :
x(t ) y (t )
X *Y f
X ( f ) e j 2 f t df
j 2 f ' t
Y
(
f
')
e
df '
X ( f ) Y ( f ') e
j 2 f f ' t
df df '
f f '
X ( f ) Y ( f ) e j 2 t df d
j 2 t
X ( f ) Y ( f ) df e
d
X * Y e j 2 t d
III-81
J.-M. THEMLIN
Thorme de convolution
(2)
III-82
J.-M. THEMLIN
Thorme de convolution
(3)
x t * y t
X f Y f
III-83
J.-M. THEMLIN
Thorme de convolution
(3)
x t * y t
Preuve :
X f Y f
TF x * y (t )
x y t d e j 2 f t dt
t u
x y u d e
j 2 f u
du
x d e j 2 f
y u e j 2 f u du
X f Y f
III-84
J.-M. THEMLIN
Thorme de convolution
(4)
III-85
J.-M. THEMLIN
xe n xe t x t T t
x t t nT
TF x t T t
1
X f * f n
T
T n
1
X f n
T
T n
III-86
J.-M. THEMLIN
(2)
xe n xe t x t T t
TF
1
T
X f n
III-87
J.-M. THEMLIN
H PB f
Xf 0 f B
rect f
fc
fe 1 2B
T
III-88
J.-M. THEMLIN
fs < 2B
fs = 2B
III-89
J.-M. THEMLIN
Con2dis.m
III-90
J.-M. THEMLIN
Con2dis.m
III-91
J.-M. THEMLIN
III-92
J.-M. THEMLIN
III-93
J.-M. THEMLIN
x(t)
y(t)
Y f
f
0 f B
2
III-94
J.-M. THEMLIN
Densits spectrales
III-101
J.-M. THEMLIN
(1)
xe n xe t x t T t
X f n
T
T n
TF
X(f )
X(f )
x(t ) e j 2 f t dt
x nT
j 2 nT f
X(f )
x[n] e j 2 n f
III-102
J.-M. THEMLIN
(2)
X(f )
x[n]
j 2 n f
x n xe t x t T 1 t
X f n
III-103
J.-M. THEMLIN
0.9
0.8
0.7
0.6
x(t)
0.5
0.4
0.3
0.2
20
0.1
0
-30
X(f)
15
0
discrete tim e
10
20
30
sin(2 N 1)f
X(f )
sin(f )
TFtd.m
-10
N 10
10
-5
-2
-20
-1
0
f param eter
III-105
J.-M. THEMLIN
III-106
J.-M. THEMLIN
x n Ae
j 2 f 0 r n
Ae
j 2 f 0 n
j 2 r n
r n
Ae
j 2 f 0 n
% Dem_Discret.m
% Demo on discrete sinusoids
% J.-M. THEMLIN, Nov 2005
clear all
close all
n=1:100;
% Sinusoids with f1=f0+n, n integer
%
are the same
figure(1)
x=cos(2*pi*1.02*n);
plot(n,x,'bo')
hold on
y=cos(2*pi*2.02*n);
plot(n,y,'rx')
legend('f0=1.02','f1=2.02')
xlabel('index n')
ylabel('x1[n] & x2[n]')
hold off
III-108
J.-M. THEMLIN
% Dem_Discret.m ( suite )
%
% Sinusoids with f1=1-f0
% are almost the same : i.e.
% Cos are the same,
% Sin are out of phase
figure(2)
x=cos(2*pi*1.02*n);
subplot(2,1,1)
plot(n,x,'bo')
hold on
y=cos(2*pi*0.98*n);
plot(n,y,'rx')
legend('f0=1.02','f1=0.98')
xlabel('index n')
ylabel('x1[n] & x2[n]')
title ('Discrete cosinusods')
hold off
x=sin(2*pi*1.02*n);
subplot(2,1,2)
plot(n,x,'bo')
hold on
y=sin(2*pi*0.98*n);
plot(n,y,'rx')
legend('f0=1.02','f1=0.98')
xlabel('index n')
ylabel('x1[n] & x2[n]')
title ('Discrete sinusods')
hold off
Ajouter justification
III-109
J.-M. THEMLIN
Ae
j 2 1 f 0 n
Ae j 2 n e j 2 f 0 n Ae j 2 f 0 n
x=cos(2*pi*0.4*n);
subplot(2,1,2)
plot(n,x,'bo')
hold on
y=cos(2*pi*0.6*n);
plot(n,y,'rx')
legend('f0=0.48','f1=0.52')
xlabel('index n')
ylabel('x1[n] & x2[n]')
title ('High "frequency" near f0=1/2')
z=cos(2*pi*0.4*m);
plot(m,z,'g')
hold off
III-110
J.-M. THEMLIN
f0=0
f0=1/16
f0=15/16
f0=1/8
f0=7/8
f0=1/2
Hautes frquences
III-111
J.-M. THEMLIN
x n cos(2 nf 0 )
f0 k
III-112
J.-M. THEMLIN
Discrete.m
%
%
%
%
%
Dem_Discret.m ( suite )
Sinusoids are periodic
of period N
only if f0=k/N
figure(5)
subplot(2,1,1)
f0=2/10;
x=cos(2*pi*f0*n);
plot(n,x,'ro')
hold on
y=cos(2*pi*f0*m);
plot(m,y,'b')
legend('k/N=2/10')
xlabel('index n')
ylabel('x1[n] & x(t)')
axis([1,20,-1.05,1.05])
title('Periodic discrete sinus : f0 rational')
hold off
x n cos(2 nf 0 )
f0 k
subplot(2,1,2)
f0=sqrt(2)/6;
x=cos(2*pi*f0*n);
plot(n,x,'ro')
hold on
y=cos(2*pi*f0*m);
plot(m,y,'b')
legend('k/N=sqrt(2)/6')
xlabel('index n')
ylabel('x1[n] & x(t)')
axis([1,20,-1.05,1.05])
title('Aperiodic discrete sinus : f0
irrational')
113
hold off
x n N Ae
k
j 2 n N
N
Ae
k
j 2 n
N
e j 2 k x n
Discrete.m
114
(1)
x[n]
X(f )
j 2 nf
x n x 0 , x 1 ,..., x N 1
X k
x[n]
j 2 n
k
N
n, k 0,1, ..., N 1
n 0
III-116
J.-M. THEMLIN
(2)
x n x 0 , x 1 ,..., x N 1
est dfinie
par :
TFD N 1
X k
x[n]
j 2 n
k
N
n, k 0,1, ..., N 1
n0
Notez que le paramtre fk=k/N est dfini entre 0 et 1, la TFD peut tre
considre comme la partie irrductible , soit une priode dun
signal X[k] tendu et priodique, de priode 1
III-117
( voir TF temps discret ).
J.-M. THEMLIN
III-118
J.-M. THEMLIN
X k
nk
x
[
n
]
W
avec WNnk e
j 2
nk
N
n0
1
x[ n]
N
N 1
N 1
X k W
nk
N
k 0
1
X k e
N k 0
j 2
nk
N
III-119
J.-M. THEMLIN
fk k
0,1
De mme, la TFD inverse dcrit une priode dun x[n] qui devient
implicitement lui aussi priodique, puisque sa TF est discrte !
III-120
J.-M. THEMLIN
III-122
J.-M. THEMLIN
2
3
(1)
Aliasing ou
recouvrement spectral
Leakage ou
talement en frquence
Double priodicit
temporelle et
frquentielle
III-123
J.-M. THEMLIN
(2)
x k Dt x t Dt t x k , k
2) Troncature ( Windowing ) :
On garde N chantillons qui dcrivent une dure T0
xW k , k 0,1,..., N 1
T0 N Dt
3) Discrtisation de la frquence :
Puisque la TF XW(f) dun signal chantillonn ( donc discret ) est
priodique ( sa priode vaut 1/Dt ), il suffit dvaluer XW(f) sur une seule
priode, et ce en N points ( autant que dchantillons ). On fixe donc
ainsi le pas en frquence Df:
1
N Df
Dt
1
1
Df
N Dt T0
III-125
J.-M. THEMLIN
1
N Df
Dt
3) Discrtisation de la frquence :
X(f )
x(t ) e j 2 f t dt
(3)
1
1
Df
N Dt T0
devient :
N 1
X W ( f ) f n x(k Dt )
T0
j 2
n
k Dt
N Dt
Dt
k 0
N 1
x(k Dt ) e
j 2
nk
N
Dt
k 0
N 1
Dt x(k Dt ) e
j 2
nk
N
k 0
X ( f ) XW ( f ) f n
T0
Dt DFT x k
III-126
J.-M. THEMLIN
(4)
Remarques importantes :
1) Lors de lchantillonnage ( avec une priode Dt ), la condition de
Shannon doit tre respecte :
2) Pas en frquence :
1
2B
Dt
1
N Df
fe
Dt
fe 1
1
Df
N Dt N T0
III-127
J.-M. THEMLIN
(5)
est long ( plus T0=NDt est grand ), plus petit sera Df, donc meilleure
sera la rsolution en frquence sur le rsultat de la TFD, et donc mieux
on pourra distinguer ou sparer deux pics proches dans le domaine des
frquences. Plus vous voulez une rsolution en frquence leve, plus
lintervalle temporel sur lequel vous considrez le signal devra tre
long, donc plus vous aurez de points pour le calcul de la TFD (
frquence dchantillonnage fixe ) et plus celui-ci sera long.
III-128
J.-M. THEMLIN
2
Dt
1
Dt
1
Dt
3
1
Dt
(1)
1
Dt
Aliasing ou
recouvrement spectral
Cest la TF temps discret !
Leakage ou
talement en frquence
Double priodicit
temporelle et
frquentielle
III-129
J.-M. THEMLIN
X k
x[n]
j 2
nk
N
(1)
n, k 0,1, ..., N 1
n0
X k 1 x[ n 1] e
j 2
nk
N
n, k 0,1, ..., N 1
n 0
1
x[ n 1]
N
N 1
X k 1
j 2
nk
N
n, k 0,1,..., N 1
n0
III-133
J.-M. THEMLIN
2
t
1
t
1
t
3
1
t
(1)
1
t
Aliasing ou
recouvrement spectral
Cest la TF temps discret !
Leakage ou
talement en frquence
Double priodicit
temporelle et
frquentielle
III-134
J.-M. THEMLIN
(2)
fk k
0,1
III-135
J.-M. THEMLIN
x;
(3)
X=fft(x);
X_Norm=abs(fftshift(X));
X_phase=angle(fftshift(X));
III-138TFSinc2.m
J.-M. THEMLIN
f0=0
f0=1/16
f0=15/16
f0=1/8
f0=7/8
Hautes frquences
f0=1/2
III-139
J.-M. THEMLIN
(3)
Echelle en frquence :
On connat lintervalle en frquence f : f
fe
1
1
T0 N t N
N
N
fe fe
f
f , f
,
2
2
2 2
fe/2 = la frquence de Nyquist
Utilisation de la TF Discrte
III-141
J.-M. THEMLIN
Question :
Pouvez-vous
retrouver la
frquence
dchantillonnage ?
TFPulse.m
III-142
J.-M. THEMLIN
III-144
J.-M. THEMLIN
III-145
J.-M. THEMLIN
TFsinc.m
III-146
J.-M. THEMLIN
TF x (t t0 )
X(f )e
X ( f ) 1
j 2 f t0
TFDirac.m
III-147
J.-M. THEMLIN
Utilisation de la TF Discrte
III-150
TFpulse.m
TFtri.m
J.-M. THEMLIN
III-153
J.-M. THEMLIN
TFSinc2.m
III-154
J.-M. THEMLIN
III-160
J.-M. THEMLIN
TFD4.m
III-161
J.-M. THEMLIN
III-162
J.-M. THEMLIN
III-163
J.-M. THEMLIN
III-164
J.-M. THEMLIN
III-165
J.-M. THEMLIN
Artifice du Zero-Padding
On sait que plus lintervalle temporel sur lequel est dcrit le signal est
long ( plus T0=Nt est grand ), plus petit sera f, donc meilleure est la
rsolution en frquence sur le rsultat de la TFD, et donc mieux on peut
distinguer ou sparer deux pics proches dans le domaine des
frquences. Si lon ne dispose pas dassez de points exprimentaux, on
peut ajouter ( concatner ) au signal temporel une suite de zros
( Zero-Padding ), ce qui amliore artificiellement la rsolution
en frquence de la TFD.
III-167
J.-M. THEMLIN
III-168
J.-M. THEMLIN
Densits spectrales
DES
TF{Rxx}
DSP
TF{Rxx}
Thorme de Parseval
(1)
Lnergie dun signal x(t) nergie finie peut tre value dans le
domaine temporel comme dans le domaine frquentiel :
x (t ) dt E x
Xf
df
x y (t ) x( ) y (t )d
TF
X f Y f
Y f X* f
On choisit : y t x
TF
III-177
J.-M. THEMLIN
Thorme de Parseval
TF
Preuve de : x * t
(2)
X * f
x * t e
TF x * t
j 2 f t
dt
u t
x * u e
j 2 f u
du
x * u e j 2 f u du
j 2 f u
x u e
du
X * f
III-178
J.-M. THEMLIN
Thorme de Parseval
(3)
TF
x y (t ) x( ) y (t )d
X f Y f
TF
On choisit : y
Y f X* f
t x t
*
y t x
x y (t ) x( ) x
TF
( t ) d
X f X
x ( ) x ( t ) d
Xf X
f e j 2 f t df
x ( ) x ( ) d
f df
Xf X
x (t ) dt E x
Xf
df
III-179
J.-M. THEMLIN
x (t ) dt E x
Xf
df
x f df
x f
Xf
Ex
x f df
III-180
J.-M. THEMLIN
x ( ) x, x
Rxy ( )
t et t :
Rxy (t )
x( ) y *( t )d
III-181
J.-M. THEMLIN
Rxy (t )
x( ) y *( t ) d
x * y t x( ) y (t ) d
On voit que :
Rxy (t ) x * z t
avec z (t ) y * t
TF Rxy (t ) X f Z f X f Y * f
car TF z (t ) TF y * t Y * f
III-182
J.-M. THEMLIN
TF de la Fonction d Autocorrlation
(1)
Rxx (t )
x( ) x *( t )d
Rxx (t ) x * z t
avec z (t ) x * t
et en appliquant le Thorme de Convolution :
TF Rxx (t ) X f Z f X f X * f X f
car
TF z (t ) TF x * t X * f
III-183
J.-M. THEMLIN
TF de la Fonction d Autocorrlation
(2)
TF Rxx (t ) X f X * f X f x f
Ccl. : La transforme de Fourier de la fonction dautocorrlation dun
signal nergie finie ( valeurs relles ou complexes ) est gale la
Densit Spectrale Energtique de x(t).
x( ) x *( t )d
Rxx (t )
Rxx (t )
Rxx (0)
x( ) x *( )d
j 2 f t
f
e
df
x( ) d Ex
Rxx (0)
x f df
Ex
III-184
J.-M. THEMLIN
Rxx (t )
x( ) x * ( t )d x( ) x *(t )d
u t
R* t
xx
x t e u t
t 0:
t 0:
Rxx (t )
x x t d
Rxx (t )
x x t d
1 a t
Rxx t
e
2a
III-186
J.-M. THEMLIN
x t e u t
1 a t
Rxx t
e
2a
0.35
Rxx(t)
0.3
0.25
0.2
0.15
0.1
0.05
0
-5
-4
-3
-2
-1
0
time (s)
III-188
J.-M. THEMLIN
x(t ) e
X( f )
x(t ) e
dt
e e
dt
e t e j 2 f t dt
j 2 f t
dt
j 2 f t
e
j 2 f
t j 2 f t
0
j 2 f t
e j 2 f t dt
0
0
j 2 f
j 2 f t
1 0
0 1
j 2 f
j 2 f
j 2 f j 2 f
j 2 f j 2 f
j 2 f j 2 f
2
2 4 2 f 2
III-189
TFexpPulse.m
J.-M. THEMLIN
x(t ) e
t
0.5
2
2 4 2 f 2
X(f )
0
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
time (s)
0.4
0.6
0.8
-40
-30
-20
-10
0
10
Frequency (Hz)
20
30
40
50
-40
-30
-20
-10
0
10
Frequency (Hz)
20
30
40
50
0.4
0.2
0
-50
2
0
-2
-50
III-190
TFexpPulse.m
J.-M. THEMLIN
(1)
t w t
wT t w t rect
T
0
-T
T
t
2
2
ailleurs
1
Pw lim
T T
T
2
1
lim
T T
Parseval
1
2
w(t ) dt lim wT (t ) dt
T T
WT ( f ) df lim
T
1
T
WT ( f ) df
III-192
J.-M. THEMLIN
(2)
Pw f
Df .
1
lim WT ( f )
T T
Pw lim
T
1
T
WT ( f ) df Pw f df
III-193
J.-M. THEMLIN
Rxx (t )
x( ) x *( t )d
1
Rxx (t ) lim
T T
T
2
w( ) w *( t )d
T
2
Rxx (t ) w( ) w *( t )
III-194
J.-M. THEMLIN
Thorme de Wiener-Khintchine
On peut montrer que la transforme de Fourier de la fonction
dautocorrlation moyenne temporellement dun signal puissance
finie ( valeurs relles ou complexes ) est gale la Densit
Spectrale de Puissance de w(t).
TF Rww (t ) Pw f
Il sagit dun thorme dune importance capitale en TdS,
essentiellement parce quil reste vrai pour des signaux alatoires, et
dans ce cas cest la seule faon de dfinir le spectre dun signal
alatoire, la fonction dautocorrlation du signal alatoire tant alors
dfinie statistiquement.
III-195
J.-M. THEMLIN